智能家居控制方法、装置、电子设备及可读存储介质与流程

1.本技术涉及智能家居领域，尤其涉及一种智能家居控制方法、装置、电子设备及可读存储介质。


背景技术：

2.随着社会的发展，智能家居在越来越多的家庭中普及，而智能使用场景推荐则成了智能家居使用过程中不可或缺的需求；现有技术中，大部分智能使用场景均为预先设定，通过对智能家居进行控制实现预先设定的目标控制参数，然而由于智能使用场景并未考虑到智能家居的运行能耗，往往使得通过智能使用场景消耗的电能过多。


技术实现要素：

3.本技术提供了一种智能家居控制方法、装置、电子设备及可读存储介质，旨在解决现有技术中智能使用场景消耗的电能过多的技术问题。
4.为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种智能家居控制方法，所述方法包括步骤：
5.获取当前环境数据，并基于所述当前环境数据得到目标控制参数；
6.获取智能家居系统中能够达到所述目标控制参数的包含单个或多个可控设备的控制小组，以及各所述控制小组在达到所述目标控制参数时的运行能耗，并基于运行能耗最小的所述控制小组生成最小能耗控制策略；
7.根据所述最小能耗控制策略生成控制指令，并将所述控制指令发送至运行能耗最小的所述控制小组对应的可控设备。
8.可选地，所述基于所述当前环境数据得到目标控制参数包括：
9.获取与所述当前环境数据对应的目标环境数据；
10.将所述当前环境数据与所述目标环境数据的差值作为所述目标控制参数。
11.可选地，所述获取与所述当前环境数据对应的目标环境数据包括：
12.获取训练完成的最适环境数据计算网络；
13.将所述当前环境数据输入至所述最适环境数据计算网络，得到所述目标环境数据。
14.可选地，所述获取训练完成的最适环境数据计算网络之前还包括：
15.获取历史控制日志，所述历史控制日志中包括不同环境数据对应的用户设定参数；
16.获取不同环境数据对应的预设最适参数，并基于不同环境数据对应的所述用户设定参数以及所述预设最适参数生成参数训练样本库；
17.通过所述参数训练样本库对初始最适环境数据计算网络进行训练得到训练完成的最适环境数据计算网络。
18.可选地，所述基于不同环境数据对应的所述用户设定参数以及所述预设最适参数
生成参数训练样本库包括：
19.获取预设用户权重以及预设最适权重；
20.针对每一组用户设定参数以及预设最适参数，计算所述用户设定参数与所述预设用户权重的第一乘积以及所述预设最适参数与所述预设最适权重的第二乘积；
21.将所述第一乘积与所述第二乘积之和、所述用户设定参数、所述预设最适参数以及所述环境数据作为一条参数训练样本；
22.将得到的各所述参数训练样本集合生成所述参数训练样本库。
23.可选地，获取智能家居系统中能够达到所述目标控制参数的包含单个或多个可控设备的控制小组，以及各所述控制小组在达到所述目标控制参数时的运行能耗，并基于运行能耗最小的所述控制小组生成最小能耗控制策略包括：
24.获取训练完成的最小能耗策略网络，并将所述目标控制参数输入至所述训练完成的最小能耗策略网络，得到各所述控制小组在达到所述目标控制参数时的运行能耗；
25.基于所述运行能耗最小的所述控制小组生成最小能耗控制策略。
26.可选地，所述获取训练完成的最小能耗策略网络之前包括：
27.获取不同控制小组在实现不同预设目标控制参数时对应的运行时长以及运行能耗；
28.基于对应的所述控制小组、所述预设目标控制参数、所述运行时长以及所述运行能耗生成策略训练样本库；
29.通过所述策略训练样本库对初始最小能耗策略网络进行训练得到训练完成的最小能耗策略网络。
30.为实现上述目的，本发明还提供一种智能家居控制装置，所述智能家居控制装置包括：
31.第一获取模块，用于获取当前环境数据，并基于所述当前环境数据得到目标控制参数；
32.第二获取模块，用于获取智能家居系统中能够达到所述目标控制参数的包含单个或多个可控设备的控制小组，以及各所述控制小组在达到所述目标控制参数时的运行能耗，并基于运行能耗最小的所述控制小组生成最小能耗控制策略；
33.第一生成模块，用于根据所述最小能耗控制策略生成控制指令，并将所述控制指令发送至运行能耗最小的所述控制小组对应的可控设备。
34.可选地，所述第一获取模块包括：
35.第一获取子模块，用于获取与所述当前环境数据对应的目标环境数据；
36.第一执行子模块，用于将所述当前环境数据与所述目标环境数据的差值作为所述目标控制参数。
37.可选地，所述第一获取子模块包括：
38.第一获取单元，用于获取训练完成的最适环境数据计算网络；
39.第一执行单元，用于将所述当前环境数据输入至所述最适环境数据计算网络，得到所述目标环境数据。
40.可选地，所述第一获取子模块还包括：
41.第二获取单元，用于获取历史控制日志，所述历史控制日志中包括不同环境数据
对应的用户设定参数；
42.第三获取单元，用于获取不同环境数据对应的预设最适参数，并基于不同环境数据对应的所述用户设定参数以及所述预设最适参数生成参数训练样本库；
43.第一训练单元，用于通过所述参数训练样本库对初始最适环境数据计算网络进行训练得到训练完成的最适环境数据计算网络。
44.可选地，所述第三获取单元包括：
45.第一获取子单元，用于获取预设用户权重以及预设最适权重；
46.第一计算子单元，用于针对每一组用户设定参数以及预设最适参数，计算所述用户设定参数与所述预设用户权重的第一乘积以及所述预设最适参数与所述预设最适权重的第二乘积；
47.第一执行子单元，用于将所述第一乘积与所述第二乘积之和、所述用户设定参数、所述预设最适参数以及所述环境数据作为一条参数训练样本；
48.第一生成子单元，用于将得到的各所述参数训练样本集合生成所述参数训练样本库。
49.可选地，所述第二获取模块包括：
50.第一匹配子模块，用于获取训练完成的最小能耗策略网络，并将所述目标控制参数输入至所述训练完成的最小能耗策略网络，得到各所述控制小组在达到所述目标控制参数时的运行能耗；
51.第二执行子模块，用于基于所述运行能耗最小的所述控制小组生成最小能耗控制策略。
52.可选地，所述第二获取模块还包括：
53.第二获取子模块，用于获取不同控制小组在实现不同预设目标控制参数时对应的运行时长以及运行能耗；
54.第三执行子模块，用于基于对应的所述控制小组、所述预设目标控制参数、所述运行时长以及所述运行能耗生成策略训练样本库；
55.第一训练子模块，用于通过所述策略训练样本库对初始最小能耗策略网络进行训练得到训练完成的最小能耗策略网络。
56.为实现上述目的，本发明还提供一种电子设备，所述电子设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的智能家居控制方法的步骤。
57.为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的智能家居控制方法的步骤。
58.本发明提出的一种智能家居控制方法、装置、电子设备及可读存储介质，获取当前环境数据，并基于所述当前环境数据得到目标控制参数；获取智能家居系统中能够达到所述目标控制参数的包含单个或多个可控设备的控制小组，以及各所述控制小组在达到所述目标控制参数时的运行能耗，并基于运行能耗最小的所述控制小组生成最小能耗控制策略；根据所述最小能耗控制策略生成控制指令，并将所述控制指令发送至运行能耗最小的所述控制小组对应的可控设备。通过基于当前环境数据得到目标控制参数，进而在多个控
制小组中确定运行能耗最小的控制小组，使得能够生成能耗最小的最小能耗控制策略，从而降低电能消耗。
附图说明
59.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
60.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
61.图1为本发明智能家居控制方法第一实施例的流程示意图；
62.图2为本发明智能家居控制方法目标控制参数的计算算法流程图；
63.图3为本发明智能家居控制方法最小能耗控制策略生成算法流程图；
64.图4为本发明智能家居控制方法整体流程示意图；
65.图5为本发明电子设备的模块结构示意图。
具体实施方式
66.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，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，都应当属于本技术保护的范围。
67.本发明提供一种智能家居控制方法，所述方法应用于智能家居控制装置，智能家居控制装置可以为但不限于移动终端、家庭管理终端或具有数据处理功能的家居设备。
68.参照图1，图1为本发明智能家居控制方法第一实施例的流程示意图，所述方法包括步骤：
69.步骤s10，获取当前环境数据，并基于所述当前环境数据得到目标控制参数；
70.当前环境数据用以表征当前场景的环境状态；当前环境数据包括但不限于温度、湿度，温度还可以为室外温度与室内温度。当前环境数据可以通过可控设备的检测功能得到，还可以额外设置温度计、湿度计等检测器件获得；具体地，可控设备可以将检测到的当前环境数据上传至服务器，智能家居控制装置直接从服务器获取当前环境数据；在智能家居控制装置与可控设备建立连接的情况下，如通过同一局域网、蓝牙或其它连接方式等，可控设备可以直接将检测到的当前环境数据发送至智能家居控制装置。
71.目标控制参数用以表征需要进行控制干预的程度；以温度为例，目标控制参数可以是目标温度，还可以是目标温度与当前温度的差值；其它环境参数类型同理，不再赘述。
72.步骤s20，获取智能家居系统中能够达到所述目标控制参数的包含单个或多个可控设备的控制小组，以及各所述控制小组在达到所述目标控制参数时的运行能耗，并基于运行能耗最小的所述控制小组生成最小能耗控制策略；
73.可控设备包含在当前智能家居系统中，不同的可控设备达到相同的目标控制参数所需要的能耗不同，对于实现相同功能的不同可控设备而言，可以将其进行组合运行共同
实现目标控制参数，共同实现目标控制参数的可控设备构成一个控制小组，控制小组中可以一个或多个可控设备；在使用不同的控制小组方案实现目标控制参数时所需要的能耗均存在一定差异；因此在其中选择运行能耗最小的方案即可实现降低电能消耗的目的；控制策略主要体现为对不同可控设备的运行时长、功率进行设置；在得到运行能耗最小的控制小组之后，即可基于目标控制参数以及运行能耗为控制小组中的可控设备的运行时长以及功率进行设置，从而得到最小能耗控制策略。
74.步骤s30，根据所述最小能耗控制策略生成控制指令，并将所述控制指令发送至运行能耗最小的所述控制小组对应的可控设备。
75.可以理解的是，基于需要控制的可控设备的数量生成对应数量的控制指令，如需同时对空调以及加湿器进行控制，则通过最小能耗控制策略分别生成空调控制指令以及加湿器控制指令，并将空调控制指令发送至空调，将加湿器控制指令发送至加湿器。需要说明的是，在将控制指令发送至可控设备时，可以将控制指令发送至服务器，通过服务器将控制指令转发至可控设备，在与可控设备建立连接的情况下，可以直接将控制指令发送至可控设备。
76.本实施例通过基于当前环境数据得到目标控制参数，进而在多个控制小组中确定运行能耗最小的控制小组，使得能够生成能耗最小的最小能耗控制策略，从而降低电能消耗。
77.进一步地，在基于本发明的第一实施例所提出的本发明智能家居控制方法第二实施例中，所述步骤s10包括步骤：
78.步骤s11，获取与所述当前环境数据对应的目标环境数据；
79.步骤s12，将所述当前环境数据与所述目标环境数据的差值作为所述目标控制参数。
80.目标环境数据为在当前环境数据下最符合用户需要的环境数据，目标环境数据可以为用户在与当前环境数据一致或相似的环境下进行设置环境数据，还可以为厂家预先为不同的环境数据设置的。当前环境数据与目标环境数据的差值即可表征当前需要进行控制的程度，因此，将差值作为目标控制参数。
81.所述步骤s11包括步骤：
82.步骤s111，获取训练完成的最适环境数据计算网络；
83.步骤s112，将所述当前环境数据输入至所述最适环境数据计算网络，得到所述目标环境数据。
84.最适环境数据计算网络的类型可以根据实际应用场景以及需要进行选择，如深度学习网络或神经网络等，在此不进行限定。具体的最适环境数据计算网络的设置以及执行方法可基于实际设计，在此不进行赘述。
85.在所述步骤s111之前包括步骤：
86.步骤s113，获取历史控制日志，所述历史控制日志中包括不同环境数据对应的用户设定参数；
87.步骤s114，获取不同环境数据对应的预设最适参数，并基于不同环境数据对应的所述用户设定参数以及所述预设最适参数生成参数训练样本库；
88.步骤s115，通过所述参数训练样本库对初始最适环境数据计算网络进行训练得到
训练完成的最适环境数据计算网络。
89.历史控制日志中记载有可控设备的运行记录，环境数据以及用户设定参数外，还包括但不限于时间、受控制的可控设备等。用户设定参数为用户自行设置的符合其使用要求的控制参数；预设最适参数为厂家预先为不同的环境数据设置的最适宜对应环境数据的控制参数。
90.基于不同的需要，在一些实施例中可以将环境参数与对应的用户设定参数作为一条参数训练样本；还可以将环境参数与对应的预设最适参数作为一条参数训练样本；还可以在某些情况下，如用户设定参数的数据较多时将环境参数与对应的用户设定参数作为一条参数训练样本，在另一些情况下，如用户设定参数的数据较少时将环境参数与对应的预设最适参数作为一条参数训练样本；还可以将用户设定参数和预设最适参数的结合与环境参数作为一条参数训练样本。
91.所述步骤s114包括步骤：
92.步骤s1141，获取预设用户权重以及预设最适权重；
93.步骤s1142，针对每一组用户设定参数以及预设最适参数，计算所述用户设定参数与所述预设用户权重的第一乘积以及所述预设最适参数与所述预设最适权重的第二乘积；
94.步骤s1143，将所述第一乘积与所述第二乘积之和、所述用户设定参数、所述预设最适参数以及所述环境数据作为一条参数训练样本；
95.步骤s1144，将得到的各所述参数训练样本集合生成所述参数训练样本库。
96.可以理解的是，预设用户权重与预设最适权重之和为1；具体的预设用户权重与预设最适权重的数值可以根据实际应用场景进行设置，在此不进行限定。具体地，第一乘积与第二乘积之和即与环境数据对应的目标控制参数，如目标控制参数包括温度目标控制参数与适度目标控制参数，温度目标控制参数为：
97.t＝a
×
t1+(1-a)
×
t2
98.其中，t为温度目标控制参数，a为预设用户权重，t1为用户设定温度，t2为预设最适温度；
99.湿度目标控制参数为：
100.w＝a
×
w1+(1-a)
×
w2
101.其中，w为湿度目标控制参数，w1为用户设定湿度，w2为预设最适湿度；
102.需要说明的是，具体的网络训练的步骤、条件、损失函数等均可根据实际应用场景进行设置，在此不进行赘述。
103.本实施例能够准确地得到目标控制参数。
104.进一步地，在基于本发明的第一实施例所提出的本发明智能家居控制方法第三实施例中，所述步骤s20包括步骤：
105.步骤s21，获取训练完成的最小能耗策略网络，并将所述目标控制参数输入至所述训练完成的最小能耗策略网络，得到各所述控制小组在达到所述目标控制参数时的运行能耗；
106.步骤s22，基于所述运行能耗最小的所述控制小组生成最小能耗控制策略。
107.在实际应用中，可以针对不同控制小组分别设置对应的最小能耗策略网络，将目标控制参数分别输入到各最小能耗策略网络中得到各控制小组的运行能耗，进而从中选择
出最小的运行能耗对应的控制小组；这种方式能够使得单个最小能耗策略网络的计算更快，但是需要投入更多地资源建设多个最小能耗策略网络。在其它的实施例中，还可以仅设置一个最小能耗策略网络，将目标控制参数输入值最小能耗策略网络之后，最小能耗策略网络直接输出运行能耗最小的控制小组；这种方式能够减少最小能耗策略网络的建设资源，但是在应用时需要进行更多计算。可以根据实际应用场景对最小能耗策略网络进行具体设置，在此不进行赘述。
108.在所述步骤s21之前包括步骤：
109.步骤s23，获取不同控制小组在实现不同预设目标控制参数时对应的运行时长以及运行能耗；
110.步骤s24，基于对应的所述控制小组、所述预设目标控制参数、所述运行时长以及所述运行能耗生成策略训练样本库；
111.步骤s25，通过所述策略训练样本库对初始最小能耗策略网络进行训练得到训练完成的最小能耗策略网络。
112.具体地，运行时长可以根据经验归纳或实际测量得到，运行时长为可控设备在不同功率下运行达到预设目标控制参数的时间；在得到运行时长后，根据运行时长以及功率即可计算得到能耗。
113.将对应的控制小组、预设目标控制参数、运行时长以及运行能耗作为一条策略训练样本，所有的策略训练样本集合得到策略训练样本库。
114.需要说明的是，具体的网络训练的步骤、条件、损失函数等均可根据实际应用场景进行设置，在此不进行赘述。
115.本实施例能够准确地得到最小能够控制策略。
116.下面结合图2-4对本发明的整体方案进行说明：
117.参见图2，首先从云端服务器中获取当前场景下的当前环境数据，包括但不限于温度、湿度、室外温度、时间等。接着，获取当前情况下的用户历史温度设置值，同时通过专家经验获取当前环境下最适室内温度、室内湿度。通过加权平均的方法，通过经验值选择适合的权重，计算获得最适温度、湿度值。将获得的所有信息进行整合，以此来建立参数训练样本库，以当前环境数据作为网络输入，结合深度神经网络模型构建最适环境参数计算网络，网络输出当前环境下的最适温度、湿度值。实际使用时，通过服务器获取用户当前情况下的各项环境参数，以此输入至网络进行运算，通过网络计算当前情况下的最适温度、湿度值。
118.参见图3，首先，获取当前环境下的温度和湿度，再结合适合环境温度和湿度值计算差值。获取当前环境中的可控设备信息，根据温度湿度差值，分别获得该差值下的各控制小组运行的时长及能耗。根据比较，获得能耗最低的运行策略，将该信息进行保存，以此来建立不同温度湿度变化目标的能耗生成策略训练样本库，以温度差值、湿度差值为网络输入，结合深度神经网络模型构建最小能耗策略网络，网络输出当前环境下各可控设备的运行时长及相关运行参数。实际使用时，将计算得到的温度差值、湿度差值输入至网络中，通过网络计算当前情况下最合适的各可控设备的运行参数，为后续的场景生成提供了技术支持，也同时提升了方法的智能化程度。
119.参见图4，首先，从服务器获取用户场景下的所有当前环境数据，接着将该当前环境数据输入至最适环境参数计算网络，计算当前环境下最适温度、湿度值，再通过当前温
度、湿度值，计算温度差值，湿度差值，将该信息输入至最小能耗策略网络，获得当前环境下能量消耗最低的智能家居能耗控制策略；最后，将该能耗控制策略进行保存，生成使用场景，并将该场景推荐给用户，完成智能场景生成。
120.下面，结合具体参数对本发明的方案进行说明：
121.以当前环境数据为30摄氏度为例，匹配得到与30摄氏度对应的预设最适参数为26摄氏度，匹配历史控制日志得到与30摄氏度对应的用户设定参数为25摄氏度，预设用户权重为0.8，预设最适权重为0.2；可得目标环境数据为25
×
0.8+26
×
0.2＝25.2摄氏度；进而可得目标控制参数为30-25.2＝4.8摄氏度。
122.以智能家居系统中包括空调、风扇为例，预先基于空调以及风扇的运行参数训练得到对应的最小能耗网络；将4.8摄氏度作为最小能耗网络的输入，运行最小能耗网络得到最小能耗控制策略，得到的最小能耗控制策略为风扇以20瓦功率持续运行，空调以5千瓦功率运行10分钟后，调整为1千瓦功率持续运行；此时，生成并发送20瓦功率的控制指令至风扇，生成并发送5千瓦功率的控制指令至空调，并在10分钟后，发送1千瓦功率的控制指令至空调；或者生成并发送20瓦功率的控制指令至风扇，生成并发送计划控制指令至空调，计划控制指令包括即时生效的5千瓦功率的控制指令，以及延迟10分钟生效的1千瓦功率的控制指令。
123.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
124.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
125.本技术还提供一种用于实施上述智能家居控制方法的智能家居控制装置，智能家居控制装置包括：
126.第一获取模块，用于获取当前环境数据，并基于所述当前环境数据得到目标控制参数；
127.第二获取模块，用于获取智能家居系统中能够达到所述目标控制参数的包含单个或多个可控设备的控制小组，以及各所述控制小组在达到所述目标控制参数时的运行能耗，并基于运行能耗最小的所述控制小组生成最小能耗控制策略；
128.第一生成模块，用于根据所述最小能耗控制策略生成控制指令，并将所述控制指令发送至运行能耗最小的所述控制小组对应的可控设备。
129.本智能家居控制装置通过基于当前环境数据得到目标控制参数，进而在多个控制小组中确定运行能耗最小的控制小组，使得能够生成能耗最小的最小能耗控制策略，从而降低电能消耗。
130.需要说明的是，该实施例中的第一获取模块可以用于执行本技术实施例中的步骤s10，该实施例中的第二获取模块可以用于执行本技术实施例中的步骤s20，该实施例中的第一生成模块可以用于执行本技术实施例中的步骤s30。
131.进一步地，所述第一获取模块包括：
132.第一获取子模块，用于获取与所述当前环境数据对应的目标环境数据；
133.第一执行子模块，用于将所述当前环境数据与所述目标环境数据的差值作为所述目标控制参数。
134.进一步地，所述第一获取子模块包括：
135.第一获取单元，用于获取训练完成的最适环境数据计算网络；
136.第一执行单元，用于将所述当前环境数据输入至所述最适环境数据计算网络，得到所述目标环境数据。
137.进一步地，所述第一获取子模块还包括：
138.第二获取单元，用于获取历史控制日志，所述历史控制日志中包括不同环境数据对应的用户设定参数；
139.第三获取单元，用于获取不同环境数据对应的预设最适参数，并基于不同环境数据对应的所述用户设定参数以及所述预设最适参数生成参数训练样本库；
140.第一训练单元，用于通过所述参数训练样本库对初始最适环境数据计算网络进行训练得到训练完成的最适环境数据计算网络。
141.进一步地，所述第三获取单元包括：
142.第一获取子单元，用于获取预设用户权重以及预设最适权重；
143.第一计算子单元，用于针对每一组用户设定参数以及预设最适参数，计算所述用户设定参数与所述预设用户权重的第一乘积以及所述预设最适参数与所述预设最适权重的第二乘积；
144.第一执行子单元，用于将所述第一乘积与所述第二乘积之和、所述用户设定参数、所述预设最适参数以及所述环境数据作为一条参数训练样本；
145.第一生成子单元，用于将得到的各所述参数训练样本集合生成所述参数训练样本库。
146.进一步地，所述第二获取模块包括：
147.第一匹配子模块，用于获取训练完成的最小能耗策略网络，并将所述目标控制参数输入至所述训练完成的最小能耗策略网络，得到各所述控制小组在达到所述目标控制参数时的运行能耗；
148.第二执行子模块，用于基于所述运行能耗最小的所述控制小组生成最小能耗控制策略。
149.进一步地，所述第二获取模块还包括：
150.第二获取子模块，用于获取不同控制小组在实现不同预设目标控制参数时对应的运行时长以及运行能耗；
151.第三执行子模块，用于基于对应的所述控制小组、所述预设目标控制参数、所述运行时长以及所述运行能耗生成策略训练样本库；
152.第一训练子模块，用于通过所述策略训练样本库对初始最小能耗策略网络进行训
练得到训练完成的最小能耗策略网络。
153.此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
154.参照图5，在硬件结构上所述电子设备可以包括通信模块10、存储器20以及处理器30等部件。在所述电子设备中，所述处理器30分别与所述存储器20以及所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行，所述计算机程序执行时实现上述方法实施例的步骤。
155.通信模块10，可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求，还可以发送请求、指令及信息至所述外部通讯设备，所述外部通讯设备可以是其它电子设备、服务器或者物联网设备，例如电视等等。
156.存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如获取当前场景的当前环境数据)等；存储数据区可包括数据库，存储数据区可存储根据系统的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
157.处理器30，是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器30可包括一个或多个处理单元；可选地，处理器30可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器30中。
158.尽管图5未示出，但上述电子设备还可以包括电路控制模块，所述电路控制模块用于与电源连接，保证其他部件的正常工作。本领域技术人员可以理解，图5中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
159.本发明还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图5的电子设备中的存储器20，也可以是如rom(read-only memory，只读存储器)/ram(random access memory，随机存取存储器)、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干指令用以使得一台具有处理器的终端设备(可以是电视，汽车，手机，计算机，服务器，终端，或者网络设备等)执行本发明各个实施例所述的方法。
160.在本发明中，术语“第一”“第二”“第三”“第四”“第五”仅用于描述的目的，而不能理解为指示或暗示相对重要性，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
161.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技
术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
162.尽管上面已经示出和描述了本发明的实施例，本发明保护的范围并不局限于此，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改和替换，这些变化、修改和替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。