CN111191939A - 一种基于物联传感的建筑节能方法和系统 - Google Patents
一种基于物联传感的建筑节能方法和系统 Download PDFInfo
- Publication number
- CN111191939A CN111191939A CN201911421848.0A CN201911421848A CN111191939A CN 111191939 A CN111191939 A CN 111191939A CN 201911421848 A CN201911421848 A CN 201911421848A CN 111191939 A CN111191939 A CN 111191939A
- Authority
- CN
- China
- Prior art keywords
- decision
- regulation
- data information
- score
- module
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000001105 regulatory effect Effects 0.000 claims abstract description 28
- 230000001276 controlling effect Effects 0.000 claims abstract description 4
- 238000003062 neural network model Methods 0.000 claims description 24
- 238000011217 control strategy Methods 0.000 claims description 15
- 238000004134 energy conservation Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 9
- 230000008859 change Effects 0.000 abstract description 7
- 238000004378 air conditioning Methods 0.000 description 10
- 238000005265 energy consumption Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于物联传感的建筑节能方法,其中,所述建筑节能方法包括:感知步骤,实时感知群组内的数据信息,并将其传输至调控决策步骤中;调控决策步骤,根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行步骤中;执行步骤,根据所述调控指令进行工作。本发明还提供了该方法的建筑节能系统。本发明能够解决数据信息变化幅度大频率高,无效数据信息多的问题;能够解决数据信息量较大和通信负担较重的问题;能够解决实时性差,调控延迟大,以及难以使得调控策略针对每个执行设备充分优化的问题。
Description
技术领域
本发明涉及建筑节能技术领域,特别涉及一种基于物联传感的建筑节能方法和系统。
背景技术
随着物联网的普及,传统建筑开始迅速向智能建筑转型,智能建筑的特点是在建筑空间广泛部署多种类型的传感器,通过物联网实现传感数据的传输,进而在传感数据智能分析的基础上,实现自动化、精确化和预测化的建筑内部设施的调控。据统计,建筑物产生的能耗占到国民经济全部能耗的30%左右,而在建筑能耗中,空调和照明是主要的能耗项目,二者合计为建筑物能耗的70%以上。可见,建筑物能耗的减少是节能减排的重要目标,空调和照明问题尤其重视。
目前,为了推动智能建筑的节能减排,可以在建筑室内空间部署大量的照度传感器和/或温度传感器,通过物联网进行照度和/或温度传感数据的传输,进而通过分析传感数据,向前端的空调暖风设备和/或照明灯具下达调控指令。例如,当传感数据显示照度高于预期照度时,则降低照明灯具亮度;当传感数据显示温度低于预期温度时,则降低空调的制冷等。但是,在物联网基础上的建筑节能系统仍然存在不足:一是由于温度/照度等传感数据的波动性以及检测手段的制约,使得数据变化幅度大频率高,无效数据较多,给空调暖风设备和灯具等的调控带来很大的不利影响;而且由于数据的时效性短,需加大采样检测频率,造成了传感数据量较大以及通信负担较重的问题。二是建筑物内的灯具和空调供暖设备等的设备总数较多,所处的空间布局也各不相同,这就导致将传感数据全部上传,由后台统一的服务器进行分析,确定调控策略,然后下发给前端设备时,造成了实时性差,调控延迟大,以及难以使得调控策略针对每个设备充分优化的问题。
因此,现有技术提供了一种基于物联传感的建筑节能方法和系统,以解决数据变化幅度大频率高,无效数据多,给空调暖风设备和灯具等的调控带来不利影响的问题;且由于数据的时效性短,需加大采样检测频率,造成的传感数据量较大以及通信负担较重的问题;将传感数据全部上传,由后台统一的服务器进行分析,确定调控策略,然后下发给前端设备时,造成的实时性差,调控延迟大,以及难以使得调控策略针对每个设备充分优化的问题。
发明内容
(一)发明目的
为克服上述现有技术存在的至少一种缺陷,本发明提供了一种基于物联传感的建筑节能方法和系统,能够解决数据信息变化幅度大频率高,无效数据信息多的问题;能够解决数据信息量较大和通信负担较重的问题;能够解决实时性差,调控延迟大,以及难以使得调控策略针对每个执行设备充分优化的问题。
(二)技术方案
作为本发明的第一方面,本发明公开了一种基于物联传感的建筑节能方法,包括以下步骤:
感知步骤,实时感知群组内的数据信息,并将其传输至调控决策步骤中;
调控决策步骤,根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行步骤中;
执行步骤,根据所述调控指令进行工作。
一种可能的实施方式中,所述调控决策步骤包括:BP神经网络模型;所述BP神经网络模型以所述群组内的数据信息作为输入量,以所述群组的若干决策结果作为输出量;所述决策结果为执行的工作目标的设定值。
一种可能的实施方式中,所述调控决策步骤包括以下步骤:
步骤1,分析所述若干决策结果的得分,当得分最高的所述决策结果对应的调控决策为主决策时,执行步骤2,当得分最高的所述决策结果对应的所述调控决策为备份决策时,执行步骤3;
步骤2,下达所述调控指令;
步骤3,将所述备份决策升级为所述主决策,并下达所述调控指令,将原有的所述主决策变更为所述备份决策。
一种可能的实施方式中,所述步骤1包括以下步骤:
步骤1.1,根据预定的时间间隔采集所述群组内的数据信息;
步骤1.2,根据所述数据信息作出所述若干决策结果,并分析所述决策结果的可执行度,从而获得调控决策得分;
步骤1.3,根据所述若干决策结果计算所述决策结果的决策相似度指数,以此获得调控决策得分;
步骤1.4,根据所述步骤1.2的所述调控决策得分、或者所述步骤1.2和所述步骤1.3的所述调控决策得分的总和,确定所述决策结果的得分。
一种可能的实施方式中,所述BP神经网络模型以若干样本进行训练,训练之后的所述BP神经网络模型根据所述群组内的数据信息输出所述若干决策结果。
作为本发明的第二方面,本发明公开了一种基于物联传感的建筑节能系统,包括:
传感器,用于实时感知群组内的数据信息,并将其传输至调控决策模块中;
若干调控决策模块,用于根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行设备中;
执行设备,用于根据所述调控指令进行工作。
一种可能的实施方式中,所述调控决策模块包括:BP神经网络模型;所述BP神经网络模型以所述群组内的数据信息作为输入量,以所述群组的若干决策结果作为输出量;所述决策结果为执行的工作目标的设定值。
一种可能的实施方式中,所述若干调控决策模块包括:主决策模块和若干备份决策模块;所述主决策模块用于根据所述数据信息计算分析作出所述决策结果,并根据所述决策结果向所述执行设备下达所述调控指令;所述备份决策模块用于根据所述数据信息计算分析作出所述决策结果。
一种可能的实施方式中,所述主决策模块和所述备份决策模块均包括:投票模块;所述投票模块用于确定所述决策结果的得分;
若所述主决策模块的所述决策结果的得分最高,则由所述主决策模块下达所述调控指令;若所述备份决策模块的所述决策结果的得分最高,则将所述备份决策模块升级为所述主决策模块,并由其下达所述调控指令,从而将原有的所述主决策模块变更为所述备份决策模块。
一种可能的实施方式中,在所述投票模块中,投票规则的得分机制包括:信息获取单元、第一得分单元、第二得分单元和得分确定单元;
所述信息获取单元,用于通过所述主决策模块和若干备份决策模块按照预定的时间间隔采集所述群组内的数据信息;
所述第一得分单元,用于通过所述主决策模块和若干备份决策模块根据所述数据信息作出所述若干决策结果,并分析所述决策结果的可执行度,从而获得调控决策得分;
所述第二得分单元,用于根据所述若干决策结果计算所述决策结果的决策相似度指数,并以此获得调控决策得分;
所述得分确定单元,用于根据所述第一得分单元的所述调控决策得分、或者所述第一得分单元和所述第二得分单元的所述调控决策得分的总和,确定所述决策结果的得分。
一种可能的实施方式中,所述BP神经网络模型以若干样本进行训练,训练之后的所述BP神经网络模型根据所述群组内的数据信息输出所述若干决策结果。
(三)有益效果
本发明提供的一种基于物联传感的建筑节能方法和系统,采用多决策备份的机制,在每一群组内存在若干调控决策,从而作出若干决策结果,确定投票得分最高的决策结果为所述群组的调控策略,能够解决由于数据信息的不稳定性,可能发生错误调控决策的问题;能够解决数据信息变化幅度大频率高,无效数据信息多的问题。
本发明提供的一种基于物联传感的建筑节能方法和系统,若干调控决策根据预定的时间间隔采集所述群组内的数据信息,从而由所述数据信息作出若干决策结果,确定投票得分最高的决策结果为所述群组的调控策略,并向执行步骤中的执行设备下达调控指令,能够解决现有技术中由于数据信息的时效性短,需加大采样检测频率,造成的数据信息量较大以及通信负担较重的问题。
本发明提供的一种基于物联传感的建筑节能方法和系统,在调控决策步骤中,根据所述群组内的数据信息作出若干决策结果,确定决策结果的得分,可以选择投票得分最高的决策结果为本群组的调控策略,并以此向本群组内的执行步骤中的执行设备下达调控指令,使得调控策略针对每个执行设备充分优化;绝大部分的数据信息都能在本群组内部传输,而无需与中心服务器进行通信,能够解决实时性差和调控延迟大的问题,降低了通信开销,提高了数据信息传输的及时性,降低了中心服务器的负荷。
附图说明
以下参考附图描述的实施例是示例性的,旨在用于解释和说明本发明,而不能理解为对本发明的保护范围的限制。
图1是本发明提供的一种基于物联传感的建筑节能方法的流程图。
图2是本发明提供的一种基于物联传感的建筑节能系统的结构示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。
需要说明的是:在附图中,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。所描述的实施例是本发明一部分实施例,而不是全部的实施例,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,均仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
下面参考图1详细描述本发明提供的一种基于物联传感的建筑节能方法的第一实施例。如图1所示,本实施例提供的建筑节能方法主要包括有:感知步骤、调控决策步骤和执行步骤。
本发明可以将前端的一定数量的传感器和执行设备组织为一个群组,一个群组可以是面向建筑物空间中的一个布局结构。例如,可以将同一个楼层或者同一个房间的传感器和执行设备组成为一个群组;可以将彼此安装位置接近的传感器和执行设备组成为一个群组。
感知步骤,实时感知群组内的数据信息,并将其传输至调控决策步骤中;在感知步骤中,可以使用传感器感知群组内的数据信息。所述传感器可以为照度传感器和/或温度传感器等,所述数据信息可以为照度传感数据和/或温度传感数据等。
调控决策步骤,根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行步骤中;所述群组内还可以设立调控决策的软硬件等以便进行调控决策步骤的操作;在调控决策步骤中,调控决策的软硬件可以根据感知步骤中所述群组内的传感器提供的数据信息执行计算、分析和决策等,以确定所述群组的调控策略,并向执行步骤中的所述群组内的执行设备下达调控指令;这样就能够使得绝大部分的数据信息都能在本群组内部传输,而无需与中心服务器进行通信,降低了通信开销,提高了数据信息传输的及时性,降低了中心服务器的负荷。此时,中心服务器仅需处理群组无法处理、没有权限处理的任务;进行跨群组之间的数据信息和指令的中转;对各个群组的运行状态进行监控,调整群组的组织等,例如向群组增减传感器或执行设备、合并群组、以及撤销群组等。
为了节约成本,调控决策步骤中使用的软硬件等配置标准无法达到中心服务器的标准,这也导致了调控决策步骤中使用的软硬件对数据信息的获取能力和计算分析能力都远远比不上中心服务器,此外,由于数据信息的不稳定性,还有可能发生错误的调控决策。因此,本发明可以采用多决策备份的机制,即在每一群组内设置若干调控决策;可以根据群组中的传感器和执行设备的总数量、和/或群组所对应的建筑空间面积和复杂度等来决定群组中配置的调控决策的软硬件的数量;所述群组所对应的建筑空间面积和复杂度可以由建筑空间中家具等障碍物的数量来评估。
执行步骤,根据所述调控指令进行工作。在执行步骤中,可以通过执行设备接收调控指令进行工作。所述执行设备可以为空调供暖设备和照明灯具等,所述调控指令可以为调节温度到达某一值,以及调节照度到达某一值等。
其中,所述调控决策步骤包括:BP神经网络模型;所述BP神经网络模型以所述群组内的数据信息作为输入量,以所述群组的若干决策结果作为输出量;所述决策结果为执行的工作目标的设定值。在调控决策步骤中,调控的决策结果可以为本群组内的执行设备的工作目标的设定值。所述决策结果可以为本群组内的照明灯具调控亮度至某一亮度值;所述决策结果可以为本群组内的空调暖风设备调控温度至某一温度值。
其中,所述调控决策步骤包括以下步骤:
步骤1,分析所述若干决策结果的得分,当得分最高的所述决策结果对应的调控决策为主决策时,执行步骤2,当得分最高的所述决策结果对应的所述调控决策为备份决策时,执行步骤3;
步骤2,下达所述调控指令;
步骤3,将所述备份决策升级为所述主决策,并下达所述调控指令,将原有的所述主决策变更为所述备份决策。
在若干调控决策中,可以选择一个调控决策作为主决策,其余的若干调控决策作为备份决策。每一调控决策基于其计算分析作出决策结果;所述主决策在作出决策结果后,可以根据决策结果向所述群组的执行步骤中的执行设备下达调控指令;所述备份决策仅需作出决策结果,而无需下达调控指令。
主决策和备份决策可以交换决策结果或者决策结果的得分;例如,可以通过投票机制实现主决策与备份决策之间的地位切换。具体来说,群组的每个调控决策中都具有投票过程,若干投票过程具有相同的投票规则;从而根据彼此交换的各个调控决策的决策结果,按投票规则给出投票得分结果;可以确定投票得分最高的决策结果为本群组的调控策略,当投票得分最高的决策结果对应的调控决策为备份决策而非当前的主决策时,则将投票得分最高的备份决策自动升级为主决策,并由其下达调控指令,而原来的主决策则变更为备份决策。
其中,所述步骤1包括以下步骤:
步骤1.1,根据预定的时间间隔采集所述群组内的数据信息;
步骤1.2,根据所述数据信息作出所述若干决策结果,并分析所述决策结果的可执行度,从而获得调控决策得分;
步骤1.3,根据所述若干决策结果计算所述决策结果的决策相似度指数,以此获得调控决策得分;
步骤1.4,根据所述步骤1.2的所述调控决策得分、或者所述步骤1.2和所述步骤1.3的所述调控决策得分的总和,确定所述决策结果的得分。
上述步骤1.1-步骤1.4可以为投票规则的得分机制过程。
在步骤1.1中,可以由若干调控决策按照预定的时间间隔来采集本群组的传感器的数据信息,例如第一个调控决策T0时刻采集了传感器的数据信息,则第二个调控决策T1时刻采集传感器的数据信息(T0时刻和T1时刻具有预定的时间间隔)。
在步骤1.2中,调控决策可以根据自身采集的数据信息输入BP神经网络模型而做出决策结果;可以根据每一调控决策的决策结果,分析群组内的执行设备的可执行度;当决策结果超出了执行设备允许执行的范围,或者执行设备在有效时间内无法达到决策结果要求的工作目标的设定值时,则认为可执行度为0,相应的,如果执行设备达到决策结果要求的工作目标所需的有效时间越长,那么可执行度就越低,可执行度越低则该调控决策的得分就越低;比如当执行设备在有效时间内无法达到决策结果为预定的温度值或者亮度值时,可执行度为0。
在步骤1.3中,可以在所述群组包含三个以上的调控决策的情况下,计算出各个调控决策的决策相似度指数;所述每一调控决策的决策相似度指数可以为该调控决策对应的决策结果与其它决策结果的相似度指数;如果一个调控决策对应的决策结果与其它决策结果的相似度指数低则该调控决策的得分低。
在步骤1.4中,可以根据每一调控决策在步骤1.2中获得的调控决策的得分,或者根据每一调控决策在步骤1.2中和步骤1.3中获得的调控决策的得分累计,获得每一调控决策对应的决策结果的投票得分结果。
其中,所述BP神经网络模型以若干样本进行训练,训练之后的所述BP神经网络模型根据所述群组内的数据信息输出所述若干决策结果。所述样本可以为数据信息和决策结果,能够使得训练之后的BP神经网络模型可以根据本群组内的传感器提供的数据信息输出所述决策结果,从而进行上述步骤1中的部分过程。
本发明通过感知步骤实时感知群组内的数据信息,并将其传输至调控决策步骤中,由调控决策步骤根据数据信息确定群组的调控策略,并下达调控指令至执行步骤中,从而使得执行步骤根据所述调控指令进行工作。本发明所述的一种基于物联传感的建筑节能方法,解决了数据信息变化幅度大频率高,无效数据信息多的问题;解决了数据信息量较大和通信负担较重的问题;解决了实时性差,调控延迟大,以及难以使得调控策略针对每个执行设备充分优化的问题。
下面参考图2详细描述本发明提供的一种基于物联传感的建筑节能系统的第一实施例。如图2所示,本实施例提供的建筑节能系统主要包括有:传感器、若干调控决策模块和执行设备。
传感器,用于实时感知群组内的数据信息,并将其传输至调控决策模块中;
若干调控决策模块,用于根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行设备中;
执行设备,用于根据所述调控指令进行工作。
其中,所述调控决策模块包括:BP神经网络模型;所述BP神经网络模型以所述群组内的数据信息作为输入量,以所述群组的若干决策结果作为输出量;所述决策结果为执行的工作目标的设定值。
其中,所述若干调控决策模块包括:主决策模块和若干备份决策模块;所述主决策模块用于根据所述数据信息计算分析作出所述决策结果,并根据所述决策结果向所述执行设备下达所述调控指令;所述备份决策模块用于根据所述数据信息计算分析作出所述决策结果。
其中,所述主决策模块和所述备份决策模块均包括:投票模块;所述投票模块用于确定所述决策结果的得分;
若所述主决策模块的所述决策结果的得分最高,则由所述主决策模块下达所述调控指令;若所述备份决策模块的所述决策结果的得分最高,则将所述备份决策模块升级为所述主决策模块,并由其下达所述调控指令,从而将原有的所述主决策模块变更为所述备份决策模块。
其中,在所述投票模块中,投票规则的得分机制包括:信息获取单元、第一得分单元、第二得分单元和得分确定单元;
所述信息获取单元,用于通过所述主决策模块和若干备份决策模块按照预定的时间间隔采集所述群组内的数据信息;
所述第一得分单元,用于通过所述主决策模块和若干备份决策模块根据所述数据信息作出所述若干决策结果,并分析所述决策结果的可执行度,从而获得调控决策得分;
所述第二得分单元,用于根据所述若干决策结果计算所述决策结果的决策相似度指数,并以此获得调控决策得分;
所述得分确定单元,用于根据所述第一得分单元的所述调控决策得分、或者所述第一得分单元和所述第二得分单元的所述调控决策得分的总和,确定所述决策结果的得分。
其中,所述BP神经网络模型以若干样本进行训练,训练之后的所述BP神经网络模型根据所述群组内的数据信息输出所述若干决策结果。
本发明通过传感器实时感知群组内的数据信息,并将其传输至若干调控决策模块中,由若干调控决策模块根据数据信息确定群组的调控策略,并下达调控指令至执行设备中,从而使得所述执行设备根据所述调控指令进行工作。本发明所述的一种基于物联传感的建筑节能系统,解决了数据信息变化幅度大频率高,无效数据信息多的问题;解决了数据信息量较大和通信负担较重的问题;解决了实时性差,调控延迟大,以及难以使得调控策略针对每个执行设备充分优化的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于物联传感的建筑节能方法,其特征在于,包括以下步骤:
感知步骤,实时感知群组内的数据信息,并将其传输至调控决策步骤中;
调控决策步骤,根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行步骤中;
执行步骤,根据所述调控指令进行工作。
2.根据权利要求1所述的建筑节能方法,其特征在于,所述调控决策步骤包括:BP神经网络模型;所述BP神经网络模型以所述群组内的数据信息作为输入量,以所述群组的若干决策结果作为输出量;所述决策结果为执行的工作目标的设定值。
3.根据权利要求2所述的建筑节能方法,其特征在于,所述调控决策步骤包括以下步骤:
步骤1,分析所述若干决策结果的得分,当得分最高的所述决策结果对应的调控决策为主决策时,执行步骤2,当得分最高的所述决策结果对应的所述调控决策为备份决策时,执行步骤3;
步骤2,下达所述调控指令;
步骤3,将所述备份决策升级为所述主决策,并下达所述调控指令,将原有的所述主决策变更为所述备份决策。
4.根据权利要求3所述的建筑节能方法,其特征在于,所述步骤1包括以下步骤:
步骤1.1,根据预定的时间间隔采集所述群组内的数据信息;
步骤1.2,根据所述数据信息作出所述若干决策结果,并分析所述决策结果的可执行度,从而获得调控决策得分;
步骤1.3,根据所述若干决策结果计算所述决策结果的决策相似度指数,以此获得调控决策得分;
步骤1.4,根据所述步骤1.2的所述调控决策得分、或者所述步骤1.2和所述步骤1.3的所述调控决策得分的总和,确定所述决策结果的得分。
5.根据权利要求2所述的建筑节能方法,其特征在于,所述BP神经网络模型以若干样本进行训练,训练之后的所述BP神经网络模型根据所述群组内的数据信息输出所述若干决策结果。
6.一种基于物联传感的建筑节能系统,其特征在于,包括:
传感器,用于实时感知群组内的数据信息,并将其传输至调控决策模块中;
若干调控决策模块,用于根据所述数据信息确定所述群组的调控策略,并下达调控指令至执行设备中;
执行设备,用于根据所述调控指令进行工作。
7.根据权利要求6所述的建筑节能系统,其特征在于,所述调控决策模块包括:BP神经网络模型;所述BP神经网络模型以所述群组内的数据信息作为输入量,以所述群组的若干决策结果作为输出量;所述决策结果为执行的工作目标的设定值。
8.根据权利要求7所述的建筑节能系统,其特征在于,所述若干调控决策模块包括:主决策模块和若干备份决策模块;所述主决策模块用于根据所述数据信息计算分析作出所述决策结果,并根据所述决策结果向所述执行设备下达所述调控指令;所述备份决策模块用于根据所述数据信息计算分析作出所述决策结果。
9.根据权利要求8所述的建筑节能系统,其特征在于,所述主决策模块和所述备份决策模块均包括:投票模块;所述投票模块用于确定所述决策结果的得分;
若所述主决策模块的所述决策结果的得分最高,则由所述主决策模块下达所述调控指令;若所述备份决策模块的所述决策结果的得分最高,则将所述备份决策模块升级为所述主决策模块,并由其下达所述调控指令,从而将原有的所述主决策模块变更为所述备份决策模块。
10.根据权利要求9所述的建筑节能系统,其特征在于,在所述投票模块中,投票规则的得分机制包括:信息获取单元、第一得分单元、第二得分单元和得分确定单元;
所述信息获取单元,用于通过所述主决策模块和若干备份决策模块按照预定的时间间隔采集所述群组内的数据信息;
所述第一得分单元,用于通过所述主决策模块和若干备份决策模块根据所述数据信息作出所述若干决策结果,并分析所述决策结果的可执行度,从而获得调控决策得分;
所述第二得分单元,用于根据所述若干决策结果计算所述决策结果的决策相似度指数,并以此获得调控决策得分;
所述得分确定单元,用于根据所述第一得分单元的所述调控决策得分、或者所述第一得分单元和所述第二得分单元的所述调控决策得分的总和,确定所述决策结果的得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421848.0A CN111191939B (zh) | 2019-12-31 | 2019-12-31 | 一种基于物联传感的建筑节能方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421848.0A CN111191939B (zh) | 2019-12-31 | 2019-12-31 | 一种基于物联传感的建筑节能方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191939A true CN111191939A (zh) | 2020-05-22 |
CN111191939B CN111191939B (zh) | 2021-06-15 |
Family
ID=70708033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911421848.0A Active CN111191939B (zh) | 2019-12-31 | 2019-12-31 | 一种基于物联传感的建筑节能方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191939B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723920A (zh) * | 2021-08-27 | 2021-11-30 | 筑加智慧城市建设有限公司 | 一种智慧型节能建筑管理方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107599783A (zh) * | 2017-09-28 | 2018-01-19 | 吉林大学 | 一种车内环境管理系统及其控制方法 |
CN108917837A (zh) * | 2018-07-02 | 2018-11-30 | 吉林农业科技学院 | 一种结合建筑环境模拟的室内环境监测系统 |
CN109491238A (zh) * | 2018-12-12 | 2019-03-19 | 南京工程学院 | 地铁站台门控制系统控制器冗余方法 |
CN109857177A (zh) * | 2019-03-13 | 2019-06-07 | 吉林建筑大学 | 一种建筑电气节能监测方法 |
CN110278644A (zh) * | 2019-06-28 | 2019-09-24 | 山东建筑大学 | 一种基于边缘计算的多建筑照明监控方法及系统 |
CN110322007A (zh) * | 2019-07-08 | 2019-10-11 | 吉林建筑大学 | 一种建筑电气节能监控方法 |
CN209570832U (zh) * | 2019-04-12 | 2019-11-01 | 天津科技大学 | 一种基于物联网的智能建筑用空气监控系统 |
-
2019
- 2019-12-31 CN CN201911421848.0A patent/CN111191939B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107599783A (zh) * | 2017-09-28 | 2018-01-19 | 吉林大学 | 一种车内环境管理系统及其控制方法 |
CN108917837A (zh) * | 2018-07-02 | 2018-11-30 | 吉林农业科技学院 | 一种结合建筑环境模拟的室内环境监测系统 |
CN109491238A (zh) * | 2018-12-12 | 2019-03-19 | 南京工程学院 | 地铁站台门控制系统控制器冗余方法 |
CN109857177A (zh) * | 2019-03-13 | 2019-06-07 | 吉林建筑大学 | 一种建筑电气节能监测方法 |
CN209570832U (zh) * | 2019-04-12 | 2019-11-01 | 天津科技大学 | 一种基于物联网的智能建筑用空气监控系统 |
CN110278644A (zh) * | 2019-06-28 | 2019-09-24 | 山东建筑大学 | 一种基于边缘计算的多建筑照明监控方法及系统 |
CN110322007A (zh) * | 2019-07-08 | 2019-10-11 | 吉林建筑大学 | 一种建筑电气节能监控方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723920A (zh) * | 2021-08-27 | 2021-11-30 | 筑加智慧城市建设有限公司 | 一种智慧型节能建筑管理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111191939B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3205057B1 (en) | Method and apparatus for dynamically changing group control mode by using user intervention information | |
CN106961772B (zh) | 即时照明控制系统及即时照明控制方法 | |
CN113325762B (zh) | 一种智能建筑个性化用能控制方法、系统、装置和设备 | |
CN110264080A (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
CN103234260A (zh) | 基于智能传感网技术的纺织空调控制系统 | |
CN109990444A (zh) | 空气质量管理系统和方法 | |
CN105180374A (zh) | 智慧型空调末端控制器及全局舒适性控制系统 | |
CN111191939B (zh) | 一种基于物联传感的建筑节能方法和系统 | |
KR20200084453A (ko) | 냉난방공조 에너지 최적화 장치 및 방법 | |
CN115220351A (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
TW201816337A (zh) | 動態預測外氣與負載智慧節能控制方法 | |
CN114234384B (zh) | 一种用于铁路客站的空气调节优化控制方法及系统 | |
CN107166675B (zh) | 基于无线网络的智能车库通风排烟除湿系统及方法 | |
CN113535233A (zh) | 用于暖通云边协同的人工智能系统 | |
CN117097757A (zh) | 一种基于大数据的物联网信息智能监控管理系统及方法 | |
CN103796396A (zh) | 实现楼宇照明节能控制的系统及方法 | |
CN111147277A (zh) | 一种基于边缘计算的社区房屋节能方法及系统 | |
CN114818059B (zh) | 建筑节能策略优化控制方法、装置、设备及可读存储介质 | |
CN116347708A (zh) | 智能照明控制方法、装置、设备及存储介质 | |
CN203147984U (zh) | 一种水蓄冷节能控制系统 | |
US9927137B2 (en) | Air-conditioning control device generating air-conditioning control-data, air-conditioning control method, and computer program product | |
CN111429040B (zh) | 一种建筑能耗检测系统计量设备优化部署方法 | |
CN114526537A (zh) | 一种设备节能控制方法和装置 | |
CN107036231A (zh) | 中央空调监控系统中冷却塔智能节电控制方法 | |
CN109405198B (zh) | 厂务系统洁净室运维节能系统及相应的运维节能优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |