CN110276496B - 基于云计算的燃气能耗数据处理方法、系统及燃气用具 - Google Patents
基于云计算的燃气能耗数据处理方法、系统及燃气用具 Download PDFInfo
- Publication number
- CN110276496B CN110276496B CN201910567901.1A CN201910567901A CN110276496B CN 110276496 B CN110276496 B CN 110276496B CN 201910567901 A CN201910567901 A CN 201910567901A CN 110276496 B CN110276496 B CN 110276496B
- Authority
- CN
- China
- Prior art keywords
- gas
- gas appliance
- information
- target
- appliance
- 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.)
- Active
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 80
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 88
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000003062 neural network model Methods 0.000 claims description 73
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 4
- 238000004134 energy conservation Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 548
- 238000010438 heat treatment Methods 0.000 description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 22
- 238000010411 cooking Methods 0.000 description 7
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 4
- 229910052802 copper Inorganic materials 0.000 description 4
- 239000010949 copper Substances 0.000 description 4
- 235000014347 soups Nutrition 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开一种基于云计算的燃气能耗数据处理方法，包括：获取每个目标用户中每个燃气用具对应的基础数据；获取每个目标用户中每个燃气用具对应的燃气用量数据；根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息‑燃气用具状态参数信息时间关系映射表；根据生成的燃气用量信息‑燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；将每种类型的燃气用具优化使用方案下发给每个目标用户。本发明可以使目标用户群科学合理使用各种燃气用具，达到节能减排和环保的效果。
Description
技术领域
本发明涉及燃气能耗领域，具体涉及一种基于云计算的燃气能耗数据处理方法、系统及燃气用具。
背景技术
节能减排就是节约能源、降低能源消耗、减少污染物排放，要做到节能减排，必须加强用能管理，采取技术上可行、经济上合理以及环境和社会可以承受的措施，从能源生产到消费的各个环节，降低消耗、减少损失和污染物排放、制止浪费，有效、合理地利用能源。
随着燃气应用的不断扩大和普及，国家大力推广燃气替代煤炭进入各家各户，因而造成燃气消耗量激增，燃气作为一种重要能源，基于节能减排的考虑，需要合理使用燃气用具从而减少燃气消耗量，而现有的针对燃气用具使用方法的技术方案中主要考虑的是避免漏气导致的使用安全方面的问题，在燃气用具能耗方面的考虑比较局限。
发明内容
有鉴于此，本申请的一方面在于提供一种基于云计算的燃气能耗数据处理方法，通过采集每个目标用户中每个燃气用具对应的基础数据和燃气用量数据，由于采集的基础数据和燃气用量数据均包括时间戳信息，可以按时间将基础数据和燃气用量数据准确对应起来，并对每个目标用户的燃气用具生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算对所有燃气用量信息-燃气用具状态参数信息时间关系映射表分析可以得到每种类型的燃气用具优化使用方案并下发给每个目标用户，从而可以使目标用户群科学合理使用各种燃气用具，达到节能减排和环保的效果。本方法通过下面的技术手段实现：
基于云计算的燃气能耗数据处理方法，应用于燃气能耗数据处理系统，包括：
获取每个目标用户中每个燃气用具对应的基础数据，其中，所述基础数据包括燃气用具类型信息、燃气用具身份信息、第一时间戳信息和与所述第一时间戳信息对应的燃气用具状态参数信息；
获取每个目标用户中每个燃气用具对应的燃气用量数据，其中，所述燃气用量数据包括对应的燃气用具身份信息、第二时间戳信息和与所述第二时间戳信息对应的燃气用量信息；
根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表；
根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；
将每种类型的燃气用具优化使用方案下发给每个目标用户。
进一步地，所述根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表包括：
读取具有相同燃气用具身份信息的基础数据和燃气用量数据，其中，所述具有相同燃气用具身份信息的基础数据和燃气用量数据作为一组数据组；
在每组数据组中，根据基础数据中的第一时间戳信息和燃气用量数据中的第二时间戳信息，将基础数据中的燃气用具状态参数信息和燃气用量数据中的燃气用量信息按时间关系对应起来，读取基础数据中的燃气用具类型信息，在每组数据组对应的燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表。
进一步地，所述根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案包括：
获取所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，其中，具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表记为映射表A；
分别获取每个映射表A中的燃气能耗数据组，每组燃气能耗数据包括映射表A中的燃气用具在相同时刻或相同时段下的燃气用量信息和燃气用具状态参数信息；
根据所述目标燃气用具类型信息，调用训练完成的目标神经网络模型；
根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案；
根据所述计算得到具有目标燃气用具类型信息的燃气用具优化使用方案的方式计算得到每种类型的燃气用具优化使用方案。
进一步地，所述根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案这一步骤包括：
对获取到的燃气能耗数据组中的数据进行过滤，将过滤后的数据作为所述训练完成的目标神经网络模型的输入样本；
根据所述输入样本，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案。
进一步地，所述目标神经网络模型的训练包括：
根据目标燃气用具类型信息，调用目标神经网络模型；
根据所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，将已有的燃气能耗数据组中的数据输入所述目标神经网络模型计算得具有目标燃气用具类型信息的燃气用具优化使用参考方案；
判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求，如果是，所述目标神经网络为训练完成的目标神经网络模型，否则修正所述目标神经网络直到得到符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案，其中，符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案对应的目标神经网络模型为训练完成的目标神经网络模型。
进一步地，所述判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求这一步骤包括：
将所述具有目标燃气用具类型信息的燃气用具优化使用参考方案下发到指定用户的目标燃气用具；
获取所述目标燃气用具运用所述参考方案后的燃气用量参考信息；
判断所述燃气用量参考信息与预设燃气用量信息的差值是否超过预设阈值，如果没有超过，则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案符合要求，否则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案不符合要求。
进一步地，还包括：将每种燃气用具的优化使用方案通过终端进行显示。
本申请的另一方面在于提供一种基于云计算的燃气能耗数据处理系统，包括：
基础数据获取单元：获取每个目标用户中每个燃气用具对应的基础数据，其中，所述基础数据包括燃气用具类型信息、燃气用具身份信息、第一时间戳信息和与所述第一时间戳信息对应的燃气用具状态参数信息；
燃气用量数据获取单元：获取每个目标用户中每个燃气用具对应的燃气用量数据，其中，所述燃气用量数据包括对应的燃气用具身份信息、第二时间戳信息和与所述第二时间戳信息对应的燃气用量信息；
映射表生成单元：根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表；
计算单元：根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；
下发单元：将每种类型的燃气用具优化使用方案下发给每个目标用户。
进一步地，所述映射表生成单元包括：
读取模块：读取具有相同燃气用具身份信息的基础数据和燃气用量数据，其中，所述具有相同燃气用具身份信息的基础数据和燃气用量数据作为一组数据组；
映射表生成模块：在每组数据组中，根据基础数据中的第一时间戳信息和燃气用量数据中的第二时间戳信息，将基础数据中的燃气用具状态参数信息和燃气用量数据中的燃气用量信息按时间关系对应起来，读取基础数据中的燃气用具类型信息，在每组数据组对应的燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表。
进一步地，所述计算单元包括：
第一获取模块：获取所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，其中，具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表记为映射表A；
第二获取模块：分别获取每个映射表A中的燃气能耗数据组，每组燃气能耗数据包括映射表A中的燃气用具在相同时刻或相同时段下的燃气用量信息和燃气用具状态参数信息；
第一调用模块：根据所述目标燃气用具类型信息，调用训练完成的目标神经网络模型；
方案计算模块：根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案；还用于根据所述计算得到具有目标燃气用具类型信息的燃气用具优化使用方案的方式计算得到每种类型的燃气用具优化使用方案。
进一步地，所述方案计算模块包括：
过滤模块：用于对获取到的燃气能耗数据组中的数据进行过滤，将过滤后的数据作为所述训练完成的目标神经网络模型的输入样本；
方案计算子模块：用于根据所述输入样本，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案。
进一步地，所述系统还包括神经网络模型训练单元。
进一步地，所述神经网络模型训练单元包括：
第二调用模块：用于根据目标燃气用具类型信息，调用目标神经网络模型；
参考方案计算模块：用于根据所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，将已有的燃气能耗数据组中的数据输入所述目标神经网络模型计算得具有目标燃气用具类型信息的燃气用具优化使用参考方案；
判断模块：用于判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求，如果是，所述目标神经网络为训练完成的目标神经网络模型，否则修正所述目标神经网络直到得到符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案，其中，符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案对应的目标神经网络模型为训练完成的目标神经网络模型。
进一步地，所述判断模块包括：
下发模块：将所述具有目标燃气用具类型信息的燃气用具优化使用参考方案下发到指定用户的目标燃气用具；
第三获取模块：用于获取所述目标燃气用具运用所述参考方案后的燃气用量参考信息；
差值判断模块：用于判断所述燃气用量参考信息与预设燃气用量信息的差值是否超过预设阈值，如果没有超过，则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案符合要求，否则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案不符合要求。
进一步地，所述系统还包括储存单元。
进一步地，所述系统还包括显示单元：用于将每种类型的燃气用具优化使用方案通过终端进行显示。
本申请的又一方面在于提供一种燃气用具，包括：
燃气用具使用方案接收模块：用于接收上述燃气能耗数据处理系统下发的相应类型的燃气用具优化使用方案；
燃气用具调整模块：用于根据接收到的燃气用具优化使用方案调整燃气用具的相关参数。
本申请通过采集每个目标用户中每个燃气用具对应的基础数据和燃气用量数据，由于采集的基础数据和燃气用量数据均包括时间戳信息，可以按时间将基础数据和燃气用量数据准确对应起来，并对每个目标用户的燃气用具生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算对所有燃气用量信息-燃气用具状态参数信息时间关系映射表分析可以得到每种类型的燃气用具优化使用方案并下发给每个目标用户，从而可以使目标用户群科学合理使用各种燃气用具，达到节能减排和环保的效果。
附图说明
图1为根据一示例性实施例示出的一种基于云计算的燃气能耗数据处理方法流程图。
图2为根据一示例性实施例示出的一种基于云计算的燃气能耗数据处理系统结构框图。
图3为根据一示例性实施例示出的一种燃气用具结构框图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。
实施例1
如图1所示，本实施例提供一种基于云计算的燃气能耗数据处理方法，应用于燃气能耗数据处理处理系统，包括：
S1：获取每个目标用户中每个燃气用具对应的基础数据，其中，所述基础数据包括燃气用具类型信息、燃气用具身份信息、第一时间戳信息和与所述第一时间戳信息对应的燃气用具状态参数信息；
S2：获取每个目标用户中每个燃气用具对应的燃气用量数据，其中，所述燃气用量数据包括对应的燃气用具身份信息、第二时间戳信息和与所述第二时间戳信息对应的燃气用量信息；
S3：根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表；
S4：根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；
S5：将每种类型的燃气用具优化使用方案下发给每个目标用户。
本实施例中，每个目标用户可以有多个燃气用具，每个燃气用具具有唯一的身份信息，比如步骤S1中，获取每个目标用户中每个燃气用具对应的基础数据可以是指获取每个目标用户中的燃气灶对应的基础数据、燃气热水器对应的基础数据、燃气炉对应的基础数据、燃气采暖炉对应的基础数据和燃气空调对应的基础数据中的一种或几种，相应地，步骤S2中，获取每个目标用户中每个燃气用具对应的燃气用量数据可以是指获取每个目标用户中的燃气灶对应的燃气用量数据、燃气热水器对应的燃气用量数据、燃气炉对应的燃气用量数据、燃气采暖炉对应的燃气用量数据和燃气空调对应的燃气用量数据中的一种或几种。以用户为目标用户A、燃气用具为燃气采暖炉为例，步骤S1中的基础数据中，燃气用具类型信息为采暖炉、燃气用具身份信息为目标用户A的采暖炉身份信息、燃气用具状态参数信息可以包括每个时刻或每个时段下的采暖炉的采暖模式(比如地暖采暖和暖气片采暖)、燃气压力、燃气加热时间、燃气阀开合角度(影响燃气量分配)、水泵的水流速或水流量(水的循环快慢)、热交换器的铜片厚度和面积、热交换器的水管长度和管径等参数信息，步骤S2中的燃气用量信息可以为每个时刻或每个时段下的燃气采暖炉的燃气用量信息，步骤S4中的燃气用具优化使用方案为采暖炉的优化使用方案，采暖炉的优化使用方案可以是上述一个或多个参数中的具体设置，比如根据采暖炉优化使用方案中的一种情况(目标用户已经安装好采暖炉，一般来说，热交换器的铜片厚度和面积、热交换器的水管长度和管径等参数不可调)，要达到某个制热功率，在其他参数相同的情况下，通过采用优化使用方案中设置的燃气压力、燃气加热时间、燃气阀开合角度(影响燃气量分配)、水泵的水流速或水流量(水的循环快慢)的情况下可以达到最优的燃气消耗量，再比如根据采暖炉优化使用方案中的另一种情况(目标用户准备重新安装采暖炉或准备安装采暖炉，这个时候，可以考虑所有的采暖炉参数，包括热交换器的铜片厚度和面积、热交换器的水管长度和管径等参数不可调)，要达到某个制热功率，通过采用优化使用方案中设置的燃气压力、燃气加热时间、燃气阀开合角度(影响燃气量分配)、水泵的水流速或水流量(水的循环快慢)、热交换器的铜片厚度和面积、热交换器的水管长度和管径的情况下可以达到最优的燃气消耗量。在具体实施本实施例时，可以将燃气采暖炉的优化使用方案下发到某个目标用户的燃气采暖炉进行验证，如果该目标用户的燃气采暖炉使用下发的优化使用方案后对应的燃气消耗量为预设值或在预设范围内，则可以将该采暖炉优化使用方案作为目标用户群的通用采暖炉优化使用方案，当然，如果用户有自己的特殊需求，可以人工改变相应参数。由于平时每个用户的使用习惯、参数设置习惯和配套设备工作参数(比如水泵、风机、热交换器等相关工作参数)不一样，达到相同的制热量所产生的燃气消耗量也不同，如果只是用户自己分析调节，可能会有所改善，但是很难达到最优，本实施例通过对多个目标用户的基础数据和燃气用量数据进行采集，并通过云计算分析(大数据分析)可以得到满足用户制热需求下的燃气消耗量最合理的采暖炉优化使用方案，由于本实施例是基于大数据分析，所以目标用户的数量n可以取得大一些，比如n≥100，n的取值越大，得到的采暖炉优化使用方案就更具普适性。
作为又一举例，本实施例中的燃气用具可以为燃气灶，具体地，以用户为目标用户B、燃气用具为燃气灶为例，步骤S1中的基础数据中，燃气用具类型信息为燃气灶、燃气用具身份信息为目标用户B的燃气灶身份信息、燃气用具状态参数信息可以包括每个时刻或每个时段下的燃气灶的开关状态、开启的时长、关闭的时长、火力大小、气压和温度等参数信息，步骤S2中的燃气用量信息可以为每个时刻或每个时段下的燃气灶的燃气用量信息，步骤S4中的燃气用具优化使用方案为燃气灶优化使用方案，燃气灶优化使用方案可以包括：根据检测到的炒锅与灶台的距离进行相应火力调节，根据检测到的炒锅与灶台的距离或炒锅离开灶台的时长进行火力调小或关闭，根据检测到的炊具(炒锅、平底锅、煲汤锅等)进行燃气灶使用模式调节(炒菜模式、煎模式、煲汤模式等)等等，由于本实施例的燃气灶优化使用方案是根据大数据分析得来，具有普适性和科学性，在科学配置燃气灶参数的同时可以基本满足用户需求，如果用户有特殊需求，可以手动设置相应参数。
需要说明的是，本实施例的目标用户的燃气用具需要设置与燃气能耗数据处理系统相匹配的功能模块，比如相关参数检测模块，燃气用具使用场景识别模块(比如识别燃气采暖炉的工作模式或燃气灶的使用模式，识别燃气灶的使用模式是指识别在使用中的燃气灶是炒菜模式、煎蛋模式或煲汤模式等，燃气采暖炉的工作模式可以直接从燃气采暖炉参数中获取，燃气灶的使用模式可以通过摄像头采集图像并通过图像分析实现，也可以通过其他识别方式实现，或者燃气灶本身可以直接设置有炒菜模式、煎模式和煲汤模式等，这样可以直接从燃气灶参数中识别使用场景)和后面所说的燃气用具使用方案接收模块和燃气用具调整模块，设置相应的功能模块后，需要将每个目标用户的用户信息、燃气用具信息和燃气计量表信息进行绑定。
另外，本实施例中，在进行步骤S1时，燃气能耗数据处理系统可以外接或内置一个基础数据采集单元来采集燃气用具对应的基础数据，基础数据采集单元采集基础数据的同时记录时间信息，形成包括第一时间戳信息的基础数据，在进行步骤S2时，用户可以采用燃气计量表来计量燃气用量，燃气计量表可以内置在每个燃气用具中，也可以外接在每个燃气用具的进气管上，燃气计量表在计量燃气用量时需要同时记录时间信息，其中，基础数据采集单元和燃气计量表均可以通过NB物联网将采集到的信息传输到燃气能耗数量处理系统进行分析处理和/或储存，此外，也可以采用其他无线或有线通信方式；在进行步骤S3时，需要根据第一时间戳信息和第二时间戳信息对每个目标用户的每个燃气用具的燃气用量信息和燃气用具状态参数信息进行时间映射，比如对于用户P来说，燃气灶对应的燃气用量信息中显示在时间t1(这里的时间t可以是某个时刻，也可以是某个时段)对应的燃气用量为A1，在时间t2对应的燃气用量为A2，在时间t3对应的燃气用量为A3，以此类推，燃气灶对应的燃气用具状态参数信息中显示在时间t1对应的燃气用具状态参数的数组为B1，在时间t2对应的燃气用具状态参数的数组为B2，在时间t3对应的燃气用具状态参数的数组为B3，以此类推，燃气能耗数据处理系统在获取到这些数据后需要将同一个燃气用具在相同时刻或相同时段的燃气用量信息与燃气用具状态参数信息对应起来，从而形成同一个燃气用具下若干个由相同时刻或相同时段下的燃气用量信息与燃气用具状态参数信息组成的燃气能耗数据组(通常来说，每个用户会形成海量这样的燃气能耗数据组)，所有的燃气能耗数据组一起组成该用户的燃气用量信息-燃气用具状态参数时间映射关系，再加上庞大的用户量，比如100个目标用户、500个目标用户等，本实施例提供的燃气能耗分析方法可以通过大数据分析得到一个普适性好的优化的燃气用具参数设置策略。
作为一种优化，步骤S3，即所述根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表这一步骤包括：
S31：读取具有相同燃气用具身份信息的基础数据和燃气用量数据，其中，所述具有相同燃气用具身份信息的基础数据和燃气用量数据作为一组数据组；
S32：在每组数据组中，根据基础数据中的第一时间戳信息和燃气用量数据中的第二时间戳信息，将基础数据中的燃气用具状态参数信息和燃气用量数据中的燃气用量信息按时间关系对应起来，读取基础数据中的燃气用具类型信息，在每组数据组对应的燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表。
这里需要说明的是，由于每个目标用户具有多种燃气用具，比如有100个目标用户，每个目标用户的燃气用具包括燃气灶和热水器，那么需要对100个目标用户的燃气灶能耗数据进行分析得到燃气灶优化使用方案，同时需要对100个目标用户的热水器进行分析得到热水器优化使用方案，每个燃气用具都具有唯一的身份信息，因此，要想对100个目标用户的燃气能耗数据进行分析处理，需要对100个目标用户的燃气能耗数据进行分类，也就是需要分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，即生成100个不同燃气灶对应的燃气用量信息-燃气用具状态参数信息时间关系映射表和100个不同热水器对应的燃气用量信息-燃气用具状态参数信息时间关系映射表。
作为一种优选，步骤S4，即所述根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案这一步骤包括：
S41：获取所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，其中，具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表记为映射表A；
S42：分别获取每个映射表A中的燃气能耗数据组，每组燃气能耗数据包括映射表A中的燃气用具在相同时刻或相同时段下的燃气用量信息和燃气用具状态参数信息；
S43：根据所述目标燃气用具类型信息，调用训练完成的目标神经网络模型；
S44：根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案；
S45：根据所述计算得到具有目标燃气用具类型信息的燃气用具优化使用方案的方式计算得到每种类型的燃气用具优化使用方案。
作为优先，步骤S44，即所述根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案这一步骤包括：
S441：对获取到的燃气能耗数据组中的数据进行过滤，将过滤后的数据作为所述训练完成的目标神经网络模型的输入样本；
S442：根据所述输入样本，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案。
这里，步骤S441中，可以采用预设的约束条件对获取到的燃气能耗数据组中的数据进行过滤，比如去除燃气用量小于第一预设值的燃气能耗数据组，比如去除燃气用量大于第二预设值的燃气能耗数据组，比如去除燃气用量小于第一预设值且燃气用量大于第二预设值的燃气能耗数据组，在具体设置约束条件时，也可以将燃气能耗数据组中的燃气用具状态参数信息考虑进来，比如去除燃气用具关闭时长大于第三预设值的燃气能耗数据组等等，具体如何设置约束条件，可以根据实际情况进行设置；设置数据过滤步骤，可以过滤掉明显特殊或明显异常的数据，使最后得到的燃气用具参数设置策略更加优化。
作为优先，所述目标神经网络模型的训练包括：
P1：根据目标燃气用具类型信息，调用目标神经网络模型；
P2：根据所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，将已有的燃气能耗数据组中的数据输入所述目标神经网络模型计算得具有目标燃气用具类型信息的燃气用具优化使用参考方案；
P3：判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求，如果是，所述目标神经网络为训练完成的目标神经网络模型，否则修正所述目标神经网络直到得到符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案，其中，符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案对应的目标神经网络模型为训练完成的目标神经网络模型。
作为优先，所述判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求这一动作包括：
P31：将所述具有目标燃气用具类型信息的燃气用具优化使用参考方案下发到指定用户的目标燃气用具；
P32：获取所述目标燃气用具运用所述参考方案后的燃气用量参考信息；
P33：判断所述燃气用量参考信息与预设燃气用量信息的差值是否超过预设阈值，如果没有超过，则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案符合要求，否则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案不符合要求。
作为优先，本方法还包括：将每种燃气用具的优化使用方案通过终端进行显示。
实施例2
如图2所示，本实施例提供一种基于云计算的燃气能耗数据处理系统，包括：
基础数据获取单元：获取每个目标用户中每个燃气用具对应的基础数据，其中，所述基础数据包括燃气用具类型信息、燃气用具身份信息、第一时间戳信息和与所述第一时间戳信息对应的燃气用具状态参数信息；
燃气用量数据获取单元：获取每个目标用户中每个燃气用具对应的燃气用量数据，其中，所述燃气用量数据包括对应的燃气用具身份信息、第二时间戳信息和与所述第二时间戳信息对应的燃气用量信息；
映射表生成单元：根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表；
计算单元：根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；
下发单元：将每种类型的燃气用具优化使用方案下发给每个目标用户。
作为优选，所述映射表生成单元包括：
读取模块：读取具有相同燃气用具身份信息的基础数据和燃气用量数据，其中，所述具有相同燃气用具身份信息的基础数据和燃气用量数据作为一组数据组；
映射表生成模块：在每组数据组中，根据基础数据中的第一时间戳信息和燃气用量数据中的第二时间戳信息，将基础数据中的燃气用具状态参数信息和燃气用量数据中的燃气用量信息按时间关系对应起来，读取基础数据中的燃气用具类型信息，在每组数据组对应的燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表。
作为优先，所述计算单元包括：
第一获取模块：获取所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，其中，具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表记为映射表A；
第二获取模块：分别获取每个映射表A中的燃气能耗数据组，每组燃气能耗数据包括映射表A中的燃气用具在相同时刻或相同时段下的燃气用量信息和燃气用具状态参数信息；
第一调用模块：根据所述目标燃气用具类型信息，调用训练完成的目标神经网络模型；
方案计算模块：根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案；还用于根据所述计算得到具有目标燃气用具类型信息的燃气用具优化使用方案的方式计算得到每种类型的燃气用具优化使用方案。
作为优先，所述方案计算模块包括：
过滤模块：用于对获取到的燃气能耗数据组中的数据进行过滤，将过滤后的数据作为所述训练完成的目标神经网络模型的输入样本；
方案计算子模块：用于根据所述输入样本，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案。
作为优先，本实施例还包括神经网络模型训练单元。
作为优先，所述神经网络模型训练单元包括：
第二调用模块：用于根据目标燃气用具类型信息，调用目标神经网络模型；
参考方案计算模块：用于根据所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，将已有的燃气能耗数据组中的数据输入所述目标神经网络模型计算得具有目标燃气用具类型信息的燃气用具优化使用参考方案；
判断模块：用于判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求，如果是，所述目标神经网络为训练完成的目标神经网络模型，否则修正所述目标神经网络直到得到符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案，其中，符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案对应的目标神经网络模型为训练完成的目标神经网络模型。
作为优先，所述判断模块包括：
下发模块：将所述具有目标燃气用具类型信息的燃气用具优化使用参考方案下发到指定用户的目标燃气用具；
第三获取模块：用于获取所述目标燃气用具运用所述参考方案后的燃气用量参考信息；
差值判断模块：用于判断所述燃气用量参考信息与预设燃气用量信息的差值是否超过预设阈值，如果没有超过，则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案符合要求，否则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案不符合要求。
作为优先，本实施例还包括储存单元。
作为优先，本实施例还包括显示单元：用于将每种类型的燃气用具优化使用方案通过终端进行显示。
关于燃气能耗数据处理系统的具有操作方法已在方法实施例中说明，此处不做详细描述。
实施例3
如图3所示，本实施例提供一种燃气用具，包括：
燃气用具使用方案接收模块：用于接收实施例2提供的燃气能耗数据处理系统下发的相应类型的燃气用具优化使用方案；
燃气用具调整模块：用于根据接收到的燃气用具优化使用方案调整燃气用具的相关参数。
以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.基于云计算的燃气能耗数据处理方法，其特征在于，应用于燃气能耗数据处理系统，包括：
获取每个目标用户中每个燃气用具对应的基础数据，其中，所述基础数据包括燃气用具类型信息、燃气用具身份信息、第一时间戳信息和与所述第一时间戳信息对应的燃气用具状态参数信息；
获取每个目标用户中每个燃气用具对应的燃气用量数据，其中，所述燃气用量数据包括对应的燃气用具身份信息、第二时间戳信息和与所述第二时间戳信息对应的燃气用量信息；
根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表；
根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；
将每种类型的燃气用具优化使用方案下发给每个目标用户；
所述根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案包括：
获取所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，其中，具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表记为映射表A；
分别获取每个映射表A中的燃气能耗数据组，每组燃气能耗数据包括映射表A中的燃气用具在相同时刻或相同时段下的燃气用量信息和燃气用具状态参数信息；
根据所述目标燃气用具类型信息，调用训练完成的目标神经网络模型；
根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案；
根据所述计算得到具有目标燃气用具类型信息的燃气用具优化使用方案的方式计算得到每种类型的燃气用具优化使用方案；
所述目标神经网络模型的训练包括：
根据目标燃气用具类型信息，调用目标神经网络模型；
根据所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，将已有的燃气能耗数据组中的数据输入所述目标神经网络模型计算得具有目标燃气用具类型信息的燃气用具优化使用参考方案；
判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求，如果是，所述目标神经网络为训练完成的目标神经网络模型，否则修正所述目标神经网络直到得到符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案，其中，符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案对应的目标神经网络模型为训练完成的目标神经网络模型；
所述判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求这一步骤包括：
将所述具有目标燃气用具类型信息的燃气用具优化使用参考方案下发到指定用户的目标燃气用具；
获取所述目标燃气用具运用所述参考方案后的燃气用量参考信息；
判断所述燃气用量参考信息与预设燃气用量信息的差值是否超过预设阈值，如果没有超过，则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案符合要求，否则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案不符合要求。
2.根据权利要求1所述的基于云计算的燃气能耗数据处理方法，其特征在于，所述根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表包括：
读取具有相同燃气用具身份信息的基础数据和燃气用量数据，其中，所述具有相同燃气用具身份信息的基础数据和燃气用量数据作为一组数据组；
在每组数据组中，根据基础数据中的第一时间戳信息和燃气用量数据中的第二时间戳信息，将基础数据中的燃气用具状态参数信息和燃气用量数据中的燃气用量信息按时间关系对应起来，读取基础数据中的燃气用具类型信息，在每组数据组对应的燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表。
3.根据权利要求1所述的基于云计算的燃气能耗数据处理方法，其特征在于，所述根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案这一步骤包括：
对获取到的燃气能耗数据组中的数据进行过滤，将过滤后的数据作为所述训练完成的目标神经网络模型的输入样本；
根据所述输入样本，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案。
4.根据权利要求1所述的基于云计算的燃气能耗数据处理方法，其特征在于，还包括：将每种燃气用具的优化使用方案通过终端进行显示。
5.基于云计算的燃气能耗数据处理系统，其特征在于，包括：
基础数据获取单元：获取每个目标用户中每个燃气用具对应的基础数据，其中，所述基础数据包括燃气用具类型信息、燃气用具身份信息、第一时间戳信息和与所述第一时间戳信息对应的燃气用具状态参数信息；
燃气用量数据获取单元：获取每个目标用户中每个燃气用具对应的燃气用量数据，其中，所述燃气用量数据包括对应的燃气用具身份信息、第二时间戳信息和与所述第二时间戳信息对应的燃气用量信息；
映射表生成单元：根据获取到的基础数据和燃气用量数据，分别在每个燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表；
计算单元：根据生成的燃气用量信息-燃气用具状态参数信息时间关系映射表，通过云计算分析得到每种类型的燃气用具优化使用方案；
下发单元：将每种类型的燃气用具优化使用方案下发给每个目标用户；
所述计算单元包括：
第一获取模块：获取所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，其中，具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表记为映射表A；
第二获取模块：分别获取每个映射表A中的燃气能耗数据组，每组燃气能耗数据包括映射表A中的燃气用具在相同时刻或相同时段下的燃气用量信息和燃气用具状态参数信息；
第一调用模块：根据所述目标燃气用具类型信息，调用训练完成的目标神经网络模型；
方案计算模块：根据获取到的全部燃气能耗数据组中的数据，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案；还用于根据所述计算得到具有目标燃气用具类型信息的燃气用具优化使用方案的方式计算得到每种类型的燃气用具优化使用方案；
所述基于大数据的燃气能耗数据处理系统还包括神经网络模型训练单元；
所述神经网络模型训练单元包括：
第二调用模块：用于根据目标燃气用具类型信息，调用目标神经网络模型；
参考方案计算模块：用于根据所有具有目标燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表，将已有的燃气能耗数据组中的数据输入所述目标神经网络模型计算得具有目标燃气用具类型信息的燃气用具优化使用参考方案；
判断模块：用于判断所述具有目标燃气用具类型信息的燃气用具优化使用参考方案是否符合要求，如果是，所述目标神经网络为训练完成的目标神经网络模型，否则修正所述目标神经网络直到得到符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案，其中，符合要求的具有目标燃气用具类型信息的燃气用具优化使用参考方案对应的目标神经网络模型为训练完成的目标神经网络模型；
所述判断模块包括：
下发模块：将所述具有目标燃气用具类型信息的燃气用具优化使用参考方案下发到指定用户的目标燃气用具；
第三获取模块：用于获取所述目标燃气用具运用所述参考方案后的燃气用量参考信息；
差值判断模块：用于判断所述燃气用量参考信息与预设燃气用量信息的差值是否超过预设阈值，如果没有超过，则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案符合要求，否则所述具有目标燃气用具类型信息的燃气用具优化使用参考方案不符合要求。
6.根据权利要求5所述的基于云计算的燃气能耗数据处理系统，其特征在于，所述映射表生成单元包括：
读取模块：读取具有相同燃气用具身份信息的基础数据和燃气用量数据，其中，所述具有相同燃气用具身份信息的基础数据和燃气用量数据作为一组数据组；
映射表生成模块：在每组数据组中，根据基础数据中的第一时间戳信息和燃气用量数据中的第二时间戳信息，将基础数据中的燃气用具状态参数信息和燃气用量数据中的燃气用量信息按时间关系对应起来，读取基础数据中的燃气用具类型信息，在每组数据组对应的燃气用具身份信息下生成包括燃气用具类型信息的燃气用量信息-燃气用具状态参数信息时间关系映射表。
7.根据权利要求5所述的基于云计算的燃气能耗数据处理系统，其特征在于，所述方案计算模块包括：
过滤模块：用于对获取到的燃气能耗数据组中的数据进行过滤，将过滤后的数据作为所述训练完成的目标神经网络模型的输入样本；
方案计算子模块：用于根据所述输入样本，通过所述训练完成的目标神经网络模型计算得到具有目标燃气用具类型信息的燃气用具优化使用方案。
8.根据权利要求5所述的基于云计算的燃气能耗数据处理系统，其特征在于，还包括储存单元。
9.根据权利要求5所述的基于云计算的燃气能耗数据处理系统，其特征在于，还包括显示单元：用于将每种类型的燃气用具优化使用方案通过终端进行显示。
10.燃气用具，其特征在于，包括：
燃气用具使用方案接收模块：用于接收权利要求5-9任意一种所述燃气能耗数据处理系统下发的相应类型的燃气用具优化使用方案；
燃气用具调整模块：用于根据接收到的燃气用具优化使用方案调整燃气用具的相关参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910567901.1A CN110276496B (zh) | 2019-06-27 | 2019-06-27 | 基于云计算的燃气能耗数据处理方法、系统及燃气用具 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910567901.1A CN110276496B (zh) | 2019-06-27 | 2019-06-27 | 基于云计算的燃气能耗数据处理方法、系统及燃气用具 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110276496A CN110276496A (zh) | 2019-09-24 |
| CN110276496B true CN110276496B (zh) | 2020-05-08 |
Family
ID=67963428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910567901.1A Active CN110276496B (zh) | 2019-06-27 | 2019-06-27 | 基于云计算的燃气能耗数据处理方法、系统及燃气用具 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276496B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112834781B (zh) * | 2020-12-31 | 2023-02-17 | 浙江威星智能仪表股份有限公司 | 一种通过燃气流速识别用气设备的方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428282A (zh) * | 2013-08-06 | 2013-12-04 | 浪潮(北京)电子信息产业有限公司 | 一种云计算数据中心的在线节能控制方法及装置 |
| CN103443811A (zh) * | 2011-02-14 | 2013-12-11 | 根布和明 | 能量消耗监视系统、方法以及计算机程序 |
| CN105868867A (zh) * | 2016-04-25 | 2016-08-17 | 常州英集动力科技有限公司 | 一种供热锅炉集群优化运行方法及系统 |
| CN106537429A (zh) * | 2014-05-28 | 2017-03-22 | 西门子瑞士有限公司 | 用于针对一个或多个建筑物提供优化或改进措施的系统和方法 |
| CN107657339A (zh) * | 2017-09-19 | 2018-02-02 | 北京许继电气有限公司 | 家庭能效管理方法和系统 |
| CN108062078A (zh) * | 2017-12-12 | 2018-05-22 | 绍兴市积成包装机械有限公司 | 一种基于云计算的智能燃气灶监控管理系统 |
| CN108401239A (zh) * | 2018-03-03 | 2018-08-14 | 深圳明创自控技术有限公司 | 一种基于云计算和wsn技术的燃气管网智能监测系统 |
| WO2018148732A2 (en) * | 2017-02-13 | 2018-08-16 | Griddy Holdings Llc | Methods and systems for an automated utility marketplace platform |
| CN108510100A (zh) * | 2017-03-27 | 2018-09-07 | 上海智容睿盛智能科技有限公司 | 一种基于关联规则的智能建筑的能耗优化管理实现方法 |
| CN109214720A (zh) * | 2018-11-05 | 2019-01-15 | 钟佳颖 | 一种基于家庭能耗的经济参数分析与反馈系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9196009B2 (en) * | 2009-06-22 | 2015-11-24 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
-
2019
- 2019-06-27 CN CN201910567901.1A patent/CN110276496B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103443811A (zh) * | 2011-02-14 | 2013-12-11 | 根布和明 | 能量消耗监视系统、方法以及计算机程序 |
| CN103428282A (zh) * | 2013-08-06 | 2013-12-04 | 浪潮(北京)电子信息产业有限公司 | 一种云计算数据中心的在线节能控制方法及装置 |
| CN106537429A (zh) * | 2014-05-28 | 2017-03-22 | 西门子瑞士有限公司 | 用于针对一个或多个建筑物提供优化或改进措施的系统和方法 |
| CN105868867A (zh) * | 2016-04-25 | 2016-08-17 | 常州英集动力科技有限公司 | 一种供热锅炉集群优化运行方法及系统 |
| WO2018148732A2 (en) * | 2017-02-13 | 2018-08-16 | Griddy Holdings Llc | Methods and systems for an automated utility marketplace platform |
| CN108510100A (zh) * | 2017-03-27 | 2018-09-07 | 上海智容睿盛智能科技有限公司 | 一种基于关联规则的智能建筑的能耗优化管理实现方法 |
| CN107657339A (zh) * | 2017-09-19 | 2018-02-02 | 北京许继电气有限公司 | 家庭能效管理方法和系统 |
| CN108062078A (zh) * | 2017-12-12 | 2018-05-22 | 绍兴市积成包装机械有限公司 | 一种基于云计算的智能燃气灶监控管理系统 |
| CN108401239A (zh) * | 2018-03-03 | 2018-08-14 | 深圳明创自控技术有限公司 | 一种基于云计算和wsn技术的燃气管网智能监测系统 |
| CN109214720A (zh) * | 2018-11-05 | 2019-01-15 | 钟佳颖 | 一种基于家庭能耗的经济参数分析与反馈系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110276496A (zh) | 2019-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | A systematic review of occupant behavior in building energy policy | |
| CN107223195B (zh) | 用于hvac系统的可变风量建模 | |
| Heo et al. | Scalable methodology for large scale building energy improvement: Relevance of calibration in model-based retrofit analysis | |
| Peña et al. | Rule-based system to detect energy efficiency anomalies in smart buildings, a data mining approach | |
| Lam et al. | An occupant-participatory approach for thermal comfort enhancement and energy conservation in buildings | |
| CN103413381B (zh) | 一种家庭能量管理系统及其工作方法 | |
| US20110055745A1 (en) | Adoptive monitoring and reporting of resource utilization and efficiency | |
| CN106225246A (zh) | 空气能热水器及其加热控制方法和装置 | |
| CN110736248B (zh) | 空调出风温度的控制方法和装置 | |
| CN110276496B (zh) | 基于云计算的燃气能耗数据处理方法、系统及燃气用具 | |
| CN112463773A (zh) | 数据质量确定方法及装置 | |
| JP6400834B2 (ja) | 推薦装置、推薦決定方法、およびコンピュータプログラム | |
| Brown | US building-sector energy efficiency potential | |
| CN111895583A (zh) | 空调器的控制方法及装置、空调器 | |
| Bennett et al. | Space heating operation of combination boilers in the UK: The case for addressing real-world boiler performance | |
| Bennett et al. | Effect of boiler oversizing on efficiency: a dynamic simulation study | |
| CN110454941B (zh) | 一种温度的智能控制方法、装置和空调设备 | |
| Wang et al. | Overlapping of cooking behavior in high-rise residential buildings | |
| Carbonare et al. | Design and implementation of an occupant-centered self-learning controller for decentralized residential ventilation systems | |
| CN106647578A (zh) | 家用电器的自检控制方法、装置和家用电器 | |
| CN113418304A (zh) | 热水器的控制方法、装置、设备及计算机可读存储介质 | |
| CN207623703U (zh) | 一种基于能耗管理的采暖系统 | |
| CN110486898A (zh) | 基于用户活动规律的空调控制方法、装置及空调系统 | |
| JP6706141B2 (ja) | 電力消費量用途分解装置 | |
| Bres et al. | Coupled building and system simulations for detection and diagnosis of high district heating return temperatures |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211011 Address after: 610000 Longtan Urban Industrial Development Zone, Chenghua District, Chengdu City, Sichuan Province Patentee after: SICHUAN HAILI INTELLIGENT & TECHNOLOGY Co.,Ltd. Address before: 610000 third floor, phase I plant of Qianfeng Longtan science and Technology Park, No. 1, Chengji Road, Longtan urban industrial park, Chenghua District, Chengdu, Sichuan Patentee before: CHENGDU HUIZHONG CLOUD INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |