CN113341792A - 一种基于bim的建筑数据采集方法及系统 - Google Patents
一种基于bim的建筑数据采集方法及系统 Download PDFInfo
- Publication number
- CN113341792A CN113341792A CN202110537663.7A CN202110537663A CN113341792A CN 113341792 A CN113341792 A CN 113341792A CN 202110537663 A CN202110537663 A CN 202110537663A CN 113341792 A CN113341792 A CN 113341792A
- Authority
- CN
- China
- Prior art keywords
- information
- building
- obtaining
- house
- cell
- 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 50
- 230000005611 electricity Effects 0.000 claims abstract description 63
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 238000005286 illumination Methods 0.000 claims abstract description 30
- 238000013210 evaluation model Methods 0.000 claims abstract description 17
- 238000010438 heat treatment Methods 0.000 claims description 48
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009413 insulation Methods 0.000 claims description 9
- 238000004321 preservation Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000005485 electric heating Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 49
- 230000000694 effects Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005406 washing 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
-
- 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
- G05B2219/24—Pc safety
- G05B2219/24215—Scada supervisory control and data acquisition
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种基于BIM的建筑数据采集方法及系统，其中，所述方法包括：获得第一建筑的BIM模型；根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；获得所述第一小区内建筑分布情况信息；获得第一住宅的楼号信息；将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；根据所述采光度获得所述第一住宅的光照时长；获得所述第一住宅的负载照明设备信息；根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。解决现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题。
Description
技术领域
本发明涉及数据采集技术领域，尤其涉及一种基于BIM的建筑数据采集方法及系统。
背景技术
能源问题已经被世界公认为人类面类的四大生存问题之一，在能源消耗中，作为人类活动的基本场所的建筑，其使用过程中所消耗的能量在社会总能耗中占有很大的比例。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题。
发明内容
本申请实施例通过提供一种基于BIM的建筑数据采集方法及系统，解决了现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题，达到提高建筑用电能耗的准确性和智能性的技术效果。
鉴于上述问题，提出了本申请实施例提供一种基于BIM的建筑数据采集方法及系统。
第一方面，本申请实施例提供了一种基于BIM的建筑数据采集方法，所述方法包括：获得第一建筑的BIM模型；根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；获得所述第一小区内建筑分布情况信息；获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；根据所述采光度获得所述第一住宅的光照时长；获得所述第一住宅的负载照明设备信息；根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
另一方面，本申请还提供了一种基于BIM的建筑数据采集系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一建筑的BIM模型；第二获得单元，所述第二获得单元用于根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；第三获得单元，所述第三获得单元用于获得所述第一小区内建筑分布情况信息；第四获得单元，所述第四获得单元用于获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；第五获得单元，所述第五获得单元用于将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；第六获得单元，所述第六获得单元用于根据所述采光度获得所述第一住宅的光照时长；第七获得单元，所述第七获得单元用于获得所述第一住宅的负载照明设备信息；第八获得单元，所述第八获得单元用于根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
第三方面，本发明提供了一种基于BIM的建筑数据采集系统，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，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例通过获得第一建筑的BIM模型；根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；获得所述第一小区内建筑分布情况信息；获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；根据所述采光度获得所述第一住宅的光照时长；获得所述第一住宅的负载照明设备信息；根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。解决了现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题，达到提高建筑用电能耗的准确性和智能性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于BIM的建筑数据采集方法的流程示意图；
图2为本申请实施例一种基于BIM的建筑数据采集系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第七获得单元17，第八获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种基于BIM的建筑数据采集方法及系统，解决了现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题，达到提高建筑用电能耗的准确性和智能性的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
能源问题已经被世界公认为人类面类的四大生存问题之一，在能源消耗中，作为人类活动的基本场所的建筑，其使用过程中所消耗的能量在社会总能耗中占有很大的比例。现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于BIM的建筑数据采集方法，所述方法包括：获得第一建筑的BIM模型；根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；获得所述第一小区内建筑分布情况信息；获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；根据所述采光度获得所述第一住宅的光照时长；获得所述第一住宅的负载照明设备信息；根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于BIM的建筑数据采集方法，其中，所述方法包括：
步骤100：获得第一建筑的BIM模型；
步骤200：根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；
步骤300：获得所述第一小区内建筑分布情况信息；
步骤400：获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；
具体而言，所述BIM模型（建筑信息模型，Building Information Modeling）为通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库，该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象（如空间、运动行为）的状态信息，所述BIM模型可以帮助实现建筑信息的集成，从建筑的设计、施工、运行直至建筑全寿命周期的终结，各种信息始终整合于一个三维模型信息数据库中，设计团队、施工单位、设施运营部门和业主等各方人员可以基于BIM进行协同工作，有效提高工作效率、节省资源、降低成本、以实现可持续发展。所述第一建筑为供人居住、工作、学习、生产、经营、娱乐、储藏物品以及进行其他社会活动的工程建筑，通过能够得到BIM模型的软件导出所述第一建筑的BIM模型，且所述第一建筑的BIM模型可以包括所述第一建筑以及第一建筑所在社区的模型信息，以及第一建筑与其他建筑之间的位置关系，可以获得所述第一建筑在第一小区内的位置信息，以及其他建筑在小区内的位置信息，即所述第一小区内其他建筑分布情况，所述第一住宅为所述第一建筑中的住宅，例如，所述第一建筑为一个楼层为17层的居民住房建筑，第一住宅为编号为4号的所述第一建筑中的二单元第八层东户的住宅，其楼号为42802。
步骤500：将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；
进一步的，本申请实施例中的步骤500具体包括：
步骤510：将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息作为输入信息，输入采光度评估模型进行训练，所述采光度评估模型通过多组训练数据训练所得，所述多组训练数据中的每一组数据均包括：所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息以及用来标识第一住宅的采光度的标识信息；
步骤520：获得所述采光度评估模型的输出信息，所述输出信息包括所述第一住宅的采光度。
具体而言，所述采光度评估模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks，ANN），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入神经网络模型，则输出所述第一住宅的采光度。
更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息以及用来标识第一住宅的采光度的标识信息，将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入到神经网络模型中，根据用来标识第一住宅的采光度的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的所述第一住宅的采光度更加合理、准确，进而达到通过所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息获得更加准确的第一住宅的采光度的技术效果。
步骤600：根据所述采光度获得所述第一住宅的光照时长；
步骤700：获得所述第一住宅的负载照明设备信息；
步骤800：根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
具体而言，根据所述第一住宅的采光度结合实时天气情况，能够得到第一住宅的具体的每日光照时长，由于每天的天气以及温度情况不尽相同，所以通过采光度以及天气温度等情况相结合可准确获得第一住宅每天的光照时长；所述负载照明设备可以是第一住宅电路中连接的负载设备中用于照明的设备，可以通过第一住宅电表箱中不同电路的控制端的电流情况获得，也可以通过其他方式获得，对此本申请不作具体限制，为了能够智能化且更加准确的获得第一住宅中用于照明的用电信息，本申请实施例结合第一住宅的光照时长，以及天气情况，可得知室内光线情况，根据光线强弱可以估计第一住宅内是否需要使用照明电器进行照补充明，从而达到智能采集照明用电长短，结合照明电器的功率等基本情况采集到第一住宅的照明用电信息的技术效果。
进一步的，所述方法还包括步骤900，包括：
步骤910：获得第一用电监控信息；
步骤920：根据所述第一用电监控信息，获得第一用户的照明习惯信息；
步骤930：获得所述第一用户的作息信息；
步骤940：根据所述照明习惯信息和所述作息信息，获得第一修正因子；
步骤950：根据所述第一修正因子对所述第一照明用电信息进行修正，获得第二照明用电信息。
具体而言，所述第一用电监控信息可以是第一住宅中电表箱针对不同用电负载进行分类监控的方式，比如一般家庭电表箱中可以分为照明用电空调用电，厨房用电等，可以对不同电路的使用情况进行记录从而起到监控的效果，例如可以知道第一住宅何时开灯何时关灯，用的多少功率的灯等，换言之，即通过第一用电监控信息获得第一用户的照明习惯信息，可以通过大数据获得第一住宅中的住户，即所述第一用户的年龄信息职业信息，从而可以初步判断第一用户是上班族还是退休老人，进而得知其的作息情况，例如，上班族的作息为朝九晚五，则可判断其何时在家何时外出，以便得知第一用户什么时候会用到照明用电，通过照明习惯和作息情况调整上述得到的第一照明用电信息，从而得到第二照明用电信息，达到使得采集的照明用电信息更加准确更加人性化贴合生活实际的技术效果。
进一步的，所述方法还包括步骤1000，包括：
步骤1010：获得第一室内实际温度；
步骤1020：判断所述第一室内实际温度是否达到预定温度阈值；
步骤1030：如果所述第一室内实际温度未达到所述预定温度阈值，获得第二采暖方式监控指令，所述第二采暖方式为电力采暖方式；
步骤1040：根据所述第二采暖方式监控指令，获得第一采暖用电信息。
具体而言，可以通过每户设置温度传感器与系统上位机进行通讯连接，从而得到第一住宅的室内温度，即所述第一室内实际温度，根据实际情况设置一预定温度阈值，例如室内温度达到了冬天寒冷的温度时，即室温已经调出预定温暖的温度阈值，这种情况表明天气寒冷，达到了供暖的条件了，一般住宅开始供暖的概率会大大增加，这时调用第二采暖方式监控指令，也就是通过对用电采暖情况进行监控的指令，开始对采暖用电进行监控，从而得到第一采暖用电信息，达到合理监控同时能够达到节能的技术效果。
进一步的，本申请实施例中步骤1010还包括如下步骤：
步骤1011：获得第一室内基础温度信息，所述第一室内基础温度信息为所述第一住宅的室内基础温度信息；
步骤1012：获得实时日期信息；
步骤1013：根据所述实时日期信息，确定所述第一建筑所处位置的季节信息；
步骤1014：判断所述季节信息是否在预定季节之内；
步骤1015：如果所述季节信息在所述预定季节之内，获得所述第一建筑的采暖方式；
步骤1016：如果所述采暖方式包含统一采暖方式，获得第一采暖温度；
步骤1017：根据所述第一室内基础温度和所述第一采暖温度，获得所述第一室内实际温度。
具体而言，为了使得获得的第一住宅室内温度更加准确从而使得监控指令能够更加准确的获得，对采暖用电进行准确采集，本申请实施例通过获得第一住宅的基础温度，即没有使用其他采暖手段的原始温度，获得采集的当日日期，根据当日日期，以及第一住宅的位地理位置，可以确定第一建筑所处位置的季节信息，判断所述季节信息是否在预定季节之内，预定季节也可以理解为预定寒冷时段阈值，中国幅员辽阔，季节温度随着地域区别差异也非常大，预定季节可以根据实际地理位置进行设定，对此本申请不做具体限制，如果所述季节信息在所述预定季节之内，获得所述第一建筑的采暖方式，所述第一建筑的采暖方式可可能是集中市政供暖，也可能是每户自家使用天然气进行供暖，或者使用用电供暖，判断第一住宅的供暖方式是否包含第一采暖方式，所述第一采暖方式为非用电采暖的方式，如果第一住宅的采暖方式包含非用电采暖的方式，获得该采暖方式的温度情况，结合该采暖方式的温度情况和第一住宅的基础温度，能够得到更加准确的所述第一室内实际温度。
进一步的，本申请实施例中步骤1010还包括如下步骤：
步骤1018：根据所述第一建筑的BIM模型，获得所述第一建筑的围护结构信息；
步骤1019：根据所述围护结构，获得所述围护结构的保温隔热性能；
步骤10110：根据所述保温隔热性能，获得温度影响信息；
步骤10111：根据所述温度影响信息、所述光照时长对所述第一室内实际温度进行调整，获得第二室内实际温度信息。
具体而言，围护结构(building envelope)是指建筑及房间各面的围挡物，如门、窗、墙等，能够有效地抵御不利环境的影响。可以通过第一建筑的BIM模型，获得所述第一建筑的围护结构信息，从第一建筑的BIM模型中得到该维护结构的参数属性等信息，可以得知围护结构的保温隔热性能，其保温隔热性能对室内温度具有一定影响因素，为了得到更加准确地室内实际温度，本申请实施例将第一建筑的围护结构的保温隔热性能作为室内温度的影响因素，即所述温度影响信息，根据所述温度影响信息、所述光照时长对所述第一室内实际温度进行调整，获得第二室内实际温度信息，从而得到更为准确的第二室内实际温度信息。
进一步的，本申请实施例还包括步骤1100，包括：
步骤1110：获得所述第一住宅的负载动力设备比例；
步骤1120：获得预定比例阈值；
步骤1130：判断所述第一住宅的负载动力设备比例是否在所述预定比例阈值之内；
步骤1140：如果所述第一住宅的负载动力设备比例不在所述预定比例阈值之内，获得第一动力用电监控指令；
步骤1150：根据所述第一动力用电监控指令，获得第一动力用电信息；
步骤1160：根据所述第一动力用电信息、所述第一采暖用电信息和所述第一照明用电信息，获得所述第一住宅的综合用电信息。
具体而言，负载动力设备包括例如风扇、洗衣机等冬季用电设备，由于动力用电设备相比其他类型的用电量较低，所以本申请通过得到第一住宅中的负载动力设备占总负载设备的比例情况，与预定比例阈值进行比较，当所述第一住宅的负载动力设备比例不在所述预定比例阈值之内，获得第一动力用电监控指令，即所述第一住宅的负载动力设备比例如果不在预定阈值之内，则说明占比较大，反之则占比较小，当占比较大的时候，获得第一动力用电监控指令，开始对第一住宅的动力用电进行监控，从而得到第一住宅的动力用电信息，即所述第一动力用电信息，达到合理启动对动力用电的监控，准确定位动力用电的消耗情况的技术效果。
最后将所述第一动力用电信息、所述第一采暖用电信息和所述第一照明用电信息，获得所述第一住宅的综合用电信息。解决了现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题，达到提高建筑用电能耗的准确性和智能性的技术效果。
综上所述，本申请实施例所提供的一种基于BIM的建筑数据采集方法及系统具有如下技术效果：
本申请实施例通过获得第一建筑的BIM模型；根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；获得所述第一小区内建筑分布情况信息；获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；根据所述采光度获得所述第一住宅的光照时长；获得所述第一住宅的负载照明设备信息；根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。解决了现有技术中的建筑用电能耗数据采集存在数据采集不够细致，准确性低的技术问题，达到提高建筑用电能耗的准确性和智能性的技术效果。
实施例二
基于与前述实施例中一种基于BIM的建筑数据采集方法同样发明构思，本发明还提供了一种基于BIM的建筑数据采集系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一建筑的BIM模型；
第二获得单元12，所述第二获得单元12用于根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；
第三获得单元13，所述第三获得单元13用于获得所述第一小区内建筑分布情况信息；
第四获得单元14，所述第四获得单元14用于获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；
第五获得单元15，所述第五获得单元15用于将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；
第六获得单元16，所述第六获得单元16用于根据所述采光度获得所述第一住宅的光照时长；
第七获得单元17，所述第七获得单元17用于获得所述第一住宅的负载照明设备信息；
第八获得单元18，所述第八获得单元18用于根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
进一步的，所述系统还包括：
第九获得单元，所述第九获得单元用于获得第一用电监控信息；
第十获得单元，所述第十获得单元用于根据所述第一用电监控信息，获得第一用户的照明习惯信息；
第十一获得单元，所述第十一获得单元用于获得所述第一用户的作息信息；
第十二获得单元，所述第十二获得单元用于根据所述照明习惯信息和所述作息信息，获得第一修正因子；
第十三获得单元，所述第十三获得单元用于根据所述第一修正因子对所述第一照明用电信息进行修正，获得第二照明用电信息。
进一步的，所述系统还包括：
第一输入单元，所述第一输入单元用于将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息作为输入信息，输入采光度评估模型进行训练，所述采光度评估模型通过多组训练数据训练所得，所述多组训练数据中的每一组数据均包括：所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息以及用来标识第一住宅的采光度的标识信息；
第十四获得单元，所述第十四获得单元用于获得所述采光度评估模型的输出信息，所述输出信息包括所述第一住宅的采光度。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于获得第一室内实际温度；
第一判断单元，所述第一判断单元用于判断所述第一室内实际温度是否达到预定温度阈值；
第十六获得单元，所述第十六获得单元用于如果所述第一室内实际温度未达到所述预定温度阈值，获得第二采暖方式监控指令，所述第二采暖方式为电力采暖方式；
第十七获得单元，所述第十七获得单元用于根据所述第二采暖方式监控指令，获得第一采暖用电信息。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于获得第一室内基础温度信息，所述第一室内基础温度信息为所述第一住宅的室内基础温度信息；
第十九获得单元，所述第十九获得单元用于获得实时日期信息；
第一确定单元，所述第一确定单元用于根据所述实时日期信息，确定所述第一建筑所处位置的季节信息；
第二判断单元，所述第二判断单元用于判断所述季节信息是否在预定季节之内；
第二十获得单元，所述第二十获得单元用于如果所述季节信息在所述预定季节之内，获得所述第一建筑的采暖方式；
第二十一获得单元，所述第二十一获得单元用于如果所述采暖方式包含统一采暖方式，获得第一采暖温度；
第二十二获得单元，所述第二十二获得单元用于根据所述第一室内基础温度和所述第一采暖温度，获得所述第一室内实际温度。
进一步的，所述系统还包括：
第二十三获得单元，所述第二十三获得单元用于根据所述第一建筑的BIM模型，获得所述第一建筑的围护结构信息；
第二十四获得单元，所述第二十四获得单元用于根据所述围护结构，获得所述围护结构的保温隔热性能；
第二十五获得单元，所述第二十五获得单元用于根据所述保温隔热性能，获得温度影响信息；
第二十六获得单元，所述第二十六获得单元用于根据所述温度影响信息、所述光照时长对所述第一室内实际温度进行调整，获得第二室内实际温度信息。
进一步的，所述系统还包括：
第二十七获得单元，所述第二十七获得单元用于获得所述第一住宅的负载动力设备比例；
第二十八获得单元，所述第二十八获得单元用于获得预定比例阈值；
第三判断单元，所述第三判断单元用于判断所述第一住宅的负载动力设备比例是否在所述预定比例阈值之内；
第二十九获得单元，所述第二十九获得单元用于如果所述第一住宅的负载动力设备比例不在所述预定比例阈值之内，获得第一动力用电监控指令；
第三十获得单元，所述第三十获得单元用于根据所述第一动力用电监控指令，获得第一动力用电信息；
第三十一获得单元，所述第三十一获得单元用于根据所述第一动力用电信息、所述第一采暖用电信息和所述第一照明用电信息，获得所述第一住宅的综合用电信息。
前述图1实施例一中的一种基于BIM的建筑数据采集方法的各种变化方式和具体实例同样适用于本实施例的一种基于BIM的建筑数据采集系统，通过前述对一种基于BIM的建筑数据采集方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于BIM的建筑数据采集系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于BIM的建筑数据采集方法的发明构思，本发明还提供一种基于BIM的建筑数据采集系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于BIM的建筑数据采集方法的任一方法的步骤。
其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
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，本发明可采用完全硬件实施例、完全软件实施例、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、CD-ROM、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系统。
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系统的制造品，该指令系统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。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于BIM的建筑数据采集方法，其中，所述方法包括：
获得第一建筑的BIM模型；
根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；
获得所述第一小区内建筑分布情况信息；
获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；
将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；
根据所述采光度获得所述第一住宅的光照时长；
获得所述第一住宅的负载照明设备信息；
根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
2.如权利要求1所述的方法，其中，所述方法包括：
获得第一用电监控信息；
根据所述第一用电监控信息，获得第一用户的照明习惯信息；
获得所述第一用户的作息信息；
根据所述照明习惯信息和所述作息信息，获得第一修正因子；
根据所述第一修正因子对所述第一照明用电信息进行修正，获得第二照明用电信息。
3.如权利要求1所述的方法，其中，所述将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度，包括：
将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息作为输入信息，输入采光度评估模型进行训练，所述采光度评估模型通过多组训练数据训练所得，所述多组训练数据中的每一组数据均包括：所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息以及用来标识第一住宅的采光度的标识信息；
获得所述采光度评估模型的输出信息，所述输出信息包括所述第一住宅的采光度。
4.如权利要求1所述的方法，其中，所述方法包括：
获得第一室内实际温度；
判断所述第一室内实际温度是否达到预定温度阈值；
如果所述第一室内实际温度未达到所述预定温度阈值，获得第二采暖方式监控指令，所述第二采暖方式为电力采暖方式；
根据所述第二采暖方式监控指令，获得第一采暖用电信息。
5.如权利要求4所述的方法，其中，所述获得第一室内实际温度，包括：
获得第一室内基础温度信息，所述第一室内基础温度信息为所述第一住宅的室内基础温度信息；
获得实时日期信息；
根据所述实时日期信息，确定所述第一建筑所处位置的季节信息；
判断所述季节信息是否在预定季节之内；
如果所述季节信息在所述预定季节之内，获得所述第一建筑的采暖方式；
如果所述采暖方式包含统一采暖方式，获得第一采暖温度；
根据所述第一室内基础温度和所述第一采暖温度，获得所述第一室内实际温度。
6.如权利要求5所述的方法，其中，所述方法包括：
根据所述第一建筑的BIM模型，获得所述第一建筑的围护结构信息；
根据所述围护结构，获得所述围护结构的保温隔热性能；
根据所述保温隔热性能，获得温度影响信息；
根据所述温度影响信息、所述光照时长对所述第一室内实际温度进行调整，获得第二室内实际温度信息。
7.如权利要求4所述的方法，其中，所述方法包括：
获得所述第一住宅的负载动力设备比例；
获得预定比例阈值；
判断所述第一住宅的负载动力设备比例是否在所述预定比例阈值之内；
如果所述第一住宅的负载动力设备比例不在所述预定比例阈值之内，获得第一动力用电监控指令；
根据所述第一动力用电监控指令，获得第一动力用电信息；
根据所述第一动力用电信息、所述第一采暖用电信息和所述第一照明用电信息，获得所述第一住宅的综合用电信息。
8.一种基于BIM的建筑数据采集系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一建筑的BIM模型；
第二获得单元，所述第二获得单元用于根据所述BIM模型获得所述第一建筑在第一小区内的位置信息；
第三获得单元，所述第三获得单元用于获得所述第一小区内建筑分布情况信息；
第四获得单元，所述第四获得单元用于获得第一住宅的楼号信息，其中，所述第一住宅位于所述第一建筑内；
第五获得单元，所述第五获得单元用于将所述第一住宅的楼号信息、所述第一建筑在所述第一小区内的位置信息和所述第一小区内建筑分布情况信息输入采光度评估模型，获得所述第一住宅的采光度；
第六获得单元，所述第六获得单元用于根据所述采光度获得所述第一住宅的光照时长；
第七获得单元，所述第七获得单元用于获得所述第一住宅的负载照明设备信息；
第八获得单元，所述第八获得单元用于根据所述光照时长和所述第一住宅的负载照明设备信息，获得所述第一住宅的第一照明用电信息。
9.一种基于BIM的建筑数据采集系统，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，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110537663.7A CN113341792B (zh) | 2021-05-18 | 2021-05-18 | 一种基于bim的建筑数据采集方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110537663.7A CN113341792B (zh) | 2021-05-18 | 2021-05-18 | 一种基于bim的建筑数据采集方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113341792A true CN113341792A (zh) | 2021-09-03 |
| CN113341792B CN113341792B (zh) | 2022-12-30 |
Family
ID=77470695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110537663.7A Expired - Fee Related CN113341792B (zh) | 2021-05-18 | 2021-05-18 | 一种基于bim的建筑数据采集方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113341792B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114444669A (zh) * | 2022-03-03 | 2022-05-06 | 北京市建筑设计研究院有限公司 | 一种智能照明调节方法、系统及计算机储存介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201822129A (zh) * | 2016-12-01 | 2018-06-16 | 逢甲大學 | 綠建築效能模擬分析系統及其最適化決策方法 |
| CN109754456A (zh) * | 2018-11-30 | 2019-05-14 | 上海五零盛同信息科技有限公司 | 景观照明智能化监控系统 |
| CN111142400A (zh) * | 2020-01-16 | 2020-05-12 | 南通市达欣工程股份有限公司 | 一种基于bim的绿色建筑能源管理方法 |
| CN111222191A (zh) * | 2020-02-12 | 2020-06-02 | 山东大学 | 基于bim和rfid的建筑能耗优化控制方法及系统 |
| CN111782903A (zh) * | 2020-06-16 | 2020-10-16 | 万翼科技有限公司 | 分析报告生成方法及相关设备 |
| CN112651070A (zh) * | 2020-12-18 | 2021-04-13 | 中哲国际工程设计有限公司 | 一种基于建筑信息模型的数据处理方法 |
-
2021
- 2021-05-18 CN CN202110537663.7A patent/CN113341792B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201822129A (zh) * | 2016-12-01 | 2018-06-16 | 逢甲大學 | 綠建築效能模擬分析系統及其最適化決策方法 |
| CN109754456A (zh) * | 2018-11-30 | 2019-05-14 | 上海五零盛同信息科技有限公司 | 景观照明智能化监控系统 |
| CN111142400A (zh) * | 2020-01-16 | 2020-05-12 | 南通市达欣工程股份有限公司 | 一种基于bim的绿色建筑能源管理方法 |
| CN111222191A (zh) * | 2020-02-12 | 2020-06-02 | 山东大学 | 基于bim和rfid的建筑能耗优化控制方法及系统 |
| CN111782903A (zh) * | 2020-06-16 | 2020-10-16 | 万翼科技有限公司 | 分析报告生成方法及相关设备 |
| CN112651070A (zh) * | 2020-12-18 | 2021-04-13 | 中哲国际工程设计有限公司 | 一种基于建筑信息模型的数据处理方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114444669A (zh) * | 2022-03-03 | 2022-05-06 | 北京市建筑设计研究院有限公司 | 一种智能照明调节方法、系统及计算机储存介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113341792B (zh) | 2022-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | An optimal and learning-based demand response and home energy management system | |
| Taveres-Cachat et al. | Responsive building envelope concepts in zero emission neighborhoods and smart cities-A roadmap to implementation | |
| Zhang et al. | A systematic feature selection procedure for short-term data-driven building energy forecasting model development | |
| Yan et al. | When artificial intelligence meets building energy efficiency, a review focusing on zero energy building | |
| CN110332647B (zh) | 地铁地下车站空调系统负荷预测方法及空调系统 | |
| Luo et al. | An operational planning framework for large-scale thermostatically controlled load dispatch | |
| Park et al. | Predictive model for PV power generation using RNN (LSTM) | |
| Kwak et al. | Feasibility study on a novel methodology for short-term real-time energy demand prediction using weather forecasting data | |
| Ding et al. | An occupancy-based model for building electricity consumption prediction: A case study of three campus buildings in Tianjin | |
| Castaldo et al. | Uses of dynamic simulation to predict thermal‐energy performance of buildings and districts: a review | |
| Garnier et al. | Low computational cost technique for predictive management of thermal comfort in non-residential buildings | |
| CN106991504A (zh) | 基于分项计量时间序列的建筑能耗预测方法、系统及建筑物 | |
| Corbin et al. | Predictive control of residential HVAC and its impact on the grid. Part I: simulation framework and models | |
| Xu et al. | Supply demand coordination for building energy saving: Explore the soft comfort | |
| Lei et al. | Prediction method of energy consumption for high building based on LMBP neural network | |
| Luo et al. | Many-objective day-ahead optimal scheduling of residential flexible loads integrated with stochastic occupant behavior models | |
| Wang et al. | A review of load forecasting of the distributed energy system | |
| Han et al. | Physical-data fusion modeling method for energy consumption analysis of smart building | |
| Villar et al. | A fuzzy logic based efficient energy saving approach for domestic heating systems | |
| CN106292325B (zh) | 一种数据驱动的家居环境舒适性偏好建模与控制方法 | |
| CN113341792B (zh) | 一种基于bim的建筑数据采集方法及系统 | |
| Huang et al. | Analyzing residential weatherization decisions using hybrid simulation modeling | |
| CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及系统 | |
| Finck et al. | Identification of a dynamic system model for a building and heating system including heat pump and thermal energy storage | |
| CN115879190A (zh) | 模型构建方法及装置、建筑负荷预测方法及装置 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221230 |