CN109901406A - 楼宇环境的监控方法、装置、设备和存储介质 - Google Patents
楼宇环境的监控方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109901406A CN109901406A CN201910136652.0A CN201910136652A CN109901406A CN 109901406 A CN109901406 A CN 109901406A CN 201910136652 A CN201910136652 A CN 201910136652A CN 109901406 A CN109901406 A CN 109901406A
- Authority
- CN
- China
- Prior art keywords
- building
- environment
- monitoring
- information
- environment information
- 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
Links
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种楼宇环境的监控方法、装置、设备和存储介质,楼宇的每层空间被分成多个监测区域;所述方法包括:获取每个所述监测区域的第一环境信息;对所述每层空间内的所有所述第一环境信息进行处理,得到所述每层空间的第二环境信息;将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果;基于所述第一识别结果生成第一控制信息,以使所述楼宇流体系统根据所述第一控制信息,对楼宇环境进行调节。实现了对楼宇的所有空间进行数据采集,以全面准确地对楼宇进行监测,提高了楼宇内环境的监测结果可靠性,使得在对楼宇环境进行调节时,楼宇流体系统调节的精准程度较高,减少了能源浪费现象。
Description
技术领域
本发明涉及楼宇监控技术领域,具体涉及一种楼宇环境的监控方法、装置、设备和存储介质。
背景技术
当今社会,楼宇是人们满足办公、住房及一切生活需求的主要建筑物,楼宇的内环境如空气清新度、温度分布等条件成为人们选择楼宇的首要因素,楼宇内环境基本靠楼宇流体系统来调节,例如,最常见的楼宇通风系统与楼宇水循环系统用来实现楼宇内空气清新度与环境温度分布的调节。
楼宇流体系统调节的精准程度取决于楼宇内环境监测系统的数据采集实时性与多样性,但是,由于楼宇的人员分布和建筑架构不尽相同,使得楼宇内环境监测系统无法全面准确地对楼宇进行监测,造成楼宇内环境监测系统的监测结果可靠性较低,导致在对楼宇环境进行调节时,楼宇流体系统调节的精准程度较低,易造成能源浪费。
发明内容
有鉴于此,本发明的目的在于提供一种楼宇环境的监控方法、装置、设备和存储介质,以解决在对楼宇环境进行调节时,楼宇流体系统调节的精准程度较低,易造成能源浪费的问题。
为实现以上目的,本发明提供一种楼宇环境的监控方法,楼宇的每层空间被分成多个监测区域;所述方法包括:
获取每个所述监测区域的第一环境信息;
对所述每层空间内的所有所述第一环境信息进行处理,得到所述每层空间的第二环境信息;
将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果;
基于所述第一识别结果生成第一控制信息,以使所述楼宇流体系统根据所述第一控制信息,对楼宇环境进行调节。
进一步地,上述所述的方法,所述将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果之前,还包括:
获取指定时间段内所述每层空间的样本环境信息;
基于预先构建的深度学习模型对所述样本环境信息进行训练,得到所述环境特征模型。
进一步地,上述所述的方法,每个所述监测区域设置有区域标识;所述楼宇流体系统设置有与所述区域标识对应的待控制流体设备;所述方法还包括:
将所述第一环境信息输入至所述环境特征模型,得到输出的第二识别结果;
基于所述第二识别结果生成第二控制信息,以使所述待控制流体设备根据所述第二控制信息,对所述区域标识对应的所述监测区域的环境进行调节。
进一步地,上述所述的方法,每个监测区域设置有数据传输设备;
所述获取每个所述监测区域的第一环境信息,包括:
根据每个所述数据传输设备的网络地址,确定多个等级的局域网络;
根据每个所述局域网络中所述数据传输设备的工作信息,确定每个所述局域网络中的一个数据传输设备作为每个所述局域网络的集中传输设备;其中,当前局域网络中的当前集中传输设备用于将所述当前局域网络中所有所述数据传输设备接收的所述第一环境信息,上传至相邻上一级局域网络中的上一级集中传输设备;
基于最高级局域网络中的所述集中传输设备,获取每个所述监测区域的第一环境信息。
本发明还提供一种楼宇环境的监控装置,楼宇的每层空间被分成多个监测区域;所述装置包括:
获取模块,用于获取每个所述监测区域的第一环境信息;
处理模块,用于对所述每层空间内的所有所述第一环境信息进行处理,得到所述每层空间的第二环境信息;
确定模块,用于将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果;
生成模块,用于根据基于所述第一识别结果生成第一控制信息,以使所述楼宇流体系统根据所述第一控制信息,对楼宇环境进行调节。
进一步地,上述所述的装置,还包括训练模块;
所述获取模块,还用于获取指定时间段内所述每层空间的样本环境信息;
所述训练模块,用于基于预先构建的深度学习模型对所述样本环境信息进行训练,得到所述环境特征模型。
进一步地,上述所述的装置,每个所述监测区域设置有区域标识;所述楼宇流体系统设置有与所述区域标识对应的待控制流体设备;
所述确定模块,还用于将所述第一环境信息输入至所述环境特征模型,得到输出的第二识别结果;
所述生成模块,还用于基于所述第二识别结果生成第二控制信息,以使所述待控制流体设备根据所述第二控制信息,对所述区域标识对应的所述监测区域的环境进行调节。
进一步地,上述所述的装置,每个监测区域设置有数据传输设备;
所述获取模块,具体用于:
根据每个所述数据传输设备的网络地址,确定多个等级的局域网络;
根据每个所述局域网络中所述数据传输设备的工作信息,确定每个所述局域网络中的一个数据传输设备作为每个所述局域网络的集中传输设备;其中,当前局域网络中的当前集中传输设备用于将所述当前局域网络中所有所述数据传输设备接收的所述第一环境信息,上传至相邻上一级局域网络中的上一级集中传输设备;
基于最高级局域网络中的所述集中传输设备,获取每个所述监测区域的第一环境信息。
本发明还提供一种楼宇环境的监控设备,楼宇的每层空间被分成多个监测区域;所述设备包括处理器和存储器,所述处理器与存储器通过通信总线相连接:
其中,所述处理器,用于调用并执行所述存储器中存储的程序;
所述存储器,用于存储程序,所述程序至少用于执行上所述的楼宇环境的监控方法。
本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的楼宇环境的监控方法的各个步骤。
本发明的楼宇环境的监控方法、装置、设备和存储介质,通过将楼宇的每层空间分成多个监测区域,以便获取每个监测区域的第一环境信息后,对每层空间内的所有第一环境信息进行处理,得到每层空间的第二环境信息;将第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果,基于第一识别结果生成第一控制信息,以使楼宇流体系统根据第一控制信息,对楼宇环境进行调节。实现了对楼宇的所有空间进行数据采集,以全面准确地对楼宇进行监测,提高了楼宇内环境的监测结果可靠性,使得在对楼宇环境进行调节时,楼宇流体系统调节的精准程度较高,减少了能源浪费现象。
附图说明
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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的楼宇环境的监控方法实施例的流程图;
图2为本发明的楼宇环境的监控装置实施例一的结构示意图;
图3为本发明的楼宇环境的监控装置实施例二的结构示意图;
图4为本发明的楼宇环境的监控设备实施例的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1为本发明的楼宇环境的监控方法实施例的流程图,如图1所示,本实施例的楼宇环境的监控方法具体可以包括如下步骤:
100、获取每个监测区域的第一环境信息;
本实施例中,为了能够全面对楼宇的环境进行监测,可以根据楼宇的人员分布和建筑架构将楼宇的每层空间分成多个监测区域,并在每个监测区域设置数据传输设备和多种类型的传感器,可以基于设置的传感器采集每个监测区域的第一环境信息,并经由数据传输设备获取每个监测区域的第一环境信息。其中,第一环境信息可以包括环境温度采样值、环境湿度采样值、区域空气颗粒物浓度采样值等。
其中,每个区域的数据传输设备的数量不做具体限制,其可根据采集数据的总字节长度适度增加数据传输设备或是再细监测区域。每个监测区域的传感器的数量和类型均可相同或不同。
101、对每层空间内的所有第一环境信息进行处理,得到每层空间的第二环境信息;
由于不同的监测区域的第一环境信息可能相同或不同,本实施例中,可以基于大数据融合技术,对每层空间内的所有第一环境信息进行融合处理,从而得到每层空间的第二环境信息作为每层空间的整体环境信息,从而使得到的楼宇每层空间的整体环境信息更加准确,与实际环境更加贴近。
102、将第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果;
在一个具体实现过程中,可以根据实际情况,确定出楼宇的正常运行时间段作为指定时间段,并利用相应的传感器采集指定时间段内的环境信息作为每层空间的样本环境信息。
由于针对有N层的楼宇,N≥1,每个楼层设置多个监测区域,每个监测区域分配一个数据传输设备和多类传感器,每个数据传输设备包含对应的监测区域的环境数据,可以以一个X列数据组来表示,每个楼层的数据形式可以用一个N行X列的数据矩阵表示。因此,本实施例中,可以基于预先构建的深度学习模型对样本环境信息进行训练,得到环境特征模型。例如,可以利用卷积神经网络对N行X列的数据矩阵进行求解得到包含环境特征信息的特征矩阵,作为环境特征模型。其中,本实施例中的环境特征信息可以为环境特征值或环境特征点,其可以表示楼宇环境的较优值。
本实施例中,在得到每层空间的第二环境信息后,可以将每层空间的第二环境信息与构建的环境特征模型中的环境特征信息进行比对识别,得到并输出第一识别结果。
例如,以楼宇每层空间的温度为例,第二环境信息中的温度值大于环境特征模型中的温度值,或者,第二环境信息中的温度值小于环境特征模型中的温度值。
103、基于第一识别结果生成第一控制信息。
本实施例中,在利用预先训练的环境特征模型输出识别结构后,可以根据该第一识别结果生成第一控制信息,以使楼宇流体系统根据第一控制信息,对楼宇环境进行调节,以使的楼宇的环境信息与环境特征模型中的环境特征信息相匹配,使得楼宇的环境达到良好状态,合理、精确地控制楼宇流体系统,提高了能源利用率。其中,楼宇流体系统可以包括空调、供水系统、空气净化器等,该流体可以为气体、液体等。例如,当第二环境信息中的温度值大于环境特征模型中的温度值时,可以确定通风降温作为楼宇流体系统的第一控制信息,当第二环境信息中的温度值小于环境特征模型中的温度值时,可以确定升温作为楼宇流体系统的第一控制信息。
需要说明的是,本实施例的执行主体可以为楼宇环境的监控设备,该楼宇环境的监控设备可以独立存在,如以服务器的形式存在,也可以集成在楼宇流体系统中,本实施例不做具体限制。
本实施例的楼宇环境的监控方法,通过将楼宇的每层空间分成多个监测区域,以便获取每个监测区域的第一环境信息后,对每层空间内的所有第一环境信息进行处理,得到每层空间的第二环境信息;将第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果,基于第一识别结果生成第一控制信息,以使楼宇流体系统根据第一控制信息,对楼宇环境进行调节。实现了对楼宇的所有空间进行数据采集,以全面准确地对楼宇进行监测,提高了楼宇内环境的监测结果可靠性,使得在对楼宇环境进行调节时,楼宇流体系统调节的精准程度较高,减少了能源浪费现象。
在一个具体实现过程中,由于每个监测区域所需要的环境信息可能不同,例如,对于一个监测区域其往往需要较高的温度,而另一监测区域则需要较低的温度,因此,本实施例中的楼宇流体系统不仅可以实现对整体空间环境的调节,还可以实现对每个监测区域环境的调节。
例如,可以根据楼层编号和空间布局,对每个监测区域分配特定的标识码作为每个监测区域的区域标识;在布置楼宇流体系统时,可以针对每个监测区域设置对应的待控制流体设备。例如,可以针对每个监测区域设置对应的空调、供水系统、空气净化器等,也可以针对空调、供水系统、空气净化器等设置多个流体出口,每个流体出口对应不同的监测区域,本实施例不做具体限制。若需要对每个监测区域进行调节,可以将第一环境信息输入至环境特征模型,得到输出的第二识别结果;基于第二识别结果生成第二控制信息,以使待控制流体设备根据第二控制信息,对区域标识对应的监测区域的环境进行调节。例如,以空调为例,空调对应多个出风口,每个出风口对应的不同监测区域。若监测区域A需要较高的温度,监测区域B需要较低的温度,可以控制空调中与监测区域A对应出风口关闭,与监测区域B对应出风口打开。
在一个具体实现过程中,对于楼宇而言,其楼层数量往往较多,这样监测区域也比较多,需要布置的数据传输设备也会很多,每个数据传输设备在上传对应的监测区域的第一环境信息时,可能会造成上述数据拥堵,导致上传数据延时、数据丢失等现象,因此,本发明还提供了以下技术方案。
具体地,可以根据每个数据传输设备的网络地址,确定多个等级的局域网络;例如,每个数据传输设备存在一个网络地址,可以将某一频段的网络地址作为一个局域网,并依次对所有的局域网进行等级划分。本实施例中,可以获取到每个局域网络中数据传输设备的工作信息,如,数据传输设备的中央处理器(Central Processing Unit,CPU)使用信息、网络流量信息等工作信息,并可以根据这些工作信息确定出一个比较合适的数据传输设备作为每个局域网络中的集中传输设备,例如,CPU使用信息和网络流量信息均良好的数据传输设备优先作为每个局域网络中的集中传输设备。这样当前局域网络中的当前集中传输设备可以获取其它数据传输设备的第一环境数据,并与自身的第一环境数据一起上传至相邻上一级局域网络中的上一级集中传输设备,以此类推,最终上传至最高级局域网络中的集中传输设备,此时,可以基于最高级局域网络中的集中传输设备,获取每个监测区域的第一环境信息。
本实施中,由于进行数据传输的数据传输设备始终能够处于较良好的工作状态,且一级一级的依次传输,使得整个数据传输过程的负荷较低,数据传输速度快、稳定,减少了数据拥堵、上传数据延时、数据丢失等现象。
图2为本发明的楼宇环境的监控装置实施例一的结构示意图,如图2所示,本实施例的楼宇环境的监控装置包括获取模块10、处理模块11、确定模块12和生成模块13。
获取模块10,用于获取每个监测区域的第一环境信息;
本实施例中,为了能够全面对楼宇的环境进行监测,可以根据楼宇的人员分布和建筑架构将楼宇的每层空间分成多个监测区域,并在每个监测区域设置数据传输设备和多种类型的传感器,可以基于设置的传感器采集每个监测区域的第一环境信息,并经由数据传输设备获取每个监测区域的第一环境信息。其中,第一环境信息可以包括环境温度采样值、环境湿度采样值、区域空气颗粒物浓度采样值等。
其中,每个区域的数据传输设备的数量不做具体限制,其可根据采集数据的总字节长度适度增加数据传输设备或是再细监测区域。每个监测区域的传感器的数量和类型均可相同或不同。
处理模块11,用于对每层空间内的所有第一环境信息进行处理,得到每层空间的第二环境信息;
确定模块12,用于根据第二环境信息和构建的环境特征模型,确定楼宇流体系统的第一控制信息;
生成模块13,用于根据基于第一识别结果生成第一控制信息,以使楼宇流体系统根据第一控制信息,对楼宇环境进行调节。
本实施例的楼宇环境的监控装置,通过将楼宇的每层空间分成多个监测区域,以便获取每个监测区域的第一环境信息后,对每层空间内的所有第一环境信息进行处理,得到每层空间的第二环境信息;将第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果,基于第一识别结果生成第一控制信息,以使楼宇流体系统根据第一控制信息,对楼宇环境进行调节。实现了对楼宇的所有空间进行数据采集,以全面准确地对楼宇进行监测,提高了楼宇内环境的监测结果可靠性,使得在对楼宇环境进行调节时,楼宇流体系统调节的精准程度较高,减少了能源浪费现象。
图3为本发明的楼宇环境的监控装置实施例二的结构示意图,如图3所示,本实施例的楼宇环境的监控装置在图2所示实施例的基础上,进一步还可以包括训练模块14;
获取模块10,还用于获取指定时间段内每层空间的样本环境信息;
训练模块14,用于基于预先构建的深度学习模型对样本环境信息进行训练,得到环境特征模型。
在一个具体实现过程中,由于每个监测区域所需要的环境信息可能不同,例如,对于一个监测区域其往往需要较高的温度,而另一监测区域则需要较低的温度,因此,本实施例中的楼宇流体系统不仅可以实现对整体空间环境的调节,还可以实现对每个监测区域环境的调节。
例如,可以根据楼层编号和空间布局,对每个监测区域分配特定的标识码作为每个监测区域的区域标识;在布置楼宇流体系统时,可以针对每个区域设置对应的待控制流体设备。若需要对每个监测区域进行调节,确定模块12,可以将第一环境信息输入至环境特征模型,得到输出的第二识别结果;;生成模块13可以基于第二识别结果生成第二控制信息,以使待控制流体设备根据第二控制信息,对区域标识对应的监测区域的环境进行调节。
在一个具体实现过程中,对于楼宇而言,其楼层数量往往较多,这样监测区域也比较多,需要布置的数据传输设备也会很多,每个数据传输设备在上传对应的监测区域的第一环境信息时,可能会造成上述数据拥堵,导致上传数据延时、数据丢失等现象,因此,本发明还提供了以下技术方案。
每个监测区域设置有数据传输设备;获取模块10,具体用于根据每个数据传输设备的网络地址,确定多个等级的局域网络;根据每个局域网络中数据传输设备的工作信息,确定每个局域网络中的一个数据传输设备作为每个局域网络的集中传输设备;其中,当前局域网络中的当前集中传输设备用于将当前局域网络中所有数据传输设备接收的第一环境信息,上传至相邻上一级局域网络中的上一级集中传输设备;基于最高级局域网络中的集中传输设备,获取每个监测区域的第一环境信息。
本实施中,由于进行数据传输的数据传输设备始终能够处于较良好的工作状态,且一级一级的依次传输,使得整个数据传输过程的负荷较低,数据传输速度快、稳定,减少了数据拥堵、上传数据延时、数据丢失等现象。
图4为本发明的楼宇环境的监控设备实施例的结构示意图,本实施例中,楼宇的每层空间被分成多个监测区域。设备如图4所示,本实施例的楼宇环境的监控设备包括处理器20和存储器21,处理器20与存储器21通过通信总线相连接:
其中,处理器20,用于调用并执行存储器21中存储的程序;
存储器21,用于存储程序,程序至少用于执行上述实施例的楼宇环境的监控方法。
本发明还提供一种存储介质,其上存储有计算机程序,计算机程序被处理器20执行时,实现如上实施例的楼宇环境的监控方法的各个步骤。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,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、替换和变型。
Claims (10)
1.一种楼宇环境的监控方法,其特征在于,楼宇的每层空间被分成多个监测区域;所述方法包括:
获取每个所述监测区域的第一环境信息;
对所述每层空间内的所有所述第一环境信息进行处理,得到所述每层空间的第二环境信息;
将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果;
基于所述第一识别结果生成第一控制信息,以使所述楼宇流体系统根据所述第一控制信息,对楼宇环境进行调节。
2.根据权利要求1所述的方法,其特征在于,所述将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果之前,还包括:
获取指定时间段内所述每层空间的样本环境信息;
基于预先构建的深度学习模型对所述样本环境信息进行训练,得到所述环境特征模型。
3.根据权利要求1所述的方法,其特征在于,每个所述监测区域设置有区域标识;所述楼宇流体系统设置有与所述区域标识对应的待控制流体设备;所述方法还包括:
将所述第一环境信息输入至所述环境特征模型,得到输出的第二识别结果;
基于所述第二识别结果生成第二控制信息,以使所述待控制流体设备根据所述第二控制信息,对所述区域标识对应的所述监测区域的环境进行调节。
4.根据权利要求1-3任一项所述的方法,其特征在于,每个监测区域设置有数据传输设备;
所述获取每个所述监测区域的第一环境信息,包括:
根据每个所述数据传输设备的网络地址,确定多个等级的局域网络;
根据每个所述局域网络中所述数据传输设备的工作信息,确定每个所述局域网络中的一个数据传输设备作为每个所述局域网络的集中传输设备;其中,当前局域网络中的当前集中传输设备用于将所述当前局域网络中所有所述数据传输设备接收的所述第一环境信息,上传至相邻上一级局域网络中的上一级集中传输设备;
基于最高级局域网络中的所述集中传输设备,获取每个所述监测区域的第一环境信息。
5.一种楼宇环境的监控装置,其特征在于,楼宇的每层空间被分成多个监测区域;所述装置包括:
获取模块,用于获取每个所述监测区域的第一环境信息;
处理模块,用于对所述每层空间内的所有所述第一环境信息进行处理,得到所述每层空间的第二环境信息;
确定模块,用于将所述第二环境信息输入至预先训练的环境特征模型,得到输出的第一识别结果;
生成模块,用于根据基于所述第一识别结果生成第一控制信息,以使所述楼宇流体系统根据所述第一控制信息,对楼宇环境进行调节。
6.根据权利要求5所述的装置,其特征在于,还包括训练模块;
所述获取模块,还用于获取指定时间段内所述每层空间的样本环境信息;
所述训练模块,用于基于预先构建的深度学习模型对所述样本环境信息进行训练,得到所述环境特征模型。
7.根据权利要求5所述的装置,其特征在于,每个所述监测区域设置有区域标识;所述楼宇流体系统设置有与所述区域标识对应的待控制流体设备;
所述确定模块,还用于将所述第一环境信息输入至所述环境特征模型,得到输出的第二识别结果;
所述生成模块,还用于基于所述第二识别结果生成第二控制信息,以使所述待控制流体设备根据所述第二控制信息,对所述区域标识对应的所述监测区域的环境进行调节。
8.根据权利要求5-7任一项所述的装置,其特征在于,每个监测区域设置有数据传输设备;
所述获取模块,具体用于:
根据每个所述数据传输设备的网络地址,确定多个等级的局域网络;
根据每个所述局域网络中所述数据传输设备的工作信息,确定每个所述局域网络中的一个数据传输设备作为每个所述局域网络的集中传输设备;其中,当前局域网络中的当前集中传输设备用于将所述当前局域网络中所有所述数据传输设备接收的所述第一环境信息,上传至相邻上一级局域网络中的上一级集中传输设备;
基于最高级局域网络中的所述集中传输设备,获取每个所述监测区域的第一环境信息。
9.一种楼宇环境的监控设备,其特征在于,楼宇的每层空间被分成多个监测区域;所述设备包括处理器和存储器,所述处理器与存储器通过通信总线相连接:
其中,所述处理器,用于调用并执行所述存储器中存储的程序;
所述存储器,用于存储程序,所述程序至少用于执行权利要求1-4任一项所述的楼宇环境的监控方法。
10.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-4任一项所述的楼宇环境的监控方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136652.0A CN109901406A (zh) | 2019-02-22 | 2019-02-22 | 楼宇环境的监控方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136652.0A CN109901406A (zh) | 2019-02-22 | 2019-02-22 | 楼宇环境的监控方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109901406A true CN109901406A (zh) | 2019-06-18 |
Family
ID=66945350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910136652.0A Pending CN109901406A (zh) | 2019-02-22 | 2019-02-22 | 楼宇环境的监控方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901406A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738120A (zh) * | 2019-09-17 | 2020-01-31 | 平安科技(深圳)有限公司 | 环境数据调整方法及装置、电子设备及介质 |
CN111314143B (zh) * | 2020-02-21 | 2021-05-04 | 珠海格力电器股份有限公司 | 一种基于划分权限的楼宇控制方法、终端及系统 |
CN113625604A (zh) * | 2021-07-30 | 2021-11-09 | 季伟 | 一种智慧楼宇安全保护方法及装置 |
CN114415558A (zh) * | 2021-12-15 | 2022-04-29 | 珠海格力电器股份有限公司 | 设备控制方法方法和装置 |
CN114963413A (zh) * | 2022-04-21 | 2022-08-30 | 日立楼宇技术(广州)有限公司 | 一种空调的控制方法、装置、设备及存储介质 |
CN116481128A (zh) * | 2023-05-10 | 2023-07-25 | 佛山市清源科技有限公司 | 空气净化系统、空气净化方法及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176149A (zh) * | 2011-02-24 | 2011-09-07 | 浙江工业大学 | 基于无线传感器网络的智能楼宇能耗监测系统 |
CN103686799A (zh) * | 2012-09-06 | 2014-03-26 | 苏州联科盛世科技有限公司 | 无线传感网络中的传感节点的更新方法 |
CN104076750A (zh) * | 2013-03-27 | 2014-10-01 | 西门子公司 | 用于控制建筑物环境参数的方法和装置 |
CN204388288U (zh) * | 2014-12-23 | 2015-06-10 | 北京经纬绿洲环境科技有限公司 | 楼宇温度控制系统 |
CN105404231A (zh) * | 2016-01-12 | 2016-03-16 | 西北工业大学 | 一种基于物联网的智能楼宇监控管理系统 |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN109140723A (zh) * | 2018-08-23 | 2019-01-04 | 邓煜 | 一种分布式楼宇暖通监控系统及方法 |
-
2019
- 2019-02-22 CN CN201910136652.0A patent/CN109901406A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176149A (zh) * | 2011-02-24 | 2011-09-07 | 浙江工业大学 | 基于无线传感器网络的智能楼宇能耗监测系统 |
CN103686799A (zh) * | 2012-09-06 | 2014-03-26 | 苏州联科盛世科技有限公司 | 无线传感网络中的传感节点的更新方法 |
CN104076750A (zh) * | 2013-03-27 | 2014-10-01 | 西门子公司 | 用于控制建筑物环境参数的方法和装置 |
CN204388288U (zh) * | 2014-12-23 | 2015-06-10 | 北京经纬绿洲环境科技有限公司 | 楼宇温度控制系统 |
CN105404231A (zh) * | 2016-01-12 | 2016-03-16 | 西北工业大学 | 一种基于物联网的智能楼宇监控管理系统 |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN109140723A (zh) * | 2018-08-23 | 2019-01-04 | 邓煜 | 一种分布式楼宇暖通监控系统及方法 |
Non-Patent Citations (1)
Title |
---|
商元吉: "《基于CPS的楼宇环境营造系统空调设备节能优化研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738120A (zh) * | 2019-09-17 | 2020-01-31 | 平安科技(深圳)有限公司 | 环境数据调整方法及装置、电子设备及介质 |
CN110738120B (zh) * | 2019-09-17 | 2024-02-09 | 平安科技(深圳)有限公司 | 环境数据调整方法及装置、电子设备及介质 |
CN111314143B (zh) * | 2020-02-21 | 2021-05-04 | 珠海格力电器股份有限公司 | 一种基于划分权限的楼宇控制方法、终端及系统 |
CN113625604A (zh) * | 2021-07-30 | 2021-11-09 | 季伟 | 一种智慧楼宇安全保护方法及装置 |
CN114415558A (zh) * | 2021-12-15 | 2022-04-29 | 珠海格力电器股份有限公司 | 设备控制方法方法和装置 |
CN114963413A (zh) * | 2022-04-21 | 2022-08-30 | 日立楼宇技术(广州)有限公司 | 一种空调的控制方法、装置、设备及存储介质 |
CN116481128A (zh) * | 2023-05-10 | 2023-07-25 | 佛山市清源科技有限公司 | 空气净化系统、空气净化方法及存储介质 |
CN116481128B (zh) * | 2023-05-10 | 2023-11-24 | 佛山市清源科技有限公司 | 空气净化系统、空气净化方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901406A (zh) | 楼宇环境的监控方法、装置、设备和存储介质 | |
Fahmi et al. | Trapezoidal cubic fuzzy number Einstein hybrid weighted averaging operators and its application to decision making | |
US10616052B2 (en) | Collaborative hardware platform management | |
US11897625B2 (en) | Risk assessment framework | |
Vilarinho et al. | ANTBAL: an ant colony optimization algorithm for balancing mixed-model assembly lines with parallel workstations | |
EP3025099B1 (en) | Control device and method for buildings | |
CN109189190A (zh) | 一种基于温度预测的数据中心热量管理方法 | |
CN106440247A (zh) | 大型中央空调管理系统 | |
Teich et al. | Design of a prototype neural network for smart homes and energy efficiency | |
CN105976020B (zh) | 一种考虑小波跨层关联性的网络流量预测方法 | |
Okafor | Dynamic reliability modeling of cyber-physical edge computing network | |
JP2017531887A (ja) | 調査実績フレームワーク | |
CN112057038A (zh) | 一种基于云平台的大数据智能健康监护系统 | |
CN107579858A (zh) | 云主机的告警方法及装置、通信系统 | |
Anuar et al. | Design and operation of dynamic assembly lines using work-sharing | |
Meeravali et al. | Performance analysis of an improved forked communication network model | |
Willcox et al. | Hyperswarms: a new architecture for amplifying collective intelligence | |
CN113849052A (zh) | 基于人工智能的机房温度预测方法及系统 | |
CN113543160B (zh) | 5g切片资源配置方法、装置、计算设备及计算机存储介质 | |
Mishra et al. | Artificial neural network model for the estimation of direct solar radiation in the Indian zone | |
Capehart | Information technology for energy managers | |
Mariño et al. | Reconfigurable industrial sensors for remote condition monitoring and modeling | |
Sahoo et al. | Computation of Probabilistic linear programming problems involving normal and log-normal random variables with a joint constraint | |
Kulkarni et al. | Review on IoT based case study: applications and challenges | |
CN107219077A (zh) | 用于发动机试车台控制的方法、装置及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
RJ01 | Rejection of invention patent application after publication |