CN108734318A - 一种基于人脸识别技术的人员用能需求识别预测方法 - Google Patents

一种基于人脸识别技术的人员用能需求识别预测方法 Download PDF

Info

Publication number
CN108734318A
CN108734318A CN201810355426.7A CN201810355426A CN108734318A CN 108734318 A CN108734318 A CN 108734318A CN 201810355426 A CN201810355426 A CN 201810355426A CN 108734318 A CN108734318 A CN 108734318A
Authority
CN
China
Prior art keywords
room
personnel
equipment
energy consumption
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810355426.7A
Other languages
English (en)
Inventor
丁研
马小茹
陈越
蓝浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201810355426.7A priority Critical patent/CN108734318A/zh
Publication of CN108734318A publication Critical patent/CN108734318A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开一种基于人脸识别技术的人员用能需求识别预测方法，包括步骤1)建立人员用能习惯模型；步骤2)形成室内设备使用能耗计算；步骤3)建立室内人员开关灯概率模型；步骤4)建立室内人员开关空调概率模型；步骤5)形成房间用能分析。本发明基于人脸识别技术，从人员行为的随机性和多样性角度出发，对人员不同用能习惯进行了统计与分析，建立了一种基于人脸识别技术的人员用能需求识别预测方法。

Description

一种基于人脸识别技术的人员用能需求识别预测方法
技术领域
本发明属于本发明属于建筑节能领域,尤其涉及一种基于人脸识别技术的人员用能需求识别预测方法。
背景技术
在物联网的带动下，智能建筑成为近年来的热门话题，建筑的智能化控制也渐渐得到了大幅度的发展，但是多数智能系统仅仅根据建筑运行管理人员的经验进行控制设定，例如在商业建筑中，控制系统可根据建筑的上下班时间进行照明灯具的开关控制，而在住宅建筑中，控制系统可根据人员在室与否控制设备的开启或关闭。
然而，智能系统大多通过传感器的参数获取进行反馈调控以改善室内人员的舒适性，缺少基于特定人员用能习惯而对建筑中的设备进行预测控制的方法。进行预测控制的前提是针对人员个体的差异性，建立符合不同人员舒适性需求的用能习惯模型，并以此与建筑中用能设备的启停规律相结合。故如何基于个体辨识的结果，将不同人员的用能习惯以概率模型进行表达，并进一步形成与建筑中设备的启停规律相结合的预测方法，是使建筑中的智能控制系统更为精准、更具针对性，且舒适程度更高的关键所在。
发明内容
本发明的目的在于克服上述现有技术中的不足，提出一种基于人脸识别技术的人员用能需求识别预测方法。
为解决上述背景技术中提出的技术问题，本发明采取以下技术方案：一种基于人脸识别技术的人员用能需求识别预测方法，包括下列步骤：
1)建立人员用能习惯模型：通过数据采集，形成用能习惯曲线；
2)形成室内设备使用能耗计算：基于人员设备使用曲线，进行设备逐时功率以及累计能耗的计算，输入参数为：设备状态以及设备各状态下的功率；
3)建立室内人员开关灯概率模型：利用威布尔三参数模型，主要输入参数有室内照度值、照度阈值以及人员敏感度系数，依此来进行开关灯概率的计算，输出参数为人员此刻开关空调概率；
4)建立室内人员开关空调概率模型：利用威布尔三参数模型，主要输入参数有室内温度、温度阈值以及人员敏感度系数，依此来进行开关灯概率的计算，输出参数为人员此刻开关灯概率；
5)形成室内能耗分析：基于以上所建立的模型，计算房间逐时功率并进行各项能耗分析。
所述步骤1)建立人员用能习惯模型,具体为：
(1)通过对包括入室人员照明、空调、开窗、遮阳以及设备使用的用能习惯的采集及分析，形成人员用能习惯曲线，考虑到空调以及灯具的使用一般与实时的室内温度以及照度有很大关联，故采用逐时开关概率的模式来表达空调以及照明的使用情况；
(2)对于设备来说分为个人设备和公共设备，将其使用状态分为开启、待机以及关闭，在计算中采用固定的使用时间来进行计算。
所述步骤2)形成室内设备使用能耗计算,具体为：
(1)结合步骤1)形成曲线；
(2)了解并量化人员用能规律从而计算出相应的设备逐时功率；
(3)在计算时要考虑设备的状态，分为开，关和待机三种，需要针对不同的情况对设备功率进行选择，具体的计算方式如下：
式中，
PE：为设备的逐时功率，W；
P1i：为第i个在室的人的个人设备的功率，W；
P2i：为第i个开启的公共设备的功率，W；
WE：为当日从房间开始使用到现在时刻的设备能耗，kW；
△t1i：为第i个个人设备的使用时间，h
△t2i：为第i个公共设备的使用时间，h
用公式(1)来求的该房间的逐时设备使用功率，用公式(2)来求得该房间当日自开始使用以来的设备能耗状况。
所述步骤3)建立室内人员开关灯概率模型,具体为：
(1)以威布尔三参数概率公式为基础，依据室内外实时照度参数并结合人员用能参数，进行概率计算：
P：表示灯开启概率
X：室内桌面照度(独立变量)，lx
u：独立变量X的阈值(u＝300lx)，超出此阈值开灯概率变为0
L：函数的尺度，用来将(T-u)无量纲化
k：函数的斜率，k值越大，代表人员对室内照度的变化越敏感
(2)依据所得概率进行逐时的能耗计算：
依据公式(3)求得入室所有人员的开灯概率，并将P＝60％作为开灯行为的判断依据，只要当其中一人的P≥60％，认为此刻室内开灯，则此刻室内的照明逐时功率以及当日累计能耗计算如下所示：
PL＝Pnl (4)
WL＝(Pnl·Δt)/1000 (5)
式中，
PL：为房间的照明逐时能耗，W；
Pnl：为房间的照明灯具安装功率，W；
WL：为当日自房间使用以来的照明能耗值，kWh；
Δt：为室内照明的开启时间，h。
当所有入室人员的P≤60％时，认为室内不会产生开灯行为，此刻PL＝0。
所述步骤4)建立室内人员开关空调概率模型,具体为：
(1)以威布尔三参数概率公式为基础，依据室内外实时温度参数并结合人员用能参数，进行概率计算：
P：表示空调开启概率
T：室内温度(独立变量)，℃
u：独立变量T的阈值(冬取u＝28℃，夏取u＝18℃)，超出此阈值开空调概率变为0
L：函数的尺度，用来将(T-u)无量纲化
k：函数的斜率，k值越大，代表人员对室内温度的变化越敏感
(2)依据上述公式(6)求得入室所有人员的开空调概率，并将P＝60％作为开空调行为的判断依据，只要当其中一人的P≥60％，认为此刻室内开灯，则此刻室内的照明逐时功率以及当日累计能耗计算如下所示：
PA＝Pna (7)
WA＝(Pna·Δt)/1000 (8)
式中，
PA：为房间的照明逐时能耗，W；
Pna：为房间的空调设备的安装功率，W；
WA：为当日自房间使用以来的空调能耗值，kWh；
Δt：为室内空调设备的开启时间，h。
当所有入室人员的P≤60％时，认为室内不会产生开空调行为，此刻PA＝0。
所述步骤5)形成房间用能分析,具体为：
基于步骤1)至步骤4)形成步骤5)的房间能耗分析，包含室内逐时功率、房间逐时各项能耗占比、房间当日自开始使用的总能耗以及房间当日自开始使用的各项能耗占比，具体计算方式如下所示：
PT＝PE+PL+PA (9)
WT＝WE+WL+WA (13)
式中，
PT：为房间的逐时功率，W；
WT：为房间当日自开始使用的总能耗，kWh；
为房间内设备的逐时功率占比，％；
为房间内照明的逐时功率占比，％；
为房间内空调的逐时功率占比，％；
为房间当日自开始使用以来的设备总能耗的占比，％；
为房间当日自开始使用以来的照明总能耗的占比，％；
为房间当日自开始使用以来的空调总能耗的占比，％。
本发明的有益效果：
1、可以对不同用能习惯进行分类，更精细化的了解到不同人员的用能习惯；2、通过人脸识别技术，将不同人员的用能习惯差异性考虑进来，使计算结果更符合人员舒适性要求；
3、根据各项能耗的用能差异性，分别以不同的方式进行各项能耗的计算和预测，以实现更好的预测性。
附图说明
图1为本发明的实现原理图；
图2为某人使用设备用能习惯的时间分布规律示意图；
图3为某房间的用能分析结果示意图。
具体实施方式
下面通过具体实施例和附图对本发明作进一步的说明。本发明的实施例是为了更好地使本领域的技术人员更好地理解本发明，并不对本发明作任何的限制。
本发明一种基于人脸识别技术的人员用能需求识别预测方法，包括下列步骤：
1)、建立人员用能习惯模型：通过对入室人员照明、空调、开窗、遮阳以及设备使用等用能习惯的采集及分析，建立人员用能习惯模型，形成用能习惯曲线；
2)、形成室内设备使用能耗计算：基于人员设备使用曲线，进行设备逐时功率以及累计能耗的计算，输入参数为：设备状态以及设备各状态下的功率；
3)、建立室内人员开关灯概率模型：利用威布尔三参数模型，主要输入参数有室内照度值、照度阈值以及人员敏感度系数，依此来进行开关灯概率的计算，输出参数为人员此刻开关空调概率；
4)、建立室内人员开关空调概率模型：利用威布尔三参数模型，主要输入参数有室内温度、温度阈值以及人员敏感度系数，依此来进行开关灯概率的计算，输出参数为人员此刻开关灯概率；
5)、形成室内能耗分析：基于以上所建立的模型，计算房间逐时功率并进行各项能耗分析。
本发明具体实施方案如下：
步骤1)：建立人员用能习惯模型：
通过数据采集及分析形成人员用能习惯曲线，所含用能数据包含如下表所示：
考虑到空调以及灯具的使用一般与实时的室内温度以及照度有很大关联，故采用逐时开关概率的模式来表达空调以及照明的使用情况，而对于设备来说分为个人设备和公共设备，将其使用状态分为开启、待机以及关闭，在计算中采用固定的使用时间来进行计算。图2为以个人办公设备为例所展示的设备使用时间的分布示意图，其中三种状态以关闭(状态0)、待机(状态1)和开启(状态2)进行表示。
步骤2)：形成室内设备使用能耗计算：
结合以上步骤1)形成曲线，了解并量化人员用能规律以计算出相应的设备逐时功率，注意在计算时要考虑设备的状态，分为开，关和待机三种，需要针对不同的情况对设备功率进行选择，具体的计算方式如下：
式中，
PE：为设备的逐时功率，W；
P1i：为第i个在室的人的个人设备的功率，W；
P2i：为第i个开启的公共设备的功率，W；
WE：为当日从房间开始使用到现在时刻的设备能耗，kW；
△t1i：为第i个个人设备的使用时间，h
△t2i：为第i个公共设备的使用时间，h
用公式(1)来求的该房间的逐时设备使用功率，用公式(2)来求得该房间当日自开始使用以来的设备能耗状况。
步骤3)：建立室内人员开关灯概率模型：
(1)以威布尔三参数概率公式为基础，依据室内外实时照度参数并结合人员用能参数，进行概率计算：
P：表示灯开启概率
X：室内桌面照度(独立变量)，lx
u：独立变量X的阈值(u＝300lx)，超出此阈值开灯概率变为0
L：函数的尺度，用来将(T-u)无量纲化
k：函数的斜率，k值越大，代表人员对室内照度的变化越敏感
为了简化计算，可对人员进行一个分类，以便给定合适的k值：
对于迟钝型k＝4，正常型k＝8，敏感型k＝12。
(2)依据所得概率进行逐时的能耗计算：
依据公式(3)求得入室所有人员的开灯概率，并将P＝60％作为开灯行为的判断依据，只要当其中一人的P≥60％，认为此刻室内开灯，则此刻室内的照明逐时功率以及当日累计能耗计算如下所示：
PL＝Pnl (4)
WL＝(Pnl·Δt)/1000 (5)
式中，
PL：为房间的照明逐时能耗，W；
Pnl：为房间的照明灯具安装功率，W；
WL：为当日自房间使用以来的照明能耗值，kWh；
Δt：为室内照明的开启时间，h。
当所有入室人员的P≤60％时，认为室内不会产生开灯行为，此刻PL＝0。
步骤4)：建立室内人员开关空调概率模型：
(1)以威布尔三参数概率公式为基础，依据室内外实时温度参数并结合人员用能参数，进行概率计算：
P：表示空调开启概率
T：室内温度(独立变量)，℃
u：独立变量T的阈值(冬取u＝28℃，夏取u＝18℃)，超出此阈值开空调概率变为0
L：函数的尺度，用来将(T-u)无量纲化
k：函数的斜率，k值越大，代表人员对室内温度的变化越敏感
为了简化计算，可对人员进行一个分类，以便给定合适的k值：
对于迟钝型k＝4，正常型k＝8，敏感型k＝12。
(2)依据公式(6)求得入室所有人员的开空调概率，并将P＝60％作为开空调行为的判断依据，只要当其中一人的P≥60％，认为此刻室内开灯，则此刻室内的照明逐时功率以及当日累计能耗计算如下所示：
PA＝Pna (7)
WA＝(Pna·Δt)/1000 (8)
式中，
PA：为房间的照明逐时能耗，W；
Pna：为房间的空调设备的安装功率，W；
WA：为当日自房间使用以来的空调能耗值，kWh；
Δt：为室内空调设备的开启时间，h。
当所有入室人员的P≤60％时，认为室内不会产生开空调行为，此刻PA＝0。
步骤5)：形成房间用能分析：
基于步骤1)至4)形成步骤5)的房间能耗分析，包含室内逐时功率、房间逐时各项能耗占比、房间当日自开始使用的总能耗以及房间当日自开始使用的各项能耗占比，具体计算方式如下所示：
PT＝PE+PL+PA (9)
WT＝WE+WL+WA (13)
式中，
PT：为房间的逐时功率，W；
WT：为房间当日自开始使用的总能耗，kWh；
为房间内设备的逐时功率占比，％；
为房间内照明的逐时功率占比，％；
为房间内空调的逐时功率占比，％；
为房间当日自开始使用以来的设备总能耗的占比，％；
为房间当日自开始使用以来的照明总能耗的占比，％；
为房间当日自开始使用以来的空调总能耗的占比，％；
依据公式(14)-(16)的计算结果，可得到各部分设备在房间总能耗中所占比例的预测结果。假如以某房间为例，预测得到空调耗电为70kWh，照明耗电18kWh，设备耗电10kWh，房间用能分析的结果如图3中所示。
应当理解的是，这里所讨论的实施方案及实例只是为了说明，对本领域技术人员来说，可以加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种基于人脸识别技术的人员用能需求识别预测方法，其特征是，包括下列步骤：
1)建立人员用能习惯模型：通过数据采集，形成用能习惯曲线；
2)形成室内设备使用能耗计算：基于人员设备使用曲线，进行设备逐时功率以及累计能耗的计算，输入参数为：设备状态以及设备各状态下的功率；
3)建立室内人员开关灯概率模型：利用威布尔三参数模型，主要输入参数有室内照度值、照度阈值以及人员敏感度系数，依此来进行开关灯概率的计算，输出参数为人员此刻开关空调概率；
4)建立室内人员开关空调概率模型：利用威布尔三参数模型，主要输入参数有室内温度、温度阈值以及人员敏感度系数，依此来进行开关灯概率的计算，输出参数为人员此刻开关灯概率；
5)形成室内能耗分析：基于以上所建立的模型，计算房间逐时功率并进行各项能耗分析。
2.根据权利要求1所述的基于人脸识别技术的人员用能需求识别预测方法，其特征是：所述步骤1)建立人员用能习惯模型,具体为：
(1)通过对包括入室人员照明、空调、开窗、遮阳以及设备使用的用能习惯的采集及分析，形成人员用能习惯曲线，考虑到空调以及灯具的使用一般与实时的室内温度以及照度有很大关联，故采用逐时开关概率的模式来表达空调以及照明的使用情况；
(2)对于设备来说分为个人设备和公共设备，将其使用状态分为开启、待机以及关闭，在计算中采用固定的使用时间来进行计算。
3.根据权利要求1所述的基于人脸识别技术的人员用能需求识别预测方法，其特征是：所述步骤2)形成室内设备使用能耗计算,具体为：
(1)结合步骤1)形成曲线；
(2)了解并量化人员用能规律从而计算出相应的设备逐时功率；
(3)在计算时要考虑设备的状态，分为开，关和待机三种，需要针对不同的情况对设备功率进行选择，具体的计算方式如下：
式中，
PE：为设备的逐时功率，W；
P1i：为第i个在室的人的个人设备的功率，W；
P2i：为第i个开启的公共设备的功率，W；
WE：为当日从房间开始使用到现在时刻的设备能耗，kW；
△t1i：为第i个个人设备的使用时间，h
△t2i：为第i个公共设备的使用时间，h
用公式(1)来求的该房间的逐时设备使用功率，用公式(2)来求得该房间当日自开始使用以来的设备能耗状况。
4.根据权利要求1所述的基于人脸识别技术的人员用能需求识别预测方法，其特征是：所述步骤3)建立室内人员开关灯概率模型,具体为：
(1)以威布尔三参数概率公式为基础，依据室内外实时照度参数并结合人员用能参数，进行概率计算：
P：表示灯开启概率
X：室内桌面照度(独立变量)，lx
u：独立变量X的阈值(u＝300lx)，超出此阈值开灯概率变为0
L：函数的尺度，用来将(T-u)无量纲化
k：函数的斜率，k值越大，代表人员对室内照度的变化越敏感
(2)依据所得概率进行逐时的能耗计算：
依据公式(3)求得入室所有人员的开灯概率，并将P＝60％作为开灯行为的判断依据，只要当其中一人的P≥60％，认为此刻室内开灯，则此刻室内的照明逐时功率以及当日累计能耗计算如下所示：
PL＝Pnl (4)
WL＝(Pnl·Δt)/1000 (5)
式中，
PL：为房间的照明逐时能耗，W；
Pnl：为房间的照明灯具安装功率，W；
WL：为当日自房间使用以来的照明能耗值，kWh；
Δt：为室内照明的开启时间，h。
当所有入室人员的P≤60％时，认为室内不会产生开灯行为，此刻PL＝0。
5.根据权利要求1所述的基于人脸识别技术的人员用能需求识别预测方法，其特征是：所述步骤4)建立室内人员开关空调概率模型,具体为：
(1)以威布尔三参数概率公式为基础，依据室内外实时温度参数并结合人员用能参数，进行概率计算：
P：表示空调开启概率
T：室内温度(独立变量)，℃
u：独立变量T的阈值(冬取u＝28℃，夏取u＝18℃)，超出此阈值开空调概率变为0
L：函数的尺度，用来将(T-u)无量纲化
k：函数的斜率，k值越大，代表人员对室内温度的变化越敏感
(2)依据上述公式(6)求得入室所有人员的开空调概率，并将P＝60％作为开空调行为的判断依据，只要当其中一人的P≥60％，认为此刻室内开灯，则此刻室内的照明逐时功率以及当日累计能耗计算如下所示：
PA＝Pna (7)
WA＝(Pna·Δt)/1000 (8)
式中，
PA：为房间的照明逐时能耗，W；
Pna：为房间的空调设备的安装功率，W；
WA：为当日自房间使用以来的空调能耗值，kWh；
Δt：为室内空调设备的开启时间，h。
当所有入室人员的P≤60％时，认为室内不会产生开空调行为，此刻PA＝0。
6.根据权利要求1所述的基于人脸识别技术的人员用能需求识别预测方法，其特征是：所述步骤5)形成房间用能分析,具体为：
基于步骤1)至步骤4)形成步骤5)的房间能耗分析，包含室内逐时功率、
房间逐时各项能耗占比、房间当日自开始使用的总能耗以及房间当日自开始使用的各项能耗占比，具体计算方式如下所示：
PT＝PE+PL+PA (9)
WT＝WE+WL+WA (13)
式中，
PT：为房间的逐时功率，W；
WT：为房间当日自开始使用的总能耗，kWh；
为房间内设备的逐时功率占比，％；
为房间内照明的逐时功率占比，％；
为房间内空调的逐时功率占比，％；
为房间当日自开始使用以来的设备总能耗的占比，％；
为房间当日自开始使用以来的照明总能耗的占比，％；
为房间当日自开始使用以来的空调总能耗的占比，％。
CN201810355426.7A 2018-04-19 2018-04-19 一种基于人脸识别技术的人员用能需求识别预测方法 Pending CN108734318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810355426.7A CN108734318A (zh) 2018-04-19 2018-04-19 一种基于人脸识别技术的人员用能需求识别预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810355426.7A CN108734318A (zh) 2018-04-19 2018-04-19 一种基于人脸识别技术的人员用能需求识别预测方法

Publications (1)

Publication Number Publication Date
CN108734318A true CN108734318A (zh) 2018-11-02

Family

ID=63939650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810355426.7A Pending CN108734318A (zh) 2018-04-19 2018-04-19 一种基于人脸识别技术的人员用能需求识别预测方法

Country Status (1)

Country Link
CN (1) CN108734318A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110149500A (zh) * 2019-05-24 2019-08-20 深圳市珍爱云信息技术有限公司 监控视频的处理方法、装置、设备和存储介质
CN110895009A (zh) * 2019-11-08 2020-03-20 珠海格力电器股份有限公司 一种联动控制方法、装置、存储介质及电器

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101174364A (zh) * 2007-08-30 2008-05-07 北京诚信能环科技有限公司 节能监测系统
CN102063078A (zh) * 2009-11-13 2011-05-18 深圳达实智能股份有限公司 中央空调能耗远程监测系统
CN102223408A (zh) * 2011-06-10 2011-10-19 太原市特普高电子科技有限公司 基于无线传感器网络的能耗实时监测及节能管理系统
US20150027048A1 (en) * 2010-08-26 2015-01-29 Green Earth Greens Company Produce production system and process
CN204166328U (zh) * 2014-10-28 2015-02-18 天津大学 办公用能的预测和报警控制系统
CN104483843A (zh) * 2014-10-28 2015-04-01 天津大学 办公用能的预测方法
CN105956752A (zh) * 2016-04-25 2016-09-21 天津城建大学 用于绿色公共建筑运营阶段的能效评估与诊断分析方法
CN107632275A (zh) * 2017-08-28 2018-01-26 厦门市产品质量监督检验院 一种led照明产品寿命和可靠性快速评价方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101174364A (zh) * 2007-08-30 2008-05-07 北京诚信能环科技有限公司 节能监测系统
CN102063078A (zh) * 2009-11-13 2011-05-18 深圳达实智能股份有限公司 中央空调能耗远程监测系统
US20150027048A1 (en) * 2010-08-26 2015-01-29 Green Earth Greens Company Produce production system and process
CN102223408A (zh) * 2011-06-10 2011-10-19 太原市特普高电子科技有限公司 基于无线传感器网络的能耗实时监测及节能管理系统
CN204166328U (zh) * 2014-10-28 2015-02-18 天津大学 办公用能的预测和报警控制系统
CN104483843A (zh) * 2014-10-28 2015-04-01 天津大学 办公用能的预测方法
CN105956752A (zh) * 2016-04-25 2016-09-21 天津城建大学 用于绿色公共建筑运营阶段的能效评估与诊断分析方法
CN107632275A (zh) * 2017-08-28 2018-01-26 厦门市产品质量监督检验院 一种led照明产品寿命和可靠性快速评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王闯: "有关建筑用能的人行为模拟研究", 《中国博士学位论文全文数据库工程科技II辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110149500A (zh) * 2019-05-24 2019-08-20 深圳市珍爱云信息技术有限公司 监控视频的处理方法、装置、设备和存储介质
CN110895009A (zh) * 2019-11-08 2020-03-20 珠海格力电器股份有限公司 一种联动控制方法、装置、存储介质及电器

Similar Documents

Publication Publication Date Title
CN107942960B (zh) 一种智能化的信息处理系统
CN106681964B (zh) 公共建筑能耗审计统计拆分方法
USRE48372E1 (en) System and method for monitoring, controlling, and optimizing the use of utilities
Daum et al. A personalized measure of thermal comfort for building controls
CN107169606A (zh) 一种办公建筑冷负荷的预测方法
CN107781947B (zh) 一种建筑空调系统冷热源预测控制方法和装置
CN107576015B (zh) 一种实现需求侧响应的建筑空调模型预测控制方法和装置
CN104778631A (zh) 一种面向需求响应的居民用户用电模式优化方法
CN103229119A (zh) 具有自动回调能力的控制单元
CN104823119A (zh) 用于环境控制系统的辐射供热控制和方法
JP3119082B2 (ja) 在室予測装置及びそれを用いた応用機器
KR20180056361A (ko) 지능학습기반의 스마트홈 에너지 기기 제어 장치 및 그 방법
CN113325762A (zh) 一种智能建筑个性化用能控制方法、系统、装置和设备
CN108734318A (zh) 一种基于人脸识别技术的人员用能需求识别预测方法
Daum et al. Identifying important state variables for a blind controller
Daum et al. Assessing the total energy impact of manual and optimized blind control in combination with different lighting schedules in a building simulation environment
Karjalainen et al. Integrated control and user interfaces for a space
CN110097476A (zh) 基于能耗精细化统计与发布的楼宇能源管理装置及方法
Higuera et al. Hybrid smart lighting and climate control system for buildings
CN104656615A (zh) 环境控制设备、环境控制设备的学习方法以及其控制方法
CN109059197B (zh) 一种电梯空调的舒适度调节方法
Navada et al. A study on daylight integration with thermal comfort for energy conservation in a general office
CN1117952C (zh) 空调机能量自动调节控制系统
CN113890024A (zh) 一种非侵入式负荷智能分解和优化控制方法
WO2012137814A1 (ja) コントローラおよび制御方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination