个合作者学会的概率P(ae|lg)不 同。例如，在洗澡的期间内，虽然C不接通电视的开关，但合作者A和B接通电视的开关。
[0454] 在本实施方式中，由于空间限制，在此，省略关于其他合作者学会的P(ae|lg)的说 明。该情况下，分别使用基于电子设备函数的P(a」lg)和学会的P(a」lg)来估计使用在第 3. 2节提出的方法的合作者A的4天的各生活行动。同样，估计各个合作者B、C的每天的 生活行动。例如，图45示出了合作者A的从00 :00:00至23 :59 :59的1天中的实际的生 活行动顺序（a)和所估计的生活行动顺序（b)。
[0455] 在图45的（c)中，各颜色表示生活行动的种类在右边上方被举例证明的情况。乍 一看，使用学会的P(a。|lg)所估计的顺序（图45的（c))与实际的1个顺序完全一致。
[0456] 在本实施方式的方法中，例如，进一步高效地估计合作者A在进行烹调的期间内 看电视、或合作者A在洗澡的期间内洗衣服这样的同时发生的生活行动。在将使用学会的 P(aJlg)所估计的顺序与使用基于P(aJlg)的电子设备函数所估计的顺序进行比较的情况 下，无法估计"洗澡"发生在〇〇 :30前后，并且，无法估计"洗澡"发生在23 :00前后。如图 42所示，基于"洗澡"过程中的空气自动调节器、客厅室内灯的概率的电子设备函数是0。
[0457] 基于"个人卫生"中的这些电子设备的概率的电子设备函数不是0。在洗澡的期间 内，合作者A接通了这些电子设备的开关。
[0458] 因此，在使用基于概率的电子设备函数的本实施方式的方法中，错误地将"个人卫 生"看作"洗澡"。但是，通过从关于合作者A的各个生活行动中学习这些电子设备的使用 概率，能够在本实施方式的方法中，正确地估计"洗澡"。
[0459] 通过行使再现率和适用率来在量上评价本实施方式的方法。
[0460] 如果假设给出了实际的生活行动la，则对在与生活行动13相同的持续时间内出现 的被估计的生活行动的集合1^进行调查。集合L6包括主行动和副行动。在此，主行动不会 从副行动分离。在存在与集合中的生活行动1 3相同种类的生活行动的情况下，看作生活 行动la被正常地估计出来。该情况下，作为在实际的生活行动顺序中被正确地估计的行动 的比率，计算再现率。
[0461] 相反地，如果假设给出了被估计的生活行动，则对在与作为生活行动的持续时 间相同的时间内出现的实际的生活行动的集合1 3进行调查。在存在与集合1 a中的生活行 动相同种类的生活行动的情况下，看作被估计的行动是正确的。该情况下，作为被估 计的生活行动顺序的正确的行动的比率，计算适用率。
[0462] 图46是按合作者A、B和C的每天分别示出再现率、适用率和F值的图。
[0463] "再现率"的各个单元的"/"的前后的值分别为被正确地估计出来的行动的数目和 实际的行动的总数。"适用率"的各个单元的"/"的前后的值分别为被正确地估计出来的行 动的数目和被估计出来的行动的总数。
[0464] 在本实施方式的方法中，开始，使用学习11天的7个个人的电子设备的使用概率 的P(a」lg)，产生更高的F值。
[0465] 进行了学习的情况下的再现率、适用率和F值的平均值为0. 771、0. 786和0. 773， 可以说，进行了学习的这一方实验结果优异。另一方面，即使在不进行学习的情况下也能够 得到充分的再现率、适用率。
[0466] 下面，对各个合作者的各天的结果进行调查。
[0467] 合作者A的各天的F值类似。合作者B的第1天的结果因为学习而稍差。为了评 价合作者B的第1天，学习B的第2天。在合作者B的第1天发生的一部分行动在B的第2 天不发生。由于学习数据不充分，因此，关于合作者B，无法正确地学习P(a」lg)。应该考虑 到，如果更进一步具有所学习的数据的话，能够关于合作者B取得更好的结果。在合作者C 的5天的结果中，第1天的结果差。在第1天，合作者C执行了 "谈话"和"休息"。在上述 2种行动中，不特别使用电子设备。
[0468] 结果是，在本实施方式的方法中，用于检测上述2种行动不起作用。其中，研宄的 最终的目标是在各个行动中估计各个电子设备的优先度。
[0469] 在行动中不特别使用电子设备的情况下，为了最终的目标可以忽视上述行动。
[0470] 由于通过学习个人的电子设备使用概率P(ae|lg)来估计生活行动，因此，证实了 本实施方式的方法有效。但是，难以为了进行上述学习而收集根据各个用户进行分类的数 据。
[0471] 另一方面，在本实施方式的方法中，即使在采用了基于能够应对任何用户的电子 设备的功能的家电使用概率P(a」lg)的情况下，也能够以充分的适用率来估计出生活行 动。
[0472] 作为今后的研宄，作为能够对所有的用户进行应用的一般的模型，首先构成具有 基于概率P(a。|lg)的电子设备函数的LAPC模型，该情况下，在通常的模型上估计生活行动 的期间内，按每个用户联机地学习个人的电子设备使用概率P(a。|lg)。逐渐，按每个用户将 上述通常的模型更新为个人的模型。
[0473] < 4. 3产生功率消耗模式的评价>
[0474] 对为了通过事例研宄根据生活行动来产生功率消耗模式而在第3. 1节提出的上 述方法进行评价。
[0475] 图47的（a)是示出合作者A的第1天的实际的功率消耗模式的图。
[0476] 第1，根据合作者A的另外3天，学习在第2. 2节说明的概率分布
[0477]
[0478]
[0479] _
[0480] 该情况下，以学会的概率分布，根据上述的天的实际的生活行动来产生使用本实 施方式的方法的功率消耗模式。
[0481] 图47的（b) (c)示出了由于本实施方式的方法具有随机性而在不同的或相同的实 验条件下取得的2个产生模式。2个产生模式双方与实际的产生模式（图47的（a))完全 类似。用产生模式适当地对上述实际的功率消耗模式的大部分的峰值进行模拟。可以说， 利用LAPC模型构成的本实施方式的方法对根据生活行动来模拟电子设备功率消耗模式有 用。
[0482] 另一方面，在本实施方式的方法中，无法生成一部分功率消耗峰值的模式。
[0483] 应考虑的问题是：
[0484] (1)在本实施方式的方法中，关于电子设备的共现或排他性没有考虑到的点、
[0485] (2) -部分电子设备的功率消耗（例如，空气自动调节器、戏剧性的转变）。
[0486] 特别是，在本实施方式的方法中，无法模拟通过起动设置于图47的（a)所示的"冰 箱"中的压缩机而产生的峰值功率211。
[0487] 这些峰值由于冰箱的压缩机的激活而产生。
[0488] 原因是，采用归一化分布被模型化的动态系统AM)~丨)在动作状态的期 间内，生成在极短时间内产生的该类峰值的可能性极小。
[0489] 标号说明
[0490] 1 :生活行动估计装置；10 :存储器；11 :智能抽头；12:数据库；12b:电子设备功能 模型表；12d:生活行动；2e:状态变化概率表格；12e:电子设备状态转变概率表；12f:状态 持续长度概率表；12g:电子设备使用频度表；12h:生活行动存储部；la:CPU;lb:电子设备 状态估计部；lc:电子设备事件检测部；Id:第1权重取得部；le:第2权重取得部；If:电 子设备权重乘法运算部；lg:生活行动估计部；li:电子设备状态估计部；lj:电子设备事 件检测部；lk:下一状态概率估计部；20 :电子设备；30 :功率控制装置；32 :商用电源；50 : EoD控制系统；101 :生活行动估计装置；101a:CPU;101m:电子设备状态估计部；101n:电子 设备事件检测部；1〇1〇 :下一状态概率估计部；l〇lp:功率消耗模式生成部。
【主权项】
1. 一种生活行动估计系统，所述生活行动估计系统具备：至少1个电子设备，其设置于 规定的空间内；智能抽头，其对所述电子设备供给电力；生活行动估计装置，其估计所述空 间内的生活者的生活行动中的涉及电子设备的事件；以及网络，其经由所述智能抽头将所 述电子设备与所述生活行动估计装置连接起来，所述生活行动估计系统的特征在于， 所述生活行动估计装置具备： 电子设备利用状态估计单元，其基于从所述电子设备接收的功率值来估计电子设备的 利用状态； 事件信息检测单元，其基于某个时刻的电子设备的利用状态及其之前的时刻的电子设 备的利用状态，检测所述空间内的事件信息； 第1权重取得单元，其基于从事件发生时刻开始的经过时间，从保持第1权重的第1电 子设备功能模型表取得基于所述事件信息的每个生活行动的第1权重，该第1权重示出电 子设备的利用状态的转变与生活行动之间的关系； 第2权重取得单元，其基于所述电子设备的利用状态，从保持第2权重的第2电子设备 功能模型表取得每个生活行动的第2权重，该第2权重示出电子设备的利用状态与生活行 动之间的关系； 电子设备权重乘法运算单元，其基于将所述第1权重乘以所述第2权重得到的积，按每 个所述电子设备计算出该积的和；以及 生活行动估计单元，其将每个所述电子设备的积的和为最大值的生活行动估计为所述 生活者的实际的生活行动。2. 根据权利要求1所述的生活行动估计系统，其特征在于， 所述生活行动估计系统具备下一利用状态概率估计单元，所述下一利用状态概率估计 单元从示出所述电子设备的利用状态转变的概率的利用状态转变概率表取得下一利用状 态的转变概率，并基于下一利用状态的转变概率，从示出下一利用状态持续的时间概率的 利用状态持续长度概率表取得与事件发生后的经过时间相对应的转变概率，并且，基于所 述下一利用状态转变概率和与所述经过时间相对应的转变概率，计算在下一利用状态下工 作的电子设备的概率分布。3. 根据权利要求2所述的生活行动估计系统，其特征在于， 在所述电子设备不在使用中的情况下，所述下一利用状态概率估计单元按每个生活行 动，从示出使用电子设备的概率的电子设备使用频度表取得与生活行动标签对应的电子设 备使用频度，并从示出电子设备的利用状态转变为其他利用状态的概率的电子设备状态转 变概率表取得初始利用状态分布。4. 一种生活行动估计装置，其估计规定的空间内的生活者的生活行动，其特征在于， 所述生活行动估计装置具备： 存储单元，其存储示出问卷信息的各时刻的生活行动标签，其中所述问卷信息用于估 计规定的空间内的生活者的生活行动； 利用状态取得单元，其从所述存储单元取得电子设备的规定时刻的利用状态和前一利 用状态； 电子设备事件检测单元，其基于由所述利用状态取得单元取得的电子设备的利用状态 和前一利用状态，检测示出所述生活空间内的生活行动的事件种类信息； 下一利用状态概率估计单元，其从示出电子设备的利用状态转变为其他利用状态的概 率的利用状态转变概率表取得下一利用状态的转变概率，并且，基于下一利用状态的转变 概率，从示出该利用状态所持续的时间概率的状态持续长度概率表取得与事件发生后的经 过时间相对应的转变概率，并且，基于所述下一利用状态转变概率和与所述经过时间相对 应的转变概率，计算下一利用状态的概率分布；以及 功率消耗模式生成单元，其根据所述下一利用状态的概率分布，生成示出功率值的功 率消耗模式。5. 根据权利要求4所述的生活行动估计装置，其特征在于， 在所述电子设备不在使用中的情况下，所述下一利用状态概率估计单元从示出生活行 动中使用电子设备的概率的电子设备使用频度表取得与生活行动标签对应的电子设备使 用频度，并从示出电子设备的利用状态转变为其他利用状态的概率的电子设备利用状态转 变概率表取得初始利用状态分布。6. -种生活行动估计程序，所述生活行动估计程序具备：至少1个电子设备，其设置于 规定的空间内；智能抽头，其对所述电子设备供给电力；生活行动估计装置，其估计所述空 间内的生活者的生活行动中的涉及电子设备的事件；以及网络，其经由所述智能抽头将所 述电子设备与所述生活行动估计装置连接起来，并且由设置于所述生活行动估计装置中的 处理器执行该生活行动估计程序，所述生活行动估计程序的特征在于， 所述生活行动估计装置通过处理器执行以下步骤： 电子设备利用状态估计步骤，基于从所述电子设备接收的功率值，估计电子设备的利 用状态； 电子设备事件检测步骤，基于某个时刻的电子设备的利用状态及其之前的时刻的电子 设备的利用状态，检测表示所述空间内的生活行动的事件种类信息； 第1权重取得步骤，基于从事件发生时刻开始的经过时间，从保持第1权重的第1电子 设备功能模型表取得基于所述事件信息的每个生活行动的第1权重，该第1权重示出电子 设备的利用状态的转变与生活行动之间的关系； 第2权重取得步骤，基于所述电子设备的利用状态，从保持第2权重的第2电子设备功 能模型表取得生活行动的第2权重，该第2权重示出电子设备的利用状态与生活行动之间 的关系； 电子设备权重乘法运算步骤，基于将所述第1权重乘以所述第2权重得到的积，按每个 所述电子设备计算出该积的和；以及 生活行动估计步骤，将每个所述电子设备的积的和为最大值的生活行动估计为所述生 活者的实际的生活行动。7. -种记录有权利要求6所述的程序的计算机可读记录介质。8. -种生活行动估计程序，所述生活行动估计程序是由设置于生活行动估计装置的处 理器执行的程序，该生活行动估计装置估计规定的空间内的生活者的生活行动中的涉及电 子设备的事件，其特征在于， 所述生活行动估计程序使处理器执行以下步骤： 存储步骤，存储示出问卷信息的各时刻的生活行动标签，其中所述问卷信息用于估计 规定的空间内的生活者的生活行动； 利用状态取得步骤，根据电子设备的某个时刻的电子设备的利用状态及其之前的时刻 的电子设备的利用状态，从所述存储单元取得所述空间内的利用状态和前一利用状态； 电子设备事件检测步骤，基于通过所述利用状态取得步骤取得的电子设备的利用状态 和前一利用状态来检测示出所述生活空间内的生活行动的事件种类信息； 下一利用状态概率估计步骤，从示出电子设备的利用状态转变为其他利用状态的概率 的利用状态转变概率表取得下一利用状态的转变概率，并且，基于下一利用状态的转变概 率，从示出该利用状态所持续的时间概率的利用状态持续长度概率表取得与事件发生后的 经过时间相对应的转变概率，并且，基于所述下一利用状态转变概率和与所述经过时间相 对应的转变概率来计算下一利用状态的概率分布；以及 功率消耗模式生成步骤，根据所述下一利用状态的概率分布，生成示出功率值的功率 消耗模式。9. 一种记录有权利要求8所述的程序的计算机可读记录介质。10. 根据权利要求4所述的生活行动估计装置，其特征在于， 所述生活行动估计装置具有生活行动估计单元，该生活行动估计单元基于由所述功率 消耗模式生成单元生成的所述功率消耗模式，取得各个电子设备的动作形式的集合，并使 用将所述电子设备的操作与生活者的位置关联起来的人物位置模型，取得生活者的位置， 估计取决于所述位置的主行动和不取决于所述位置的副行动。11. 根据权利要求8所述的生活行动估计程序，其特征在于， 所述生活行动估计程序使处理器执行生活行动估计步骤，即基于通过所述功率消耗模 式生成步骤生成的所述功率消耗模式取得各个电子设备的动作形式的集合，并使用将所述 电子设备的操作与生活者的位置关联起来的人物位置模型，取得生活者的位置，估计取决 于所述位置的主行动和不取决于所述位置的副行动。
【专利摘要】能够考虑到个人的生活行动而使能源按需控制系统的导入变得容易。从智能抽头(11)接收当前的功率值，从当前的功率值估计电子设备的利用状态(q)(A)，在与前一时刻的利用状态(q’)不同的情况下将利用状态转变作为事件进行检测，并将事件的种类(e{q’→q})和发生时刻(et)存储于存储器(10)中。接下来，基于电子设备功能模型表(1)(12b)和从事件发生时刻(et)开始的经过时间计算出基于事件的种类(e)的生活行动的第1权重(P(q’→q|t，l))，并从电子设备功能模型表(2)(12c)取得针对与电子设备的当前的利用状态(q)相对应的各生活行动的第2权重(P(q|l))，然后，基于将第1权重乘以第2权重得到的积，按每个电子设备计算出该积的和(Wl)，并将每个电子设备的积值的和(Wl)为最大值的生活行动标签估计为时刻(t)的生活行动标签(lt)。
【IPC分类】G06Q50/10, G06Q50/06
【公开号】CN104995654
【申请号】CN201480008765
【发明人】松山隆司, 加藤丈和, 山田祐辅, 志村泰知, 田内真惟人
【申请人】日东电工株式会社
【公开日】2015年10月21日
【申请日】2014年2月13日
【公告号】EP2958072A1, WO2014126131A1