基于可穿戴设备感知的智能家居能源优化

被引：15

作者：

陈思运 ^{[1
]}

刘烃 ^{[1
]}

沈超 ^{[1
]}

苏曼 ^{[1
]}

高峰 ^{[2
]}

徐占伯 ^{[3
]}

师嘉悦 ^{[1
]}

贾战培 ^{[1
]}

机构：

[1] 智能网络与网络安全教育部重点实验室(西安交通大学)

[2] 机械制造系统工程国家重点实验室(西安交通大学)

[3] 加州大学伯克利分校伯克利教育联盟新加坡研究所

来源：

计算机研究与发展 | 2016年 / 03期

关键词：

智能家居; 能源优化; 用户行为分析; 可穿戴设备; 智能电网;

D O I：

暂无

中图分类号：

TU855 [建筑物的电气化、自动化装置]; TP212.9 [传感器的应用];

学科分类号：

摘要：

智能家居能源优化作为智能电网在居民侧的延伸是智能家居领域的重要分支.智能家居能源优化的目标是通过优化调度家居用电设备,满足用户的舒适需求和降低用电费用.其中,用户舒适度与人的行为密切相关,具有很强的主观性和不确定性,对用户行为及舒适度需求的分析是智能家居能源管理系统中的难点.因此提出了一种基于可穿戴设备传感数据分析的智能家居能源优化方法,主要包括:基于可穿戴设备传感器数据实时分析用户行为;利用神经网络建立用户行为到舒适度需求的映射,更新用户的舒适度需求;建立家居系统动态模型,并基于智能家居环境传感器数据对模型参数进行动态估计;提出基于模型预测控制(model predictive control,MPC)的智能家居能源优化求解方法.同时开发了智能家居能源优化的原型系统,通过搭建的智能家居实验平台,设计了4种典型用户行为情景,验证了所提方法对智能家居经济性和舒适性的提升.

引用

页码：704 / 715

页数：12

共 6 条

[1] 智能电网环境下家庭能源管理系统研究综述
张延宇
曾鹏
臧传治
[J]. 电力系统保护与控制, 2014, 42 (18) : 144 - 154
[2] 基于小波—BP神经网络的短期风电功率预测方法
师洪涛
杨静玲
丁茂生
王金梅
[J]. 电力系统自动化, 2011, 35 (16) : 44 - 48
[3] A self-learning scheme for residential energy system control and management[J] . Ting Huang,Derong Liu.Neural Computing and Applications . 2013 (2)
[4] A new simplified thermoregulatory bioheat model for evaluating thermal response of the human body to transient environments
Zolfaghari, Alireza
Maerefat, Mehdi
[J]. BUILDING AND ENVIRONMENT, 2010, 45 (10) : 2068 - 2076
[5] Bluetooth based home automation system
Sriskanthan, N
Tan, F
Karande, A
[J]. MICROPROCESSORS AND MICROSYSTEMS, 2002, 26 (06) : 281 - 289
[6] A comparative study of three feedback devices for residential real-time energy monitoring. Alahmad, Mahmoud A,Wheeler, Patrick G,Schwer, Avery,Eiden, Joshua,Brumbaugh, Adam. IEEE Transactions on Industrial Electronics . 2012

← 1 →