CN110823291A - 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统 - Google Patents

基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统 Download PDF

Info

Publication number
CN110823291A
CN110823291A CN201911182692.5A CN201911182692A CN110823291A CN 110823291 A CN110823291 A CN 110823291A CN 201911182692 A CN201911182692 A CN 201911182692A CN 110823291 A CN110823291 A CN 110823291A
Authority
CN
China
Prior art keywords
humidity
temperature
module
data
indoor temperature
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
CN201911182692.5A
Other languages
English (en)
Inventor
庞丹丹
江永清
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.)
Shandong Jianzhu University
Original Assignee
Shandong Jianzhu 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 Shandong Jianzhu University filed Critical Shandong Jianzhu University
Priority to CN201911182692.5A priority Critical patent/CN110823291A/zh
Publication of CN110823291A publication Critical patent/CN110823291A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link

Abstract

本发明公开了一种基于K‑means聚类算法的建筑物室内温湿度环境监测方法与系统。该方法包括采集室内温湿度信息并进行传输；对采集到的室内温湿度信息通过K‑means聚类算法进行聚类，得到多个聚类结果；对多个聚类结果赋予各自的操作指令，将采集到新的温湿度信息与聚类结果进行相似度比较，从而得到决策结果；执行决策结果，调节室内温湿度。本发明能够根据采集到的温湿度数据对建筑物内部的温度和湿度进行智能化的调整，使建筑物内部的温湿度环境参数维持在科学的范围内，解决了传统的建筑物温湿度监测系统中电路布线复杂，安全可靠性低，维护成本高等问题，具备了传统的建筑物温湿度监测管理无法媲美的优势。

Description

基于K-means聚类算法的建筑物室内温湿度环境监测方法与 系统
技术领域
本发明涉及环境温湿度监测技术领域，具体涉及一种基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统。
背景技术
目前情况下，建筑物室内温湿度环境监测系统主要还是以有线方式为主，比如利用CAN来传送数据信息的温湿度监测系统或者是集中式计算机控制技术和现场总线技术的温湿度监测系统，这些方法存在很多的问题：比如现场需要布置许多的电路电线，这样就会出现线路凌乱的情况导致电路电线容易出现安全问题；还有后期的维护修理需要很多的人力和很高的成本，并且这些技术收集数据的地点相对比较固定，不能很好地解决温湿度监测系统中的许多实际问题。
在物联网及人工智能的高速发展的今天，科学技术改变着人们的生活，在这种趋势下环境监测也需随之发展。但是目前，我国环境监测系统的研究进程比较迟缓，环境监测设备和技术相对于发达国家还是比较落后，还没有达到监测人工化、智能化的水平。
发明内容
为克服现有技术中的不足，本发明的目的在于提供的一种基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统。
为实现上述目的，本发明采用下述技术方案：
本发明提供了一种基于K-means聚类算法的建筑物室内温湿度环境监测方法，包括：
采集室内温湿度信息并进行传输；
对采集到的室内温湿度信息通过K-means聚类算法进行聚类，得到多个聚类结果，其中将数据分为训练集和测试集；
对多个聚类结果赋予各自的操作指令，将采集到新的温湿度信息与聚类结果进行相似度比较，从而得到决策结果；
执行决策结果，调节室内温湿度。
优选的，所述采集室内温湿度信息是通过采集室内多个不同位置的湿温度信息。
优选的，所述室内温湿度信息通过Zigbee协议进行无线通信。
优选的，所述中K-means聚类算法的步骤：
(1)随机生成k个聚类中心；
(2)根据聚类中心点，将数据分为k类，分类的原则是数据离哪个中心点近就将它分为哪一类别；
(3)再根据分好的类别的数据，重新计算聚类的类别中心点；
(4)不断重复步骤2和步骤3，直到中心点不再变化。
优选的，所述聚类结果为5个，其中温度超过标准值为聚类I，温度低于标准值为聚类II，湿度高于标准值为聚类III，湿度低于标准值为聚类VI，其余温湿度信息归为正常情况，为聚类V。
优选的，所述五个聚类结果赋予各自的操作指令分别为：赋予聚类I开启空调制冷的操作指令，赋予聚类II开启空调制热的操作指令，赋予聚类III开启除湿器并且关闭加湿器的操作指令，赋予聚类VI开启加湿器并且关闭除湿器的操作指令，聚类V为正常情况，被赋予关闭空调、加湿器、除湿器的操作指令。
本发明还提供一种基于K-means聚类算法的建筑物室内温湿度环境监测系统，包括：
数据采集模块，用于该采集室内温湿度信息；
数据处理中心模块，包括数据处理模块和决策模块，其中数据处理模块，对采集到的室内温湿度信息进行K-means聚类算法进行训练，得到多个聚类结果，其中将数据分为训练集和测试集；决策模块，对多个聚类结果赋予各自的操作指令，将采集到新的温湿度信息与聚类结果进行相似度比较，从而得到决策结果；
执行模块，执行决策结果，调节室内温湿度。
优选的，所述数据采集模块包括：
温湿度传感器模块，其包括温湿度传感器和芯片，温湿度传感器用于采集温湿度数据信息，芯片用于接收和处理传感模块采集的温湿度数据信息，并将温湿度数据信息发送给协调器模块；
协调器模块，用于建立一个内部网络、发送数据处理模块的命令和接收温湿度传感器模块的数据，再及时的将协调器下所接收的信息数据发送到数据处理模块；
ZigBee无线通信模块，用于实现温湿度传感器模块、协调器模块以及数据处理模块之间温湿度数据信息的通信；
能量提供模块，用于对温湿度传感模块、协调器模块、Zigbee无线通信模块进行供电。
优选的，所述数据处理中心模块还包括：
显示模块，用于显示温湿度数值，并记录历史数值，根据实时温湿度的数值绘制折线图，同时可以显示数据处理情况、执行模块的状态。
优选的，所述执行模块包括：空调、加湿器和降湿器。
由于采用上述技术方案，本发明构建出了一个数据化、网络化、智能化的温湿度监测系统，其有益效果是：
能够及时地对建筑物的温湿度等环境参数进行远程的监测。并且通过登陆账户名字和密码具备身份识别认证功能；能够支持建筑物内温湿度等数据监测；设计数据监测管理界面，具备实时数据显示、历史数据显示等功能；并且能够根据采集到的温湿度数据对建筑物内部的温度和湿度进行智能化的调整，使建筑物内部的温湿度环境参数维持在科学的范围内，解决了传统的建筑物温湿度监测系统中电路布线复杂，安全可靠性低，维护成本高等问题，具备了传统的建筑物温湿度监测管理无法媲美的优势。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本实施例基于K-means聚类算法的建筑物室内温湿度环境监测方法的流程图；
图2是本实施例数据接收及温湿度显示界面；
图3是本实施例温湿度曲线显示界面；
图4是本实施例聚类过程示意图；
图5是本实施例聚类个数评估图；
图6是本实施例聚类结果图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1的总体设计方案原理图所示，本实施例提供了一种基于ZigBee和K-means聚类算法的建筑物室内温湿度环境监测方法及系统
基于ZigBee和K-means聚类算法的建筑物室内温湿度环境监测系统主要分为3个部分：第一部分为数据采集模块具体为温湿度传感模块、协调器模块、ZigBee无线通信模块、能量提供模块、第二部分为智能终端数据处理中心模块具体为显示与控制模块、数据处理模块、决策模块，第三部分为执行模块、其中，
温湿度传感模块包括温湿度传感器和CC2530芯片，其中温湿度传感器采用复合传感器DHT11，通过其内部的电阻湿度元件和NTC温度测量元件以及微处理器，采集温湿度数据信息。CC2530芯片即为带有Flash的256KB CC2530芯片，用于接收传感模块采集的温湿度数据信息，并将温湿度数据信息发送给协调器模块；用于处理温湿度传感模块采集的温湿度数据信息，并将温湿度数据信息发送给协调器模块；
协调器模块是无线局域网的核心设备，协调器主要负责建立一个内部网络、发送智能终端的命令和接收终端设备节点的数据，再及时的将协调器下所接收的信息数据发送到智能终端(即智能终端数据处理中心模块)；
Zigbee无线通信模块，用于实现各个模块以及智能终端之间温湿度数据信息的通信；
能量提供模块，用于对温湿度传感模块、协调器模块、CC2530芯片以及Zigbee无线通信模块进行供电。
智能终端用于接收Zigbee无线通信模块发送的温湿度数据信息；其中显示模块用于显示温湿度数值，并记录历史数值，根据实时温湿度的数值绘制折线图，同时可以显示数据处理情况、执行模块的状态。数据处理模块，运用机器学习中的K-means聚类算法将采集到的温湿度数据进行聚类。
决策模块，将数据处理模块中的聚类结果赋予具体操作指令。
执行模块，根据决策模块中的具体操作指令来执行命令。具体的执行模块为空调、加湿器和降湿器，当决策模块赋予具体的聚类操作指令之后，空调和加湿器、降湿器通过具体的操作指令来运行或关闭以达到减少或增加温湿度的目的。
从总体方案来说，本系统由多个ZigBee温湿度传感终端节点和一个ZigBee协调器节点组成。具体的ZigBee协调器节点是网络中的第一个设备，是整个ZigBee网络的中心，主要负责建立一个内部网络，其他任何节点都需要在协调器申请好PAN ID以后，根据这个PANID向协调器提出加入局域网的申请，经协调器分配网络地址后才能加入局域网。协调器搭建好一个ZigBee无线网络以后，传感器节点就可以加入这个网络来与协调器进行通信。传感器节点作为一个终端节点，用来实现对温湿度信息数据的采集和控制，它必须借助ZigBee网络中的协调器或路由器与网络连接，发送经CC2530芯片处理过后的温湿度传感器采集的温湿度数据信息。
硬件通信成功以及硬件设备成功组建ZigBee协议下的无线局域网之后，在此前提下进行软件开发。根据功能的差别，系统在显示模块上主要分为3个部分：接收传感器回传的实时温湿度信息；智能终端界面显示温湿度数值，并记录历史数值；根据实时温湿度的数值绘制折线图。
在本发明中，温湿度传感终端节点、协调器节点与智能终端之间使用ZigBee协议进行通信，具体通信步骤如下：
1.智能终端向协调器节点发送指令，使协调器向传感器发出指令，传感器收到了回传网络地址的指令，并得到协调器的确认。
智能终端发送的指令格式：FE 0D 29 00 02 00 00 01 01MAC地址校验；
DHT11的MAC地址是00 12 4B 00 02 60E2 61通过Packet Sniffer软件查询；
通过发送这条指令使传感器向协调器回传自己的网络地址，协调器收到以后向智能终端发送一条指令，这条指令中的倒数第二、三位是传感器节点的网络地址。
协调器回传给智能终端的命令格式：FE 01 69 00(正确接收)00(协调器成功发送命令)校验；
传感器节点回传给智能终端的命令格式：FE 0E 69 80 00 00 01 01 00 12 4B00 02 60 E2 61(8F 02为网络地址)D2；
2.智能终端根据传感器回传的网络地址，再次向协调器发送指令，要求传感器节点回传自己的数据。
智能终端发送数据的格式：FE 08(29 00表示上位机发送)02网络地址00 02 0201 05校验；
智能终端发送数据：FE 08 29 00 02 8F 02 00 02 02 01 05 CE；
要求传感器节点上报数据，并且上报的时间间隔为5秒；
FE 08 69 80 8F 02 00 03(命令id，表示主动上报传感器值)02 02(光敏传感器的参数标识)1C 1E(温度、湿度数据信息)6D(检验位)DHT传感器节点采集了室内温湿度信息，经传感器节点A/D转换后，采用ZigBee协议将原始数据传导至协调器节点，协调器节点将它传导至智能终端。
智能终端数据处理中心模块具体为显示与控制模块、数据处理模块、决策模块。其中显示与控制模块采用Qt软件平台设计，应用QtSerialPort模块，为硬件和虚拟的串口提供统一的接口，大大缩短开发串口相关的应用程序的周期。
显示模块主要包括两组显示界面：图2为数据接收及温湿度显示界面，包括左侧的串口设置工具栏，中间的串口接收、发送文本框，右侧的实时温湿度展示框，历史记录显示框。
图3为温湿度曲线显示界面，主要包括左侧的串口设置工具栏，其余部分为温湿度曲线展示区域。
数据处理模块采用K-means聚类算法(K-means算法是一种聚类算法，所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇)对温湿度数据进行聚类分析。
K-means聚类算法的步骤：
(1)随机生成k个聚类中心；
(2)根据聚类中心点，将数据分为k类，分类的原则是数据离哪个中心点近就将它分为哪一类别；
(3)再根据分好的类别的数据，重新计算聚类的类别中心点；
(4)不断重复步骤2和步骤3，直到中心点不再变化。如图4所示。
显然，在算法生效之前，必须先确定聚类的数量。合理的确定K值对于聚类效果的好坏有很大的影响。
K-means聚类算法的具体步骤如下：
1.模型聚类个数选择：
对于非监督学习，训练数据是没有标注变量的，不知道数据应该被分为几类。K-means算法首先是随机产生几个聚类中心点，如果聚类中心点多了，会造成过拟合；如果聚类中心点少了，会造成欠拟合，所以聚类中心点是很关键的，在这里使用误差平方的变化和来评价模型预测结果。
由图5可以看出当聚类个数小于真实值时，误差平方和会下降的很快；当聚类个数超过真实值时，误差平方和虽然会继续下降，但是下降的速度会缓减，而这个转折点就是最佳的聚类个数了。根据本发明的实际情况，选择5个聚类中心；实现数据的高湿度，高温度，低湿度，低温度，以及正常温湿度情况聚类。
2.数据分配：
考虑欧式距离的数据，使用误差平方和(Sum of the Squared Error,SSE)作为聚类的目标函数。
每个质心定义一个集群，在此步骤中，基于平方欧氏距离将每个数据点分配到其最近的质心。其中ci属于质心集合C，然后每个数据点x基于下面的公式被分配到一个集群中。
Figure BDA0002291690350000071
其中dist是标准(L2)欧氏距离。
式中i是指第几个聚类，比如c1代表第一个聚类，x是指数据点，k是指聚类总数，本发明所用聚类个数为5个。
3.质心更新：
在此步骤中，让指向第i个集群质心的数据点集合定为Si。重新计算质心。这是通过获取分配给该质心集群的所有数据点的平均值来完成的，公式如下：
Figure BDA0002291690350000072
K-means算法在步骤1和步骤2之间迭代，直到满足停止条件：没有数据点改变集群，距离的总和最小化。
4.训练算法：
温湿度传感模块采集到的部分温湿度数据信息如表1所示，根据采集到的温湿度数据信息来进行算法的训练，其中将数据的75％作为训练集，25％作为测试集；
表1温湿度数据样本采集表
Figure BDA0002291690350000073
算法训练完成之后，会得到五个聚类结果，如图6所示：
其中温度超过24℃为高温用红色聚类表示，温度低于19℃为低温用黑色聚类表示，湿度高于50％为高湿度用蓝色聚类表示，湿度低于40％为低湿度用绿色聚类表示，其余的温湿度信息归为正常情况用紫色聚类表示。
具体的，在算法训练和测试完之后，当温湿度传感模块采集到新的温湿度信息之后，与5个聚类进行相似度比较，之后通过决策模块和执行模块采取具体的措施，以达到调节温湿度的目的。
数据处理模块处理完数据之后，决策模块将五个聚类结果赋予各自的操作指令，具体的赋予红色聚类开启空调制冷的操作指令，赋予黑色聚类开启空调制热的操作指令，赋予蓝色聚类开启除湿器并且关闭加湿器的操作指令，赋予绿色聚类开启加湿器并且关闭除湿器的操作指令，紫色聚类为正常情况，被赋予关闭空调、加湿器、除湿器的操作指令。
本发明中的执行模块为空调和除湿器、加湿器，其中空调用来调节建筑物内温度，加湿器和除湿器用来调节建筑物内湿度，以使室内温湿度达到科学、舒适的范围。
有利地，本发明还包括温湿度异常报警模块，同一时刻多个温湿度传感器模块分别采集到温湿度信息，分别与5个聚类进行相似度比较，当一个或多个温湿度传感器模块采集到的信息与其它温湿度传感器模块采集到的温湿度信息所得到决策结果不同时，表示出现异常。可以通过显示与控制模块显示。比如当其它温湿度传感器模块所采集的信息与正常情况的紫色聚类相似，而一个温湿度传感器模块(如门口)处于其它聚类时，表示该温湿度传感器模块位置处异常(比如门处于打开状态)。
本实施例的基于ZigBee和K-means聚类算法的建筑物室内温湿度监控系统充分利用了ZigBee节点功耗小、成本低、安装简单、网络容量大、时延短等特点，能够及时地对建筑物室内温湿度等环境参数进行远程的监控，采用Qt平台实现用户界面的设计与开发，显示温湿度数值，并记录历史数值，根据实时温湿度的数值绘制折线图；利用智能算法实现了建筑物室内温湿度情况调节的智能化，能够根据温湿度的变化采取具体的措施。
相比之前传统的有线设备该装置采用的无线通信技术安装灵活，安全可靠性高，维护成本低；能够及时地对建筑物区域内温湿度等环境参数进行远程的监测。并且通过智能终端可显示温湿度数值，记录历史数值，根据实时温湿度的数值绘制折线图，数据直观且方便整理和统计；从温湿度采集、数据处理到执行模块等几个方面实现了建筑物室内温湿度监测系统的智能化，可以根据具体的温湿度情况采取具体的措施，整个过程无需人工操作，将建筑物室内温湿度环境参数控制在科学的范围内，实现了建筑物室内温湿度监测系统的智能化。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种基于K-means聚类算法的建筑物室内温湿度环境监测方法，其特征在于，包括：
采集室内温湿度信息并进行传输；
对采集到的室内温湿度信息通过K-means聚类算法进行聚类，得到多个聚类结果，其中将数据分为训练集和测试集；
对多个聚类结果赋予各自的操作指令，将采集到新的温湿度信息与聚类结果进行相似度比较，从而得到决策结果；
执行决策结果，调节室内温湿度。
2.根据权利要求1所述的基于K-means聚类算法的建筑物室内温湿度环境监测方法，其特征在于，所述采集室内温湿度信息是通过采集室内多个不同位置的湿温度信息。
3.根据权利要求1所述的基于K-means聚类算法的建筑物室内温湿度环境监测方法，其特征在于，所述室内温湿度信息通过Zigbee协议进行无线通信。
4.根据权利要求1所述的基于K-means聚类算法的建筑物室内温湿度环境监测方法，其特征在于，所述中K-means聚类算法的步骤：
(1)随机生成k个聚类中心；
(2)根据聚类中心点，将数据分为k类，分类的原则是数据离哪个中心点近就将它分为哪一类别；
(3)再根据分好的类别的数据，重新计算聚类的类别中心点；
(4)不断重复步骤2和步骤3，直到中心点不再变化。
5.根据权利要求1所述的基于K-means聚类算法的建筑物室内温湿度环境监测方法，其特征在于，所述聚类结果为5个，其中温度超过标准值为聚类I，温度低于标准值为聚类II，湿度高于标准值为聚类III，湿度低于标准值为聚类VI，其余温湿度信息归为正常情况，为聚类V。
6.根据权利要求5所述的基于K-means聚类算法的建筑物室内温湿度环境监测方法，其特征在于，所述五个聚类结果赋予各自的操作指令分别为：赋予聚类I开启空调制冷的操作指令，赋予聚类II开启空调制热的操作指令，赋予聚类III开启除湿器并且关闭加湿器的操作指令，赋予聚类VI开启加湿器并且关闭除湿器的操作指令，聚类V为正常情况，被赋予关闭空调、加湿器、除湿器的操作指令。
7.一种基于K-means聚类算法的建筑物室内温湿度环境监测系统，其特征在于，包括：
数据采集模块，用于该采集室内温湿度信息；
数据处理中心模块，包括数据处理模块和决策模块，其中数据处理模块，对采集到的室内温湿度信息进行K-means聚类算法进行训练，得到多个聚类结果，其中将数据分为训练集和测试集；决策模块，对多个聚类结果赋予各自的操作指令，将采集到新的温湿度信息与聚类结果进行相似度比较，从而得到决策结果；
执行模块，执行决策结果，调节室内温湿度。
8.根据权利要求7所述的基于K-means聚类算法的建筑物室内温湿度环境监测系统，其特征在于，所述数据采集模块包括：
温湿度传感器模块，其包括温湿度传感器和芯片，温湿度传感器用于采集温湿度数据信息，芯片用于接收和处理传感模块采集的温湿度数据信息，并将温湿度数据信息发送给协调器模块；
协调器模块，用于建立一个内部网络、发送数据处理模块的命令和接收温湿度传感器模块的数据，再及时的将协调器下所接收的信息数据发送到数据处理模块；
ZigBee无线通信模块，用于实现温湿度传感器模块、协调器模块以及数据处理模块之间温湿度数据信息的通信；
能量提供模块，用于对温湿度传感模块、协调器模块、Zigbee无线通信模块进行供电。
9.根据权利要求7所述的基于K-means聚类算法的建筑物室内温湿度环境监测系统，其特征在于，所述数据处理中心模块还包括：
显示模块，用于显示温湿度数值，并记录历史数值，根据实时温湿度的数值绘制折线图，同时可以显示数据处理情况、执行模块的状态。
10.根据权利要求7所述的基于K-means聚类算法的建筑物室内温湿度环境监测系统，其特征在于，所述执行模块包括：空调、加湿器和降湿器。
CN201911182692.5A 2019-11-27 2019-11-27 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统 Pending CN110823291A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911182692.5A CN110823291A (zh) 2019-11-27 2019-11-27 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911182692.5A CN110823291A (zh) 2019-11-27 2019-11-27 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统

Publications (1)

Publication Number Publication Date
CN110823291A true CN110823291A (zh) 2020-02-21

Family

ID=69560020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911182692.5A Pending CN110823291A (zh) 2019-11-27 2019-11-27 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统

Country Status (1)

Country Link
CN (1) CN110823291A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111322716A (zh) * 2020-02-24 2020-06-23 青岛海尔工业智能研究院有限公司 空调温度自动设置方法、空调、设备及存储介质
CN112212980A (zh) * 2020-09-29 2021-01-12 中电工业互联网有限公司 一种抗外界环境温度干扰的人体温度检测方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1100797A (zh) * 1994-05-24 1995-03-29 杨炳儒 智能化家用空调器的控制装置及控制方法
WO2006002465A1 (en) * 2004-07-02 2006-01-12 Health Communication Network Limited Method, apparatus, system and computer program product for cluster detection
CN103605385A (zh) * 2013-09-30 2014-02-26 中国农业大学 一种用于日光温室的co2气肥精细调控方法与装置
CN103633351A (zh) * 2013-11-15 2014-03-12 中国科学院电工研究所 一种燃料电池温度控制策略的制定方法
CN103699771A (zh) * 2013-09-27 2014-04-02 广东工业大学 一种冷负荷预测的情景-聚类方法
CN205384460U (zh) * 2016-01-29 2016-07-13 长春理工大学 大数据分析智能家居系统
JP5965764B2 (ja) * 2012-07-25 2016-08-10 日本放送協会 映像領域分割装置及び映像領域分割プログラム
CN106203743A (zh) * 2016-07-15 2016-12-07 山东建筑大学 一种基于改进的ihcmac神经网络的光伏发电功率预测方法
CN106384300A (zh) * 2016-09-27 2017-02-08 山东建筑大学 基于大数据和模糊模型的建筑异常用能检测方法及系统
CN109144152A (zh) * 2018-11-09 2019-01-04 四川坤翔科技有限公司 一种室内环境监测调节系统
CN109407537A (zh) * 2018-12-18 2019-03-01 深圳国美云智科技有限公司 一种空气类智能设备的控制装置、方法和智能家居系统
CN109460873A (zh) * 2018-11-14 2019-03-12 北京未来科学城科技发展有限公司 空调系统运行优化方法和装置
CN109686050A (zh) * 2019-01-18 2019-04-26 桂林电子科技大学 基于云服务与深度神经网络的车内环境监测预警方法
CN110044406A (zh) * 2018-01-17 2019-07-23 中国农业机械化科学研究院 一种基于气体多传感阵列的棉垛火情监测系统与方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1100797A (zh) * 1994-05-24 1995-03-29 杨炳儒 智能化家用空调器的控制装置及控制方法
WO2006002465A1 (en) * 2004-07-02 2006-01-12 Health Communication Network Limited Method, apparatus, system and computer program product for cluster detection
JP5965764B2 (ja) * 2012-07-25 2016-08-10 日本放送協会 映像領域分割装置及び映像領域分割プログラム
CN103699771A (zh) * 2013-09-27 2014-04-02 广东工业大学 一种冷负荷预测的情景-聚类方法
CN103605385A (zh) * 2013-09-30 2014-02-26 中国农业大学 一种用于日光温室的co2气肥精细调控方法与装置
CN103633351A (zh) * 2013-11-15 2014-03-12 中国科学院电工研究所 一种燃料电池温度控制策略的制定方法
CN205384460U (zh) * 2016-01-29 2016-07-13 长春理工大学 大数据分析智能家居系统
CN106203743A (zh) * 2016-07-15 2016-12-07 山东建筑大学 一种基于改进的ihcmac神经网络的光伏发电功率预测方法
CN106384300A (zh) * 2016-09-27 2017-02-08 山东建筑大学 基于大数据和模糊模型的建筑异常用能检测方法及系统
CN110044406A (zh) * 2018-01-17 2019-07-23 中国农业机械化科学研究院 一种基于气体多传感阵列的棉垛火情监测系统与方法
CN109144152A (zh) * 2018-11-09 2019-01-04 四川坤翔科技有限公司 一种室内环境监测调节系统
CN109460873A (zh) * 2018-11-14 2019-03-12 北京未来科学城科技发展有限公司 空调系统运行优化方法和装置
CN109407537A (zh) * 2018-12-18 2019-03-01 深圳国美云智科技有限公司 一种空气类智能设备的控制装置、方法和智能家居系统
CN109686050A (zh) * 2019-01-18 2019-04-26 桂林电子科技大学 基于云服务与深度神经网络的车内环境监测预警方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111322716A (zh) * 2020-02-24 2020-06-23 青岛海尔工业智能研究院有限公司 空调温度自动设置方法、空调、设备及存储介质
CN111322716B (zh) * 2020-02-24 2021-08-03 青岛海尔工业智能研究院有限公司 空调温度自动设置方法、空调、设备及存储介质
CN112212980A (zh) * 2020-09-29 2021-01-12 中电工业互联网有限公司 一种抗外界环境温度干扰的人体温度检测方法

Similar Documents

Publication Publication Date Title
CN102354206B (zh) 物联网环境下基于数据融合的空调故障诊断系统及方法
KR102440233B1 (ko) 데이터 분석 기반 자동화 시스템 운영을 위한 IoT 기기 자동 환경 설정 방법 및 장치
CN104315657B (zh) 一种智能动态控制空调调节室温的方法和遥控装置
CN109405195A (zh) 空调智能控制系统及方法
CN102779228A (zh) 商场建筑中央空调冷负荷在线预测方法及系统
CN110823291A (zh) 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统
CN111830350B (zh) 能耗计量方法、装置及电器
CN112286150B (zh) 一种智能家居设备管理方法、装置、系统及存储介质
CN108444056A (zh) 中央空调监控系统及其监控方法
CN115498313A (zh) 风冷型锂离子电池储能集装箱热管理系统异常预警方法
CN208312636U (zh) 中央空调监控系统
CN108828963A (zh) 一种智能家电控制方法、服务器及智能家电控制系统
CN109857177B (zh) 一种建筑电气节能监测方法
CN108050676A (zh) 空调及其控制方法、装置和系统
CN115047821A (zh) 一种生猪养殖环境智能监测系统及其评价方法
CN116720854B (zh) 基于智慧巡检的设备协调控制方法及系统
CN110956208A (zh) 基于逻辑回归算法的温室大棚光照检测方法与系统
CN111682925A (zh) 智慧路灯用数据采集及处理方法
WO2022184182A1 (zh) 能自主变更无线通讯频道的空调通讯方法
CN106091293A (zh) 一种空气质量控制器
CN109682620A (zh) 一种家用空调器制冷效率的评估方法
CN106403159A (zh) 马铃薯储藏室的环境控制系统
CN112161385A (zh) 一种中央空调集控系统
CN206176669U (zh) 空调集中监控网关及系统
CN112524763A (zh) 一种基于精简控制的室内温度平衡系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200221