CN113526272B - 电梯群控系统和电梯群控设备 - Google Patents
电梯群控系统和电梯群控设备 Download PDFInfo
- Publication number
- CN113526272B CN113526272B CN202110774475.6A CN202110774475A CN113526272B CN 113526272 B CN113526272 B CN 113526272B CN 202110774475 A CN202110774475 A CN 202110774475A CN 113526272 B CN113526272 B CN 113526272B
- Authority
- CN
- China
- Prior art keywords
- elevator
- module
- group control
- prediction model
- training
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 238000004088 simulation Methods 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 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
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/02—Control systems without regulation, i.e. without retroactive action
- B66B1/06—Control systems without regulation, i.e. without retroactive action electric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3423—Control system configuration, i.e. lay-out
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Elevator Control (AREA)
Abstract
本申请涉及一种电梯群控系统和电梯群控设备。所述系统包括学习模块、模拟运行模块、综合评价模块和分配决策模块;其中,学习模块,用于获取建筑中各电梯的基础参数信息;模拟运行模块,用于获取建筑的历史乘梯人流信息,使用历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练,并将训练得到的预测模型下发至综合评价模块;综合评价模块,用于利用训练得到的预测模型获取与当前时间对应的群控参数组,将所述群控参数组发送至所述分配决策模块;分配决策模块,用于根据群控参数组中的群控参数控制各电梯运行。本申请能够根据不同的建筑训练得到适应该建筑的电梯模式预测模型,灵活适应不同建筑环境,降低电梯运营成本。
Description
技术领域
本申请涉及电梯自动化控制技术领域,特别是涉及一种电梯群控系统、电梯群控设备和存储介质。
背景技术
随着城市化进程的发展,越来越多的高层建筑陆续建成,电梯是高层建筑中必不可少的垂直交通工具。为了提高电梯使用效率,提升用户体验,电梯群控已广泛应用于各种类型的建筑中。
目前的群控系统多采用基于专家系统的调度算法,即通过专家经验公式,对客流进行分类,以此为依据对电梯群做调度控制。但这种方式总是依赖于专家经验,当应用于不同城市、不同街道、不同建筑的电梯群时,例如不同建筑有不同的上下行高峰时间段,商业写字楼、住宅区等建筑需要面对不同的安全级别,当前的群控算法无法做到自适应,需要根据使用环境调整算法,重新根据专家经验建模,提高了电梯的运作成本。
发明内容
基于此,有必要针对上述技术问题,提供一种电梯群控系统和电梯群控设备。
一种电梯群控系统,包括:学习模块、模拟运行模块、综合评价模块和分配决策模块;其中,
所述学习模块,用于获取建筑中各电梯的基础参数信息;
所述模拟运行模块,用于获取所述建筑的历史乘梯人流信息,使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练,并将训练得到的预测模型下发至综合评价模块;
所述综合评价模块,用于利用所述训练得到的预测模型获取与当前时间对应的群控参数组,将所述群控参数组发送至所述分配决策模块;
所述分配决策模块,用于根据所述群控参数组中的群控参数控制所述各电梯运行。
在其中一个实施例中,所述系统还包括监控单元;
所述监控单元,用于监测电梯实际运行时的多个评价指标各自对应的评价指标数据,当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,将所述电梯的当前乘梯人流信息发送至所述模拟运行模块;所述当前乘梯人流信息,用于所述模拟运行模块优化所述预测模型。
在其中一个实施例中,所述监控单元,还用于当监测到所述多个评价指标各自对应的评价指标数据均满足预设条件时,指示所述模拟运行模块结束所述优化。
在其中一个实施例中,所述多个评价指标包括电梯的候梯时长、乘梯时长、长时间候梯率和等间隔运行率。
在其中一个实施例中,所述待训练的预测模型包括多个权重参数;所述训练得到的预测模型为各个权重参数与相应的评价指标的加权和最小时对应的预测模型。
在其中一个实施例中,所述模拟运行模块包括部署在所述电梯群控系统本地的本地模拟运行模块和/或部署在云端的云端模拟运行模块。
在其中一个实施例中,所述模拟运行模块包括所述云端模拟运行模块的情况下,所述系统还包括:配置在所述云端模拟运行模块的第一通信模块以及配置在所述电梯群控系统本地的第二通信模块;
所述第一通信模块和第二通信模块,用于所述云端模拟运行模块与所述电梯群控系统中其他模块的通信。
在其中一个实施例中,所述基础参数信息包括电梯的额定载重、额定梯速、电梯在各个时间段内的上召信息、下召信息。
一种电梯群控设备,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以下步骤:
获取建筑中各电梯的基础参数信息;
获取所述建筑的历史乘梯人流信息;
使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练;
利用训练得到的预测模型获取与当前时间对应的群控参数组;
根据所述群控参数组中的群控参数控制所述各电梯运行。
在其中一个实施例中,所述处理器执行所述计算机程序时还实现以下步骤:
监测电梯实际运行时的多个评价指标各自对应的评价指标数据;
当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,根据所述电梯的当前乘梯人流信息优化所述预测模型。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当监测到所述多个评价指标各自对应的评价指标数据均满足预设条件时,指示所述模拟运行模块结束所述优化。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当预测模型中的各个权重参数与相应的评价指标的加权和最小时,获取相应的预测模型,作为训练得到的预测模型。
上述电梯群控系统和电梯群控设备,包括学习模块、模拟运行模块、综合评价模块和分配决策模块;其中,学习模块,用于获取建筑中各电梯的基础参数信息;模拟运行模块,用于获取建筑的历史乘梯人流信息,使用历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练,并将训练得到的预测模型下发至综合评价模块;综合评价模块,用于利用训练得到的预测模型获取与当前时间对应的群控参数组,将所述群控参数组发送至所述分配决策模块;分配决策模块,用于根据群控参数组中的群控参数控制各电梯运行。本申请能够根据不同的建筑训练得到适应该建筑的电梯模式预测模型,灵活适应不同建筑环境,降低电梯运营成本。
附图说明
图1为一个实施例中电梯群控系统的系统架构图;
图2为一个实施例中电梯群控步骤的流程示意图;
图3为另一个实施例中电梯群控步骤的流程示意图;
图4为一个实施例中电梯群控方法的流程示意图;
图5为一个实施例中电梯群控设备的内部结构图。
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。
本申请提供的电梯群控系统的系统架构图如图1所示。其中,电梯1-N表示同一幢建筑或同一建筑群中的多部电梯,各电梯中安装的召唤箱或电梯传感器都与学习模块连接,用于向学习模块提供该电梯的召唤统计次数以及电梯状态,包括电梯当前载重、人数等;群控系统主要包括学习模块、模拟运行模块、综合评价模块和分配决策模块。
其中,学习模块用于获取建筑中各电梯的基础参数信息,基础参数信息包括各个电梯的上召、下召、内召(目的楼层)、载重(人数)信息,以及每台电梯的服务器楼层、额定梯速、额定载重等信息,学习模块获取这些基础参数信息后还可对这些信息进行分类存储,例如按照电梯编码进行分类存储。
模拟运行模块,用于从上述学习模块获取建筑的历史乘梯人流信息,以及基础参数信息,使用这些信息对待训练的预测模型进行训练,例如可采用寻优算法得到预测模型的最佳权重参数,进而得到训练好的预测模型,并将该预测模型下发至综合评价模块。
综合评价模块,用于利用上述训练得到的预测模型获取与当前时间对应的群控参数组,将群控参数组发送至分配决策模块;
具体地,综合评价模块使用上述已经训练好的预测模型,并获取当前各个电梯当前的召梯人数、乘梯人数、以及当前所处的时间段,将这些参数输入上述已经训练好的预测模型,得到与当前时间段对应的群控参数组,如表1所示;群控参数组为各个电梯的候梯时间、乘梯时间、长时间候梯率、等间隔运行率等指标的系数;综合评价模块将群控参数组发送至分配决策模块。
时间 | 外召数 | 乘梯人数 | 对应参数 |
7:00~7:05 | 3 | 10 | (0.3,0.2,0.1,0.1,0.3) |
7:05~7:10 | 2 | 3 | (0.6,0.2,0.1,0.1,0) |
7:10~7:15 | 1 | 15 | (0.6,0.2,0.05,0.1,0.05) |
…… | …… | …… | …… |
表1各时间段对应的群控参数组
分配决策模块,用于根据上述群控参数组中的群控参数控制各电梯运行。
上述实施例,能够根据不同的建筑训练得到适应该建筑的电梯模式预测模型,灵活适应不同建筑环境,降低电梯运营成本。
在一个实施例中,上述系统还包括监控单元,监控单元,用于监测电梯实际运行时的多个评价指标各自对应的评价指标数据,当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,将电梯的当前乘梯人流信息发送至模拟运行模块;当前乘梯人流信息,用于模拟运行模块优化预测模型。
具体地,系统还包括监控单元,在上述分配决策模块分配群控参数组之后,监控单元还会监控各个电梯的实际运行情况,计算各电梯的多个评价指标,例如各个电梯的候梯时长、乘梯时长、长时间候梯率和等间隔运行率,如果发现其中一个或多个指标不满足预设条件例如低于预设阈值,则再次启动模拟运行模块,将电梯的当前乘梯人流信息发送至上述模拟运行模块,重新进行学习训练,以优化上述预测模型。监控单元的执行逻辑如图2和图3所示。
上述实施例,通过设置监控单元对当前各个电梯的运行状态进行评价分析,若不符合预设条件,可将当前乘梯人流信息发送至模拟运行模块,重新优化预测模型,达到了强化学习的效果,能够使得各个电梯运行模式不断学习,不断优化。
在一实施例中,上述监控单元,还用于当监测到所述多个评价指标各自对应的评价指标数据均满足预设条件时,指示所述模拟运行模块结束所述优化。
如图2所示,上述监控单元,在检测到上述多个评价指标对应的评价指标数据均满足预设条件时,则指示上述模拟运行模块结束优化过程,即按照当前模型继续分配群控参数组即可。
上述实施例,通过监控单元对当前电梯运行状态进行实时监控,在所有评价指标均符合预设条件时,指示模拟运行模块结束优化过程,有利于合理控制系统运行,防止过度消耗计算资源。
在一实施例中,上述待训练的预测模型包括多个权重参数;所述训练得到的预测模型为各个权重参数与相应的评价指标的加权和最小时对应的预测模型。
具体地,模拟运行模块结合历史乘梯人流信息对待训练的模型进行训练,得到最优模型,该最优模型中包含最优模型参数,模型参数是指预测模型中的多个权重参数,最优模型是指各个权重参数与相应的评价指标的加权和最小时对应的预测模型。
上述实施例,通过设置合适的模型训练条件,有利于快速获取符合条件的模型参数。
在一实施例中,如图1所示,上述模拟运行模块包括部署在电梯群控系统本地的本地模拟运行模块和/或部署在云端的云端模拟运行模块。
在模拟运行模块包括云端模拟运行模块的情况下,上述系统还包括:配置在云端模拟运行模块的第一通信模块以及配置在电梯群控系统本地的第二通信模块;
其中,第一通信模块和第二通信模块,用于上述云端模拟运行模块与上述电梯群控系统中其他模块的通信。
上述实施例,通过配置云端模拟运行模块,通过学习模块将电梯的人流、登记数据发送给云端,在云端训练好预测模型后,将最优模型下发到本地的综合评价部,能够减少本地的嵌入式芯片的运算负荷,提高资源利用效率。
在一实施例中,还提供了一种电梯群控设备,该设备可以是对建筑物的电梯记性群控的服务器,可部署于小区机房里直接控制小区的电梯,也可以部署在云端,间接控制小区的电梯;该服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。参考图4,该电梯群控设备包括存储器和处理器,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以下步骤:
步骤S401,获取建筑中各电梯的基础参数信息;
具体地,服务器通过与各个电梯中的召唤箱或传感器相连的学习模块获取各电梯的基础参数信息,基础参数信息包括梯的额定载重、额定梯速、电梯在各个时间段内的上召信息、下召信息。
步骤S402,获取所述建筑的历史乘梯人流信息;
具体地,服务器通过内置的模拟运行模块获取已存储的历史乘梯人流信息。
步骤S403,使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练;
具体地,服务器使用上述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练,得到训练好的预测模型。
步骤S404,利用训练得到的预测模型获取与当前时间对应的群控参数组;
具体地,服务器中还包含综合评价模块,用于获取当前时间,以及各个电梯的当前召梯人次数目,将这些信息输入已经训练得到的预测模型,得到与当前时间段对应的群控参数组。
步骤S405,根据所述群控参数组中的群控参数控制所述各电梯运行。
具体地,根据上述群控参数组中的群控参数控制各电梯运行。
上述电梯群控设备,通过获取建筑中各电梯的基础参数信息,并获取建筑的历史乘梯人流信息,使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练,利用训练得到的预测模型获取与当前时间对应的群控参数组,根据所述群控参数组中的群控参数控制所述各电梯运行。运用该电梯群控设备能够使得不同的建筑训练得到适应该建筑的电梯模式预测模型,灵活适应不同建筑环境,降低电梯运营成本
在一实施例中,所述处理器执行所述计算机程序时还实现以下步骤:
监测电梯实际运行时的多个评价指标各自对应的评价指标数据;当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,根据所述电梯的当前乘梯人流信息优化所述预测模型。
在一实施例中,所述处理器执行所述计算机程序时还实现以下步骤:当监测到所述多个评价指标各自对应的评价指标数据均满足预设条件时,指示所述模拟运行模块结束所述优化。
在一实施例中,所述处理器执行所述计算机程序时还实现以下步骤:当预测模型中的各个权重参数与相应的评价指标的加权和最小时,获取相应的预测模型,作为训练得到的预测模型。
应该理解的是,虽然图2-4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2-4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,提供了一种电梯群控设备,该电梯群控设备可以是服务器,其内部结构图可以如图5所示。该电梯群控设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该电梯群控设备的处理器用于提供计算和控制能力。该电梯群控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、计算机程序和数据库。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。该电梯群控设备的数据库用于存储历史乘梯人流信息以及各电梯的基础参数信息。该电梯群控设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述电梯群控系统实施例中的各步骤。
本领域技术人员可以理解,图5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电梯群控设备的限定,具体的电梯群控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,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取建筑中各电梯的基础参数信息;获取所述建筑的历史乘梯人流信息;使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练;利用训练得到的预测模型获取与当前时间对应的群控参数组;根据所述群控参数组中的群控参数控制所述各电梯运行。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
监测电梯实际运行时的多个评价指标各自对应的评价指标数据;
当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,根据所述电梯的当前乘梯人流信息优化所述预测模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当监测到所述多个评价指标各自对应的评价指标数据均满足预设条件时,指示所述模拟运行模块结束所述优化。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当预测模型中的各个权重参数与相应的评价指标的加权和最小时,获取相应的预测模型,作为训练得到的预测模型。
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 (8)
1.一种电梯群控系统,其特征在于,包括:学习模块、模拟运行模块、综合评价模块和分配决策模块;其中,
所述学习模块,用于获取建筑中各电梯的基础参数信息;
所述模拟运行模块,用于获取所述建筑的历史乘梯人流信息,使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练,并将训练得到的预测模型下发至综合评价模块;
所述综合评价模块,用于利用所述训练得到的预测模型获取与当前时间对应的群控参数组,将所述群控参数组发送至所述分配决策模块;
所述分配决策模块,用于根据所述群控参数组中的群控参数控制所述各电梯运行;
所述系统还包括监控单元;
所述监控单元,用于监测电梯实际运行时的多个评价指标各自对应的评价指标数据,当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,则再次启动模拟运行模块,将所述电梯的当前乘梯人流信息发送至所述模拟运行模块,重新进行训练以优化所述预测模型;所述当前乘梯人流信息,用于所述模拟运行模块优化所述预测模型;所述多个评价指标包括电梯的候梯时长、乘梯时长、长时间候梯率和等间隔运行率。
2.根据权利要求1所述的系统,其特征在于,所述监控单元,还用于当监测到所述多个评价指标各自对应的评价指标数据均满足预设条件时,指示所述模拟运行模块结束所述优化。
3.根据权利要求1所述的系统,其特征在于,所述待训练的预测模型包括多个权重参数;所述训练得到的预测模型为各个权重参数与相应的评价指标的加权和最小时对应的预测模型。
4.根据权利要求1所述的系统,其特征在于,所述模拟运行模块包括部署在所述电梯群控系统本地的本地模拟运行模块和/或部署在云端的云端模拟运行模块。
5.根据权利要求4所述的系统,其特征在于,所述模拟运行模块包括所述云端模拟运行模块的情况下,所述系统还包括:配置在所述云端模拟运行模块的第一通信模块以及配置在所述电梯群控系统本地的第二通信模块;
所述第一通信模块和第二通信模块,用于所述云端模拟运行模块与所述电梯群控系统中其他模块的通信。
6.根据权利要求1至5任意一项所述的系统,其特征在于,所述基础参数信息包括电梯的额定载重、额定梯速、电梯在各个时间段内的上召信息、下召信息。
7.一种电梯群控设备,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以下步骤:
获取建筑中各电梯的基础参数信息;
获取所述建筑的历史乘梯人流信息;
使用所述历史乘梯人流信息和基础参数信息对待训练的预测模型进行训练;
利用训练得到的预测模型获取与当前时间对应的群控参数组;
根据所述群控参数组中的群控参数控制所述各电梯运行;
监测电梯实际运行时的多个评价指标各自对应的评价指标数据,当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,则将所述电梯的当前乘梯人流信息发送至模拟运行模块,重新进行训练以优化所述预测模型;所述当前乘梯人流信息,用于所述模拟运行模块优化所述预测模型;所述多个评价指标包括电梯的候梯时长、乘梯时长、长时间候梯率和等间隔运行率。
8.根据权利要求7所述的设备,其特征在于,所述处理器执行所述计算机程序时还实现以下步骤:
监测电梯实际运行时的多个评价指标各自对应的评价指标数据;
当多个评价指标数据中存在至少一个不满足预设条件的评价指标数据时,根据所述电梯的当前乘梯人流信息优化所述预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110774475.6A CN113526272B (zh) | 2021-07-08 | 2021-07-08 | 电梯群控系统和电梯群控设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110774475.6A CN113526272B (zh) | 2021-07-08 | 2021-07-08 | 电梯群控系统和电梯群控设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113526272A CN113526272A (zh) | 2021-10-22 |
CN113526272B true CN113526272B (zh) | 2023-01-24 |
Family
ID=78098072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110774475.6A Active CN113526272B (zh) | 2021-07-08 | 2021-07-08 | 电梯群控系统和电梯群控设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113526272B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114873387B (zh) * | 2022-04-12 | 2024-04-16 | 武汉理工大学 | 基于强化学习算法的电梯节能调度系统和方法 |
CN115258853B (zh) * | 2022-08-18 | 2023-10-13 | 日立楼宇技术(广州)有限公司 | 一种电梯群控系统、方法、群控服务器和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101403891A (zh) * | 2008-11-14 | 2009-04-08 | 天津大学 | 电梯群控节能调度方法 |
CN107879206A (zh) * | 2017-11-08 | 2018-04-06 | 广东欧珀移动通信有限公司 | 电梯调度方法、装置、设备及存储介质 |
CN109264518A (zh) * | 2018-11-13 | 2019-01-25 | 海南师范大学 | 多轿厢电梯优化调度设计方法 |
CN110705028A (zh) * | 2019-09-05 | 2020-01-17 | 杭州西奥电梯有限公司 | 电梯设计参数的获取方法、装置、计算机设备和存储介质 |
CN110950195A (zh) * | 2019-11-29 | 2020-04-03 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电梯的优化控制方法、装置和设备 |
CN111836771A (zh) * | 2018-03-15 | 2020-10-27 | 株式会社日立制作所 | 电梯系统 |
-
2021
- 2021-07-08 CN CN202110774475.6A patent/CN113526272B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101403891A (zh) * | 2008-11-14 | 2009-04-08 | 天津大学 | 电梯群控节能调度方法 |
CN107879206A (zh) * | 2017-11-08 | 2018-04-06 | 广东欧珀移动通信有限公司 | 电梯调度方法、装置、设备及存储介质 |
CN111836771A (zh) * | 2018-03-15 | 2020-10-27 | 株式会社日立制作所 | 电梯系统 |
CN109264518A (zh) * | 2018-11-13 | 2019-01-25 | 海南师范大学 | 多轿厢电梯优化调度设计方法 |
CN110705028A (zh) * | 2019-09-05 | 2020-01-17 | 杭州西奥电梯有限公司 | 电梯设计参数的获取方法、装置、计算机设备和存储介质 |
CN110950195A (zh) * | 2019-11-29 | 2020-04-03 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电梯的优化控制方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113526272A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829494B (zh) | 基于负载预测的容器云平台智能资源优化方法 | |
CN113526272B (zh) | 电梯群控系统和电梯群控设备 | |
CN109205415B (zh) | 一种电梯群控方法、装置、计算机设备和存储介质 | |
CN109761120B (zh) | 一种基于预测楼层到达人数的电梯控制方法和系统 | |
CN102328859B (zh) | 节能派梯方法及其验证装置 | |
CN102929715B (zh) | 基于虚拟机迁移的网络资源调度方法和系统 | |
CN105320559A (zh) | 一种云计算系统的调度方法和装置 | |
CN103036974A (zh) | 基于隐马尔可夫模型的云计算资源调度方法和系统 | |
CN113682908B (zh) | 一种基于深度学习的智能调度方法 | |
CN112047212B (zh) | 电梯运行控制方法、装置、计算机设备和存储介质 | |
CN109831522A (zh) | 一种基于smdp的车联云雾系统动态资源优化管理系统和方法 | |
JPH10194611A (ja) | エレベーターの群管理制御方法 | |
CN111232772B (zh) | 控制电梯的运行的方法、系统、计算机可读存储介质 | |
CN116258318B (zh) | 一种应急事件响应及物资统筹调配方法及系统 | |
Luh et al. | Group elevator scheduling with advance information for normal and emergency modes | |
CN117290090A (zh) | 节点协同资源分配方法、装置、设备及存储介质 | |
CN112561129B (zh) | 一种基于配电线路故障信息的抢修物资调配方法 | |
CN110990160A (zh) | 一种基于负荷预测的静态安全分析容器云弹性伸缩方法 | |
CN112429607A (zh) | 电梯控制系统、方法、装置、计算机设备和存储介质 | |
CN116896591A (zh) | 网络数据分析模型调度方法、装置和计算机设备 | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
Liu et al. | Research on intelligent scheduling strategy of elevator group under the big data platform | |
CN112769964B (zh) | 一种yarn支持混合运行时的方法 | |
KR102136022B1 (ko) | 강화학습 기반의 승강기 운행 제어 장치 | |
CN110095994B (zh) | 一种电梯乘场交通流发生器和基于该电梯乘场交通流发生器自动生成客流数据的方法 |
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 |