物联网技术  2023年 / 第9期
1060 引 言
随着社会的进步，人们生活水平日益提高，智慧家居逐渐进入人们的日常生活，用户对电能的需求也在持续增加，这给电力行业带来了巨大的挑战。从能源角度来说，除了现今大力发展可再生能源、提高供电侧的发电效率之外，对于提高需求侧用电管理效率，并有针对性地制定用户节能方案，实现可持续发展是当前亟待解决的问题。然而，这种解决方案只能限制部分用户的用电行为，并未从用户侧角度智能化、高效率地提高电能利用率[1-4]。
目前，关于上述问题的研究较少，并且大部分文献都是对用户用电做出分析处理，还需要用户自己对其进
行管理，未真正做到智能化节能。为解决以上问题，引入云服务技术和智慧家居物联网技术，开发出一套智慧能源管理系统。本文主要在满足用户的用电生活习惯的基础上进一步对系统进行设计研究。
1 系统框架及通信接口设计
1.1 系统架构设计
本文采用Client/Server 架构，基于Android 所编写的APP 来开发家庭智慧能源管理系统的用户端[5]，以极简的全光组网（FTTR ）代替传统的以太网建立网络结构。而电网端则是优化用电的系统结构。图1为系统架构的设计方案。
系统框架主要分为3部分，分别是用户端、全光组网和电网端。根据电网端传感器上传的数据，对用户一段时间的用电习惯进行自主学习以后，将数据信息提供给云端服务器，储存到数据库，再通过WiFi6提供给用户端的移动APP 反馈
给用户。其中，用户端以APP 作为该系统对用电分析和管控需求的第一方交互工具，而系统本身进行自主学习所形成的用户端用电习惯仅作为第二方交互工具。在APP 的控制之下，对整个系统进行监测与控制，这样的设定优势在于用户端拥有第一管理权，便于用户对用电情况的分配和管理。全光组网（FTTR ）则是通过光纤以及配套的组网设备为每个房间提供有线、无线业务接口，配合WiFi6技术实现全屋的“千兆”网络覆盖[6]
。
图1 系统架构
1.2 通信接口设计
系统为用户提供WiFi6无线接入和GE 的有线接口的接口协议，满足各类终端设备的网络接入需求。文献[7]提出了物联网智能插板设计的方法并构建了硬件的基础设计。但是大部分文献都是通过“智能插板”的方式与用电器进行连接，这样的方式不能直接做到对用电器物联网的控制，而是通过第三方进行控制。
基于以上情况，本文对用电器进行改进，让通信接口和物联网接口都符合统一标准，使用ESP8266模块实现WiFi6的连接。对接口进行定义，实现对用户用电数据的采集、传输储存、云端上传和数据库连接，并基于用电数据对用户用
周 飞
（广东东软学院 计算机学院，广东 佛山 528225）
摘 要：在能源危机大背景之下，随着居民生活水平的提升，家庭用电总量也在不断增加。据统计，中国2021年城乡居民直接用电总量比2020年增长了6.9%。本文基于云服务技术和智慧家居物联网技术，采用基础的C/S 架构，由移动端APP 、服务器后台管理程序、数据库和智能传感器形成相对完善的服务端系统框架，并设计了相应的接口协议。以此为基础，通过对用户端的用电数据采用遗传算法和深度学习，形成符合用户用电习惯的模型，达到提高电能利用率的效果，实现了优化家庭用电的功能。
关键词：
物联网；家庭智慧能源管理系统；云服务；能耗管理；自主学习；遗传算法中图分类号：TP39      文献标识码：A      文章编号：
2095-1302（2023）09-0106-02收稿日期：2022-10-29  修回日期：2022-11-25
2023年 / 第9期  物联网技术
107
会被编码一种标识符用来区分同一房间的相同用电器，存于用户APP 端，不同编码代表的是用电器的基本信息。
2 系统软件功能设计
2.1 软件功能设计
本文设计的家庭智慧能源管理系统包含用户端的移动APP 和电网端的双向交互平台，而移动APP 通过家庭网关与电网侧进行连接，主要给用户提供一个管理服务和云端数据的上传服务，这种设计的优点在于用户对用电器的管理更加方便。
2.2 智能传感器采集模块设计
受限于物联网设备的部署空间、计算能力和待机时间等条件限制，目前大部分智能用电设备的通信模块都使用ZigBee 、 Bluetooth LE 、Z-Wave 等低功耗个域网PAN 无线传感技术，针对不同电器设备的特点，这些传感器集成于智能家电或智能电表设备之中，采集监控电器的能耗。这些传感器通过智能家居网关将采集的用电数据汇聚到云端，为用电规划、节能策略设计提供数据支持。同时接收能耗管控策略，触发用电设备开启或关闭，实现能耗管控[8]。2.3 遗传算法和深度学习算法
构建基于LSTM 的混合算法模型。长短时记忆神经网络（Long Short-Term Memory, LSTM ）是一种以循环神经网络为基础衍生的算法模型。首先构建收集良好用电行为的家庭用电数据库，此数据库记录家庭内各房间的用电数据，如电压、电流、已用电量、有功功率等。使用数据库训练基于LSTM 的混合网络模型，优化模型参数；最终将当前时刻的家庭用电数据作为输入变量送入训练完成的网络模型中，预测未来不同时刻的家庭总用电量，实现反应快、准确率高、稳定性强的预测模型
[9-10]
。
众所周知，家庭的用电器都有不同的功能和独特的用电特性，对于冰箱、空调、厨电等一些与时间线性相关的用电信息，可以根据这一特性进行选择性、间断性地信息采集，这样可以低功耗地采集分析用电器的用电信息。从这些角度对用户的每个房间的总体用电信息进行采集分析，最终整合为多变量的时间
序列输入模型算法，并进行全屋的用电分析，提高系统用电预测的准确性和高效性。
为了建立端到端的智能家庭用电预测模型，在Boruta 特征筛选完特征后还须将样本数据序列化，进行多个特征的重要性计算，选取其中重要性较高的部分以满足LSTM 模型的训练要求。预测模型建立的主要步骤包括数据采集、特征选
图2 面向家庭的智能用电预测流程
3 用户测试分析
为进一步对本文所提出的家庭智慧能源管理系统进行评估，通过对家庭用电的实际案例进行对比分析，不难发现家庭智慧能源管理系统不仅可以有效地实现节能，降低家庭的用电成本，还能提高用户的体验感。
用户可以通过APP 根据传感器采集上传的数据对系统的节能状况进行对比与分析，随时改进用电模型。由于系统采用了极简的全光组网代替传统的以太网线，4层网络变2层网络，光进铜退，无源设备替代有源设备，可以大幅简化电路，减少30%以上的电能消耗。因此，家庭智慧能源管理系统的优势体现得非常明显，可以在今后进行推广使用。
4 结 语
本文主要研究了家庭智慧能源管理系统，并提出了一种全新的系统架构和深度学习算法。通过用户测试分析，该系统可以更加智能化、自动化地控制用电器，能够提高电能利用率，实现了优化家庭用电的目标。而对于用户来说，优化用电能力也能促进能源的可持续发展，符合我国所提倡的节能减排的政策要求。
参
考
文
献
[1]郑炜楠，陈柏熹，王德志，等.家庭智能用电管理系统软件设计
[J].电测与仪表，2017，54（18）：30-36.
[2]李中伟，孟迪，张鹏伟，等.家庭智能用电管理系统用电优化算法研究[J].自动化仪表，2017，38（8）：23-27.
[3]武东升，李中伟，孟迪，等.家庭智能用电管理系统智能交互终端设计[J].自动化与仪表，2017，32（1）：34-38.
[4]王凯，赵庚申，刘国良.基于Android 的电能管理系统的研究[J].南开大学学报（自然科学版），2015，48（2）：69-74.
[5]张之涵，谭霞，温克欢，等.基于Android 和Java 编程的家庭智能用电管理系统设计[J].自动化与仪器仪表，2019，39（1）：25.[6]刘秀，李烨，刘兆坤.基于Android 的远程控制系统设计[J].电子科技，2016，29（1）：114-117.
（下转第110页）
物联网技术  2023年 / 第9期
110图2 搜索引擎待检索图
以图2为研究对象，采用本文方法进行模板匹配和粗糙集特征提取，实现图像检索，结果如图3所示。
图3 搜索引擎信息检索结果
分析图3可知，采用本文方法进行搜索引擎粗糙集特征检索的模板匹配性能较好，匹配精度较高。测试
检索的查准率，对比结果如图4所示。分析图4可知
，本文方法的查准率更高，性能优于传统方法
。
图4 查准率对比
文提出基于模板匹配的搜索引擎粗糙集特征检索方法。采用稀疏性字典匹配集存储机制构建搜索引擎粗糙集查询数据信息的分块网格化词义结构模型，实现粗糙集特征分配检索；采用类型化的模板参数匹配，实现对搜索引擎粗糙集查询数据知识结构图模型的匹配。分析得知，本文方法对搜索引擎粗糙集特征检索的匹配性和查准率较高。
参
考
文
基于java的图书管理系统献
[1]肖云鹏，孙华超，戴天骥，等.一种基于云模型的社交网络推荐系统评分预测方法[J].电子学报，2018，46（7）：1762-1767.[2]王刚，郭雪梅.社交网络环境下基于用户行为分析的个性化推荐服务研究[J].情报理论与实践，2018，41（8）：102-107.[3]柳益君，何胜，吴智勤，等.基于用户社交网络分析的高校图书馆主题多样性阅读推荐[J].图书情报工作，2018，62（8）：67-73.
[4]彭舰，王屯屯，陈瑜，等.基于跨平台的在线社交网络用户推荐
研究[J].通信学报，2018，39（3）：147-158.
[5]傅冬，赵长宽.光纤网络入侵后的节点倒追定位技术研究[J].激光杂志，2017，38（12）：150-153.
[6]刘测，韩家新.面向新闻文本的分类方法的比较研究[J].智能计算机与应用，2018，8（5）：38-41.
[7]王楚捷，王好贤. M-CORD 下无线接入网络资源分配研究[J]. 计算机工程与应用，2018，54（22）：92-98.
[8]庞晓琼，任孟琦，王田琪，等.一种支持完美隐私保护的批处理数据拥有性证明方案[J].计算机科学，2018，45（11）：130-137.[9]谢超，赵伟，王亚朝，等.多导航传感器数据实时并行采集处理与传输系统的研制[J].电子测量技术，2018，41（21）：67-70.[10]朱利民，赵丽. 基于改进ACO 与分布式社区检测的WSN 路由
协议[J]. 计算机工程与应用，2018，54（22）：
119-126.[11]戴宝林，龚俊. 基于初态学习的遗忘因子迭代学习控制研究[J].
信息与控制，2018，47（5）：547-552.
[12]陈浩，吴启武，李芳，等. 基于分层路径计算单元与双矩阵博
弈的多域光网络静态组播专用保护算法[J]. 计算机应用，2018，
38（11）：3299-3304.
作者简介：王学军（1973—），男，硕士，讲师，研究方向为社区发现、聚类算法。
[7]杨永明，徐海霞.物联网智能插板设计之硬件程序设计[J].智能处理与应用，2022，12（4）：55-57.
[8]周游，徐丹，赵灿，等.基于LSTM 的智能家庭用电预测模型研究[J].软件工程，2022，25（2）：38-41.
[9]李清海.基于深度学习算法的家庭智能用电管理系统的研究[D].
湖北：湖北民族大学，2022.
[10]龙世渚，涂来.基于智能家居的家庭用电监测系统设计[J].物联
网技术，2022，12（4）：28-31.
作者简介：周 飞（2003—），男，安徽宿州人，本科，研究方向为人工智能。
（上接第107页）

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。