本文以智能家居设备的功率预测为切入点,对当前机器学习在负荷预测中以及功率预测在智能家居中出现的技术进行分析,以结合环境数据来分析负载变化为设计要求,以实现从居民生活用电方面给智能电网提供更加精确的负荷预测数据为目标,提出构建智能家居功率预测系统。为实现对设备运行功率的预测,本文建立以LSTM为基础网络的功率预测系统。首先从智能新风机的历史运行功率以及其运行时的环境数据中选取特征,以平均绝对误差为损失函数,采用Adam优化器,构建出高可用功率预测系统。针对训练好的模型难以应用到实际生活环境中的问题,本文做出了如下具体工作来实现模型的应用:(1)由设备数据采集端和被测设备组成的电能计量终端,通过传感器以及Python脚本,实时对被测设备所消耗的电能以及其所处的环境进行测量。电能计量设备对实时测量的数据进行JSON格式转换,并通过MQTT协议将格式化过的数据发布至智能家居云平台,云平台根据相关客户端的订阅情况进行数据的分发,设备数据采集数端支持解析并执行智能家居云平台发布的控制指令,并对指令的执行率做到了保障。(2)建立智能家居云平台,并将其部署到阿里云服务器上以对外提供服务,该云平台提供设备的连接、数据的管理以及API等服务。(3)由小程序和网页实现用户端,微信小程序支持用户实时查看被测设备的测量数据以及预测数据,支持用户实时控制被测设备,针对大量数据在手机端显示不方便的情况,支持用户通过大屏设备(如PC)在网页上查看被测设备详细的历史数据。(4)为提高模型的适用范围,将已经在智能新风机数据集上训练好的预测模型在被测设备上进行迁移学习。模型将结合以往的学习知识对被测设备的特征数据进行学习,实现对被测设备进行有功功率的预测。本文设计的功率预测模型不仅提高了功率预测的精度,而且通过功率预测系统和智能家居系统的结合,用户可以全面的了解家庭设备的用电情况。用户通过对家庭耗能的了解,可以培养良好的用电习惯,从而达到从居民用电方面减少能耗的目的。为提高用户的使用体验,本文设计的云平台还支持天猫精灵对设备数据采集终端进行语音控制。