CN119443704A 一种智慧公寓资源动态优化控制方法及系统 （南京信息职业技术学院）

一种智慧公寓资源动态优化控制方法及系统本发明公开了一种智慧公寓资源动态优化数据及用户行为数据动态调整公寓的能源分配2步骤二.利用数据预处理模块将采集的多维数据进行预处理，并将预处理后的数据转为数据动态调整公寓的能源分配和设施运行计划。;F(T)最小化；VF(T)表示目标函数F在张量TK处的梯度；是第K次迭代的步长因子；TK3;表示原始的多维数据,包括从智慧公寓采集到的能源使用数据、环境参数和居住者个分量的权重系数,反映该分量的重要程度；ar,b,,cr分别是r个分量在各个维度上的因原始张量X。1）将输入的时间序列数据划分为若干个重叠的时间窗口,每个窗口对应一个子预测误差大于设定值,则缩小时间窗口以捕捉更短尺度的动态变化；如果预测误差小于设5）利用预测得到的因子矩阵,重构出下一个时间窗口的张量,得到未来一段4[0001]本发明涉及一种动态优化智慧公寓中的资源分配和设施[0003]此外，现有的智慧建筑管理系统通常缺乏对大量散乱数据的有效处理和分析能[0010]步骤二.利用数据预处理模块将采5函数F(T)最小化；VF(T)表示目标函数F在张量TK处的梯度；是第K次迭代的步长因子；TK表示第k次迭代的残差向量；pk表示第k次迭代的搜索方向向量；Bt+1是计算第;表示原始的多维数据,包括从智慧公寓采集到的能源使用数据、环境参数和居得到原始张量X。6如果预测误差大于设定值,则缩小时间窗口以捕捉更短尺度的动态变化；如果预测误差小7[0045]通过摄像头和运动传感器监控居住者的活动模式，包括进出公寓时间和活动范[0046]步骤二.利用数据预处理模块将采集[0048]季节性调整和趋势分离是时间序列分析的数据中剥离出不同的成分,分析数据的内在规律并建立预测模型。季节性调整和趋势分离是时间序列建模的重要数据预处理步骤,通过系统地分离出不同的成分,可以更准确地刻画数i[0052]步骤三.采用预设算法对步骤二获得的Bt+1是计算第k+1次搜索方向时的系数；8先在当前解TK处计算目标函数的梯度DF(T),然后沿着负梯度方向以步长CK更新张量得到；同时,利用残差TK和前一次搜索方向计算出新的搜索方向pk+1,其中Bt+1用于正交化，上述算法利用了张量分解揭示数据内在结构的能力,并借助共轭梯度法的收敛;表示原始的多维数据,包括从智慧公寓采集到的能源使用数据、环境参数和居cr分别是第r个分量在各个维度上的因子向量，例如,如果原始张量x是[0071]表示向量的外积(outerproduct)运算,将多个向量组合成一个高阶张量，例[0074]在本实施例中,利用张量分解来分析智[0077]在步骤四中，所述机器学习模型采用基于自适应时间窗口的张量分解神经网络9[0078]所述张量分解神经网络模型是一种时间序列预测[0085]6）滑动窗口预测:每预测完一个时间窗口,将窗口向前滑[0086]所述张量分解神经网络模型的核心[0088]张量分解部分:给定一个高阶张量xel,I2,…,IY分别表示W(1)eRRnxRn,通过注意力机制得到加权的因子矩阵:[0093]注意力权重矩阵w(n)通过学习得到,能够自适应地调整不同维度和时间步的重[0094]时间窗口划分:将时间维度lt划分为k个大小为t的时间窗口,每个窗口对应一个子张量,时间窗口的大小τ通过门控机制自适应调整:[0096]其中hk-1是上一个时间窗口的隐藏状态,wr和是可学习的参数一和参数二,[0097]时间演化建模:对于每个时间窗口,将其因子矩阵输入一个门控[0101]hk=(1-zn)ohx-1+zroix[0102]其中zk是更新门,Iik是重置门,是候选隐藏状态,hk是当前隐藏状态,wr,U.,[0103]预测输出:将最后一个时间窗口的隐藏状态hx通过一个全连接层映射到预测值:[0104]$=wyhx+by[0106]模型训练时,通过最小化预测值和真实值之间的均方误差损失函数来优化模[0114]得到的即为未来t'个时间步的温度预测值。[0115]类似地,可以构建湿度、光照等其他参数的数据张量,输入模型得到相应的预测[0116]基于ATW_ATDNN模型预测的环境参数趋势,智能控制系统可以提前调整HVAC等设[0118]提供一个直观的用户界面，使管理者可以查看能源消耗[0120]本发明通过引入自适应时间窗口和注意力机制,赋[0122]通过ATW_ATDNN模型的预测结果指导HVA