基于遗传算法的家电节能模型构建方法、控制方法、家电与流程

本发明涉及家用电器控制领域，特别是涉及一种基于遗传算法的家电节能模型构建方法、控制方法、家电。

背景技术：

随着现代化水平的不断推进，空调已经成为家庭必备电器，但空调也是普通家庭使用耗能最大的家用电器，空调耗能较大成为消费者比较头疼的问题。

变频空调器是最近几年发展起来的新型空调器，它使用频率可变的变频压缩机及相应的控制技术，能根据房间环境温度的变化自动调节压缩机的工作频率，进而改变压缩机的转速，实现空调温度的调节。现有变频空调器一般采用简单查表式模糊控制方法或pi控制方法作为压缩机频率控制的方法。模糊控制方法是采用模糊控制理论，通过查表的方式获得不同温差及温差变化率对应的频率值，从而控制压缩机在该频率下运转。pi控制方法是以温差作为输入参数，根据温差的不同，按既定规则改变控制过程中的p项及i项的数值，从而实现对压缩机频率的调整。这两种控制方法都是根据温差进行控制，控制时间短暂，但是在温差为0，一方面由于环境的负荷不同存在控制静差，另一方面由于不同的环境温度调节不同的设定温度时，空调的负载也不同，也会存在控制静差，上述两种方法无法实现寻优控制，导致压缩机频率控制不精确，无法实现基于外界环境变化的优化控制，影响空调节能性，因此亟需一种新的控制系统和方法。

有鉴于此，本发明人特别研发了一种基于遗传算法的家电节能模型构建方法、控制方法、家电，本案由此产生。

技术实现要素：

为解决现有技术中无法实现基于外界环境变化的优化控制，影响空调节能性的技术问题，本发明提供了一种基于遗传算法的家电节能模型构建方法、控制方法、家电。

为实现上述目的，本发明采用的技术方案如下：一种基于遗传算法的家电节能模型的构建方法，所述的方法如下：

获取家电由当前运行状态向设定运行状态变化的运行工况；

获取所述设定运行状态下所述家电的运行参数；

根据所述运行工况、所述设定运行状态下所述家电的运行参数构建家电节能模型，采用遗传算法对获取的所述设定运行状态下的家电运行参数进行优化处理得到家电运行优化参数，所述家电节能模型以家电的运行工况作为输入，以设定运行状态下家电的运行优化参数作为输出。

进一步的，获取家电的多个运行工况，并对每一所述运行工况中所述设定运行状态下所述家电的运行参数采用遗传算法进行优化处理。

进一步的，所述设定运行状态包括设定的目标温度，所述家电运行工况

为从当前环境温度向设定的目标温度变化的运行情况。

进一步的，所述采用遗传算法对获取的所述设定运行状态下的家电运行参数进行优化处理包括：

将获取的所述设定运行状态下的家电运行参数作为初始种群；

以家电的运行能耗比作为适应度，并通过预设适应度函数计算所述初始种群中每个个体的适应度；

对所述初始种群循环进行选择、交叉、变异运算，生成新一代的种群；

观察所述新一代的种群是否满足预设的约束条件，若满足约束条件，则停止运算，否则，重新对所述初始种群进行选择。

进一步的，根据所述家电的历史运行参数确定所述适应度函数的变化曲线，通过所述变化曲线的下降速率调整所述适应度函数的取值范围。

一种基于遗传算法的家电节能控制方法，所述方法包括：

获取家电的运行工况；

将所述家电的运行工况输入到预先优化处理的家电节能模型中以获得所述运行工况中设定运行状态下家电的运行优化参数；

根据所述获得的设定运行状态下家电的运行优化参数对家电的运行参数进行在线调节修正，控制家电按照所述运行优化参数运行。

进一步的，所述设定运行状态包括目标温度信息。

进一步的，获取当前环境温度信息及目标温度信息以获得家电的运行工况。

一种家电，所述家电包括：

获取装置，用于获取家电的运行工况；

控制装置，与所述获取装置连接，用于将所述家电的运行工况输入到预先优化处理的家电节能模型中以获得所述运行工况中设定运行状态下家电的运行优化参数，并根据所述获得的设定运行状态下家电的运行优化参数对家电的运行参数进行在线调节修正，控制家电按照所述运行优化参数运行。

进一步的，所述获取装置包括第一获取单元、第二获取单元，所述第一获取单元用于获取当前环境温度信息，所述第二获取单元用于获取当前家电目标温度信息。

进一步的，所述第一获取单元包括温度传感器，所述温度传感器内置于所述家电中，或与所述家电信号连接。

进一步的，所述家电包括空调、取暖器中的一种或多种。

由上述对本发明的描述可知，与现有技术相比，本发明的基于遗传算法的家电节能模型构建方法、控制方法、家电，通过构建家电的节能模型，获取家电的运行工况；将所述家电的运行工况输入到优化处理好的家电节能模型中获得设定运行状态下家电的运行优化参数；根据获得的运行优化参数控制家电运行，由于上述节能模型是以运行能耗比作为遗传算法的适应度函数，家电在按照优化处理后的运行优化参数运行过程中，保持节能性高，降低了能耗，且运行稳定，从而实现节能控制，给用户带来最舒适的体验，提高了室内环境的舒适度，用户体验效果好。

附图说明

图1为本发明基于遗传算法的家电节能模型的创建方法流程图；

图2为本发明具体实施例一中遗传算法的步骤流程图；

图3为本发明基于遗传算法的家电节能控制方法流程图；

图4为本发明家电结构框图；

图5为本发明具体实施例二中遗传算法的步骤流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明通过构建家电节能模型实现对家电的节能控制，其中家电包括空调、取暖器中的任意一种，在本实施例中以空调为例，采用遗传算法对节能模型进行构建。

具体实施例一：

如图1所示，一种基于遗传算法的家电节能模型的创建方法，所述方法包括以下步骤：

s11：获取家电由当前运行状态向设定运行状态变化的运行工况；

s12：获取所述设定运行状态下所述家电的运行参数；

s13：根据所述运行工况、所述设定运行状态下所述家电的运行参数构建家电节能模型，采用遗传算法对获取的所述设定运行状态下的家电运行参数进行优化处理得到家电运行优化参数，所述家电节能模型以家电的运行工况作为输入，以设定运行状态下家电的运行优化参数作为输出。

具体实施方式如下：获取空调由当前运行状态向设定运行状态变化的运行工况，获取所述设定运行状态下所述家电的运行参数，在本实施例中，运行参数为空调压缩机的运行频率，其中设定运行状态为空调的设定目标温度，空调从任一环境温度调节到设定目标温度时为空调的运行工况，例如，空调从室内环境温度为31℃调整到目标温度为25℃作为空调的一个运行工况，空调从室内环境温度为32℃调整到目标温度为26℃作为空调的另一个运行工况，以空调从室内环境温度为31℃调整到目标温度为25℃为例，在该运行工况下，多次获取空调维持25℃稳态时，空调压缩机的运行频率，或者获取在该运行工况下，空调维持25℃稳态时，空调压缩机的历史运行频率，采用遗传算法进行计算，得到优化处理后的空调压缩机运行优化频率，由于空调在运行过程中，不同的环境温度调节到不同的目标温度并保持在目标温度时，压缩机的运行频率均不同，即使从不同的室内环境温度调节到相同的目标温度并保持在目标温度时，压缩机的运行频率也有所不同，因为不同的环境温度，环境负载不同、空调负载不同，因此需要对每一个运行工况下，空调压缩机的运行频率采用遗传算法进行优化处理，如图2所示，其中采用遗传算法对获取的所述设定运行状态下的家电运行参数进行优化处理包括以下步骤：

s121：将获取的所述设定运行状态下空调的运行参数或历史运行参数作为初始种群作为初始种群，在选择初始种群时，随机选取，例如可通过随机函数进行选取；

s122：以家电的运行能耗比作为适应度，并通过预设适应度函数计算所述初始种群中每个个体的适应度，例如以空调运行过程中能耗最低作为适应度，通过适应度函数进行计算，适应度函数计算公式可由本领域技术人员通过实际情况进行选择；

s123：判断是否满足能耗最低，若满足，则以当前种群作为优化结果，否则进入步骤s124，

s124：从群体中选择优良的个体并淘汰劣质个体，以适应度函数评估为基础，选择适应度大的个体，并将选择出来的个体放入配对库中；

s125：从所述配对库的个体中以预设的交叉概率选取个体，形成新的种群，其中个体随机匹配，进行基因交换，交换位置的选取是随机的，所述交叉概率为0.4-0.9，频率越高，函数收敛越快，但太高可能导致过早收敛，结果不准确；

s126：从交叉后的种群中随机选择一个个体，按预设的变异概率进行基因变异，生成新一代的种群，所述变异概率为0.001-0.1；

s127：观察所述新一代的种群是否满足预设的约束条件，若满足约束条件，例如发现最优解或者到达最大迭代次数，则停止运算；否则，转入s124。

优化处理之后，以空调的运行工况作为输入，以设定运行状态下优化处理后的空调运行优化频率作为输出，将优化处理好的空调节能模型写入芯片中，具体的，可写入空调的主板芯片中，方便对空调进行节能控制。

本实施例还提供了一种基于遗传算法的家电节能控制方法，基于上述的空调节能模型进行控制，如图3所示，所述方法包括以下步骤：

s21：获取家电的运行工况；

s22：将所述家电的运行工况输入到预先优化处理的家电节能模型中以获得所述运行工况中设定运行状态下家电的运行优化参数；

s23：根据所述获得的设定运行状态下家电的运行优化参数对家电的运行参数进行在线调节修正，控制家电按照所述运行优化参数运行。

具体实施方式如下：

获取空调的目标温度信息得到空调的设定运行状态，再获取当前室内环境温度信息以得到空调的运行工况，例如，当前室内环境温度为31℃，空调当前设定目标温度为25℃，则设定运行状态为25℃，从31℃调节到25℃为空调的运行工况，将该运行工况输入到上述优化处理好的空调节能模型中，得到空调保持在25℃稳态时优化处理后的空调压缩机运行优化频率，根据所述获得的设定运行状态下空调的运行优化频率对空调压缩机的运行频率进行在线调节修正，控制空调按照运行优化频率运行，在此过程中，若打开了窗户或者有人进来，室内环境温度上升，例如变化到27℃，重新输入到上述优化处理好的空调节能模型中，得到空调保持在25℃稳态时优化处理后的空调压缩机运行优化频率，若重新设定目标温度为26℃，重新输入到上述优化处理好的空调节能模型中，得到空调保持在26℃时优化处理后的空调压缩机运行优化频率，由于上述空调节能模型是以运行能耗比作为遗传算法的适应度函数，空调压缩机在按照优化处理后的运行优化频率运行过程中，保持节能性高，降低空调能耗，且运行稳定。

如图4所示，本实施例还提供了一种家电，包括：获取装置1和控制装置2，

所述获取装置1获取家电的运行工况，所述获取装置1包括第一获取单元11、第二获取单元12，所述第一获取单元11获取当前环境温度信息，所述第一获取单元11可以采用温度传感器，其中温度传感器可以是热电偶、热敏电阻、电阻温度检测器和ic温度传感器等，温度传感器可设置于空调的回风口检测当前环境温度，或者，当前环境温度也可由空调所在的室内环境中其它装置上设置的温度传感器检测得到，例如用户佩戴的可穿戴设备(例如手环)上的温度传感器检测得到，该可穿戴设备检测得到的温度为用户周围温度，更加准确，所述第二获取单元12获取当前空调目标温度信息，空调的目标温度信息可通过空调内数据传输得到，例如用户在交互界面或遥控器上设置目标温度，或在手机等控制终端上输入，获取目标温度信息后，得到空调的设定运行状态，再获取当前环境温度信息以得到空调的运行工况，例如，当前环境温度为31℃，空调当前设定目标温度为25℃，则设定运行状态为25℃，从31℃调节到25℃为空调的运行工况，

控制装置2，与获取装置1连接，将所述家电的运行工况输入到优化处理好的空调节能模型中得到空调保持在目标温度25℃时优化处理后的空调压缩机运行优化频率，根据运行优化频率控制空调压缩机的运行，所述优化处理好的空调节能模型写入控制装置中，在此过程中，若打开了窗户或者有人进来，环境温度上升，例如变化到27℃，重新输入到上述优化处理好的空调节能模型中，得到空调保持在25℃稳态时优化处理后的空调压缩机运行优化频率，若重新设定目标温度为26℃，重新输入到上述优化处理好的空调节能模型中，得到空调保持在26℃时优化处理后的空调压缩机运行优化频率，由于上述空调节能模型是以运行能耗比作为遗传算法的适应度函数，空调压缩机在按照优化处理后的运行频率运行过程中，保持节能性高，降低空调能耗，且运行稳定。

具体实施例二：

本实施例与实施例一区别在于遗传算法步骤的不同，如图5所示具体如下：

s121：将获取的所述设定运行状态下空调的运行参数或历史运行参数作为初始种群作为初始种群，在选择初始种群时，随机选取，例如可通过随机函数进行选取；

s122：以家电的运行能耗比作为适应度，并通过预设适应度函数计算所述初始种群中每个个体的适应度，例如以空调运行过程中能耗最低作为适应度，通过适应度函数进行计算，适应度函数计算公式可由本领域技术人员通过实际情况进行选择；

s123：判断是否满足能耗最低，若满足，则以当前种群作为优化结果，否则进入步骤s124，

s124：从群体中选择优良的个体并淘汰劣质个体，以适应度函数评估为基础，选择适应度大的个体，并将选择出来的个体放入配对库中；

s125：从所述配对库的个体中以预设的交叉概率选取个体，形成新的种群，其中个体随机匹配，进行基因交换，交换位置的选取是随机的，所述交叉概率为0.4-0.9，频率越高，函数收敛越快，但太高可能导致过早收敛，结果不准确；

s126：从交叉后的种群中随机选择一个个体，按预设的变异概率进行基因变异，生成新一代的种群，所述变异概率为0.001-0.1；

s127：观察所述生成的新一代种群是否满足约束条件，若满足约束条件，例如发现最优解或者到达最大迭代次数，则算法停止；否则，转入s124，同时根据空调的历史时刻的压缩机运行频率绘制空调运行能耗也即适应度函数的变化曲线，通过变化曲线的下降速率调节适应度函数的取值范围，作为适应度函数的约束条件，由于有限制条件，一方面可以使得空调节能模型输出更优值，另一方面可以调节空调节能模型输出值的及时性。可以在空调芯片中加入该约束条件，可通过控制终端如手机与空调进行数据对接，实时或定时监控。通过手机也可以实时查看空调在运行过程中的能耗，方便快捷。

具体实施例三：

本实施例与实施例一、实施例二区别在于本实施中充分考虑了空调外机，考虑了室外环境温度，在本实施例中，空调从任一环境温度调节到设定目标温度时为空调的运行工况，例如，空调从室外环境温度为40℃、室内环境温度为31℃调整到目标温度为25℃作为空调的一个运行工况，空调从室外环境温度为40℃、室内环境温度为32℃调整到目标温度为26℃作为空调的另一个运行工况，并对每一所述运行工况中所述设定运行状态下所述空调压缩机的运行频率采用遗传算法进行优化处理，采用遗传算法和对家电的控制方法与实施例一或实施例二相同，在此不再赘述，获取室外环境温度可以采用环境温度传感器如采用感温包进行获取，只要能够获取空调室外环境温度即可，由于本实施例充分考虑了室外环境温度对空调压缩机运行的影响，采用遗传算法对空调运行工况中设定状态下空调压缩机的运行频率进行优化处理后的运行优化频率，不仅降低了空调能耗，空调运行稳定，节能性高，也更符合空调的实际运行。

本发明提供的一种基于遗传算法的家电节能模型构建方法、控制方法、家电，通过构建家电的节能模型，获取家电的运行工况；将所述家电的运行工况输入到优化处理好的家电节能模型中获得设定运行状态下家电的运行优化参数；根据获得的运行优化参数控制家电运行，由于上述节能模型是以运行能耗比作为遗传算法的适应度函数，家电在按照优化处理后的运行优化参数运行过程中，保持节能性高，降低了能耗，且运行稳定，从而实现节能控制，给用户带来最舒适的体验，提高了室内环境的舒适度，用户体验效果好。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。