CN111222191A - 基于bim和rfid的建筑能耗优化控制方法及系统 - Google Patents
基于bim和rfid的建筑能耗优化控制方法及系统 Download PDFInfo
- Publication number
- CN111222191A CN111222191A CN202010088567.4A CN202010088567A CN111222191A CN 111222191 A CN111222191 A CN 111222191A CN 202010088567 A CN202010088567 A CN 202010088567A CN 111222191 A CN111222191 A CN 111222191A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- air
- building
- bim
- electric equipment
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明属于建筑能耗控制领域，提供基于BIM和RFID的建筑能耗优化控制方法及系统。其中该方法包括构建BIM模型；对BIM模型的空调设备构件设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至关系数据库；调取当前时间段内空调设备构件的实时能耗信息，与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型，预估出下一时间段内空调设备能耗预测值和室内温度预测值；根据预估的下一时间段内室内温度预测值拟合成的温度变化曲线来控制空调设备运行，在BIM模型中实时展示；利用下一时间段内空调设备能耗预测值与对应时刻空调设备实际能耗值比对，优化空调设备能耗预测模型。
Description
技术领域
本发明属于建筑能耗控制领域，尤其涉及一种基于BIM和RFID的建筑能耗优化控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着城市化进程的加快和人民生活质量的提高，建筑能耗比例逐渐上升，建筑无疑已经成为节能的首要考虑，受到了各级政府和相关行业人员的高度重视。自动控制技术在建筑节能应用中主要采用建筑设备监控系统，通过对给排水、供暖、空调、电力、照明的设备系统的集中监控与优化管理，实现建筑设备能源的节约，并减少工作人员。
发明人发现，建筑设备监控系统后期运维需专业人员定期参与，且运维成本较高，建筑物信息可视化程度低，无法实时显示设备等运行状况，不能对能源数据有效跟踪；而且建筑内设备能耗预测的过程中未考虑建筑本体属性信息，使建筑能耗预测精度差，进而降低了建筑能耗控制效果。
发明内容
为了解决上述问题，本发明的第一个方面提供一种基于BIM和RFID的建筑能耗优化控制方法，其结合BIM模型显示实时用电设备的运行状况并对能源数据进行有效跟踪，通过RFID射频技术实时自动更新设备信息，更加便捷形象化控制办公建筑内的设备；而且综合考虑建筑本体属性信息和建筑内实时环境信息，提高了建筑能耗预测精度及控制效果。其中，本发明的用电设备分为空调设备和非空调用电设备。
为了实现上述目的，本发明采用如下技术方案：
本发明提供的一种基于BIM和RFID的建筑能耗优化控制方法，包括：
根据建筑本体三维数据及建筑内空调设备构件的空间位置，构建BIM模型；
对BIM模型的空调设备构件设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至关系数据库；
从关系数据库中调取当前时间段内空调设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型中，预估出下一时间段内空调设备能耗预测值和室内温度预测值；
根据预估的下一时间段内室内温度预测值拟合成的温度变化曲线来控制空调设备运行，且在BIM模型中实时展示；同时利用下一时间段内空调设备能耗预测值与对应时刻空调设备实际能耗值比对，来优化空调设备能耗预测模型。
本发明提供的另一种基于BIM和RFID的建筑能耗优化控制方法，包括：
根据建筑本体三维数据及建筑内非空调用电设备构件的空间位置，构建BIM模型；
对BIM模型的非空调用电设备构件均对应设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的非空调用电设备构件的能耗信息与非空调用电设备构件ID关联存储至关系数据库；
从关系数据库中调取当前时间段内非空调用电设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至非空调用电设备能耗预测模型中，预估出下一时间段内相应非空调用电设备能耗预测值和开关控制量；
根据预估的下一时间段内非空调用电设备的开关控制量，控制相应非空调用电设备运行，且在BIM模型中实时展示；还通过下一时间段内相应非空调用电设备能耗预测值与对应时刻相应非空调用电设备实际能耗值比对，来优化非空调用电设备能耗预测模型。
为了解决上述问题，本发明的第二个方面提供一种基于BIM和RFID的建筑能耗优化控制系统，其结合BIM模型显示实时用电设备的运行状况并对能源数据进行有效跟踪，通过RFID射频技术实时自动更新设备信息，更加便捷形象化控制办公建筑内的设备；而且综合考虑建筑本体属性信息和建筑内实时环境信息，提高了建筑能耗预测精度及控制效果。其中，本发明的用电设备分为空调设备和非空调用电设备。
为了实现上述目的，本发明采用如下技术方案：
本发明提供了一种基于BIM和RFID的建筑能耗优化控制系统，其包括：
区域控制器，其用于根据建筑本体三维数据及建筑内空调设备构件的空间位置，构建BIM模型；
RFID标签，其与BIM模型的空调设备构件对应绑定，且BIM模型的每个空调设备构件均设置一个唯一ID；所述RFID标签用于将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至区域控制器内的关系数据库；
云计算服务器，其用于从区域控制器内的关系数据库中调取当前时间段内空调设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型中，预估出下一时间段内空调设备能耗预测值，并与下一时间段对应空调设备实际能耗值比对，以逐步优化空调设备能耗预测模型；同时，利用空调能耗预测模型还预估出下一时间段内室内温度预测值，进而根据预估的下一时间段内室内温度预测值拟合成温度变化曲线，形成空调控制指令来控制空调设备运行，且向区域控制器发送在BIM模型中实时展示空调设备运行的指令。
本发明提供了另一种基于BIM和RFID的建筑能耗优化控制系统，包括：
区域控制器，其用于根据建筑本体三维数据及建筑内非空调用电设备构件的空间位置，构建BIM模型；
RFID标签，其与BIM模型的空调设备构件对应绑定，且BIM模型的每个空调设备构件均设置一个唯一ID；所述RFID标签用于将实时获取的非空调用电设备构件的能耗信息与非空调用电设备构件ID关联存储至区域控制器内的关系数据库；
云计算服务器，其用于从区域控制器内的关系数据库中调取当前时间段内非空调用电设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至非空调用电设备能耗预测模型中，预估出下一时间段内相应非空调用电设备能耗预测值，并与下一时间段对应非空调用电设备实际能耗值比对，以逐步优化非空调用电设备能耗预测模型；同时，利用非空调用电设备能耗预测模型还预估出下一时间段内非空调用电设备的开关控制量，形成非空调用电设备控制指令来控制非空调用电设备运行，且向区域控制器发送在BIM模型中实时展示非空调用电设备运行的指令。
本发明的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤。
本发明的第四方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤。
本发明的有益效果是：
1)本发明基于BIM和RFID技术，通过RFID射频技术实时自动更新BIM模型中的设备信息，结合BIM模型显示实时用电设备的运行状况并对能源数据进行有效跟踪，潜在影响因素更加形象化控制办公建筑内的设备；而且综合考虑建筑本体属性信息和建筑内实时环境信息，提高了建筑能耗预测精度及控制效果，其中，本发明的用电设备分为空调设备和非空调用电设备。
2)本发明利用建筑BIM模型真实反映建筑物区域内各个用电设备的状态及能耗情况，也更直观更形象，实现各个用电设备的空间点位，为管理者提供了重要的决策依据。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的关系数据库示意图；
图2是本发明实施例的夏季室内温度控制效果图。
图3是本发明实施例的冬季室内温度控制效果图。
图4是本发明实施例的优化控制前后每月用电能耗对比。
图5是本发明实施例的基于BIM和RFID的建筑能耗优化控制系统结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
术语解释：
墙体传热系数；墙体传热系数(K)＝1/(室内换热系数+室外换热系数+材料总热阻)；一般情况下，室内换热系数是0.11，室外换热系数为0.05；材料总热阻＝各层材料热阻之和；热阻＝材料厚度/材料导热系数。
屋顶传热系数：在稳定传热条件下，屋面内外两侧表面空气温差为1度，单位时间通过单位面积传递的热量，单位是瓦/平方米·度(W/㎡·K，此处K可用℃代替)。
换气次数：换气次数＝房间送风量/房间体积，单位是次/小时。换气次数可由下式计算得到：n＝Q/V；式中n—空间的换气次数，次/h；Q—通风量，m3/h；V—房间容积，m3。
体形系数：建筑物与室外大气接触的外表面积与其所包围的体积的比值。外表面积中，不包括地面和不采暖楼梯间内墙及户门的面积。
外表面太阳辐射吸收系数：指建筑物外表面吸收的太阳辐射照度与其投射到的太阳辐射照度之比值。表征建筑材料表面对太阳辐射热吸收的能力的无量纲指标，是一个小于1的系数。符号为：ρ。
窗墙比：某一朝向的外窗(包括透明幕墙)总面积，与同朝向墙面总面积(包括窗面积在内)之比。
窗传热系数：在稳定传热条件下，窗内外两侧表面空气温差为1度，单位时间通过单位面积传递的热量，单位是瓦/平方米·度(W/㎡·K，此处K可用℃代替)。
窗遮阳系数：在给定的太阳辐射投射角度和太阳辐射波段内，通过窗户系统的太阳得热系数与通过标准单层平板白玻璃的得热系数的比值。
实施例一
本实施例以被控设备为空调设备为例来说明：
本实施例的基于BIM和RFID的建筑能耗优化控制方法，包括：
(1)根据建筑本体三维数据及建筑内空调设备构件的空间位置，构建BIM模型；
(2)对BIM模型的空调设备构件设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至关系数据库；
具体地，BIM模型建造时空调构件ID是唯一的，空调设备在录入数据库时设备记录RFID标签也是唯一的，基于这一特点把两者强制性一对一绑定，这样一来既可以通过查询设备RFID标签推查出模型构件ID进而快速漫游定位，也可以接收模型构件查看指令并调取对应采集设备的数据信息，结合采集信息发出优化控制指令，如图1所示。
(3)从关系数据库中调取当前时间段内空调设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型中，预估出下一时间段内空调设备能耗预测值和室内温度预测值；
(4)根据预估的下一时间段内室内温度预测值拟合成的温度变化曲线来控制空调设备运行，且在BIM模型中实时展示；同时利用下一时间段内空调设备能耗预测值与对应时刻空调设备实际能耗值比对，来优化空调设备能耗预测模型。
作为另一种实施方式，所述基于BIM和RFID的建筑能耗优化控制方法，还包括：
利用RFID标签还将实时获取的空调设备构件的运行特征信息与空调设备构件ID关联存储至关系数据库；
通过比对关系数据库中空调设备的运行特征信息与诊断数据库内预存的空调设备正常运行特征，得到空调设备的运行状态并在BIM模型实时展示。
其中，所述环境信息包括室内温度、室内湿度、室内光照度和室内人数；所述建筑本体属性信息包括墙体传热系数、屋顶传热系数、换气次数、体形系数、外表面太阳辐射吸收系数、窗墙比、窗传热系数和窗遮阳系数。当建筑确定后，建筑本体属性信息均可确定。
在具体实施中，空调设备能耗预测模型为BP神经网络，在训练BP神经网络的过程中，其输入参数均为环境信息和建筑本体属性信息与空调设备能耗，可采用现有的训练方法对BP神经网络中的参数进行学习训练，直至满足预设要求。
在神经网络学习阶段，需要对输入数据和对应的期望输出值进行归一化处理，把它们处理成0～1之间的数值。神经网络经过学习训练后，还要将得到的0～1之间的预测值还原为实际值。
表1 输入神经元及其输入范围
例如：
某办公楼一层区域进行运行，该层建筑面积1535.14平方米，建筑层高3.2米，包括大空间办公区域和部分独立办公室。根据建筑基本图纸信息依次进行样板选择、标高轴网绘制、内外墙绘制和机电设备与通风管道的绘制，最后完成对门窗墙的渲染。在BIM模型中可实时查看设备运行状态和能耗情况。空调系统在办公建筑中能耗占比约为40％左右，占有举足轻重的作用。因此以空调系统为例说明本系统实际运行效果。
夏季室内温度控制效果图如图2所示，冬季室内温度控制效果图如图3所示，横坐标是模拟时间步长，即一步等于一分钟，纵坐标为温度值，单位为℃。以夏季为例，图2中实线为未优化控制时的效果，在办公楼里，初始室内温度是16℃，随着时间和天气的变化，温度逐渐升高。工作在八点半开始，空调打开。空调系统的设定温度为24℃，空调系统根据室内人员的不断变化和天气的变化连续控制温度。当温度高于设定值24℃时，空调开始制冷，室内温度逐渐降低。当室内温度达到25℃时，空调处于待机状态。然而，由于空调的间歇控制和传输，实际温度略低于25℃。因此，室内温度变化曲线不稳定。晚上下班后空调停止，室内温度随着室外温度的变化而逐渐降低。
空调系统按优化模型运行结果如虚线所示。空调系统在设定时间开始工作。早上，由于天气变化和人员流动，温度会在短时间内突然变化。控制动作轻微延迟，使温度控制曲线不稳定，逐渐稳定后，温度基本保持在24℃。空调下班后停止运转，温度逐渐降至16℃左右。在没有优化控制系统的时期，室内温度基本上跟随人员以及环境温度值等因素自动调节室内温度，造成室内温度值高低波动严重，不能满足人们对舒适性的要求。
优化控制系统早上八点到晚上七点是运行时间段。从图2和图3中可以看出，在优化控制模式下，白天室内温度基本保持在适宜温度，室内温控效果更好。下班后，空调系统停止运行，室内温度逐渐下降。对于室内条件的突然变化，导致室内温度的快速上升，控制系统对其变化的控制效果稍显不足，导致温度波动较小，但控制系统可以更好地对其进行调节和控制，使室内温度能够继续保持设定值水平。如图4所示，本工程中采用系统进行优化控制后全年节能在15％左右。
实施例二
本实施例的被控对象为非空调用电设备，其中，非空调用电设备包括照明设备和办公设备，例如：办公设备为电脑或打印机等设备。
本实施例的基于BIM和RFID的建筑能耗优化控制方法，其包括：
(1)根据建筑本体三维数据及建筑内非空调用电设备构件的空间位置，构建BIM模型；
(2)对BIM模型的非空调用电设备构件均对应设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的非空调用电设备构件的能耗信息与非空调用电设备构件ID关联存储至关系数据库；
(3)从关系数据库中调取当前时间段内非空调用电设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至非空调用电设备能耗预测模型中，预估出下一时间段内相应非空调用电设备能耗预测值和开关控制量；
(4)根据预估的下一时间段内非空调用电设备的开关控制量，控制相应非空调用电设备运行，且在BIM模型中实时展示；还通过下一时间段内相应非空调用电设备能耗预测值与对应时刻相应非空调用电设备实际能耗值比对，来优化非空调用电设备能耗预测模型。
在具体实施中，非空调用电设备能耗预测模型为BP神经网络，在训练BP神经网络的过程中，其输入参数均为环境信息和建筑本体属性信息与相应非空调用电设备能耗，可采用现有的训练方法对BP神经网络中的参数进行学习训练，直至满足预设要求。其中，所述环境信息包括室内温度、室内湿度、室内光照度和室内人数；所述建筑本体属性信息包括墙体传热系数、屋顶传热系数、换气次数、体形系数、外表面太阳辐射吸收系数、窗墙比、窗传热系数和窗遮阳系数。
作为另一实施方式，所述基于BIM和RFID的建筑能耗优化控制方法，还包括：
利用RFID标签还将实时获取的非空调用电设备构件的运行特征信息与非空调用电设备构件ID关联存储至关系数据库；
通过比对关系数据库中非空调用电设备的运行特征信息与诊断数据库内预存的非空调用电设备正常运行特征，得到非空调用电设备的运行状态并在BIM模型实时展示。
实施例三
本实施例的基于BIM和RFID的建筑能耗优化控制系统，包括：
区域控制器，其用于根据建筑本体三维数据及建筑内空调设备构件的空间位置，构建BIM模型；
RFID标签，其与BIM模型的空调设备构件对应绑定，且BIM模型的每个空调设备构件均设置一个唯一ID；所述RFID标签用于将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至区域控制器内的关系数据库；
云计算服务器，其用于从区域控制器内的关系数据库中调取当前时间段内空调设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型中，预估出下一时间段内空调设备能耗预测值，并与下一时间段对应空调设备实际能耗值比对，以逐步优化空调设备能耗预测模型；同时，利用空调能耗预测模型还预估出下一时间段内室内温度预测值，进而根据预估的下一时间段内室内温度预测值拟合成温度变化曲线，形成空调控制指令来控制空调设备运行，且向区域控制器发送在BIM模型中实时展示空调设备运行的指令。
其中，所述环境信息包括室内温度、室内湿度、室内光照度和室内人数；所述建筑本体属性信息包括墙体传热系数、屋顶传热系数、换气次数、体形系数、外表面太阳辐射吸收系数、窗墙比、窗传热系数和窗遮阳系数。
如图5所示，区域控制器、RFID标签和建筑内空凋设备均在设备层；RFID标签通过RFID天线与区域控制器相互通信，所述区域控制器通过光纤与网络层设备相连。其中，网络层设备包括依次串联连接的标准信号转换器、交换机和路由器。标准信号转换器与区域控制器相互通信，路由器与应用层的云计算服务器相互通信。
具体地，设备层的各类数据首先通过RFID天线连接RFID读写设备，然后经网络层通过RS-485和Modbus传输至应用层的机电设备数据信息库，该信息库中主要包含机电设备位置、型号、功率、工作时间、用电能耗等信息客户端通过智能管理系统信息集成平台查看BIM与机电设备数据信息库，使用户更加方便快捷的了解环境数据信息以及设备实时的运行状态。
作为另一种具体实施方式，所述RFID标签还用于将实时获取的空调设备构件的运行特征信息与空调设备构件ID关联存储至关系数据库；
所述云计算服务器内设置有诊断数据库，诊断数据库内预存的空调设备正常运行特征；所述云计算服务器用于从关系数据库中实时调取空调设备的运行特征信息并与诊断数据库内预存的空调设备正常运行特征比对，监控空调设备运行状态并向区域控制器发送在筑BIM模型实时展示空调设备运行状态的指令。
实施例四
本实施例提供了基于BIM和RFID的建筑能耗优化控制系统，其包括：
区域控制器，其用于根据建筑本体三维数据及建筑内非空调用电设备构件的空间位置，构建BIM模型；
RFID标签，其与BIM模型的空调设备构件对应绑定，且BIM模型的每个空调设备构件均设置一个唯一ID；所述RFID标签用于将实时获取的非空调用电设备构件的能耗信息与非空调用电设备构件ID关联存储至区域控制器内的关系数据库；
云计算服务器，其用于从区域控制器内的关系数据库中调取当前时间段内非空调用电设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至非空调用电设备能耗预测模型中，预估出下一时间段内相应非空调用电设备能耗预测值，并与下一时间段对应非空调用电设备实际能耗值比对，以逐步优化非空调用电设备能耗预测模型；同时，利用非空调用电设备能耗预测模型还预估出下一时间段内非空调用电设备的开关控制量，形成非空调用电设备控制指令来控制非空调用电设备运行，且向区域控制器发送在BIM模型中实时展示非空调用电设备运行的指令。
其中，所述环境信息包括室内温度、室内湿度、室内光照度和室内人数；所述建筑本体属性信息包括墙体传热系数、屋顶传热系数、换气次数、体形系数、外表面太阳辐射吸收系数、窗墙比、窗传热系数和窗遮阳系数。
作为另一种具体实施方式，所述RFID标签还用于将实时获取的非空调用电设备构件的运行特征信息与非空调用电设备构件ID关联存储至关系数据库；
所述云计算服务器内设置有诊断数据库，诊断数据库内预存的非空调用电设备正常运行特征；所述云计算服务器用于从关系数据库中实时调取非空调用电设备的运行特征信息并与诊断数据库内预存的非空调用电设备正常运行特征比对，监控非空调用电设备运行状态并向区域控制器发送在筑BIM模型实时展示非空调用电设备运行状态的指令。
实施例五
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一或实施例二所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤。
实施例六
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一或实施例二所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于BIM和RFID的建筑能耗优化控制方法，其特征在于，包括：
根据建筑本体三维数据及建筑内空调设备构件的空间位置，构建BIM模型；
对BIM模型的空调设备构件设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至关系数据库；
从关系数据库中调取当前时间段内空调设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型中，预估出下一时间段内空调设备能耗预测值和室内温度预测值；
根据预估的下一时间段内室内温度预测值拟合成的温度变化曲线来控制空调设备运行，且在BIM模型中实时展示；同时利用下一时间段内空调设备能耗预测值与对应时刻空调设备实际能耗值比对，来优化空调设备能耗预测模型。
2.如权利要求1所述的基于BIM和RFID的建筑能耗优化控制方法，其特征在于，所述基于BIM和RFID的建筑能耗优化控制方法，还包括：
利用RFID标签还将实时获取的空调设备构件的运行特征信息与空调设备构件ID关联存储至关系数据库；
通过比对关系数据库中空调设备的运行特征信息与诊断数据库内预存的空调设备正常运行特征，得到空调设备的运行状态并在BIM模型实时展示。
3.如权利要求1所述的基于BIM和RFID的建筑能耗优化控制方法，其特征在于，所述环境信息包括室内温度、室内湿度、室内光照度和室内人数；所述建筑本体属性信息包括墙体传热系数、屋顶传热系数、换气次数、体形系数、外表面太阳辐射吸收系数、窗墙比、窗传热系数和窗遮阳系数。
4.一种基于BIM和RFID的建筑能耗优化控制方法，其特征在于，包括：
根据建筑本体三维数据及建筑内非空调用电设备构件的空间位置，构建BIM模型；
对BIM模型的非空调用电设备构件均对应设置一个唯一ID，且与一个RFID标签对应绑定，利用RFID标签将实时获取的非空调用电设备构件的能耗信息与非空调用电设备构件ID关联存储至关系数据库；
从关系数据库中调取当前时间段内非空调用电设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至非空调用电设备能耗预测模型中，预估出下一时间段内相应非空调用电设备能耗预测值和开关控制量；
根据预估的下一时间段内非空调用电设备的开关控制量，控制相应非空调用电设备运行，且在BIM模型中实时展示；还通过下一时间段内相应非空调用电设备能耗预测值与对应时刻相应非空调用电设备实际能耗值比对，来优化非空调用电设备能耗预测模型。
5.如权利要求4所述的基于BIM和RFID的建筑能耗优化控制方法，其特征在于，所述基于BIM和RFID的建筑能耗优化控制方法，还包括：
利用RFID标签还将实时获取的非空调用电设备构件的运行特征信息与非空调用电设备构件ID关联存储至关系数据库；
通过比对关系数据库中非空调用电设备的运行特征信息与诊断数据库内预存的非空调用电设备正常运行特征，得到非空调用电设备的运行状态并在BIM模型实时展示。
6.如权利要求4所述的基于BIM和RFID的建筑能耗优化控制方法，其特征在于，所述环境信息包括室内温度、室内湿度、室内光照度和室内人数；所述建筑本体属性信息包括墙体传热系数、屋顶传热系数、换气次数、体形系数、外表面太阳辐射吸收系数、窗墙比、窗传热系数和窗遮阳系数。
7.一种基于BIM和RFID的建筑能耗优化控制系统，其特征在于，包括：
区域控制器，其用于根据建筑本体三维数据及建筑内空调设备构件的空间位置，构建BIM模型；
RFID标签，其与BIM模型的空调设备构件对应绑定，且BIM模型的每个空调设备构件均设置一个唯一ID；所述RFID标签用于将实时获取的空调设备构件的能耗信息与空调设备构件ID关联存储至区域控制器内的关系数据库；
云计算服务器，其用于从区域控制器内的关系数据库中调取当前时间段内空调设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至空调设备能耗预测模型中，预估出下一时间段内空调设备能耗预测值，并与下一时间段对应空调设备实际能耗值比对，以逐步优化空调设备能耗预测模型；同时，利用空调能耗预测模型还预估出下一时间段内室内温度预测值，进而根据预估的下一时间段内室内温度预测值拟合成温度变化曲线，形成空调控制指令来控制空调设备运行，且向区域控制器发送在BIM模型中实时展示空调设备运行的指令。
8.一种基于BIM和RFID的建筑能耗优化控制系统，其特征在于，包括：
区域控制器，其用于根据建筑本体三维数据及建筑内非空调用电设备构件的空间位置，构建BIM模型；
RFID标签，其与BIM模型的空调设备构件对应绑定，且BIM模型的每个空调设备构件均设置一个唯一ID；所述RFID标签用于将实时获取的非空调用电设备构件的能耗信息与非空调用电设备构件ID关联存储至区域控制器内的关系数据库；
云计算服务器，其用于从区域控制器内的关系数据库中调取当前时间段内非空调用电设备构件的实时能耗信息，并与建筑本体属性信息和建筑内实时环境信息共同输入至非空调用电设备能耗预测模型中，预估出下一时间段内相应非空调用电设备能耗预测值，并与下一时间段对应非空调用电设备实际能耗值比对，以逐步优化非空调用电设备能耗预测模型；同时，利用非空调用电设备能耗预测模型还预估出下一时间段内非空调用电设备的开关控制量，形成非空调用电设备控制指令来控制非空调用电设备运行，且向区域控制器发送在BIM模型中实时展示非空调用电设备运行的指令。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一项所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤；
或该程序被处理器执行时实现如权利要求4-6中任一项所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3中任一项所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤；
或所述处理器执行所述程序时实现如权利要求4-6中任一项所述的基于BIM和RFID的建筑能耗优化控制方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010088567.4A CN111222191A (zh) | 2020-02-12 | 2020-02-12 | 基于bim和rfid的建筑能耗优化控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010088567.4A CN111222191A (zh) | 2020-02-12 | 2020-02-12 | 基于bim和rfid的建筑能耗优化控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111222191A true CN111222191A (zh) | 2020-06-02 |
Family
ID=70829749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010088567.4A Pending CN111222191A (zh) | 2020-02-12 | 2020-02-12 | 基于bim和rfid的建筑能耗优化控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222191A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016142A (zh) * | 2020-08-08 | 2020-12-01 | 重庆非科智地科技有限公司 | Bim模型轻量化系统、方法及装置 |
| CN113325762A (zh) * | 2021-05-25 | 2021-08-31 | 西安交通大学 | 一种智能建筑个性化用能控制方法、系统、装置和设备 |
| CN113341792A (zh) * | 2021-05-18 | 2021-09-03 | 华仁建设集团有限公司 | 一种基于bim的建筑数据采集方法及系统 |
| CN114857744A (zh) * | 2022-06-23 | 2022-08-05 | 湖北华工能源股份有限公司 | 一种用于定量测算中央空调节能降耗数值的方法 |
| CN116993060A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市爱为物联科技有限公司 | 一种基于物联网的智慧工地安全管理方法及系统 |
| CN117847721A (zh) * | 2023-12-07 | 2024-04-09 | 宏景科技股份有限公司 | 基于bim的室内环境调节方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956788A (zh) * | 2016-05-24 | 2016-09-21 | 国家电网公司 | 一种输变电工程造价的动态管理控制方法 |
| EP3104248A1 (en) * | 2015-01-30 | 2016-12-14 | Schneider Electric Usa, Inc. | Operational constraint optimization apparatuses, methods and systems |
| RO132451A0 (ro) * | 2017-08-16 | 2018-03-30 | Academia De Studii Economice Din Bucureşti | Metodă şi sistem informatic inteligent pentru predicţia, analiza şi monitorizarea producţiei şi consumului energiei electrice provenite de la fermele eoliene |
| CN108227759A (zh) * | 2017-12-29 | 2018-06-29 | 无锡十新能源投资有限公司 | 一种基于神经网络预测技术的太阳能跟踪控制系统及方法 |
| CN109272294A (zh) * | 2018-09-11 | 2019-01-25 | 上海宝冶集团有限公司 | 一种装配式建筑的限额设计方法、装置、设备及存储介质 |
| CN109458703A (zh) * | 2018-12-21 | 2019-03-12 | 杭州睿兴栋宇建筑科技有限公司 | 一种基于knn算法和bim技术的智慧建筑空调控制系统 |
| CN109740787A (zh) * | 2018-11-20 | 2019-05-10 | 第四范式（北京）技术有限公司 | 训练建筑物空调负荷预测模型及用其预测的方法和装置 |
| CN109741213A (zh) * | 2018-12-24 | 2019-05-10 | 珠海格力电器股份有限公司 | 一种零能耗建筑耗能控制方法及系统 |
| CN110046718A (zh) * | 2019-03-18 | 2019-07-23 | 中铁第四勘察设计院集团有限公司 | 一种基于bim和rfid的智能运维平台 |
| CN110288164A (zh) * | 2019-07-02 | 2019-09-27 | 广州市特沃能源管理有限公司 | 一种建筑空调制冷站系统预测控制方法 |
-
2020
- 2020-02-12 CN CN202010088567.4A patent/CN111222191A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3104248A1 (en) * | 2015-01-30 | 2016-12-14 | Schneider Electric Usa, Inc. | Operational constraint optimization apparatuses, methods and systems |
| CN105956788A (zh) * | 2016-05-24 | 2016-09-21 | 国家电网公司 | 一种输变电工程造价的动态管理控制方法 |
| RO132451A0 (ro) * | 2017-08-16 | 2018-03-30 | Academia De Studii Economice Din Bucureşti | Metodă şi sistem informatic inteligent pentru predicţia, analiza şi monitorizarea producţiei şi consumului energiei electrice provenite de la fermele eoliene |
| CN108227759A (zh) * | 2017-12-29 | 2018-06-29 | 无锡十新能源投资有限公司 | 一种基于神经网络预测技术的太阳能跟踪控制系统及方法 |
| CN109272294A (zh) * | 2018-09-11 | 2019-01-25 | 上海宝冶集团有限公司 | 一种装配式建筑的限额设计方法、装置、设备及存储介质 |
| CN109740787A (zh) * | 2018-11-20 | 2019-05-10 | 第四范式（北京）技术有限公司 | 训练建筑物空调负荷预测模型及用其预测的方法和装置 |
| CN109458703A (zh) * | 2018-12-21 | 2019-03-12 | 杭州睿兴栋宇建筑科技有限公司 | 一种基于knn算法和bim技术的智慧建筑空调控制系统 |
| CN109741213A (zh) * | 2018-12-24 | 2019-05-10 | 珠海格力电器股份有限公司 | 一种零能耗建筑耗能控制方法及系统 |
| CN110046718A (zh) * | 2019-03-18 | 2019-07-23 | 中铁第四勘察设计院集团有限公司 | 一种基于bim和rfid的智能运维平台 |
| CN110288164A (zh) * | 2019-07-02 | 2019-09-27 | 广州市特沃能源管理有限公司 | 一种建筑空调制冷站系统预测控制方法 |
Non-Patent Citations (5)
| Title |
|---|
| HAI ZHONG 等: "Vector field-based support vector regression for building energy consumption prediction", 《APPLIED ENERGY》 * |
| 何磊: "基于BP神经网络的建筑能耗预测", 《浙江建筑》 * |
| 张耀平: "《仓储技术与库存管理》", 31 August 2007 * |
| 胡静: "《环境优化中的室内空间改造设计探究》", 30 June 2017 * |
| 郑江: "《BIM在土木工程中的应用》", 31 August 2017, 北京理工大学出版社 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016142A (zh) * | 2020-08-08 | 2020-12-01 | 重庆非科智地科技有限公司 | Bim模型轻量化系统、方法及装置 |
| CN112016142B (zh) * | 2020-08-08 | 2024-01-30 | 重庆非科智地科技有限公司 | Bim模型轻量化系统、方法及装置 |
| CN113341792A (zh) * | 2021-05-18 | 2021-09-03 | 华仁建设集团有限公司 | 一种基于bim的建筑数据采集方法及系统 |
| CN113341792B (zh) * | 2021-05-18 | 2022-12-30 | 华仁建设集团有限公司 | 一种基于bim的建筑数据采集方法及系统 |
| CN113325762A (zh) * | 2021-05-25 | 2021-08-31 | 西安交通大学 | 一种智能建筑个性化用能控制方法、系统、装置和设备 |
| CN113325762B (zh) * | 2021-05-25 | 2023-04-28 | 西安交通大学 | 一种智能建筑个性化用能控制方法、系统、装置和设备 |
| CN114857744A (zh) * | 2022-06-23 | 2022-08-05 | 湖北华工能源股份有限公司 | 一种用于定量测算中央空调节能降耗数值的方法 |
| CN116993060A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市爱为物联科技有限公司 | 一种基于物联网的智慧工地安全管理方法及系统 |
| CN116993060B (zh) * | 2023-09-27 | 2023-12-19 | 深圳市爱为物联科技有限公司 | 一种基于物联网的智慧工地安全管理方法及系统 |
| CN117847721A (zh) * | 2023-12-07 | 2024-04-09 | 宏景科技股份有限公司 | 基于bim的室内环境调节方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222191A (zh) | 基于bim和rfid的建筑能耗优化控制方法及系统 | |
| US11783203B2 (en) | Building energy system with energy data simulation for pre-training predictive building models | |
| CN101809514B (zh) | 用于舒适控制的微系统的应用 | |
| JP5518216B2 (ja) | クラウドコンピューティングに基づくエネルギー管理制御システム及び方法 | |
| CN107726546B (zh) | 无人运营的中央空调智能系统及其控制方法 | |
| JP5518553B2 (ja) | 相互学習による建築物の省エネルギー化ユニット及びシステム | |
| CN105091209B (zh) | 一种基于空调负荷预测的控制系统及方法 | |
| CN107781947A (zh) | 一种建筑空调系统冷热源预测控制方法和装置 | |
| Yang et al. | Experimental study of a model predictive control system for active chilled beam (ACB) air-conditioning system | |
| CN105320118A (zh) | 基于云平台的空调系统电力需求响应控制方法 | |
| CN109798646B (zh) | 一种基于大数据平台的变风量空调控制系统和方法 | |
| Wang et al. | Multi-objective optimal analysis of comfort and energy management for intelligent buildings | |
| Papantoniou et al. | Using intelligent building energy management system for the integration of several systems to one overall monitoring and management system | |
| CN107576015A (zh) | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 | |
| Gao et al. | Model-based space temperature cascade control for constant air volume air-conditioning system | |
| CN115630434A (zh) | 一种基于多智能体模拟的建筑碳排放预测方法和装置 | |
| US20190384238A1 (en) | Building management system and method using learned environmental parameters for proactive control | |
| Kim et al. | Performance evaluation of artificial neural network-based variable control logic for double skin enveloped buildings during the heating season | |
| CN109612047A (zh) | 变风量空调系统的送风温度控制方法 | |
| Vattano | Smart buildings for a sustainable development | |
| CN116907036A (zh) | 一种基于冷负荷预测的深度强化学习冷水机组控制方法 | |
| CN111998505B (zh) | 基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统 | |
| Zhang et al. | Optimization of daylighting, ventilation, and cooling load performance of apartment in tropical ocean area based on parametric design | |
| CN104764169A (zh) | 一种中央空调变温湿度区间控制方法 | |
| Pi et al. | Load Prediction and Control of Capillary Ceiling Radiation Cooling Panel Air Conditioning System Based on BP Neural Network |
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: 20200602 |