CN115186892B - 一种基于大数据的节能评估方法、装置和系统 - Google Patents

Abstract

本发明公开了一种基于大数据的节能评估方法、装置和系统，属于节能评估技术和评估机技术领域。本发明通过将待评估区域划分为多个子区域，并分别对多个子区域进行节能评估，相较于对将待评估区域进行整体评估，避免了待评估区域内部分区域的差异所导致的评估结果不准确的情况；通过现场人员数量和作业设备运行参数进行节能评估，实现了在人员处于现场进行作业时的能耗，相较于仅仅对作业设备进行节能评估，进一步提高了评估结果的准确性；通过照明能耗、温控能耗以及作业能耗进行节能评估，实现项目进行过程中除项目本身之外，温控、照明以及作业设备所造成的能耗评估，进一步提高了评估结果的准确性。

Description

一种基于大数据的节能评估方法、装置和系统

技术领域

本发明涉及节能评估技术和评估机技术领域，特别涉及一种基于大数据的节能评估方法、装置和系统。

背景技术

随着节能评估技术的发展，使得可以节能评估，掌握生产中能源消耗的种类和数量，分析项目的能耗水平，从而评价该项目能源利用的合理性、节能措施的可行性。

现有的节能评估方法主要是针对项目为主体，通过评估项目生产对浪费能源进行分析，评估项目合理利用能源和节能方案的可靠性，改进达到合理利用能源和节约能源的目的。

但是众所周知的是，除了项目所造成的能耗本身外，还包括在项目进行过程中作业场所中温控、照明以及作业设备所造成的能耗，但是现有的节能评估方法并未对该能耗进行评估，从而无法实现项目进行过程中除项目本身之外，温控、照明以及作业设备所造成的能耗评估。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于大数据的节能评估方法、装置和系统。所述技术方案如下：

一方面，提供了一种基于大数据的节能评估方法，所述方法包括：

将待评估区域划分为多个子区域；

获取任意子区域内的人员记录和作业设备运行记录；

根据所述人员记录，预测在预设时间后的现场人员数量；

根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数；

根据所述现场人员数量和所述作业设备运行参数中的至少一个，评估所述预设时间后的能耗参数，所述能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

根据所述能耗参数，设置所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数。

另一方面，提供了一种大数据的节能评估装置，所述装置包括：

处理模块，用于将待评估区域划分为多个子区域；

获取模块，用于获取任意子区域内的人员记录和作业设备运行记录；

预测模块，用于根据所述人员记录，预测在预设时间后的现场人员数量；

所述预测模块还用于根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数；

所述处理模块还用于根据所述现场人员数量和所述作业设备运行参数中的至少一个，评估所述预设时间后的能耗参数，所述能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

设置模块，根据所述能耗参数，设置所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数。

另一方面，提供了一种大数据的节能评估系统，所述系统包括服务器、多个照明设备、多个温控设备以及多个作业设备，所述系统还包括多个人脸识别装置，其中，所述服务器用于：

将待评估区域划分为多个子区域；

获取作业设备运行记录，并从人脸识别装置中获取任意子区域内的人员记录；

根据所述人员记录，预测在预设时间后的现场人员数量；

根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数；

根据所述现场人员数量和所述作业设备运行参数，评估所述预设时间后的能耗参数，所述能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

根据所述能耗参数，设置所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数。

本发明实施例提供的技术方案带来的有益效果是：

1、通过将待评估区域划分为多个子区域，并分别对多个子区域进行节能评估，相较于对将待评估区域进行整体评估，避免了待评估区域内部分区域的差异所导致的评估结果不准确的情况；

2、通过现场人员数量和作业设备运行参数进行节能评估，实现了在人员处于现场进行作业时的能耗，相较于仅仅对作业设备进行节能评估，进一步提高了评估结果的准确性；

3、通过照明能耗、温控能耗以及作业能耗进行节能评估，实现项目进行过程中除项目本身之外，温控、照明以及作业设备所造成的能耗评估，进一步提高了评估结果的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种大数据的节能评估方法流程图；

图2是本发明实施例提供的一种大数据的节能评估方法流程图；

图3是本发明实施例提供的一种大数据的节能评估方法流程图；

图4是本发明实施例提供的一种大数据的节能评估方法流程图；

图5是本发明实施例提供的一种大数据的节能评估方法流程图；

图6是本发明实施例提供的一种大数据的节能评估装置结构示意图；

图7是本发明实施例提供的一种大数据的节能评估系统示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例所提供的基于大数据的节能评估方法，应用于一种基于大数据的节能评估系统中，该系统包括服务器、多个照明设备、多个温控设备以及多个作业设备，所述系统还包括多个人脸识别装置、多个环境温度监测装置以及多个室内光照强度监测装置。

需要说明的是，由于各个子空间所在的位置不同，所以受到的环境温度的影响以及光照的影响不同，所以为了提高评估结果的准确性，室内光照强度监测装置、照明设备以及温控设备只与子区域一一对应，各个子区域之间相互独立，即室内光照强度监测装置用于监测该子区域的室内光照强度，照明设备用于对该子区域的进行照明，温控设备用于对该子区域的进行温控，与照明设备对多个区域进行照明，室内光照强度监测装置对多个区域进行室内光照强度监测，以及温控设备对多个区域进行温控的场景不同。

参照图1所示，提供了一种基于大数据的节能评估方法，方法包括：

101、将待评估区域划分为多个子区域；

具体的，该过程可以是根据待评估区域已有的空间划分，将待评估区域划分为多个子区域；

该过程可以是将用于描述待评估区域的数据(如图纸数据)输入至划分模型中，该划分模型根据该数据中的空间边界数据，将待评估区域划分为多个子区域。

例如，该待评估区域包括多个房间，则子区域即为多个房间；

进一步的，该划分方式还可以为：

将照明设备所照明的区域，室内光照强度监测装置所检测的区域，以及温控设备对多个区域所进行温控的区域，三个重合的区域设置为一个子区域。

该过程可以是将用于描述待评估区域的数据(如图纸数据)输入至划分模型中，并预设照明设备所照明的区域形状；

该划分模型根据该数据中的区域形状数据设置划分原则为：所有预设照明设备所照明的区域的面积和，大于待评估区域的面积，且小于预设阈值；

该划分模型通过多个照明设备所照明的区域，覆盖待评估区域，以将待评估区域划分为多个子区域；

该多个子区域的数量，与预设照明设备所照明的区域的数量相同。

102、获取任意子区域内的人员记录和作业设备运行记录；

103、根据人员记录，预测在预设时间后的现场人员数量；

104、根据作业设备运行记录，预测在预设时间后的作业设备运行参数；

105、根据现场人员数量和作业设备运行参数中的至少一个，评估预设时间后的能耗参数，能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

106、根据能耗参数，设置任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数。

可选的，步骤101将待评估区域划分为多个子区域之后，还包括：

根据多个子区域的空间关系，设置多个子区域之间的温度关联度和人员关联度。

其中，根据多个子区域的空间关系，设置多个子区域之间的温度关联度的过程可以具体为：

当任意子区域温度上升时，获取与任意子区域的空间关系为邻近的其他子区域的温度，若其他子区域的温度上升，且上升值大于第一预设值，则设置任意子区域与其他子区域的温度关联度为a；

当任意子区域温度下降时，获取与任意子区域的空间关系为邻近的其他子区域的温度，若其他子区域的温度下降，且下降值大于第二预设值，则设置任意子区域与其他子区域的温度关联度为b；

多个子区域之间的温度关联度，可以是通过服务器预置设置算法后，通过以下过程实现：

设置监测周期；

获取监测周期内，子区域的环境温度监测装置的温度监测数据；

设置算法在温度监测数据的基础上，通过上述步骤，获取多个子区域之间的温度关联度。

由于各个子区域的空间关系，会导致某一子区域的温度会影响到其他子区域的温度，通过根据多个子区域的空间关系，设置多个子区域之间的温度关联度，可以进一步保证评估结果的准确性。

根据多个子区域的空间关系，设置多个子区域之间的人员关联度的过程可以具体为：

根据人脸识别设备，获取人员的在多个子区域之间的轨迹，即对于人脸识别设备所识别同一人员，获取其出现的子区域；

获取多个人员在任意子区域出现后，出现频率最高的其他子区域；

设置出现频率最高的其他子区域与任意子区域之间的人员关联度为c，并获取该其他子区域出现在任意子区域的人数，占其总人数的比例。

多个子区域之间的人员关联度，可以是通过服务器预置人员识别算法后，通过以下过程实现：

设置监测周期；该监测周期可以与上述监测周期相同；

获取监测周期内，子区域的人脸识别装置所识别的人员数据；该人脸识别装置与身份识别服务器通过认证流程，实现根据所识别的人脸，来进一步识别人脸所对应的人员身份；

人员识别算法在人员数据的基础上，通过上述步骤，获取多个子区域之间的人员关联度。

需要说明的是，本发明实施例所述温度为预设时间内的温度，即预设时间内多个时刻所对应的多个温度值，该多个温度值至少可以呈现温度变化趋势，如升温或者降温。

可选的，参照图2所示，服务器预设人员预测模型，该预测模型设置为，可以通过人脸识别装置所识别的人员数据，以及服务器所存储的人员记录，实现步骤103根据人员记录，预测在预设时间后的现场人员数量所述的过程，具体为：

201、获取任意子区域在相同历史时间内的第一现场人员数量；该获取方式可以是通过查询人员记录所得到的。

202、预测任意子区域在预设时间内的作业任务，以及作业任务所需的第二现场人员数量，该过程可以为：

设置各个作业任务所需的作业人员数量，以及除作业人员之外的其他人员数量；

根据预设时间内的作业任务数量，预测作业任务所需的第二现场人员数量。

203、根据人员关联度、第一现场人员数量和第二现场人员数量，预测现场人员数量，该过程可以具体为：

获取与任意子区域的人员关联度为c的其他子区域在相同历史时间内的第一现场人员数量，以及预测该其他子区域在预设时间内的作业任务，以及作业任务所需的第二现场人员数量，该过程与上述任意子区域所对应的过程相同；

根据该其他子区域出现在任意子区域的人数，占其总人数的比例，计算其他子区域出现在任意自区域的人员数量B；

现场人员数量＝A+B，其中，A为第一现场人员数量和第二现场人员数量中的最大值。

可选的，参照图3所示，服务器预设人员运行参数预测模型，该运行参数预测模型设置为，可以通过服务器所存储的作业任务记录和作业设备运行记录，实现步骤104根据作业设备运行记录，预测在预设时间后的作业设备运行参数的过程，具体为：

301、获取作业任务所需的作业设备数量；该过程可以通过查询作业设备运行记录中与作业任务相似的作业任务，所需的作业设备数量得到。

302、根据作业设备数量，预测所有作业设备在完成作业任务时所需的作业设备运行参数，该过程可以具体为：

获取单个作业设备的运行参数；

根据作业设备数量，以及单个作业设备的运行参数，计算所有作业设备在完成作业任务时所需的作业设备运行参数。

可选的，参照图4所示，服务器预设人员照明能耗参数预测模型，该照明能耗参数预测模型设置为，可以通过室内光照强度监测装置所检测到的光照强度，以及服务器所存储的光照强度记录，实现步骤105中根据现场人员数量和作业设备运行参数，评估预设时间后的照明能耗参数的过程，具体为：

401、预测预设时间后任意子区域的环境光照强度，该环境光照强度可以通过室内光照强度监测装置得到，具体为：

获取室内光照强度监测装置中的光照强度记录，该光照强度记录包括时间、日照强度以及环境光照强度，该时间、日照强度以及环境光照强度一一对应，例如：13:00-15:00，日照强度为N，环境光照强度为M；

获取预设时间后的日照强度，该过程可以由天气数据获得；

预测光照强度记录中，与日照强度和预设时间相同的环境光照强度，为预设时间后任意子区域的环境光照强度。

402、获取作业设备以作业设备运行参数运行时，所需要的光照强度，该作业设备运行时所需的光照强度为作业人员位于作业设备前进行作业时所需要的光照强度，该光照强度可以是预先设置的。

403、根据环境光照强度、现场人员数量和作业设备运行参数，计算在完成作业任务时所有照明设备的运行参数，该过程可以为：

根据环境光照强度和作业设备运行时所需的光照强度，计算任意子区域内照明设备所需提供的光照强度；

根据任意子区域内照明设备所需提供的光照强度，计算任意子区域内照明设备的运行参数；

计算与任意子区域的人员关联度为c，且不存在作业任务的其他子区域所有照明设备以最低能耗的运行参数。

404、根据所有照明设备的运行参数，评估预设时间后的照明能耗参数，该过程可以为：

预设时间后的照明能耗参数＝任意子区域内照明设备的运行参数+上述其他子区域所有照明设备以最低能耗的运行参数。

可选的，参照图5所示，服务器预设温控能耗参数评估预测模型，该温控能耗参数评估预测模型设置为，可以通过步骤103所获得的现场人员数量，和步骤104所获得作业设备运行参数，实现步骤105中根据现场人员数量和作业设备运行参数，评估预设时间后的温控能耗参数的过程，具体为：

501、根据温度关联度，预测预设时间后任意子区域的环境温度，该过程可以具体为：

获取环境温度监测装置所监测的温度记录，该温度记录至少包括时间、天气温度以及室内温度；该时间、天气温度以及室内温度一一对应，例如：13:00-15:00，天气温度为Q，室内温度为W；

获取预设时间后的天气温度，该过程可以由天气数据获得；

预测温度记录中，与天气温度和预设时间相同的室内温度，为预设时间后任意子区域的第一环境温度；

获取与任意子区域的温度关联度为b的其他子区域的第二环境温度，该第二环境温度的获取方式与第一环境温度相同；

当任意子区域温度下降，其他子区域温度下降时，环境温度为第一环境温度和第二环境温度中的最小值；

当任意子区域温度上升，其他子区域温度上升时环境温度为第一环境温度和第二环境温度中的最大值；

当任意子区域温度下降，其他子区域温度上升时，环境温度为第一环境温度和第二环境温度中的最大值；

当任意子区域温度上升，其他子区域温度下降时，环境温度为第一环境温度和第二环境温度中的最小值。

502、根据作业设备运行参数，计算所有作业设备的温度影响参数，该过程可以具体为：

获取作业人员体感舒适时所需要的舒适温度；

获取作业设备运行时的适宜温度，该适宜温度为保证设备不受高温影响，且处于高效运行，该适宜温度可以是作业设备在出厂后设置的；

计算作业人员位于作业设备前进行作业，作业设备处于适宜温度，且作业人员处于舒适温度时的第三环境温度，该第三环境温度即为温度影响参数。

如舒适温度为26±1度，适宜温度为30±1度以及以上，则温度影响参数为27度。

503、根据环境温度、温度影响参数、现场人员数量和作业设备运行参数，计算在完成作业任务时所有温控设备的运行参数，该过程可以具体为：

根据环境温度和温度影响参数，计算在完成作业任务时所有温控设备的运行参数，该过程可以为：

计算环境温度和温度影响参数之间的差值；

计算所有温控设备实现所述差值时的运行参数。

504、根据所有温控设备的运行参数，评估预设时间后的温控能耗参数。

根据温控设备数量，以及单个温控设备的运行参数，计算预设时间后的温控能耗参数。

可选的，服务器预设作业能耗参数评估预测模型，该作业能耗参数评估预测模型设置为，可以通过步骤104所获得作业设备运行参数，实现步骤105中根据作业设备运行参数，评估预设时间后的作业能耗参数的过程可以包括：

根据作业设备数量，以及所有作业设备在完成作业任务时所需的作业设备运行参数，评估预设时间后的作业能耗参数。

在上述步骤之后，服务器预设输出模型，该输出模型计算照明能耗参数、温控能耗参数以及作业能耗参数之和，得出能耗参数，并输出能耗参数。

可选的，服务器预设控制模型，该控制模型设置为，可以通过能耗参数，实现步骤106根据能耗参数，控制任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数的过程，具体为：

根据照明能耗参数，控制任意子区域内所有照明设备的运行参数；该过程可以是任意子区域内所有照明设备的运行参数设置为步骤403所述的运行参数；

根据温控能耗参数，控制任意子区域内所有温控设备的运行参数；该过程可以是任意子区域内所有温控设备的运行参数设置为步骤504所述的运行参数；

根据作业能耗参数，控制任意子区域内所有作业设备的运行参数；该过程可以是任意子区域内所有作业设备的运行参数设置为步骤302所述的运行参数。

参照图6所示，提供了一种大数据的节能评估装置2，节能评估装置2包括：

处理模块61、，用于将待评估区域划分为多个子区域；

获取模块62，用于获取任意子区域内的人员记录和作业设备运行记录；

预测模块63，用于根据人员记录，预测在预设时间后的现场人员数量；

预测模块63还用于根据作业设备运行记录，预测在预设时间后的作业设备运行参数；

处理模块61还用于根据现场人员数量和作业设备运行参数中的至少一个，评估预设时间后的能耗参数，能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

设置模块64，根据能耗参数，设置任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数。

可选的，处理模块61还用于：

根据多个子区域的空间关系，设置多个子区域之间的温度关联度和人员关联度。

可选的，预测模块63还用于：

获取任意子区域在相同历史时间内的第一现场人员数量；

预测任意子区域在预设时间内的作业任务，以及作业任务所需的第二现场人员数量；

根据人员关联度、第一现场人员数量和第二现场人员数量，预测现场人员数量。

可选的，预测模块63还用：

获取作业任务所需的作业设备数量；

根据作业设备数量，预测所有作业设备在完成作业任务时所需的作业设备运行参数。

可选的，处理模块61还用于：

预测预设时间后任意子区域的环境光照强度；

根据环境光照强度、现场人员数量和作业设备运行参数，计算在完成作业任务时所有照明设备的运行参数；

根据所有照明设备的运行参数，评估预设时间后的照明能耗参数。

可选的，处理模块61还用于：

根据温度关联度，预测预设时间后任意子区域的环境温度；

根据作业设备运行参数，预测所有作业设备的温度影响参数；

根据环境温度、温度影响参数、现场人员数量和作业设备运行参数，计算在完成作业任务时所有温控设备的运行参数；

根据所有温控设备的运行参数，评估预设时间后的温控能耗参数。

可选的，处理模块61还用于：

根据作业设备数量，以及所有作业设备在完成作业任务时所需的作业设备运行参数，评估预设时间后的作业能耗参数。

可选的，设置模块64还用于：

根据照明能耗参数，控制任意子区域内所有照明设备的运行参数；

根据温控能耗参数，控制任意子区域内所有温控设备的运行参数；

根据作业能耗参数，控制任意子区域内所有作业设备的运行参数。

参照图7所示，提供了一种大数据的节能评估系统，系统包括服务器71、多个照明设备72、多个温控设备73以及多个作业设备74，该系统还包括多个人脸识别装置75、多个环境温度监测装置76以及多个室内光照强度监测装置77，其中，服务器71用于：

将待评估区域划分为多个子区域；为了方便说明，假设待评估区域划分为n个子区域；

获取作业设备运行记录，并从人脸识别装置35中获取任意子区域内的人员记录；

通过人脸识别装置75中的人员记录，预测在预设时间后的现场人员数量；

根据作业设备运行记录，预测在预设时间后的作业设备运行参数；

根据现场人员数量和作业设备运行参数，评估预设时间后的能耗参数，能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

根据能耗参数，设置任意子区域内所有照明设备72、所有温控设备73以及所有作业设备74的运行参数。

可选的，服务器71还用于：

根据多个子区域的空间关系，设置多个子区域之间的温度关联度和人员关联度。

可选的，服务器71还用于：

获取任意子区域在相同历史时间内的第一现场人员数量；

预测任意子区域在预设时间内的作业任务，以及作业任务所需的第二现场人员数量；

根据人员关联度、第一现场人员数量和第二现场人员数量，预测现场人员数量。

可选的，服务器71还用于：

获取作业任务所需的作业设备数量；

根据作业设备数量，预测所有作业设备在完成作业任务时所需的作业设备运行参数。

可选的，服务器71还用于：

通过室内光照强度监测装置77，预测预设时间后任意子区域的环境光照强度；

根据环境光照强度、现场人员数量和作业设备运行参数，计算在完成作业任务时所有照明设备的运行参数；

根据所有照明设备的运行参数，评估预设时间后的照明能耗参数。

可选的，服务器71还用于：

通过室内光照强度监测装置76以及温度关联度，预测预设时间后任意子区域的环境温度；

根据作业设备运行参数，预测所有作业设备的温度影响参数；

根据环境温度、温度影响参数、现场人员数量和作业设备运行参数，计算在完成作业任务时所有温控设备的运行参数；

根据所有温控设备的运行参数，评估预设时间后的温控能耗参数。

可选的，服务器71还用于：

根据作业设备数量，以及所有作业设备在完成作业任务时所需的作业设备运行参数，评估预设时间后的作业能耗参数。

可选的，服务器71还用于：

根据照明能耗参数，控制任意子区域内所有照明设备72的运行参数；

根据温控能耗参数，控制任意子区域内所有温控设备73的运行参数；

根据作业能耗参数，控制任意子区域内所有作业设备74的运行参数。

上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。

需要说明的是：上述实施例提供的基于大数据的节能评估装置和系统在执行基于大数据的节能评估方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置和系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于大数据的节能评估方法、装置和系统实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种评估机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (8)

1.一种基于大数据的节能评估方法，其特征在于，所述方法包括：

将待评估区域划分为多个子区域；

根据所述多个子区域的空间关系，设置所述多个子区域之间的温度关联度和人员关联度；

获取任意子区域内的人员记录和作业设备运行记录；

根据所述人员记录，预测在预设时间后的现场人员数量；

根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数；

根据所述现场人员数量和所述作业设备运行参数中的至少一个，评估所述预设时间后的能耗参数，所述能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

根据所述能耗参数，设置所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数；

所述根据所述人员记录，预测在预设时间后的现场人员数量包括：

获取所述任意子区域在相同历史时间内的第一现场人员数量；

预测所述任意子区域在预设时间内的作业任务，以及所述作业任务所需的第二现场人员数量；

根据所述人员关联度、所述第一现场人员数量和所述第二现场人员数量，预测所述现场人员数量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数包括：

获取所述作业任务所需的作业设备数量；

根据所述作业设备数量，预测所有作业设备在完成所述作业任务时所需的作业设备运行参数。

3.根据权利要求2所述的方法，其特征在于，根据所述现场人员数量和所述作业设备运行参数，评估所述预设时间后的照明能耗参数包括：

预测所述预设时间后所述任意子区域的环境光照强度；

根据所述环境光照强度、所述现场人员数量和所述作业设备运行参数，计算在完成所述作业任务时所有照明设备的运行参数；

根据所述所有照明设备的运行参数，评估所述预设时间后的照明能耗参数。

4.根据权利要求3所述的方法，其特征在于，根据所述现场人员数量和所述作业设备运行参数，评估所述预设时间后的温控能耗参数包括：

根据所述温度关联度，预测所述预设时间后所述任意子区域的环境温度；

根据所述作业设备运行参数，预测所述所有作业设备的温度影响参数；

根据所述环境温度、所述温度影响参数、所述现场人员数量和所述作业设备运行参数，计算在完成所述作业任务时所有温控设备的运行参数；

根据所述所有温控设备的运行参数，评估所述预设时间后的温控能耗参数。

5.根据权利要求4所述的方法，其特征在于，根据所述作业设备运行参数，评估所述预设时间后的作业能耗参数包括：

根据所述作业设备数量，以及所有作业设备在完成所述作业任务时所需的作业设备运行参数，评估所述预设时间后的作业能耗参数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述能耗参数，控制所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数包括：

根据所述照明能耗参数，控制所述任意子区域内所有照明设备的运行参数；

根据所述温控能耗参数，控制所述任意子区域内所有温控设备的运行参数；

根据所述作业能耗参数，控制所述任意子区域内所有作业设备的运行参数。

7.一种基于大数据的节能评估装置，其特征在于，所述装置包括：

处理模块，用于将待评估区域划分为多个子区域；

所述处理模块还用于根据所述多个子区域的空间关系，设置所述多个子区域之间的温度关联度和人员关联度；

获取模块，用于获取任意子区域内的人员记录和作业设备运行记录；

预测模块，用于根据所述人员记录，预测在预设时间后的现场人员数量；

所述预测模块还用于根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数；

所述处理模块还用于根据所述现场人员数量和所述作业设备运行参数中的至少一个，评估所述预设时间后的能耗参数，所述能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

设置模块，根据所述能耗参数，设置所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数；

所述预测模块还用于：

获取所述任意子区域在相同历史时间内的第一现场人员数量；

预测所述任意子区域在预设时间内的作业任务，以及所述作业任务所需的第二现场人员数量；

根据所述人员关联度、所述第一现场人员数量和所述第二现场人员数量，预测所述现场人员数量。

8.一种基于大数据的节能评估系统，其特征在于，所述系统包括服务器、多个照明设备、多个温控设备以及多个作业设备，所述系统还包括多个人脸识别装置，其中，所述服务器用于：

将待评估区域划分为多个子区域；

根据所述多个子区域的空间关系，设置所述多个子区域之间的温度关联度和人员关联度；

获取作业设备运行记录，并从人脸识别装置中获取任意子区域内的人员记录；

根据所述人员记录，预测在预设时间后的现场人员数量；

根据所述作业设备运行记录，预测在所述预设时间后的作业设备运行参数；

根据所述现场人员数量和所述作业设备运行参数中的至少一个，评估所述预设时间后的能耗参数，所述能耗参数包括照明能耗参数、温控能耗参数以及作业能耗参数；

根据所述能耗参数，设置所述任意子区域内所有照明设备、所有温控设备以及所有作业设备的运行参数；

获取所述任意子区域在相同历史时间内的第一现场人员数量；

预测所述任意子区域在预设时间内的作业任务，以及所述作业任务所需的第二现场人员数量；

根据所述人员关联度、所述第一现场人员数量和所述第二现场人员数量，预测所述现场人员数量。