一种感知室内环境信息的电能管理系统的制作方法

本发明属于智能电能管理领域，具体涉及一种感知室内环境信息的电能管理系统。

背景技术：

室内电器设备的能耗一直是人们关注和想要解决的问题，室内用电设备的使用，与室内环境状况有密不可分的联系，例如室内的温湿度是会影响空调使用产生的电能，而室内其它的环境因素也是影响电器电能的关键因子，例如照明设备对环境光的调节。

目前，有很多针对用电设备电能管理的智慧方案，采用新的节能设备提高节能效率是一种比较常见的方式，还有一些智慧社区采用的智能家居管理方案，但这类产品或者形式，是从用电设备本身考虑如何降低电能，并没有结合周围环境情况对其进行改善，智能化程度虽然有了，但没有真正体现室内场景的智慧化管理。在能源管理方面，国内的专家学者提出过基于神经网络的智慧能源管理方法，如中国公开专利号为cn105045096a，但其只是通过对硬件装置的能耗数据进行训练得出最优解，设置负载阈值从而实现能耗的智慧化管理，但并没有考虑周遭环境因素，因而有一定的局限性。

因此，很有必要提出一种感知环境信息的室内电能管理的方法和装置，融合神经网络算法，提炼监测数据的深度特征，实现室内电能的自适应管理。

技术实现要素：

本发明提供一种感知室内环境信息的电能管理系统，以感知室内环境信息和电器负荷数据作为实时数据集，通过小波神经网络算法对数据集进行训练，学习室内用户习惯，得出一种自适应的室内电能管理预测模型。

本发明的具体技术方案为：

一种感知室内环境信息的电能管理系统，包括用电器、采集模块、传输模块、上位机、后台服务器和控制器单元。所述采集模块采集用电器的室内环境数据与电器能耗数据，并通过传输模块将数据上传至上位机。所述上位机对数据进行显示，并将数据传输给后台服务器。所述后台服务器对采集到的室内环境数据与电器能耗数据进行评估和分析，并将数据分析结果传送给控制器单元，进而调整用电器工作状态。

所述采集模块包括传感器节点单元和电器能耗计量单元，采集室内环境数据和电器能耗数据。

所述传输模块收集采集模块采集到的数据，然后发送给上位机。所述传输模块的工作方式包括有线传输和无线传输。

所述上位机有显示终端，实时显示采集模块采集到的数据。

所述后台服务器首先对采集到的室内环境数据与电器能耗数据进行存储并建立环境能耗数据库；再对环境能耗数据库中的数据进行训练得到环境和能耗的数据特征，更新环境能耗数据库；同时，对当前室内环境和电器的能耗状况与环境能耗数据库中的数据进行对比，得到室内环境评估结果，并对当前室内环境数据与电器能耗数据进行调整使之接近期望输出值，进而得到电能优化方案。

所述控制器单元接收电能优化方案，根据优化方案调整室内的用电器工作状态。

进一步，所述采集模块的传感器节点单元包括温湿度感知节点、室内环境光感知节点、pm2.5感知节点和烟雾感知节点。

进一步，所述对数据库中的数据进行训练是通过小波神经网络算法完成。所述小波神经网络算法是结合神经网络和小波变换建立数据处理模型和提取数据特征。

进一步，所述小波神经网络算法具体过程为：

步骤一、将环境数据、电器能耗数据作为小波神经网络模型的输入样本；每一个输入样本作为一个训练集：s＝{xk,yj}；其中xk为环境数据，yj为用电器能耗数据，k为不同的环境变量，j为不同的用电器。

步骤二、对输入样本进行分解和处理，找出理想输入样本并放入数据库，具体为：将输入样本作为一组离散的时间信号序列s(i)，计算出输入样本的均值序列n为输入样本数量；定义输入样本的目标误差率:若输入样本的目标误差率小于1，则输入样本为理想输入样本；反之，则为不理想样本；同时在输出层提供下一时刻的数据样本预测。

步骤三、对不理想样本进行分割，并通过小波神经网络各层的权值进行调整，使调整后的不理想样本接近理想输出值；具体为：将不理想样本作为小波算法的输入，通过小波变换进行尺度分解；将分解后的不理想样本进行重构，还原到原尺度，并作为神经网络模型的输入量；然后，采集3周的数据样本，以第一周的数据样本作为输入，第二周的数据样本作为输出，以小波神经网络的框架进行建模训练，得到各连接层的网络权值，接着以第二周采集的数据样本作为输入，得到第三周的预测输出；将预测输出与真实值对比，找出误差因素；若误差较大则重新进行训练，直到逼近真实值。

步骤四、将理想输入样本与经小波变换重构之后的不理想样本组成新的时间序列z(i)，提取z(i)的方差作为作为z(i)的数据特征，其中q(i)为z(i)的均值序列，σ²用于反映每一段输入样本数据的波动范围，作为输入样本数据比对的参评指标。

进一步，所述上位机是一款终端显示软件，用于显示室内环境数据与电器能耗数据，并通过ftp方式将数据上传后台服务器。

进一步，所述传输模块包括载波收发模块和串口通信模块。所述载波收发模块通过载波介质将采集模块的数据传送给串口通信模块。再由串口通信模块发送给上位机。

进一步，所述电器能耗计量单元通过微控制器、电压电流互感器实现电器电量的统计和计算。

进一步，所述步骤四中的小波变换分解尺度为3，小波函数采用db5小波。

本发明带来的有益效果是：

1、加入采集模块，从而实现温湿度、环境光强、pm2.5与烟雾信息的精准测量，并且对用电设备的用电量进行实时采集。

2、后台服务器对采集到的室内环境数据与电器能耗数据进行存储并建立环境能耗数据库，并能对当前用电状态进行评估，计算出优选方案，更加精准、主动的实现对用电量的调整。

3、数据库中的数据进行训练是采用小波神经网络算法，完成训练和机器学习，建立数据库并针对能耗情况提出优选方案，根据用户的用电习惯、室内环境数据调整电器的用电状态，更加科学、节能，实现电能管理的智能化。

附图说明

图1是本发明的系统框架图；

图2是本发明实例的系统工作流程图。

具体实施方式

结合附图对本发明进行说明。

如图1所示，一种感知室内环境信息的电能管理系统，包括用电器13、采集模块1、传输模块7、上位机8、后台服务器9和控制器单元12。

其中，采集模块1包括：传感器节点单元和电器能耗计量单元6，主要负责采集室内环境数据和电器能耗数据。传感器节点单元具体包括：温湿度感知节点2、室内环境光感知节点3、pm2.5感知节点4、烟雾感知节点5等。电器能耗计量单元6通过微控制器、电压电流互感器实现电器电量的统计和计算。

传输模块7包括载波收发模块10、串口通信模块11；所述载波收发模块10通过载波介质将采集模块1传送来的数据传送给串口通信模块11。

上位机8有显示终端，实时显示采集模块采集到的数据。上位机的显示终端是通过delphi7.0开发的，上位机通过调用mscomm控件可完成与下位机的串口通信，调用ftp控件实现数据向后台服务器的上传；

如图2所示，电能管理系统的工作过程为：采集模块1采集用电器13的室内环境数据与电器能耗数据，并通过传输模块7将数据上传至上位机8。上位机8对数据进行显示，并将数据传输给后台服务器9。后台服务器9对采集到的室内环境数据与电器能耗数据进行评估和分析，并对当前室内环境数据与电器能耗数据进行调整使之接近期望输出值，进而得到电能优化方案，以达到降低用电器能耗的目的。

具体的，后台服务器9首先对采集到的室内环境数据与电器能耗数据进行存储并建立环境能耗数据库；再对环境能耗数据库中的数据进行训练得到环境和能耗的数据特征，更新环境能耗数据库；同时，对当前室内环境和电器的能耗状况与环境能耗数据库中的数据进行对比，得到室内环境评估结果，并对当前室内环境数据与电器能耗数据进行调整使之接近期望输出值，进而得到电能优化方案。

其中，后台服务器的开发环境为eclipse、tomcat服务器以及mysql数据库。期望输出值可以自行设定，也可以根据用户习惯训练得到。

对数据库中的数据进行训练是通过小波神经网络算法完成。小波神经网络算法是结合神经网络和小波变换建立数据处理模型和提取数据特征。具体过程为：

步骤一、将环境数据、电器能耗数据作为小波神经网络模型的输入样本；每一个输入样本作为一个训练集：s＝{xk,yj}；其中xk为环境数据，yj为用电器能耗数据，k为不同的环境变量，j为不同的用电器。

步骤二、对输入样本进行分解和处理，找出理想输入样本并放入数据库，具体为：将输入样本作为一组离散的时间信号序列s(i)，计算出输入样本的均值序列n为输入样本数量；定义输入样本的目标误差率:i＝1，2，....；若输入样本的目标误差率小于1，则输入样本为理想输入样本；反之，则为不理想样本；同时在输出层提供下一时刻的数据样本预测。

步骤三、对不理想样本进行分割，并通过小波神经网络各层的权值进行调整，使调整后的不理想样本接近理想输出值；具体为：将不理想样本作为小波算法的输入，通过小波变换进行尺度分解；将分解后的不理想样本进行重构，还原到原尺度，并作为神经网络模型的输入量；然后，采集3周的数据样本，以第一周的数据样本作为输入，第二周的数据样本作为输出，以小波神经网络的框架进行建模训练，得到各连接层的网络权值，接着以第二周采集的数据样本作为输入，得到第三周的预测输出；将预测输出与真实值对比，找出误差因素；若误差较大则重新进行训练，直到逼近真实值。

步骤四、将理想输入样本与经小波变换重构之后的不理想样本组成新的时间序列z(i)，提取z(i)的方差作为作为z(i)的数据特征，其中q(i)为z(i)的均值序列，σ²用于反映每一段输入样本数据的波动范围，作为输入样本数据比对的参评指标。