CN115499477A - 一种智能化用能设备控制系统及控制方法 - Google Patents
一种智能化用能设备控制系统及控制方法 Download PDFInfo
- Publication number
- CN115499477A CN115499477A CN202211432475.9A CN202211432475A CN115499477A CN 115499477 A CN115499477 A CN 115499477A CN 202211432475 A CN202211432475 A CN 202211432475A CN 115499477 A CN115499477 A CN 115499477A
- Authority
- CN
- China
- Prior art keywords
- equipment
- energy consumption
- energy
- edge
- cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005265 energy consumption Methods 0.000 claims abstract description 109
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000013508 migration Methods 0.000 claims abstract description 12
- 230000005012 migration Effects 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 18
- 230000032683 aging Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000002071 nanotube Substances 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 abstract description 8
- 230000009467 reduction Effects 0.000 abstract description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004378 air conditioning Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能化用能设备控制系统及控制方法,包括云平台侧、设备端侧和边缘侧,云平台侧包括运行工况监视器、云端算法模型库以及设备运行分析器,边缘侧包括任务执行器、用能设备功耗预测分析器以及边缘端算法模型库,通过对边缘侧专用设备增加并内置用能设备功耗预测分析控制器引擎,实现云端训模、边侧迁移及优化模型、端侧应用与决策的“云‑边‑端”三侧联动,设备端侧包括数据网关和若干个用能设备,本发明的有益效果是:基于“云‑边‑端”整体能源节能“数字空间”的整体架构体系,为整体的一站式精准能耗运营体系提供科学决策及设备工况的及时干预,实现最大程度的无人值守的智能管控真实诉求、有利于节能减碳的整体目标达成。
Description
技术领域
本发明涉及智能化用能设备控制技术领域,具体为一种智能化用能设备控制系统及控制方法。
背景技术
近年来,随着生活水平的日益提升,日常生活中的楼宇、学校、商场及医院等都成为用能与碳排放的大户,中央空调、电梯及各种用电设备等等成为了日常生活中的不可或缺的一部分,尽管市面上我们也常见一些成功的利用智能感知前端设备来进行一些辅助控制的案例,如智能化电梯利用重力感知来进行动态调整运行速率、极大降低了用能功耗,但是对绝大部分用能设备依然处于人为管控的阶段、设备存储老旧且功耗巨大但用能效果差,部分设备因传统使用方式导致往往用能效果也很不理想。
譬如市面上中央空调绝大部分还只能本地使用,基本上是由用户自行设定温度和风速,空调系统的管理人员无法及时获知房间内的运行情况及异常情况,只能够采用人工巡检的方式来检查与判断设备功耗情况,费时费力且效果较差,同时,在日常使用中我们也注意到由于各空调末端都共是由相同的主机来提供冷、热源,无法准确统计每个末端的使用情况,物业管理方往往都是根据使用方用能面积大小来收取空调费用,易出现“无人空调”,“穿着棉衣开空调”等情况,造成能源的极大浪费,因此这里设计了一种智能化用能设备控制系统及控制方法,以便于解决如何对用能设备进行智能化控制,达到节能减排目的的问题。
发明内容
本发明的目的在于克服现有技术的缺陷而提供一种智能化用能设备控制系统及控制方法,以便于解决上述背景技术中提出的如何对用能设备进行智能化控制,达到节能减排目的的问题。
实现上述目的的技术方案是:一种智能化用能设备控制系统,包括云平台侧、设备端侧和边缘侧,所述云平台侧包括运行工况监视器、云端算法模型库以及设备运行分析器,所述工况监视器的信号输出端口与云端算法模型库的信号输入端口连接,所述云端算法模型库的信号输入端口与设备运行分析器的信号输出端口连接。
所述边缘侧包括任务执行器、用能设备功耗预测分析器以及边缘端算法模型库,所述任务执行器的信号输出端口与设备运行分析器的信号输入端口连接,所述任务执行器的信号输出端口与用能设备功耗预测分析器的信号输入端口连接,所述用能设备功耗预测分析器的信号输出端口与边缘端算法模型库的信号输入端口连接,所述任务执行器的信号输出端口连接有用能控制器一,所述边缘端算法模型库的信号输入端口连接有用能采集器一,通过对边缘侧专用设备增加并内置用能设备功耗预测分析控制器引擎,实现云端训模、边侧迁移及优化模型、端侧应用与决策的“云-边-端”三侧联动。
通过用能设备功耗预测分析控制器专用的统计分析及用能趋势分析模块,可以准确、科学判断用能设备末端的用能情况,为科学用能及用能费用分摊提供数据支撑。
内置南北双向的通讯管理模块完成用能设备实时上报开关机、运行情况、末端用能等工况数据的获取,促进一站式“数字空间”用能孪生模型构建与可视化,降低运营运维难度和成本。
所述设备端侧包括数据网关和若干个用能设备,所述数据网关与用能设备之间通过数据线连接。
作为本发明的一种优选技术方案:所述运行工况检测器包括运行预测分析应用、生命周期预测应用以及老化预测应用,运行预测分析应用分析设备运行状况,生命周期预测应用对用能设备生命周期运营状态预测及智能调控,老化预测应用对用能设备老旧及更换智能决策分析。
作为本发明的一种优选技术方案:所述数据网关内置有用能控制器二和用能采集器二,所述用能控制器一与用能控制器二之间通过数据线连接,且用能控制器二承接用能控制器一的控制指令,所述用能采集器二与用能采集器一之间通过数据线连接,且用能采集器一承接用能采集器二的工况数据。
作为本发明的一种优选技术方案:所述用能设备功耗预测分析控制器模块内置预测分析模块、专家推理模块以及智能决策模块,能够对边缘侧所纳管的用能设备进行统计、计算及预测分析并综合研判与决策,实现基于设备工况、环境、时间、空间、位置、人数、舒适度等进行多特征变量智能化分析机制,解决用能设备动态节能、设备更换、设备关停等精细化控制系统,通过用能设备功耗预测分析器以及边缘端算法模型库配合,实现多算法融合模型对用能设备及用能设备功耗进行数字化画像构建、通过时间序列分析模型完成对用能设备的异常事件分析,并基于智能决策模型算法实现边缘侧定制化、数据化的管理控制机制。
一种智能化用能设备控制系统的控制方法,根据所述的一种智能化用能设备控制系统,包括以下步骤:
第一、基于“云-边-端”整体能源节能“数字空间”的整体架构体系;
第二、通过设备画像及设备用能画像来对边缘侧众多用能设备进行数字化管理:
一方面对设备的运行工况、使用寿命、异常事件来进行综合研判并及时干预处理;
另一方面有利于边缘侧用户方管理人员及时了解整体用能情况,能够基于预测分析模型能力进行合理的管控与维护;
第三、用能设备能耗预测分析控制器通过算法模型+智能决策引擎来对边缘侧纳管的所有用能设备能耗进行主动预测性分析及基于指标的智能决策与动态管控;
第四、用能设备能耗预测分析控制器通过工况数据采集、模型预测、指令下发、效果评估的闭环体系:
一方面根据预定规则动态、智能地完成用能设备的及时管控;
另一方面基于云端的算力资源+边缘侧模型迁移与适配模型,可以在时空区间内个性化、定制化、本地化的完成用能设备的管控;
第五、对边缘侧用能设备的电能参数进行统计,提供更为科学、合理的收费方式;
第六、依赖于云端的强大的算力资源及自动化机器学习算法平台完成用能设备功耗算法预测分析模型的训练、边缘侧设备能耗预测分析控制器完成云端模型加载及模型的迁移与适配,通过已有能耗采集设备完成感知数据采集及数据特征化来对用能设备的用能功耗运行工况进行预测分析,进而为整体的一站式精准能耗运营体系提供科学决策及设备工况的及时干预,实现最大程度的无人值守的智能管控真实诉求、有利于节能减碳的整体目标的达成。
本发明的有益效果是:
本发明主要通过基于“云-边-端”整体能源节能“数字空间”的整体架构体系,在边缘端专用设备增加承载机器学习的专用模块,依赖于云端的强大的算力资源及自动化机器学习算法平台完成用能设备功耗算法预测分析模型的训练、边缘侧设备能耗预测分析控制器完成云端模型加载及模型的迁移与适配,通过已有能耗采集设备完成感知数据采集及数据特征化来对用能设备的用能功耗运行工况进行预测分析,进而为整体的一站式精准能耗运营体系提供科学决策及设备工况的及时干预,实现最大程度的无人值守的智能管控真实诉求、有利于节能减碳的整体目标的达成。
附图说明
图1是本发明的 ”云-边-端“三侧联动智能化管控风机管末端用能设备的示意图。
图2是本发明的边缘侧用能设备“数字空间”模型生成的示意图。
图3是本发明的用能设备生命周期运营状态预测及智能调控的示意图。
图4是本发明的用能设备老旧及更换智能决策分析的示意图。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例:如图1所示,一种智能化用能设备控制系统,包括云平台侧、设备端侧和边缘侧,云平台侧包括运行工况监视器、云端算法模型库以及设备运行分析器,工况监视器的信号输出端口与云端算法模型库的信号输入端口连接,云端算法模型库的信号输入端口与设备运行分析器的信号输出端口连接。
运行工况检测器包括运行预测分析应用、生命周期预测应用以及老化预测应用,运行预测分析应用分析设备运行状况,生命周期预测应用对用能设备生命周期运营状态预测及智能调控,老化预测应用对用能设备老旧及更换智能决策分析。
边缘侧包括任务执行器、用能设备功耗预测分析器以及边缘端算法模型库,任务执行器的信号输出端口与设备运行分析器的信号输入端口连接,任务执行器的信号输出端口与用能设备功耗预测分析器的信号输入端口连接,用能设备功耗预测分析器的信号输出端口与边缘端算法模型库的信号输入端口连接,任务执行器的信号输出端口连接有用能控制器一,边缘端算法模型库的信号输入端口连接有用能采集器一,通过对边缘侧专用设备增加并内置用能设备功耗预测分析控制器引擎,实现云端训模、边侧迁移及优化模型、端侧应用与决策的“云-边-端”三侧联动。
用能设备功耗预测分析控制器模块内置预测分析模块、专家推理模块以及智能决策模块,能够对边缘侧所纳管的用能设备进行统计、计算及预测分析并综合研判与决策,实现基于设备工况、环境、时间、空间、位置、人数、舒适度等进行多特征变量智能化分析机制,解决用能设备动态节能、设备更换、设备关停等精细化控制系统,通过用能设备功耗预测分析器以及边缘端算法模型库配合,实现多算法融合模型对用能设备及用能设备功耗进行数字化画像构建、通过时间序列分析模型完成对用能设备的异常事件分析,并基于智能决策模型算法实现边缘侧定制化、数据化的管理控制机制。
通过用能设备功耗预测分析控制器专用的统计分析及用能趋势分析模块,可以准确、科学判断用能设备末端的用能情况,为科学用能及用能费用分摊提供数据支撑。
内置南北双向的通讯管理模块完成用能设备实时上报开关机、运行情况、末端用能等工况数据的获取,促进一站式“数字空间”用能孪生模型构建与可视化,降低运营运维难度和成本。
设备端侧包括数据网关和若干个用能设备,数据网关与用能设备之间通过数据线连接,数据网关内置有用能控制器二和用能采集器二,用能控制器一与用能控制器二之间通过数据线连接,且用能控制器二承接用能控制器一的控制指令,用能采集器二与用能采集器一之间通过数据线连接,且用能采集器一承接用能采集器二的工况数据。
如图2所示:边缘侧用能设备“数字空间”模型生成过程:从历史数据集提供历史数据,云端预测与推理模型生成数字模型至边缘端模型迁移,另外,指标与规则库为边缘端模型迁移提供指令和规则,为数字模型提供环境、时空等数据,向数据网关预测与推理提供运行工况实时数据,随后数字模型迁移并生成边缘侧预测与推理模型,并且,设备及设备能耗数字空间的数字空间模型构建成功。
如图3所示:用能设备生命周期运营状态预测及智能调控:首先确定设备是否运行,设备正常运行时,获取运行工况,将数据特征化,然后通过调控模型以及规则模型进行调控模型调整,确认是否调整,若不进行调控,再次获取运行工况若确认调控,下发调控指令,若指令下发不成功,再次进行指令下发操作,指令下发成功,用户体验舆情数据对调控进行评价,评价后确认是否回退指令,若确认回退指令,再次调控指令下发,若不回退指令,则确认调控,并结束。
如图4所示:用能设备老旧及更换智能决策分析:首先确定设备是否运行,设备正常运行时,获取运行工况,利用外部数据、设备元数据、维护数据、历史表现以及能效比将数据特征化,然后通过规则模型以及算法模型进行分类模型预测。
一种智能化用能设备控制系统的控制方法,根据的一种智能化用能设备控制系统,包括以下步骤:
第一、基于“云-边-端”整体能源节能“数字空间”的整体架构体系。
第二、通过设备画像及设备用能画像来对边缘侧众多用能设备进行数字化管理:一方面对设备的运行工况、使用寿命、异常事件来进行综合研判并及时干预处理,提升效率并降低对管理人员的依赖;另一方面有利于边缘侧用户方管理人员及时了解整体用能情况,能够基于预测分析模型能力进行合理的管控与维护,有助于科学、动态、合理的安排用能设备及用能设备运行状态。
第三、用能设备能耗预测分析控制器通过算法模型+智能决策引擎来对边缘侧纳管的所有用能设备能耗进行主动预测性分析及基于指标的智能决策与动态管控,有助于整体层面用能能耗的科学调控,进而支撑精细化、智能化管控用能设备,有助于节能减排的目标落地提供了科学支撑,同时针对能耗比较大、但效果不理想的用能设备进行必要的干预替换。
第四、用能设备能耗预测分析控制器通过工况数据采集、模型预测、指令下发、效果评估的闭环体系:一方面根据预定规则动态、智能地完成用能设备的及时管控;另一方面基于云端的算力资源+边缘侧模型迁移与适配模型,可以在时空区间内个性化、定制化、本地化的完成用能设备的管控,降低对高级用能专家的依赖也能将整体的能耗降低到一个可控的范围内。
第五、对边缘侧用能设备的电能参数进行统计,提供更为科学、合理的收费方式,避免粗放式收费情况的出现;使用方也能够逐渐产生更好的节能意识,避免能源的浪费。
第六、依赖于云端的强大的算力资源及自动化机器学习算法平台完成用能设备功耗算法预测分析模型的训练、边缘侧设备能耗预测分析控制器完成云端模型加载及模型的迁移与适配,通过已有能耗采集设备完成感知数据采集及数据特征化来对用能设备的用能功耗运行工况进行预测分析,进而为整体的一站式精准能耗运营体系提供科学决策及设备工况的及时干预,实现最大程度的无人值守的智能管控真实诉求、有利于节能减碳的整体目标的达成,通过对边缘侧专用设备增加并内置用能设备功耗预测分析控制器引擎,完成云端训模、边侧迁移及优化模型、端侧应用与决策的“云-边-端”三侧联动,通过智能化、精细化管控完成边缘侧所有用能设备的数字化管控能力,完成用能设备画像、用能设备功耗画像等模型构建,进而辅助能耗设备用能预测、设备使用生命周期预测,提升数字化、精细化管理、科学智能动态管理的运营能力支撑。
基于已有的“云-边-端”的能耗物联网架构体系,借助于云端的强大算力资源池及自研机器学习一站式算法与模型平台,利用边缘侧专用模块设备的算力资源及模型推理能力,用能设备功耗预测分析控制器通过基于成熟的物联网数据采集机制与外部数据源的采集、通过云+端的算法模型来对整个边缘侧的用能设备进行设备画像及设备用能画像进行预测性智能分析,依赖于“预测分析+专家推理+智能决策”三引擎模块来对用能设备工况、能耗比、使用寿命等预测并产生控制指令或告警指令,便于一站式的能耗运营精准及精细管理。
同时可以针对异常事件情况进行主动干预、减少或杜绝危险事件,同时用能设备的用能状况可以如实反映实际能耗使用、进而可按需提供用能计费统计分析,便于用能方养成节能意识,减少甚至严格控制能源的浪费,且能对双碳数字化提供有效支撑,降低谈排放。
本发明依赖于多场景、多功能、多类型的传感感知设备、自研数据网关、物联网大数据平台、能耗领域业务中台服务及众多场景节能应用等多领域的沉淀与实践,构建基于能源节能“数字空间”的自有体系的双碳数字化服务平台,提供每年节约数亿元的用能费用、提出并引领了围绕楼宇建筑节能的一站式精准运营双碳服务数字化平台。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案也应该属于本发明的范畴,应由各权利要求所限定。
Claims (5)
1.一种智能化用能设备控制系统,其特征在于,包括云平台侧、设备端侧和边缘侧,所述云平台侧包括运行工况监视器、云端算法模型库以及设备运行分析器,所述工况监视器的信号输出端口与云端算法模型库的信号输入端口连接,所述云端算法模型库的信号输入端口与设备运行分析器的信号输出端口连接;
所述边缘侧包括任务执行器、用能设备功耗预测分析器以及边缘端算法模型库,所述任务执行器的信号输出端口与设备运行分析器的信号输入端口连接,所述任务执行器的信号输出端口与用能设备功耗预测分析器的信号输入端口连接,所述用能设备功耗预测分析器的信号输出端口与边缘端算法模型库的信号输入端口连接,所述任务执行器的信号输出端口连接有用能控制器一,所述边缘端算法模型库的信号输入端口连接有用能采集器一,通过对边缘侧专用设备增加并内置用能设备功耗预测分析控制器引擎,实现云端训模、边侧迁移及优化模型、端侧应用与决策的“云-边-端”三侧联动;
所述设备端侧包括数据网关和若干个用能设备,所述数据网关与用能设备之间通过数据线连接。
2.根据权利要求1所述的一种智能化用能设备控制系统,其特征在于,所述运行工况检测器包括运行预测分析应用、生命周期预测应用以及老化预测应用。
3.根据权利要求1所述的一种智能化用能设备控制系统,其特征在于,所述数据网关内置有用能控制器二和用能采集器二,所述用能控制器一与用能控制器二之间通过数据线连接,且用能控制器二承接用能控制器一的控制指令,所述用能采集器二与用能采集器一之间通过数据线连接,且用能采集器一承接用能采集器二的工况数据。
4.根据权利要求1所述的一种智能化用能设备控制系统,其特征在于,所述用能设备功耗预测分析控制器模块内置预测分析模块、专家推理模块以及智能决策模块,通过用能设备功耗预测分析器以及边缘端算法模型库配合,实现多算法融合模型对用能设备及用能设备功耗进行数字化画像构建、通过时间序列分析模型完成对用能设备的异常事件分析,并基于智能决策模型算法实现边缘侧定制化、数据化的管理控制机制。
5.一种智能化用能设备控制系统的控制方法,根据权利要求1-4任一所述的一种智能化用能设备控制系统,其特征在于,包括以下步骤:
第一、基于“云-边-端”整体能源节能“数字空间”的整体架构体系;
第二、通过设备画像及设备用能画像来对边缘侧众多用能设备进行数字化管理;
第三、用能设备能耗预测分析控制器通过算法模型+智能决策引擎来对边缘侧纳管的所有用能设备能耗进行主动预测性分析及基于指标的智能决策与动态管控;
第四、用能设备能耗预测分析控制器通过工况数据采集、模型预测、指令下发、效果评估的闭环体系:
一方面根据预定规则动态、智能地完成用能设备的及时管控;
另一方面基于云端的算力资源+边缘侧模型迁移与适配模型,可以在时空区间内完成用能设备的管控;
第五、对边缘侧用能设备的电能参数进行统计,进行合理的收费。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211432475.9A CN115499477A (zh) | 2022-11-16 | 2022-11-16 | 一种智能化用能设备控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211432475.9A CN115499477A (zh) | 2022-11-16 | 2022-11-16 | 一种智能化用能设备控制系统及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115499477A true CN115499477A (zh) | 2022-12-20 |
Family
ID=85115825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211432475.9A Pending CN115499477A (zh) | 2022-11-16 | 2022-11-16 | 一种智能化用能设备控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115499477A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
CN111783846A (zh) * | 2020-06-12 | 2020-10-16 | 国网山东省电力公司电力科学研究院 | 一种智慧用能服务协同控制系统和方法 |
CN112413831A (zh) * | 2020-11-25 | 2021-02-26 | 中国电力科学研究院有限公司 | 一种中央空调节能控制系统及方法 |
CN113327442A (zh) * | 2021-04-30 | 2021-08-31 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制系统及方法 |
WO2022141295A1 (zh) * | 2020-12-30 | 2022-07-07 | 华为技术有限公司 | 一种通信方法和装置 |
-
2022
- 2022-11-16 CN CN202211432475.9A patent/CN115499477A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
CN111783846A (zh) * | 2020-06-12 | 2020-10-16 | 国网山东省电力公司电力科学研究院 | 一种智慧用能服务协同控制系统和方法 |
CN112413831A (zh) * | 2020-11-25 | 2021-02-26 | 中国电力科学研究院有限公司 | 一种中央空调节能控制系统及方法 |
WO2022141295A1 (zh) * | 2020-12-30 | 2022-07-07 | 华为技术有限公司 | 一种通信方法和装置 |
CN113327442A (zh) * | 2021-04-30 | 2021-08-31 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210123625A1 (en) | Low-cost commissioning method for the air-conditioning systems in existing large public buildings | |
CN107239874B (zh) | 一种面向轨道交通的电能质量及节能分析系统 | |
CN203117771U (zh) | 一种建筑能耗智能监控管理系统 | |
CN100501608C (zh) | 后验控制与多传感器融合方法及中央空调节能控制装置 | |
CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能系统 | |
CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
CN114239972A (zh) | 基于人工智能技术的校园能效与电气安全管理方法和系统 | |
CN115249094A (zh) | 一种基于大数据的建筑能效管理和优化方法 | |
WO2023083235A1 (zh) | 一种分散式预测电网的优化方法及系统 | |
CN107036238A (zh) | 动态预测外气与负载智慧节能控制方法 | |
CN113778215A (zh) | 基于大数据实现数据中心pue预测以及降耗策略的方法 | |
CN115619136A (zh) | 楼宇管理方法和系统 | |
CN110071576A (zh) | 区域配电系统和方法 | |
CN214619993U (zh) | 一种空调智能控制节能系统 | |
CN114069642A (zh) | 一种考虑用户满意度的温控负荷综合调峰方法 | |
CN112307675A (zh) | 一种基于神经网络的温度敏感型负荷分离辨识方法及系统 | |
CN115499477A (zh) | 一种智能化用能设备控制系统及控制方法 | |
CN219473908U (zh) | 一种基于AIoT技术的中央空调全生命周期高能效控制系统 | |
CN115129770A (zh) | 一种建筑能源数据采集分析平台数据分析系统及其方法 | |
CN115438958A (zh) | 一种基于互联网的智慧能效管理系统及其管理方法 | |
CN113219897A (zh) | 基于大数据和人工智能的冷热联供智能调控系统和方法 | |
CN106099924B (zh) | 一种基于分项计量的负荷削减量采集计算方法 | |
CN115996503B (zh) | 一种自优化楼宇照明传感器节能控制系统 | |
CN117979506B (zh) | 用于城市照明路灯的能耗分析系统 | |
CN213399664U (zh) | 一种设备用能有效性评估系统 |
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: 20221220 |