CN110398922B - 楼宇自控系统及其配置方法、装置、设备 - Google Patents
楼宇自控系统及其配置方法、装置、设备 Download PDFInfo
- Publication number
- CN110398922B CN110398922B CN201910699459.8A CN201910699459A CN110398922B CN 110398922 B CN110398922 B CN 110398922B CN 201910699459 A CN201910699459 A CN 201910699459A CN 110398922 B CN110398922 B CN 110398922B
- Authority
- CN
- China
- Prior art keywords
- electrical equipment
- monitoring point
- virtual
- point
- monitoring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 222
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 31
- 238000012795 verification Methods 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请公开了一种楼宇自控系统及其配置方法、装置、设备。其中的方法包括：将包含监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的监控点的识别信息；将监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到监控点所属的电器设备与楼宇自控系统中的其它电器设备的物理拓扑关系；根据与物理拓扑关系对应的虚拟点的网络结构，确定监控点所属的电器设备对应的虚拟设备；根据监控点的识别信息，查找虚拟设备中与监控点对应的虚拟点，配置查找的虚拟点与对应的监控点的绑定关系以建立数据通信，从而实现了虚拟点与对应的监控点的绑定关系的自动配置，提高了调试效率和准确性。
Description
技术领域
本申请涉及楼宇自控系统技术领域，尤其涉及一种楼宇自控系统及其配置方法、装置、设备。
背景技术
现代楼宇中设置有各种电器设备，如电梯、水泵、空调等。
为方便对众多的电器设备的控制，一般，在楼宇中设置楼宇自控系统，对各电器设备进行监控。
相关技术中，一般楼宇自控系统包括上位机、控制器和电器设备，上位机可以通过控制器对电器设备的监控点进行监控。在楼宇自控系统的调试阶段，设置好上位机的控制逻辑，其中包括设置对应电器设备的虚拟点，比如，对空调的温度设置，此时，在上位机界面上进行温度设置是没有效果的，因为这个虚拟点没有与实际的电器设备的监控点绑定。上位机连接到控制器后，可以搜索到控制器对应的电器设备的监控点，由于电器设备的多样化，通常是由控制器提供商对这些监控点随意进行命名，导致此时的监控点是杂乱的，例如，“CHWP”可以推测出是冷冻水泵，“DO_0_DO”可能就无法得知该监控点是监控着什么电器设备的什么参数，需要人工阅读提供商提供的点位表，识别每个监控点的含义，对监控点进行整理后，将监控点一个一个与上位机的虚拟点进行数据连通，即绑定，如此，在上位机界面对虚拟点读写数据后，才可以对电器设备的监控点进行监控。实际应用中，监控点的数量非常多，可以达到上千甚至上万个，将如此之多的监控点与对应的虚拟点进行人工绑定配置，导致在楼宇自控系统的调试阶段，需要投入大量人力，调试效率非常低，且人工操作容易出错。
发明内容
本申请的目的是提供一种楼宇自控系统及其配置方法、装置、设备，以解决相关技术中将监控点与对应的虚拟点进行人工绑定配置导致调试效率低且容易出错的问题。
本申请的目的是通过以下技术方案实现的：
一种楼宇自控系统的配置方法，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点；所述配置方法包括：
将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的所述监控点的识别信息；
将所述监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到所述监控点所属的所述电器设备与所述楼宇自控系统中的其它所述电器设备的物理拓扑关系；
根据与所述物理拓扑关系对应的虚拟点的网络结构，确定所述监控点所属的所述电器设备对应的虚拟设备；
根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点，配置查找的所述虚拟点与对应的所述监控点的绑定关系以建立数据通信。
可选的，所述监控点的原始信息包括所述监控点的编号、访问类型、名称，所述监控点所属的所述电器设备，所述监控点所属的所述电器设备的位置。
可选的，所述将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的所述监控点的识别信息，包括：
将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型中进行语义识别；
根据所述监控点的原始信息识别出所述监控点所属的所述电器设备；
判断是否已创建识别出的所述监控点所属所述电器设备对象；
若未创建，则创建识别出的所述监控点所属所述电器设备对象；
若已创建，则将识别出的所述监控点的名称作为已创建的所述电器设备对象的一个属性添加到已创建的所述电器设备对象的信息中；
将识别出的所述监控点的原始信息中包括的且所述电器设备对象的信息中未包括的剩余信息添加到已创建的所述电器设备对象的信息中，以得到按照目标格式表达的所述监控点的识别信息。
可选的，所述根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点，包括：
获取所述虚拟设备中的虚拟点的信息；
将所述电器设备对象中的属性与获取的所述虚拟设备中的虚拟点的信息进行匹配；
若匹配一致，确定查找到所述虚拟设备中与所述监控点对应的虚拟点。
可选的，所述配置查找的所述虚拟点与对应的所述监控点的绑定关系之后，所述方法还包括：
对查找的所述虚拟点与对应的所述监控点的绑定关系进行运行验证；
若验证结果为配置错误，矫正配置错误的所述绑定关系。
可选的，所述矫正配置错误的所述绑定关系之后，所述方法还包括：
根据矫正后的绑定关系，重新训练所述物理拓扑关系推断模型。
可选的，所述将所述监控点的识别信息输入至预先训练的物理拓扑关系推断模型之前，所述方法还包括：
获取包含楼宇自控系统中各电器设备的物理拓扑关系的专家知识库，得到训练样本；
利用所述训练样本，对预先构建的深度神经网络模型进行训练，得到所述物理拓扑关系推断模型。
可选的，所述根据矫正后的绑定关系，重新训练所述物理拓扑关系推断模型，包括：
根据矫正后的绑定关系，矫正所述物理拓扑关系；
将矫正后的所述物理拓扑关系，添加到所述训练样本中，以更新所述训练样本；
根据更新后的所述训练样本，重新对所述深度神经网络模型进行训练。
一种楼宇自控系统的配置装置，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点；所述装置包括：
语义识别模块，用于将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的所述监控点的识别信息；
推断模块，用于将所述监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到所述监控点所属的所述电器设备与所述楼宇自控系统中的其它所述电器设备的物理拓扑关系；
确定模块，用于根据与所述物理拓扑关系对应的虚拟点的网络结构，确定所述监控点所属的所述电器设备对应的虚拟设备；
配置模块，用于根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点，配置查找的所述虚拟点与对应的所述监控点的绑定关系以建立数据通信。
一种楼宇自控系统的配置设备，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点，所述设备包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序；
所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如以上任一项所述的方法。
一种楼宇自控系统，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点；所述上位机为以上所述的楼宇自控系统的配置设备。
本申请采用以上技术方案，具有如下有益效果：
本申请的方案中，并非对包含监控点的原始信息的点位表进行人工阅读，配置监控点与虚拟点的绑定关系，而是可以通过语义识别模型对包含监控点的原始信息的点位表进行语义识别，并按照目标格式表达监控点的识别信息，由于一般的电器设备自身具有的特定的功能，那么，与其它电器设备之间就有特定的物理拓扑关系，将监控点的识别信息输入到预先训练好的物理拓扑关系推断模块中，可以得到监控点所属的电器设备与其它电器设备的物理拓扑关系，根据与所述物理拓扑关系对应的虚拟点的网络结构，就确定所述监控点所属的所述电器设备对应的虚拟设备，然后查找所述虚拟设备中与监控点对应的虚拟点，配置查找的所述虚拟点与对应的所述监控点的绑定关系以建立数据通信，从而实现了虚拟点与对应的监控点的绑定关系的自动配置，与上述相关技术相比，在楼宇自控系统的调试阶段，减少了人工配置，提高了调试效率和准确性。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请一个实施例提供的一种楼宇自控系统的配置方法的流程图。
图2是本申请另一个实施例提供的一种楼宇自控系统的配置装置的结构示意图。
图3是本申请实施例提供的一种楼宇自控系统的配置设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请所保护的范围。
实施例
参见图1，图1是本申请一个实施例提供的楼宇自控系统的配置方法的流程图。
如图1所示，本实施例提供一种楼宇自控系统的配置方法，楼宇自控系统包括上位机，与上位机连接的控制器，以及与控制器连接的电器设备；其中，上位机包括与电器设备对应的虚拟点，控制器包括与电器设备对应的监控点；该方法至少包括如下步骤：
步骤11、将包含监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的监控点的识别信息。
在实际工程中，楼宇自控系统中的一些电器设备的厂商，比如照明设备的厂商，在照明设备的控制器中会写好控制逻辑，控制逻辑中的监控点的信息以点位表的形式提供给楼宇自控系统的应用商。
步骤12、将监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到监控点所属的电器设备与楼宇自控系统中的其它电器设备的物理拓扑关系。
步骤13、根据与物理拓扑关系对应的虚拟点的网络结构，确定监控点所属的电器设备对应的虚拟设备。
其中，虚拟点的网络结构是体现实际应用场景中各电器设备之间的相互连接关系的网络结构，网络结构中表达实际应用场景中的电器设备的对象，称为虚拟设备，相应的，虚拟设备中包括与需要与监控点通信的虚拟点。以冷热源系统为例，相应的虚拟点的网络结构就是与实际冷热源系统中的冷水机组、冷却塔、水泵、电子蝶阀、板式换热器等等对应的虚拟设备之间的相互连接关系的网络结构，虚拟设备中包括需要与监控点通信的虚拟点。
步骤14、根据监控点的识别信息，查找虚拟设备中与监控点对应的虚拟点，配置查找的虚拟点与对应的监控点的绑定关系以建立数据通信。
本申请的方案中，并非对包含监控点的原始信息的点位表进行人工阅读，配置监控点与虚拟点的绑定关系，而是可以通过语义识别模型对包含监控点的原始信息的点位表进行语义识别，并按照目标格式表达监控点的识别信息，由于一般的电器设备自身具有的特定的功能，那么，与其它电器设备之间就有特定的物理拓扑关系，将监控点的识别信息输入到预先训练好的物理拓扑关系推断模块中，可以得到监控点所属的电器设备与其它电器设备的物理拓扑关系，根据与物理拓扑关系对应的虚拟点的网络结构，就确定监控点所属的电器设备对应的虚拟设备，然后查找虚拟设备中与监控点对应的虚拟点，配置查找的虚拟点与对应的监控点的绑定关系以建立数据通信，从而实现了虚拟点与对应的监控点的绑定关系的自动配置，与上述相关技术相比，在楼宇自控系统的调试阶段，减少了人工配置，提高了调试效率和准确性。
本申请的方案的执行主体可以是上位机，也可以是上位机内部的功能模块，等等。
一般，监控点的原始信息包括监控点的编号、访问类型、名称，监控点所属的电器设备，监控点所属的电器设备的位置。
其中，访问类型包括只读(Read，R)，或者可读可写(Write/Read，W/R)。若访问类型为只读，则只支持监控点向虚拟点的数据传输，若访问类型为可读可写，则支持监控点和虚拟点之间的双向数据传输。
其中，监控点的名称是指监控点的数据所表达的含义。
其中，监控点所属的电器设备的位置是指在建筑体中的位置。
比如，点位表中的一个监控点的原始信息为：1，4#机组冷冻出水温度设定，访问类型为W/R，所属设备为4#机组，设备位置为B1F。
一些实施例中，上述步骤11中，将包含监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的监控点的识别信息，具体实现方式可以包括：将包含监控点的原始信息的点位表，输入至预先训练的语义识别模型中进行语义识别；判断是否已创建识别出的监控点所属电器设备对象；若未创建，则创建识别出的监控点所属电器设备对象；若已创建，则将识别出的监控点的名称作为已创建的电器设备对象的一个属性添加到已创建的电器设备对象的信息中；将识别出的监控点的原始信息中包括的且电器设备对象的信息中未包括的剩余信息添加到已创建的电器设备对象的信息中，以得到按照目标格式表达的监控点的识别信息。
本实施例中，可以将监控点的识别信息以统一的格式表达出来，便于识别不同的监控点。
其中，语义识别模型是相关技术中已有的模型，此处不再赘述。
仍以上面所列举的一条监控点的原始信息为例，对以上步骤11的具体实现方式进行举例说明：
基于预先训练的语义识别模型，以对监控点的原始信息的描述进行语义推理，挖掘自然语言的描述意图，对点位表中描述的信息按照目标格式进行重组，从而获取监控点的识别信息。“1，4#机组冷冻出水温度设定，访问类型为W/R，所属设备为4#机组，设备位置为B1F”，针对这一条监控点的原始信息的描述，语义识别模型通过监控点的名称，可以识别出这个监控点是4#机组这个设备本身的一个监控参数，如果尚未创建4#机组这个设备对象，则会先创建设备对象4#机组，“4#机组冷冻出水温度设定”这个监控点的名称会作为设备对象的一个属性，监控点的剩余信息，则会成为设备对象的信息。
一些实施例中，上述步骤14中，根据监控点的识别信息，查找虚拟设备中与监控点对应的虚拟点，具体实现方式可以是：获取虚拟设备中的虚拟点的信息；将电器设备对象中的属性与获取的虚拟设备中的虚拟点的信息进行匹配；若匹配一致，确定查找到虚拟设备中与监控点对应的虚拟点。
其中，虚拟点的信息可以但不限于包括虚拟点的名称。相应的，将电器设备对象中的属性与获取的虚拟设备中的虚拟点的信息进行匹配时，具体的，可以将电器设备对象中的属性与虚拟点的名称进行匹配，若匹配一致，确定查找到虚拟设备中与监控点对应的虚拟点。假设，一个虚拟点的名称为“4#机组冷冻出水温度设定”，若电器设备对象中的属性也是“4#机组冷冻出水温度设定”，就说明二者是匹配的。由于是将监控点的名称作为电器设备对象中的属性，为了方便匹配，可以预先设置虚拟点的命名规则与识别的监控点的命名规则一致。
相应的，配置查找的虚拟点与对应的监控点的绑定关系时，具体的，可以建立监控点的原始信息与识别信息、虚拟点的信息的对应关系。
可以理解的是，建立数据通信之后，上位机可以通过虚拟点与监控点的绑定关系，从控制器获取与电器设备对应的监控点的数据，并且可以向控制器的监控点发送命令以对相应的电器设备进行控制。
为了进一步提高配置的准确性，一些实施例中，配置查找的虚拟点与对应的监控点的绑定关系之后，上述配置方法还可以包括：对查找的虚拟点与对应的监控点的绑定关系进行运行验证；若验证结果为配置错误，矫正配置错误的绑定关系。实施中，对所有的监控点依次进行验证，由人工反馈验证结果，根据验证结果，对配置的绑定关系进行修正，以保证准确性。
如前所述，一般的电器设备自身具有的特定的功能，那么，与其它电器设备之间就有特定的物理拓扑关系，将相应的物理拓扑关系采集形成专家知识库，比如，空调冷热源系统中，一般，冷却塔风机肯定连一台出水蝶阀和一台进水蝶阀，机组也是先蝶阀再连接水泵，整个系统的连接方式几乎是固定的，由此可知，上述举例的“4#机组”出水口与回水口皆与蝶阀相连。基于此，将监控点的识别信息输入至预先训练的物理拓扑关系推断模型之前，上述配置方法还可以包括：获取包含楼宇自控系统中各电器设备的物理拓扑关系的专家知识库，得到训练样本；利用训练样本，对预先构建的深度神经网络模型进行训练，得到物理拓扑关系推断模型。通过深度神经网络模型可以非常准确的推断出监控点所属的电器设备的物理拓扑关系，进而准确找到监控点对应的虚拟点。
其中，深度神经网络模型的训练过程是已有的成熟技术，具体可以参考相关技术。
为保证后续的自动配置的准确性，还可以将上述验证结果反馈到物理拓扑关系推断模型中，可选的，矫正配置错误的绑定关系之后，上述配置方法还可以包括：根据矫正后的绑定关系，重新训练物理拓扑关系推断模型。具体的：
根据矫正后的绑定关系，矫正物理拓扑关系；将矫正后的物理拓扑关系，添加到训练样本中，以更新训练样本；根据更新后的训练样本，重新对深度神经网络模型进行训练。如此，实现了深度神经网络模型的自动完善，使得后续的绑定关系更加精准。
参见图2，图2是本申请另一个实施例提供的一种楼宇自控系统的配置装置的结构示意图。
如图2所示，本实施例提供一种楼宇自控系统的配置装置，楼宇自控系统包括上位机，与上位机连接的控制器，以及与控制器连接的电器设备；其中，上位机包括与电器设备对应的虚拟点，控制器包括与电器设备对应的监控点；上述配置装置包括：
语义识别模块201，用于将包含监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的监控点的识别信息；
推断模块202，用于将监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到监控点所属的电器设备与楼宇自控系统中的其它电器设备的物理拓扑关系；
确定模块203，用于根据与物理拓扑关系对应的虚拟点的网络结构，确定监控点所属的电器设备对应的虚拟设备；
配置模块204，用于根据监控点的识别信息，查找虚拟设备中与监控点对应的虚拟点，配置查找的虚拟点与对应的监控点的绑定关系以建立数据通信。
可选的，监控点的原始信息包括监控点的编号、访问类型、名称，监控点所属的电器设备，监控点所属的电器设备的位置。
可选的，语义识别模块，具体用于：
将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型中进行语义识别；
判断是否已创建识别出的监控点所属电器设备对象；
若未创建，则创建识别出的监控点所属电器设备对象；
若已创建，则将识别出的监控点的名称作为已创建的电器设备对象的一个属性添加到已创建的电器设备对象的信息中；
将识别出的监控点的原始信息中包括的且电器设备对象的信息中未包括的剩余信息添加到已创建的电器设备对象的信息中，以得到按照目标格式表达的监控点的识别信息。
可选的，所述根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点时，配置模块具体用于：
获取所述虚拟设备中的虚拟点的信息；
将所述监控点的识别信息与获取的所述虚拟设备中的虚拟点的信息进行匹配；
若匹配一致，确定查找到所述虚拟设备中与所述监控点对应的虚拟点。
可选的，上述装置还包括运行验证模块，运行验证模块用于配置查找的虚拟点与对应的监控点的绑定关系之后，对查找的虚拟点与对应的监控点的绑定关系进行运行验证；若验证结果为配置错误，矫正配置错误的绑定关系。
可选的，上述装置还包括训练模块，训练模块用于矫正配置错误的绑定关系之后，根据矫正后的绑定关系，重新训练物理拓扑关系推断模型。
可选的，训练模块，还用于：
将监控点的识别信息输入至预先训练的物理拓扑关系推断模型之前，获取包含楼宇自控系统中各电器设备的物理拓扑关系的专家知识库，得到训练样本；利用训练样本，对预先构建的深度神经网络模型进行训练，得到物理拓扑关系推断模型。
可选的，根据矫正后的绑定关系，重新训练物理拓扑关系推断模型时，训练模块，具体用于：
根据矫正后的绑定关系，矫正物理拓扑关系；
将矫正后的物理拓扑关系，添加到训练样本中，以更新训练样本；
根据更新后的训练样本，重新对深度神经网络模型进行训练。
本申请实施例提供的楼宇自控系统的配置装置的具体实施方案可以参考以上任意例的楼宇自控系统的配置方法的实施方式，此处不再赘述。
参见图3，图3是本申请另一个实施例提供的一种楼宇自控系统的配置设备的结构示意图。
如图3所示，本实施例提供一种楼宇自控系统的配置设备，楼宇自控系统包括上位机，与上位机连接的控制器，以及与控制器连接的电器设备；其中，上位机包括与电器设备对应的虚拟点，控制器包括与电器设备对应的监控点，上述配置设备包括：
处理器301，以及与处理器301相连接的存储器302；
存储器302用于存储计算机程序；
处理器301用于调用并执行存储器中的计算机程序，以执行如以上任意实施例的配置方法。
本申请实施例提供的楼宇自控系统的配置设备的具体实施方案可以参考以上任意例的楼宇自控系统的配置方法的实施方式，此处不再赘述。
本申请另一个实施例还提供一种楼宇自控系统，楼宇自控系统包括上位机，与上位机连接的控制器，以及与控制器连接的电器设备；其中，上位机包括与电器设备对应的虚拟点，控制器包括与电器设备对应的监控点；上位机为以上任意实施例的楼宇自控系统的配置设备。
本申请实施例提供的楼宇自控系统的具体实施方案可以参考以上任意例的楼宇自控系统的配置方法的实施方式，此处不再赘述。
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，在本申请的描述中，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，在本申请的描述中，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，并且本申请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，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请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，在本申请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申请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申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种楼宇自控系统的配置方法，其特征在于，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点；所述配置方法包括：
将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的所述监控点的识别信息；
将所述监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到所述监控点所属的所述电器设备与所述楼宇自控系统中的其它所述电器设备的物理拓扑关系；
根据与所述物理拓扑关系对应的虚拟点的网络结构，确定所述监控点所属的所述电器设备对应的虚拟设备；
根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点，配置查找的所述虚拟点与对应的所述监控点的绑定关系以建立数据通信；
所述监控点的原始信息包括所述监控点的编号、访问类型、名称，所述监控点所属的所述电器设备，所述监控点所属的所述电器设备的位置；
所述将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的所述监控点的识别信息，包括：
将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型中进行语义识别；
判断是否已创建识别出的所述监控点所属所述电器设备对象；
若未创建，则创建识别出的所述监控点所属所述电器设备对象；
若已创建，则将识别出的所述监控点的名称作为已创建的所述电器设备对象的一个属性添加到已创建的所述电器设备对象的信息中；
将识别出的所述监控点的原始信息中包括的且所述电器设备对象的信息中未包括的剩余信息添加到已创建的所述电器设备对象的信息中，以得到按照目标格式表达的所述监控点的识别信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点，包括：
获取所述虚拟设备中的虚拟点的信息；
将所述电器设备对象中的属性与获取的所述虚拟设备中的虚拟点的信息进行匹配；
若匹配一致，确定查找到所述虚拟设备中与所述监控点对应的虚拟点。
3.根据权利要求1所述的方法，其特征在于，所述配置查找的所述虚拟点与对应的所述监控点的绑定关系之后，所述配置方法还包括：
对查找的所述虚拟点与对应的所述监控点的绑定关系进行运行验证；
若验证结果为配置错误，矫正配置错误的所述绑定关系。
4.根据权利要求3所述的方法，其特征在于，所述矫正配置错误的所述绑定关系之后，所述方法还包括：
根据矫正后的绑定关系，重新训练所述物理拓扑关系推断模型。
5.根据权利要求4所述的方法，其特征在于，所述将所述监控点的识别信息输入至预先训练的物理拓扑关系推断模型之前，所述配置方法还包括：
获取包含楼宇自控系统中各电器设备的物理拓扑关系的专家知识库，得到训练样本；
利用所述训练样本，对预先构建的深度神经网络模型进行训练，得到所述物理拓扑关系推断模型。
6.根据权利要求5所述的方法，其特征在于，所述根据矫正后的绑定关系，重新训练所述物理拓扑关系推断模型，包括：
根据矫正后的绑定关系，矫正所述物理拓扑关系；
将矫正后的所述物理拓扑关系，添加到所述训练样本中，以更新所述训练样本；
根据更新后的所述训练样本，重新对所述深度神经网络模型进行训练。
7.一种楼宇自控系统的配置装置，其特征在于，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点；所述配置装置包括：
语义识别模块，用于将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型，得到按照目标格式表达的所述监控点的识别信息；
推断模块，用于将所述监控点的识别信息输入至预先训练的物理拓扑关系推断模型，得到所述监控点所属的所述电器设备与所述楼宇自控系统中的其它所述电器设备的物理拓扑关系；
确定模块，用于根据与所述物理拓扑关系对应的虚拟点的网络结构，确定所述监控点所属的所述电器设备对应的虚拟设备；
配置模块，用于根据所述监控点的识别信息，查找所述虚拟设备中与所述监控点对应的虚拟点，配置查找的所述虚拟点与对应的所述监控点的绑定关系以建立数据通信；
所述监控点的原始信息包括所述监控点的编号、访问类型、名称，所述监控点所属的电器设备，所述监控点所属的电器设备的位置；
所述语义识别模块，具体用于：
将包含所述监控点的原始信息的点位表，输入至预先训练的语义识别模型中进行语义识别；
判断是否已创建识别出的监控点所属电器设备对象；
若未创建，则创建识别出的监控点所属电器设备对象；
若已创建，则将识别出的所述监控点的名称作为已创建的所述电器设备对象的一个属性添加到已创建的电所述器设备对象的信息中；
将识别出的所述监控点的原始信息中包括的且所述电器设备对象的信息中未包括的剩余信息添加到已创建的所述电器设备对象的信息中，以得到按照目标格式表达的所述监控点的识别信息。
8.一种楼宇自控系统的配置设备，其特征在于，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点，所述配置设备包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序；
所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如权利要求1-6任一项所述的配置方法。
9.一种楼宇自控系统，其特征在于，所述楼宇自控系统包括上位机，与所述上位机连接的控制器，以及与所述控制器连接的电器设备；其中，所述上位机包括与所述电器设备对应的虚拟点，所述控制器包括与所述电器设备对应的监控点；所述上位机为权利要求8所述的楼宇自控系统的配置设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910699459.8A CN110398922B (zh) | 2019-07-31 | 2019-07-31 | 楼宇自控系统及其配置方法、装置、设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910699459.8A CN110398922B (zh) | 2019-07-31 | 2019-07-31 | 楼宇自控系统及其配置方法、装置、设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110398922A CN110398922A (zh) | 2019-11-01 |
| CN110398922B true CN110398922B (zh) | 2021-02-19 |
Family
ID=68326868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910699459.8A Active CN110398922B (zh) | 2019-07-31 | 2019-07-31 | 楼宇自控系统及其配置方法、装置、设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110398922B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114201499B (zh) * | 2022-02-18 | 2022-05-24 | 树根互联股份有限公司 | 一种数据上传方法、装置及计算机设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104808615B (zh) * | 2015-03-03 | 2017-06-06 | 国家电网公司 | 一种电力设备监控信息表自动生成的方法 |
| CN105809260A (zh) * | 2016-05-12 | 2016-07-27 | 国网辽宁省电力有限公司鞍山供电公司 | 一种调度自动化系统监控信息点表智能生成方法 |
| CN107450434B (zh) * | 2017-08-16 | 2021-02-19 | 山东建筑大学 | 一种基于二级网络的楼宇自控系统及方法 |
| CN109766586B (zh) * | 2018-12-14 | 2023-10-10 | 中国电力科学研究院有限公司 | 一种自动生成大规模电网电磁暂态仿真模型的方法及系统 |
| CN109768623B (zh) * | 2019-02-02 | 2020-03-31 | 鼎信信息科技有限责任公司 | 电力系统的监控方法、装置、计算机设备和存储介质 |
-
2019
- 2019-07-31 CN CN201910699459.8A patent/CN110398922B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110398922A (zh) | 2019-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11025498B2 (en) | Device model to thing model mapping | |
| CN111880430A (zh) | 智能家居设备的控制方法及设备 | |
| WO2021082478A1 (zh) | 空调系统能耗预测方法及装置 | |
| CN114279042B (zh) | 一种基于多智能体深度强化学习的中央空调控制方法 | |
| CN106403188A (zh) | 一种空调维护方法及其维护装置 | |
| CN113901162A (zh) | 基于城市管理的无人机环境监测方法、系统及云平台 | |
| CN114205427A (zh) | 用于协议对接调试的方法、装置和存储介质 | |
| CN115437336A (zh) | 测试用例的测试方法及装置、电子设备和存储介质 | |
| CN110398922B (zh) | 楼宇自控系统及其配置方法、装置、设备 | |
| CN110795304B (zh) | 分布式存储系统性能测试的方法及装置 | |
| CN114019921A (zh) | 基于组合模型的生产线设备控制方法、装置、设备及介质 | |
| US7475164B2 (en) | Apparatus, system, and method for automated device configuration and testing | |
| CN108006925A (zh) | 空调应力测试方法、计算机装置、计算机可读存储介质 | |
| CN110297756B (zh) | 基于逻辑仿真模型的智能测试系统 | |
| CN116088325A (zh) | 一种基于数字孪生的家居设备控制方法、装置及存储介质 | |
| CN115164378B (zh) | 基于数字孪生的新风机组调控方法及相关装置 | |
| EP3575894A1 (en) | Rule-based modeling for building control systems | |
| CN113641163B (zh) | 环控设备的自组态方法、系统、计算机设备及存储介质 | |
| US20230418248A1 (en) | Infrastructure Management System | |
| CN103677184B (zh) | 面向虚拟机的cpu温度预测方法及装置 | |
| CN106052046B (zh) | 一种中央空调冷站自动控制系统 | |
| CN112818012A (zh) | 设备数据匹配方法、装置、设备及存储介质 | |
| CN114861773A (zh) | 模型训练可视化方法、装置以及云平台 | |
| CN114117778A (zh) | 控制参数确定方法、装置、电子设备和存储介质 | |
| CN114484773A (zh) | 空调机组及其设备映射关系更新方法和更新装置 |
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 |