CN112150311B - 能耗异常状态检测方法、装置、计算机设备和存储介质 - Google Patents
能耗异常状态检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112150311B CN112150311B CN202010939986.4A CN202010939986A CN112150311B CN 112150311 B CN112150311 B CN 112150311B CN 202010939986 A CN202010939986 A CN 202010939986A CN 112150311 B CN112150311 B CN 112150311B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- historical
- consumption information
- current
- time period
- 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 752
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 239000013598 vector Substances 0.000 claims description 96
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 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
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
- 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
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种能耗异常状态检测方法、装置、计算机设备和存储介质。所述方法包括:获取针对于目标建筑的多个历史能耗信息;多个历史能耗信息为目标建筑在预设历史时间段内的能耗信息;基于多个历史能耗信息,确定目标建筑在当前时间段的能耗距离阈值;根据目标建筑的当前能耗信息与多个历史能耗信息,得到目标建筑在当前时间段的多个当前能耗距离;当前能耗信息为目标建筑在当前时间段内的能耗信息;若多个当前能耗距离的最大值大于能耗距离阈值,则确定目标建筑在当前时间段处于能耗异常状态。采用本方法能够避免采用人为主观判断的固定阈值进行能耗异常状态检测,从而提高能耗异常状态检测的准确性。
Description
技术领域
本申请涉及能耗检测技术领域,特别是涉及一种能耗异常状态检测方法、装置、计算机设备和存储介质。
背景技术
随着建筑技术的发展,各种类型的建筑数量及规模不断提高,作为人们日常生活、工作的重要场所,建筑节能已经越来越受到社会各界的关注。而其中建筑能耗主要来源于诸如空调等高能耗设备,因此这些高能耗设备的能耗是否正常,会严重影响整个建筑的能耗情况。
目前,对能耗的异常状态检测通常是通过设定能耗值上限和下限阈值进行检测。然而这种检测方式往往采用固定阈值进行判断,无法适应不同时期能耗不同的需求,例如夏季和冬季的能耗往往不同,阈值的设定则主要依靠人为主观判断,因此目前的能耗异常状态检测准确性较低,
发明内容
基于此,有必要针对上述技术问题,提供一种能耗异常状态检测方法、装置、计算机设备和存储介质。
一种能耗异常状态检测方法,所述方法包括:
获取针对于目标建筑的多个历史能耗信息;所述多个历史能耗信息为所述目标建筑在预设历史时间段内的能耗信息;
基于所述多个历史能耗信息,确定所述目标建筑在当前时间段的能耗距离阈值;
根据所述目标建筑的当前能耗信息与所述多个历史能耗信息,得到所述目标建筑在所述当前时间段的多个当前能耗距离;所述当前能耗信息为所述目标建筑在所述当前时间段内的能耗信息;
若所述多个当前能耗距离的最大值大于所述能耗距离阈值,则确定所述目标建筑在所述当前时间段处于能耗异常状态。
在其中一个实施例中,所述基于所述多个历史能耗信息,确定所述目标建筑在当前时间段的能耗距离阈值,包括:基于所述多个历史能耗信息,确定所述目标建筑在所述预设历史时间段内的多个历史能耗向量;基于所述多个历史能耗向量,确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离;根据所述多个历史能耗距离确定所述能耗距离阈值。
在其中一个实施例中,所述根据所述多个历史能耗距离确定所述能耗距离阈值,包括:获取预设的能耗距离阈值容错余量;根据所述多个历史能耗距离中的最大值以及所述能耗距离阈值容错余量,确定所述能耗距离阈值。
在其中一个实施例中,各历史能耗信息包括不同类型的子历史能耗信息;所述基于所述多个历史能耗信息,确定所述目标建筑在所述预设历史时间段内的多个历史能耗向量,包括:基于所述多个历史能耗信息,确定各类型的子历史能耗信息的最大值以及所述各类型的子历史能耗信息的最小值;利用所述各类型的子历史能耗信息的最大值以及所述各类型的子历史能耗信息的最小值对所述各类型的子历史能耗信息进行归一化处理,得到归一化处理后的多个历史能耗向量;所述基于所述多个历史能耗向量,确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离,包括:基于所述归一化处理后的多个历史能耗向量,确定所述欧式距离。
在其中一个实施例中,所述根据所述目标建筑的当前能耗信息与所述多个历史能耗信息,得到所述目标建筑在所述当前时间段的多个当前能耗距离,包括:确定与所述当前能耗信息对应的当前能耗向量,以及与所述多个历史能耗信息对应的多个历史能耗向量;将所述当前能耗向量与各历史能耗向量之间的多个欧式距离,作为所述多个当前能耗距离。
在其中一个实施例中,所述多个历史能耗信息为所述目标建筑在以所述当前时间段为起点,前预设时间区间内的多个能耗信息;所述方法还包括:若所述目标建筑在所述当前时间段不处于能耗异常状态,则将所述当前能耗信息添加至所述多个历史能耗信息,以对所述多个历史能耗信息进行更新。
在其中一个实施例中,所述目标建筑装载有多个目标设备;所述确定所述当前时间段的能耗异常标识为存在能耗异常之后,还包括:获取针对于各目标设备的多个设备历史能耗信息;所述多个设备历史能耗信息为所述各目标设备在预设历史时间段内的能耗信息;基于所述多个设备历史能耗信息,确定所述各目标设备在当前时间段的设备能耗距离阈值;根据所述各目标设备的设备当前能耗信息与所述多个设备历史能耗信息,得到所述各目标设备在所述当前时间段的多个设备当前能耗距离;所述设备当前能耗信息为所述各目标设备在所述当前时间段内的能耗信息;若所述多个设备当前能耗距离的最大值大于所述设备能耗距离阈值,则确定所述目标设备在所述当前时间段处于能耗异常状态。
一种能耗异常状态检测装置,所述装置包括:
历史能耗获取模块,用于获取针对于目标建筑的多个历史能耗信息;所述多个历史能耗信息为所述目标建筑在预设历史时间段内的能耗信息;
能耗阈值确定模块,用于基于所述多个历史能耗信息,确定所述目标建筑在当前时间段的能耗距离阈值;
当前能耗确定模块,用于根据所述目标建筑的当前能耗信息与所述多个历史能耗信息,得到所述目标建筑在所述当前时间段的多个当前能耗距离;所述当前能耗信息为所述目标建筑在所述当前时间段内的能耗信息;
能耗异常确定模块,用于若所述多个当前能耗距离的最大值大于所述能耗距离阈值,则确定所述目标建筑在所述当前时间段处于能耗异常状态。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述能耗异常状态检测方法、装置、计算机设备和存储介质,获取针对于目标建筑的多个历史能耗信息;多个历史能耗信息为目标建筑在预设历史时间段内的能耗信息;基于多个历史能耗信息,确定目标建筑在当前时间段的能耗距离阈值;根据目标建筑的当前能耗信息与多个历史能耗信息,得到目标建筑在当前时间段的多个当前能耗距离;当前能耗信息为目标建筑在当前时间段内的能耗信息;若多个当前能耗距离的最大值大于能耗距离阈值,则确定目标建筑在当前时间段处于能耗异常状态。本申请可根据多个历史能耗信息得到能耗距离阈值,并根据当前能耗信息与多个历史能耗信息的多个当前能耗距离与能耗距离阈值的大小关系进行能耗异常状态检测,因此可避免采用人为主观判断的固定阈值进行能耗异常状态检测,从而提高能耗异常状态检测的准确性。
附图说明
图1为一个实施例中能耗异常状态检测方法的流程示意图;
图2为一个实施例中基于多个历史能耗信息,确定目标建筑在当前时间段的能耗距离阈值的流程示意图;
图3为一个实施例中目标设备能耗异常状态检测的流程示意图;
图4为另一个实施例中能耗异常状态检测方法的流程示意图;
图5为一个应用实例中建筑能耗异常的检测方法的流程示意图;
图6为一个应用实例中设备能耗异常的检测方法的流程示意图;
图7为一个实施例中能耗异常状态检测装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种能耗异常状态检测方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤S101,终端获取针对于目标建筑的多个历史能耗信息;多个历史能耗信息为目标建筑在预设历史时间段内的能耗信息。
其中,目标建筑指的是需要检测能耗异常状态的建筑,历史能耗信息指的是该目标建筑在某个历史时间段内的能耗信息,例如如果需要检测夏季某一天是否存在能耗异常状态,则可以将与这一天相邻的前几天的能耗信息作为历史能耗信息,也可以是将上一年的这一天相邻前后几天的能耗信息作为历史能耗信息。具体地,终端可以从存储有历史能耗信息的数据库中读取针对于该目标建筑的多个历史能耗信息,从而得到多个历史能耗信息。
步骤S102,终端基于多个历史能耗信息,确定目标建筑在当前时间段的能耗距离阈值。
其中,能耗距离阈值是用于确定是否存在能耗异常状态的阈值,能耗距离用于表示任意两个能耗信息之间差值,因此能耗距离阈值则用于表示任意两个能耗信息之间差值的阈值,当两个能耗信息差值越大,其对应的能耗距离也会越大,终端可根据得到的多个历史能耗信息,确定目标建筑在当前时间段内可以满足的能耗距离阈值,例如可以将任意两个历史能耗信息的能耗距离的最大值作为该能耗距离阈值。
步骤S103,终端根据目标建筑的当前能耗信息与多个历史能耗信息,得到目标建筑在当前时间段的多个当前能耗距离;当前能耗信息为目标建筑在当前时间段内的能耗信息。
其中,当前能耗信息指的是目标建筑在当前时间段的能耗信息,当前能耗距离则指的是利用当前能耗信息与得到的多个历史能耗信息计算得到的能耗距离。具体地,终端可以将得到的当前能耗信息分别与多个历史能耗信息进行能耗距离的计算,从而得到多个当前能耗距离。
例如:多个历史能耗信息分别包括历史能耗信息A、历史能耗信息B以及历史能耗信息C,终端得到当前能耗信息D后,可以分别计算当前能耗信息D与历史能耗信息A的能耗距离、当前能耗信息D与历史能耗信息B的能耗距离以及当前能耗信息D与历史能耗信息C的能耗距离。
步骤S104,若多个当前能耗距离的最大值大于能耗距离阈值,则终端确定目标建筑在当前时间段处于能耗异常状态。
如果步骤S103得到的多个当前能耗距离中的最大值大于步骤S102得到的能耗距离阈值,那么终端则会确定目标建筑在当前时间段处于能耗异常状态。
上述能耗异常状态检测方法中,终端获取针对于目标建筑的多个历史能耗信息;多个历史能耗信息为目标建筑在预设历史时间段内的能耗信息;基于多个历史能耗信息,确定目标建筑在当前时间段的能耗距离阈值;根据目标建筑的当前能耗信息与多个历史能耗信息,得到目标建筑在当前时间段的多个当前能耗距离;当前能耗信息为目标建筑在当前时间段内的能耗信息;若多个当前能耗距离的最大值大于能耗距离阈值,则确定目标建筑在当前时间段处于能耗异常状态。本申请可根据多个历史能耗信息得到能耗距离阈值,并根据当前能耗信息与多个历史能耗信息的多个当前能耗距离与能耗距离阈值的大小关系进行能耗异常状态检测,因此可避免采用人为主观判断的固定阈值进行能耗异常状态检测,从而提高能耗异常状态检测的准确性。
在一个实施例中,如图2所示,步骤S102进一步包括:
步骤S201,基于多个历史能耗信息,终端确定目标建筑在预设历史时间段内的多个历史能耗向量。
其中,历史能耗向量是与各历史能耗信息对应的向量,由于每个历史能耗信息可能包含有一个或多个子历史能耗信息,例如目标建筑的日总能耗或者日单位能耗等等,向量的维度与子历史能耗信息个数对应,若历史能耗信息仅包含一个子历史能耗信息,其对应的向量维度即为一维,终端可一个根据得到的多个历史能耗信息,分别确定各历史能耗信息对应的历史能耗向量,作为目标建筑在预设历史时间段内的多个历史能耗向量。
步骤S202,基于多个历史能耗向量,终端确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离。
其中,历史能耗距离指的是历史能耗向量之间的能耗距离。具体地,终端得到多个历史能耗向量后,可以分别计算任意两个历史能耗向量之间的欧氏距离,作为多个历史能耗距离。
步骤S203,终端根据多个历史能耗距离确定能耗距离阈值。
具体地,终端得到多个历史能耗距离后,可以根据得到的多个历史能耗距离确定目标建筑在当前时间段的能耗距离阈值,例如终端可以将多个历史能耗距离之中的最大值作为能耗距离阈值。
进一步地,为了提高能耗异常状态检测的容错率,以减少误检的出现,步骤S203可以进一步包括:终端获取预设的能耗距离阈值容错余量;根据多个历史能耗距离中的最大值以及能耗距离阈值容错余量,确定能耗距离阈值。
其中,能耗距离阈值容错余量可以是用户根据需要进行设定的容错余量,用于避免多个当前能耗距离的最大值与多个历史能耗距离中的最大值差距极小的情况下终端造成的能耗异常状态的误检。例如:当多个当前能耗距离的最大值可能是2.001,而终端得到的多个历史能耗距离中的最大值为2,此时两者差距极小,可属于误差范围内,因此为了防止对这种情况的误检,用户可根据需要设置容错余量,例如可以是10%,那么此时得到的能耗距离阈值则是2.2,此时多个当前能耗距离的最大值小于能耗距离阈值,终端则不会将其判定为处于能耗异常状态。终端可根据多个历史能耗距离中的最大值以及能耗距离阈值容错余量确定能耗距离阈值,从而减少能耗异常状态检测的误检率,以提高能耗异常状态检测的容错率。
另外,为了提高能耗异常状态检测的效率,在一个实施例中,各历史能耗信息包括不同类型的子历史能耗信息,步骤S201可以进一步包括:终端基于多个历史能耗信息,确定各类型的子历史能耗信息的最大值以及各类型的子历史能耗信息的最小值;利用各类型的子历史能耗信息的最大值以及各类型的子历史能耗信息的最小值对各类型的子历史能耗信息进行归一化处理,得到归一化处理后的多个历史能耗向量;步骤S202可以进一步包括:终端基于归一化处理后的多个历史能耗向量,确定欧式距离。
其中,本实施例考虑的历史能耗信息为包含多个不同能耗信息类型的子历史能耗信息,例如可以包括:该建筑的日总能耗信息,以及该建筑的日单位能耗信息等等,终端可以按照类型子历史能耗信息进行分类,并确定每种类型的子历史能耗信息对应的最大值以及最小值,即分别确定该建筑的日总能耗信息的最大值与最小值,以及该建筑的日单位能耗信息的最大值与最小值,并分别基于得到每种类型的子历史能耗信息的最大值与最小值,对每种类型的多个子历史能耗信息分别进行归一化处理,从而得到多个归一化处理后的子历史能耗信息,进而得到归一化处理后的多个历史能耗向量,并利用归一化处理后的多个历史能耗向量确定任意两个历史能耗向量之间的欧式距离。
例如:多个历史能耗信息包括历史能耗信息1、历史能耗信息2以及历史能耗信息3,其中每个历史能耗信息包括子历史能耗信息a和子历史能耗信息b,即历史能耗信息1对应的历史能耗向量为[a1,b1],历史能耗信息2对应的历史能耗向量为[a2,b2],以及历史能耗信息2对应的历史能耗向量为[a3,b3],之后终端可分别对向量[a1,b1]、[a2,b2]以及[a3,b3],具体来说,可分别确定a1、a2和a3中的最小值和最大值,并利用该最小值和最大值对a1、a2和a3进行归一化处理,分别得到a11、a21和a31,并通过同样方式对b1、b2和b3进行归一化处理,分别得到b11、b21和b31,从而得到归一化处理后的多个历史能耗向量[a11,b11]、[a21,b21]以及[a31,b31]。
上述实施例中,终端可根据多个历史能耗信息形成的多个历史能耗向量之间的欧式距离,得到能耗距离阈值,进一步考虑了历史能耗信息中包含不同类型的子历史能耗信息情况下的能耗异常状态检测,进一步提高能耗异常状态检测的准确性,还进一步引入了能耗距离阈值容错余量进行能耗距离阈值的计算,提高了能耗异常状态检测的容错率,并减少误检的出现,以及通过对子历史能耗信息进行归一化处理,有利于简化计算,提高能耗异常状态检测的效率。
在一个实施例中,步骤S103进一步可以包括:终端确定与当前能耗信息对应的当前能耗向量,以及与多个历史能耗信息对应的多个历史能耗向量;将当前能耗向量与各历史能耗向量之间的多个欧式距离,作为多个当前能耗距离。
其中,当前能耗向量是终端根据当前能耗信息得到的对应的向量,而历史能耗向量则是终端根据历史能耗信息得到的对应的向量,终端可以计算当前能耗向量与各历史能耗向量之间的多个欧式距离,作为多个当前能耗距离。
本实施例中,终端可将当前能耗向量与各历史能耗向量之间的多个欧式距离,作为多个当前能耗距离,考虑了能耗信息中包含不同类型的子能耗信息情况下的能耗异常状态检测,进一步提高能耗异常状态检测的准确性。
在一个实施例中,多个历史能耗信息为目标建筑在以当前时间段为起点,前预设时间区间内的多个能耗信息;能耗异常状态检测方法,还可以包括:若目标建筑在当前时间段不处于能耗异常状态,则终端将当前能耗信息添加至多个历史能耗信息,以对多个历史能耗信息进行更新。
其中,前预设时间区间可以是用户根据需要进行设置,可以是前3天时间,多个历史能耗信息则可以是以当前时间段为起点的前3天时间内的多个能耗信息,例如:终端采集到的能耗信息按不同天数排序可以包括能耗信息A、能耗信息B、能耗信息C以及能耗信息D,若当前时间段即当天的能耗信息为能耗信息E,若前预设时间区间为3天,那么终端得到的历史能耗信息即为能耗信息B、能耗信息C以及能耗信息D。
之后,若目标建筑在当前时间段不处于能耗异常状态,则终端将当前能耗信息,即能耗信息E添加至多个历史能耗信息,从而实现对多个历史能耗信息的更新。
本实施例中,历史能耗信息由目标建筑在以当前时间段为起点,前预设时间区间内的多个能耗信息得到,即与当前时间段最接近的前预设时间区间内的能耗信息得到,因此数据具有更高的参考价值,同时还可以不断更新历史能耗信息,进一步提高能耗异常状态检测的准确性。
在一个实施例中,目标建筑装载有多个目标设备,如图3所示,步骤S104之后,还可以包括:
步骤S301,终端获取针对于各目标设备的多个设备历史能耗信息;多个设备历史能耗信息为各目标设备在预设历史时间段内的能耗信息。
其中,目标设备指的是目标建筑装载的部分设备,目标设备可以是用户进行选取,一般而言,建筑能耗往往集中在少数几类设备中,如空调、冰箱等高能耗设备中,如果目标建筑的能耗出现异常状态,其原因一般是目标设备的能耗出现异常状态,因此可通过对目标设备的能耗异常状态进行检测,查找出导致目标建筑出现能耗异常状态的原因。具体地,终端首先可以获取装载于目标建筑中各目标设备在预设历史时间段内的能耗信息,例如可以是以当前时间段为起点,前预设时间区间内的多个设备能耗信息,作为各目标设备的多个设备历史能耗信息。
步骤S302,终端基于多个设备历史能耗信息,确定各目标设备在当前时间段的设备能耗距离阈值。
其中,设备能耗距离阈值用于表示任意两个设备历史能耗信息之间差值的阈值,终端可以根据得到的多个设备历史能耗信息,确定目标设备在当前时间段内可以满足的设备能耗距离阈值,例如可以根据设置的能耗距离阈值容错余量以及任意两个设备历史能耗信息的能耗距离的最大值得到该设备能耗距离阈值。
步骤S303,终端根据各目标设备的设备当前能耗信息与多个设备历史能耗信息,得到各目标设备在所述当前时间段的多个设备当前能耗距离;设备当前能耗信息为各目标设备在所述当前时间段内的能耗信息。
其中,设备当前能耗信息指的是目标设备在当前时间段的能耗信息,设备当前能耗距离则指的是利用设备当前能耗信息与得到的多个设备历史能耗信息计算得到的能耗距离。具体地,终端可以将得到的当前能耗信息分别与多个历史能耗信息进行能耗距离的计算,例如可通过分别计算当前能耗信息与多个历史能耗信息的欧式距离,作为多个当前能耗距离。
步骤S304,若多个设备当前能耗距离的最大值大于设备能耗距离阈值,则终端确定目标设备在当前时间段处于能耗异常状态。
如果得到的某个目标设备的设备当前能耗距离的最大值大于该目标设备的设备能耗距离阈值,那么终端可确定目标设备在当前时间段处于能耗异常状态。
上述实施例,可通过对目标设备进行能耗异常状态检测,可以从中找出能耗异常状态下的目标设备,从而迅速查找出导致目标建筑出现能耗异常状态的原因,进而提高对建筑的能耗异常状态修复的效率。
在一个实施例中,如图4所示,提供了一种能耗异常状态检测方法,本实施例以该方法应用于终端进行举例说明,该方法包括以下步骤:
步骤S401,终端获取针对于目标建筑在以当前时间段为起点,前预设时间区间内的多个历史能耗信息;各历史能耗信息包括不同类型的子历史能耗信息;
步骤S402,基于多个历史能耗信息,终端确定各类型的子历史能耗信息的最大值以及最小值;利用各类型的子历史能耗信息的最大值以及最小值对各类型的子历史能耗信息进行归一化处理,得到归一化处理后的多个历史能耗向量;
步骤S403,基于归一化处理后的多个历史能耗向量,终端确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离;
步骤S404,终端获取预设的能耗距离阈值容错余量;根据多个历史能耗距离中的最大值以及能耗距离阈值容错余量,确定能耗距离阈值;
步骤S405,终端确定与当前能耗信息对应的当前能耗向量,以及与多个历史能耗信息对应的多个历史能耗向量;将当前能耗向量与各历史能耗向量之间的多个欧式距离,作为多个当前能耗距离;
步骤S406,若多个当前能耗距离的最大值大于能耗距离阈值,则终端确定目标建筑在所述当前时间段处于能耗异常状态;若目标建筑在当前时间段不处于能耗异常状态,则终端将当前能耗信息添加至多个历史能耗信息,以对多个历史能耗信息进行更新;
步骤S407,若目标建筑在当前时间段处于能耗异常状态,则终端获取针对于各目标设备的多个设备历史能耗信息;多个设备历史能耗信息为各目标设备在预设历史时间段内的能耗信息;
步骤S408,终端基于所述多个设备历史能耗信息,确定各目标设备在当前时间段的设备能耗距离阈值;
步骤S409,终端根据各目标设备的设备当前能耗信息与多个设备历史能耗信息,得到各目标设备在当前时间段的多个设备当前能耗距离;设备当前能耗信息为各目标设备在当前时间段内的能耗信息;
步骤S410,若多个设备当前能耗距离的最大值大于设备能耗距离阈值,则终端确定目标设备在当前时间段处于能耗异常状态。
上述实施例提供的能耗异常状态检测方法,可避免采用人为主观判断的固定阈值进行能耗异常状态检测,从而提高能耗异常状态检测的准确性,并且进一步考虑了历史能耗信息中包含不同类型的子历史能耗信息情况下的能耗异常状态检测,进一步提高能耗异常状态检测的准确性,还进一步引入了能耗距离阈值容错余量进行能耗距离阈值的计算,提高了能耗异常状态检测的容错率,并减少误检的出现,以及通过对子历史能耗信息进行归一化处理,有利于简化计算,提高能耗异常状态检测的效率。另外,历史能耗信息是通过当前时间段最接近的前预设时间区间内的能耗信息得到,因此数据具有更高的参考价值,同时还可以不断更新历史能耗信息,进一步提高能耗异常状态检测的准确性。最后,还通过对目标设备进行能耗异常状态检测,可以从中找出能耗异常状态下的目标设备,从而迅速查找出导致目标建筑出现能耗异常状态的原因,进而提高对建筑的能耗异常状态修复的效率。
在一个应用实例中,提供了一种建筑能耗异常的检测方法,如图5所示,该方法可以包括如下步骤:
1、选取建筑的关键能耗设备,使用传感器采集这些设备的工作开始时间和结束时间、能耗计量值,进而计算出该设备的日工作时长和日总能耗量,如日期D的设备i的数据:工作时长Hi、日总能耗Ei,则日单位能耗Ei,h=Ei/Hi。可根据实际需要任意选择n个设备。使用传感器采集建筑的日总能耗值Eb。
2、计算每个设备在建筑中的能耗占比,如设备i的能耗占比Ei,p=Ei/Eb。
3、构建特征向量,将设备日单位能耗、设备能耗占比、建筑日总能耗作为特征值构建D日的特征向量为V=[E1,h,E1,p,E2,h,E2,p,…,Ei,h,Ei,p,…,En,h,En,p,Eb]。
4、将过去一段时间每天的正常数据保存作为历史样本数据,构成向量矩阵Ms=[VS1,VS2,…,VSi,…,VSn]。
5、对Ms中的值进行归一化处理,新值=(旧值-最小值)/(最大值-最小值)。
6、训练样本数据,计算D日前k天(k可根据经验值设定)任意两天的欧式距离,第i天和第j天的欧式距离根据公式求出,取所有值的最大值*(1+容错余量%)为该日允许的阈值PFD。
7、当采集到新的1天的数据时,计算当天的特征向量Vtoday,以及前k天的每一天的特征向量[V1,V2,…,Vi,…,Vk],按第6步的方法进行归一化处理。
8、计算Vtoday与前k日的任一天计算欧式距离,根据公式得到[Ptoday,1,Ptoday,2,…,Ptoday,i,…,Ptoday,k]。
9、如果[Ptoday,1,Ptoday,2,…,Ptoday,i,…,Ptoday,k]内的最大值Ptoday,max超过当日(如果不存在,可取最近日期)的阈值PFD,则认为能耗异常,反之为正常。
10、将正常数据加入样本空间,重新学习得出最新的参考阈值PFD。
如果发现能耗异常,可进一步用同样的方法识别具体是n个设备的哪一个出现异常,或是n个设备以外的设备出现异常。不同的是此时的特征向量是V=[Eh,Ep]。如图6所示,其方法是:
1、构建特征向量,将设备日单位能耗Eh、设备能耗占比Ep作为特征值构建D日的特征向量为V=[Eh,Ep]。
2、将过去一段时间每天的正常数据保存作为历史样本数据,构成向量矩阵Ms=[VS1,VS2,…,VSi,…,VSn]。
3、对Ms中的值进行归一化处理,新值=(旧值-最小值)/(最大值-最小值)。
4、训练样本数据,计算D日前k天(k可根据经验值设定)任意两天的欧式距离,第i天和第j天的欧式距离根据公式求出,取所有值的最大值*(1+容错余量%)为该日允许的阈值PFD。
5、当采集到新的1天的数据时,计算当天的特征向量Vtoday,以及前k天的每一天的特征向量[V1,V2,…,Vi,…,Vk],进行归一化处理。
6、计算Vtoday与前k日的任一天计算欧式距离,根据公式得到[Ptoday,1,Ptoday,2,…,Ptoday,i,…,Ptoday,k]。
7、如果[Ptoday,1,Ptoday,2,…,Ptoday,i,…,Ptoday,k]内的最大值Ptoday,max超过当日(如果不存在,可取最近日期)的阈值PFD,则认为该设备能耗异常,反之为正常。
8、将正常数据加入样本空间,重新学习得出最新的参考阈值PFD。
上述应用实例,可以根据多个参数值来识别异常,避免单参数阈值识别带来的局限性;单参数阈值法需要监控多个参数,本方法只需要关注2个参数,就是k的取值和容错余量的取值,节省了大量的人工关注;自行迭代,越靠近的时间的数据越具有参考价值,因此不断添加最近的数据重新训练新的阈值,使系统保持更新。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种能耗异常状态检测装置,包括:历史能耗获取模块701、能耗阈值确定模块702、当前能耗确定模块703和能耗异常确定模块704,其中:
历史能耗获取模块701,用于获取针对于目标建筑的多个历史能耗信息;多个历史能耗信息为目标建筑在预设历史时间段内的能耗信息;
能耗阈值确定模块702,用于基于多个历史能耗信息,确定目标建筑在当前时间段的能耗距离阈值;
当前能耗确定模块703,用于根据目标建筑的当前能耗信息与多个历史能耗信息,得到目标建筑在当前时间段的多个当前能耗距离;当前能耗信息为目标建筑在当前时间段内的能耗信息;
能耗异常确定模块704,用于若多个当前能耗距离的最大值大于能耗距离阈值,则确定目标建筑在当前时间段处于能耗异常状态。
在一个实施例中,能耗阈值确定模块702,进一步用于基于多个历史能耗信息,确定目标建筑在预设历史时间段内的多个历史能耗向量;基于多个历史能耗向量,确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离;根据多个历史能耗距离确定能耗距离阈值。
在一个实施例中,能耗阈值确定模块702,进一步用于获取预设的能耗距离阈值容错余量;根据多个历史能耗距离中的最大值以及能耗距离阈值容错余量,确定能耗距离阈值。
在一个实施例中,各历史能耗信息包括不同类型的子历史能耗信息;能耗阈值确定模块702,进一步用于基于多个历史能耗信息,确定各类型的子历史能耗信息的最大值以及各类型的子历史能耗信息的最小值;利用各类型的子历史能耗信息的最大值以及各类型的子历史能耗信息的最小值对各类型的子历史能耗信息进行归一化处理,得到归一化处理后的多个历史能耗向量;基于归一化处理后的多个历史能耗向量,确定欧式距离。
在一个实施例中,当前能耗确定模块703,进一步用于确定与当前能耗信息对应的当前能耗向量,以及与多个历史能耗信息对应的多个历史能耗向量;将当前能耗向量与各历史能耗向量之间的多个欧式距离,作为多个当前能耗距离。
在一个实施例中,多个历史能耗信息为目标建筑在以当前时间段为起点,前预设时间区间内的多个能耗信息;能耗异常状态检测装置,还包括:历史能耗更新模块,用于若目标建筑在当前时间段不处于能耗异常状态,则将当前能耗信息添加至多个历史能耗信息,以对多个历史能耗信息进行更新。
在一个实施例中,目标建筑装载有多个目标设备;能耗异常状态检测装置,还包括:设备异常确定模块,用于获取针对于各目标设备的多个设备历史能耗信息;多个设备历史能耗信息为各目标设备在预设历史时间段内的能耗信息;基于多个设备历史能耗信息,确定各目标设备在当前时间段的设备能耗距离阈值;根据各目标设备的设备当前能耗信息与多个设备历史能耗信息,得到各目标设备在当前时间段的多个设备当前能耗距离;设备当前能耗信息为各目标设备在当前时间段内的能耗信息;若多个设备当前能耗距离的最大值大于设备能耗距离阈值,则确定目标设备在当前时间段处于能耗异常状态。
关于能耗异常状态检测装置的具体限定可以参见上文中对于能耗异常状态检测方法的限定,在此不再赘述。上述能耗异常状态检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种能耗异常状态检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种能耗异常状态检测方法,其特征在于,所述方法包括:
获取针对于目标建筑的多个历史能耗信息;所述多个历史能耗信息为所述目标建筑在预设历史时间段内的能耗信息;
基于所述多个历史能耗信息,确定所述目标建筑在当前时间段的能耗距离阈值,包括:基于所述多个历史能耗信息,确定所述目标建筑在所述预设历史时间段内的多个历史能耗向量;基于所述多个历史能耗向量,确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离;根据所述多个历史能耗距离确定所述能耗距离阈值,包括:获取预设的能耗距离阈值容错余量;根据所述多个历史能耗距离中的最大值以及所述能耗距离阈值容错余量,确定所述能耗距离阈值;
根据所述目标建筑的当前能耗信息与所述多个历史能耗信息,得到所述目标建筑在所述当前时间段的多个当前能耗距离;所述当前能耗信息为所述目标建筑在所述当前时间段内的能耗信息,包括:确定与所述当前能耗信息对应的当前能耗向量,以及与所述多个历史能耗信息对应的多个历史能耗向量;将所述当前能耗向量与各历史能耗向量之间的多个欧式距离,作为所述多个当前能耗距离;
若所述多个当前能耗距离的最大值大于所述能耗距离阈值,则确定所述目标建筑在所述当前时间段处于能耗异常状态。
2.根据权利要求1所述的方法,其特征在于,各所述历史能耗信息包括不同类型的子历史能耗信息;
所述基于所述多个历史能耗信息,确定所述目标建筑在所述预设历史时间段内的多个历史能耗向量,包括:
基于所述多个历史能耗信息,确定各类型的子历史能耗信息的最大值以及所述各类型的子历史能耗信息的最小值;
利用所述各类型的子历史能耗信息的最大值以及所述各类型的子历史能耗信息的最小值对所述各类型的子历史能耗信息进行归一化处理,得到归一化处理后的多个历史能耗向量;
所述基于所述多个历史能耗向量,确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离,包括:
基于所述归一化处理后的多个历史能耗向量,确定所述任意两个历史能耗向量之间的欧式距离。
3.根据权利要求1所述的方法,其特征在于,所述多个历史能耗信息为所述目标建筑在所述当前时间段之前的预设时间区间内的多个能耗信息;
所述方法还包括:
若所述目标建筑在所述当前时间段不处于能耗异常状态,则将所述当前能耗信息添加至所述多个历史能耗信息,以对所述多个历史能耗信息进行更新。
4.根据权利要求1所述的方法,其特征在于,所述目标建筑装载有多个目标设备;
所述确定所述目标建筑在所述当前时间段处于能耗异常状态,包括:
获取针对于各目标设备的多个设备历史能耗信息;所述多个设备历史能耗信息为所述各目标设备在预设历史时间段内的能耗信息;
基于所述多个设备历史能耗信息,确定所述各目标设备在当前时间段的设备能耗距离阈值;
根据所述各目标设备的设备当前能耗信息与所述多个设备历史能耗信息,得到所述各目标设备在所述当前时间段的多个设备当前能耗距离;所述设备当前能耗信息为所述各目标设备在所述当前时间段内的能耗信息;
若所述多个设备当前能耗距离的最大值大于所述设备能耗距离阈值,则确定所述目标设备在所述当前时间段处于能耗异常状态。
5.一种能耗异常状态检测装置,其特征在于,所述装置包括:
历史能耗获取模块,用于获取针对于目标建筑的多个历史能耗信息;所述多个历史能耗信息为所述目标建筑在预设历史时间段内的能耗信息;
能耗阈值确定模块,用于基于所述多个历史能耗信息,确定所述目标建筑在当前时间段的能耗距离阈值,包括:基于所述多个历史能耗信息,确定所述目标建筑在所述预设历史时间段内的多个历史能耗向量;基于所述多个历史能耗向量,确定任意两个历史能耗向量之间的欧式距离,得到多个历史能耗距离;根据所述多个历史能耗距离确定所述能耗距离阈值,包括:获取预设的能耗距离阈值容错余量;根据所述多个历史能耗距离中的最大值以及所述能耗距离阈值容错余量,确定所述能耗距离阈值;
当前能耗确定模块,用于根据所述目标建筑的当前能耗信息与所述多个历史能耗信息,得到所述目标建筑在所述当前时间段的多个当前能耗距离;所述当前能耗信息为所述目标建筑在所述当前时间段内的能耗信息,包括:确定与所述当前能耗信息对应的当前能耗向量,以及与所述多个历史能耗信息对应的多个历史能耗向量;将所述当前能耗向量与各历史能耗向量之间的多个欧式距离,作为所述多个当前能耗距离;
能耗异常确定模块,用于若所述多个当前能耗距离的最大值大于所述能耗距离阈值,则确定所述目标建筑在所述当前时间段处于能耗异常状态。
6.根据权利要求5所述的装置,其特征在于,各所述历史能耗信息包括不同类型的子历史能耗信息;所述能耗阈值确定模块,进一步用于基于所述多个历史能耗信息,确定所述各类型的子历史能耗信息的最大值以及所述各类型的子历史能耗信息的最小值;利用所述各类型的子历史能耗信息的最大值以及所述各类型的子历史能耗信息的最小值对所述各类型的子历史能耗信息进行归一化处理,得到归一化处理后的所述多个历史能耗向量;基于归一化处理后的所述多个历史能耗向量,确定所述任意两个历史能耗向量之间的欧式距离。
7.根据权利要求5所述的装置,其特征在于,所述多个历史能耗信息为所述目标建筑在所述当前时间段之前的预设时间区间内的多个能耗信息;所述能耗异常状态检测装置,还包括:历史能耗更新模块,用于若所述目标建筑在所述当前时间段不处于能耗异常状态,则将所述当前能耗信息添加至所述多个历史能耗信息,以对所述多个历史能耗信息进行更新。
8.根据权利要求5所述的装置,其特征在于,所述目标建筑装载有多个目标设备;能耗异常状态检测装置,还包括:设备异常确定模块,用于获取针对于各所述目标设备的多个设备历史能耗信息;所述多个设备历史能耗信息为各所述目标设备在预设历史时间段内的能耗信息;基于所述多个设备历史能耗信息,确定各所述目标设备在所述当前时间段的设备能耗距离阈值;根据各所述目标设备的设备当前能耗信息与所述多个设备历史能耗信息,得到各所述目标设备在当前时间段的所述多个设备当前能耗距离;所述设备当前能耗信息为各所述目标设备在所述当前时间段内的能耗信息;若所述多个设备当前能耗距离的最大值大于设备能耗距离阈值,则确定目标设备在当前时间段处于能耗异常状态。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010939986.4A CN112150311B (zh) | 2020-09-09 | 2020-09-09 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
AU2021107642A AU2021107642A4 (en) | 2020-09-09 | 2021-06-25 | Method, device, computer device and storage medium for detecting abnormal state of energy consumption |
PCT/CN2021/102250 WO2022052570A1 (zh) | 2020-09-09 | 2021-06-25 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010939986.4A CN112150311B (zh) | 2020-09-09 | 2020-09-09 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150311A CN112150311A (zh) | 2020-12-29 |
CN112150311B true CN112150311B (zh) | 2023-09-26 |
Family
ID=73889284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010939986.4A Active CN112150311B (zh) | 2020-09-09 | 2020-09-09 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN112150311B (zh) |
AU (1) | AU2021107642A4 (zh) |
WO (1) | WO2022052570A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150311B (zh) * | 2020-09-09 | 2023-09-26 | 日立楼宇技术(广州)有限公司 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
CN113609190A (zh) * | 2020-12-30 | 2021-11-05 | 成群 | 基于大数据和温度监测的产品生产异常监测方法及设备 |
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 |
CN114265379A (zh) * | 2021-12-27 | 2022-04-01 | 胡梁育 | 一种远程采集调控的设备能耗管理系统及其控制方法 |
CN114820825B (zh) * | 2022-06-28 | 2022-09-20 | 浩源科技有限公司 | 一种地下管廊装配式结构的绿色检测方法及系统 |
CN115689534B (zh) * | 2022-12-30 | 2023-07-14 | 北京飞利信信息安全技术有限公司 | 基于大数据的设备寿命管理的方法、装置、设备及介质 |
CN115907494B (zh) * | 2023-01-06 | 2023-06-30 | 碳管家智能云平台有限公司 | 一种基于区域能耗预算的能耗双控管理方法、设备及介质 |
CN116205467B (zh) * | 2023-04-28 | 2023-07-11 | 扬州市职业大学(扬州开放大学) | 一种基于工业物联网的高效能耗管理系统及方法 |
CN117156484B (zh) * | 2023-10-30 | 2024-01-26 | 江西科技学院 | 一种基于5g技术的通信基站能耗分析系统和方法 |
CN117421690B (zh) * | 2023-12-18 | 2024-03-22 | 中节能物业管理有限公司 | 一种智慧园区能耗实时监测方法与系统 |
CN117933971A (zh) * | 2024-01-23 | 2024-04-26 | 清华大学 | 地下污水管道的问题检修方法、装置和计算机设备 |
CN118365347B (zh) * | 2024-06-20 | 2024-08-30 | 国网山东省电力公司烟台供电公司 | 一种基于公共建筑的能流-碳流仿真分析方法及系统 |
CN118426394A (zh) * | 2024-07-05 | 2024-08-02 | 中节能唯绿(北京)科技有限公司 | 一种基于物联网的智能建筑能源运维方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
CN102650876A (zh) * | 2012-02-17 | 2012-08-29 | 深圳市新基点智能技术有限公司 | 一种智能建筑实时节能联动控制装置及方法 |
CN104915562A (zh) * | 2015-06-11 | 2015-09-16 | 上海新长宁低碳投资管理有限公司 | 建筑能效诊断方法和系统 |
CN106250905A (zh) * | 2016-07-08 | 2016-12-21 | 复旦大学 | 一种结合高校建筑结构特征的实时能耗异常检测方法 |
CN106249681A (zh) * | 2016-09-18 | 2016-12-21 | 北京博锐尚格节能技术股份有限公司 | 建筑能耗异常监控方法和装置 |
CN108595687A (zh) * | 2018-05-07 | 2018-09-28 | 中国联合网络通信集团有限公司 | 用水量异常检测方法和数据库服务器 |
CN109032087A (zh) * | 2018-07-06 | 2018-12-18 | 合肥工业大学 | 工业生产设备能耗状态诊断与节能评估方法及系统 |
CN109335907A (zh) * | 2018-09-18 | 2019-02-15 | 日立楼宇技术(广州)有限公司 | 电梯异常的检测方法、装置、计算机设备及存储介质 |
CN109634942A (zh) * | 2018-11-16 | 2019-04-16 | 许继集团有限公司 | 一种用能数据异常判断方法及装置 |
CN110456690A (zh) * | 2019-07-23 | 2019-11-15 | 安徽集弘物联科技有限公司 | 一种智能型综合能耗管理控制系统 |
CN110895526A (zh) * | 2019-11-29 | 2020-03-20 | 南京信息工程大学 | 一种大气监测系统中数据异常的修正方法 |
CN111459797A (zh) * | 2020-02-27 | 2020-07-28 | 上海交通大学 | 开源社区中开发者行为的异常检测方法、系统及介质 |
CN115587532A (zh) * | 2022-09-26 | 2023-01-10 | 广东海洋大学 | 一种工业建筑能耗工况异常监测方法、系统和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140282172A1 (en) * | 2013-03-14 | 2014-09-18 | Lutron Electronics, Co., Inc. | System and method for graphically displaying energy consumption and savings |
US11055382B2 (en) * | 2015-04-30 | 2021-07-06 | Vmware, Inc. | Methods and systems that estimate a degree of abnormality of a complex system |
AU2017252091A1 (en) * | 2016-04-19 | 2018-11-22 | Grid4C | Method and system for energy consumption prediction |
CN108153218A (zh) * | 2017-12-29 | 2018-06-12 | 武汉市智勤创亿信息技术股份有限公司 | 一种智能建筑能耗监管系统 |
US20190369570A1 (en) * | 2018-05-30 | 2019-12-05 | Mitsubishi Electric Us, Inc. | System and method for automatically detecting anomalies in a power-usage data set |
CN111598610B (zh) * | 2020-04-13 | 2023-10-24 | 北京邮电大学 | 一种异常事件检测方法及装置 |
CN112150311B (zh) * | 2020-09-09 | 2023-09-26 | 日立楼宇技术(广州)有限公司 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-09-09 CN CN202010939986.4A patent/CN112150311B/zh active Active
-
2021
- 2021-06-25 WO PCT/CN2021/102250 patent/WO2022052570A1/zh active Application Filing
- 2021-06-25 AU AU2021107642A patent/AU2021107642A4/en active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
CN102650876A (zh) * | 2012-02-17 | 2012-08-29 | 深圳市新基点智能技术有限公司 | 一种智能建筑实时节能联动控制装置及方法 |
CN104915562A (zh) * | 2015-06-11 | 2015-09-16 | 上海新长宁低碳投资管理有限公司 | 建筑能效诊断方法和系统 |
CN106250905A (zh) * | 2016-07-08 | 2016-12-21 | 复旦大学 | 一种结合高校建筑结构特征的实时能耗异常检测方法 |
CN106249681A (zh) * | 2016-09-18 | 2016-12-21 | 北京博锐尚格节能技术股份有限公司 | 建筑能耗异常监控方法和装置 |
CN108595687A (zh) * | 2018-05-07 | 2018-09-28 | 中国联合网络通信集团有限公司 | 用水量异常检测方法和数据库服务器 |
CN109032087A (zh) * | 2018-07-06 | 2018-12-18 | 合肥工业大学 | 工业生产设备能耗状态诊断与节能评估方法及系统 |
CN109335907A (zh) * | 2018-09-18 | 2019-02-15 | 日立楼宇技术(广州)有限公司 | 电梯异常的检测方法、装置、计算机设备及存储介质 |
CN109634942A (zh) * | 2018-11-16 | 2019-04-16 | 许继集团有限公司 | 一种用能数据异常判断方法及装置 |
CN110456690A (zh) * | 2019-07-23 | 2019-11-15 | 安徽集弘物联科技有限公司 | 一种智能型综合能耗管理控制系统 |
CN110895526A (zh) * | 2019-11-29 | 2020-03-20 | 南京信息工程大学 | 一种大气监测系统中数据异常的修正方法 |
CN111459797A (zh) * | 2020-02-27 | 2020-07-28 | 上海交通大学 | 开源社区中开发者行为的异常检测方法、系统及介质 |
CN115587532A (zh) * | 2022-09-26 | 2023-01-10 | 广东海洋大学 | 一种工业建筑能耗工况异常监测方法、系统和存储介质 |
Non-Patent Citations (1)
Title |
---|
办公建筑能耗监测系统关键技术研究;严哲钦;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第05期);C038-16 * |
Also Published As
Publication number | Publication date |
---|---|
AU2021107642A4 (en) | 2022-01-13 |
CN112150311A (zh) | 2020-12-29 |
WO2022052570A1 (zh) | 2022-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150311B (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
US11486594B2 (en) | Air-conditioning apparatus and air-conditioning system | |
US20210405104A1 (en) | Automobile battery failure prediction method and system | |
CN109784528A (zh) | 基于时间序列和支持向量回归的水质预测方法及装置 | |
CN113328908B (zh) | 异常数据的检测方法、装置、计算机设备和存储介质 | |
CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
CN113935512A (zh) | 风电功率预测方法、装置、计算机设备和存储介质 | |
JPWO2016056113A1 (ja) | 省エネルギ化診断装置、省エネルギ化診断方法およびプログラム | |
CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
CN115392037A (zh) | 设备故障预测方法、装置、设备及存储介质 | |
CN112884199A (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN113762391A (zh) | 冷却系统的状态检测方法、装置、计算机设备和存储介质 | |
CN113254153B (zh) | 流程任务处理方法、装置、计算机设备和存储介质 | |
CN113590392B (zh) | 换流站设备异常检测方法、装置、计算机设备和存储介质 | |
CN113435103B (zh) | 配电房异常检测方法、系统、服务器、边缘网关和介质 | |
CN117251819A (zh) | 电能数据异常检测方法、装置、存储介质及计算机设备 | |
CN117235664A (zh) | 配电通信设备的故障诊断方法、系统和计算机设备 | |
CN112633583A (zh) | 发电机组振动预测方法、装置、计算机设备和存储介质 | |
CN113313330B (zh) | 电磁环境参数区间预测方法、装置和计算机设备 | |
CN113994276A (zh) | 用于验证能量系统的系统参数的方法、用于运行能量系统的方法以及用于能量系统的能量管理系统 | |
CN111128357A (zh) | 医院后勤能耗目标对象的监测方法、装置、计算机设备 | |
CN110866325B (zh) | 一种基于间接监测数据设备剩余寿命不完美维护预测方法 | |
CN113869373A (zh) | 设备异常检测方法、装置、计算机设备和存储介质 | |
CN113587362A (zh) | 异常检测方法、装置及空调系统 | |
CN112949951A (zh) | 数据预测方法、装置、电子设备及存储介质 |
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 |