CN115758869A - 一种基于bim的智能楼宇管控系统 - Google Patents
一种基于bim的智能楼宇管控系统 Download PDFInfo
- Publication number
- CN115758869A CN115758869A CN202211385307.9A CN202211385307A CN115758869A CN 115758869 A CN115758869 A CN 115758869A CN 202211385307 A CN202211385307 A CN 202211385307A CN 115758869 A CN115758869 A CN 115758869A
- Authority
- CN
- China
- Prior art keywords
- temperature
- module
- human body
- prediction
- layer
- 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
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及信息技术领域，且公开了一种基于bim的智能楼宇管控系统，包括主服务器与用户端，主服务器包括收集模块、运算模块、预测模块；收集模块用于收集人体温度、电脑主机温度、室内温度以及桌面物品温度；运算模块用于对收集模块收集到的数据进行运算；预测模块用于预测随着时间变化室内温度的未来变化趋势；该智能楼宇管控系统，通过第一预测层和补偿运算层，能够合理的预测室内温度的变化趋势，进行及时的室内温度调控；补偿运算层中的补偿精确层能够根据时间节点分析是否存在热量摄入，并针对午饭时间前后的室内温度进行针对性预测，有效控制午饭一段时间内的室内温度，达到智能分析调控和节约能耗的目的。
Description
技术领域
本发明涉及信息技术领域，具体为一种基于bim的智能楼宇管控系统。
背景技术
Bim建筑信息模型(Building Information Modeling)是建筑学、工程学及土木工程的新工具。为推动新一代信息技术与建筑工业化技术协同发展，加大建筑信息模型(BIM)、互联网、物联网、大数据、云计算、移动通信、人工智能、区块链等新技术的集成与创新应用，当下都在不断开发新的智能楼宇管控系统，是为了达到对楼宇进行智能、高效管理的目的。
当前，对于公共的楼宇管控仍存在不足之处，例如在冬季的室内温度管控方面，依然采用传统的人工控制，不能结合实际情况对室内温度进行合理的预测分析，进行高效节能的楼宇管控；此外，对于写字楼等楼宇，写字楼内的不同公司都需要付出一定的人工成本来对考勤加以管理，在一定程度上也造成了不必要的资源浪费。
发明内容
本发明提供了一种基于bim的智能楼宇管控系统，促进解决了上述背景技术中所提到的冬季的室内温度管控方面，依然采用传统的人工控制，不能结合实际情况对室内温度进行合理的预测分析，进行高效节能的楼宇管控的问题；而通过本发明提供的智能楼宇管控系统，结合楼宇bim中的暖通模块，则能够更好地对楼宇进行智能管控。
本发明提供如下技术方案：种基于bim的智能楼宇管控系统，包括主服务器与用户端，其中：
所述主服务器包括收集模块、运算模块、预测模块；
所述收集模块用于收集人体温度、电脑主机温度、室内温度以及桌面物品温度；
所述运算模块用于对收集模块收集到的数据进行运算；
所述预测模块用于预测随着时间变化室内温度的未来变化趋势；所述预测模块包括第一预测层和第二预测层；
所述用户端包括员工管理模块，员工管理模块包括员工账户、暖通控制模块和考勤管理模块，其中，所述员工账户用于控制电脑主机启闭。
所述运算模块包括第一运算层，所述第一运算层用于运算出收集模块收集到的人体温度的平均温度和电脑主机温度的平均温度，并将运算得出的人体平均温度和电脑主机平均温度发送到第一预测层；
所述运算模块还包括补偿运算层，所述补偿运算层用于运算出人体未来温度趋势，并作为补偿数据发送到第二预测层。
所述运算模块还包括第二运算层，所述第二运算层用于运算电脑主机温度和电脑主机对应工位是否存在人体温度，并将电脑主机温度与对应工位人体温度同时存在的时间计入考勤管理模块。
所述运算模块还包括第一时间查询模块，通过查询当前运行阶段的具体时间分析是否为工作日和上班时间，从而区分出第二运算层运算的考勤时间是工作考勤还是加班考勤。
所述第一预测层接收到第一运算层发送的人体平均温度和电脑主机平均温度后，再进一步获取收集模块收集到的室内温度，并结合当日气温走势，通过神经网络进行分析，得出室内温度第一预测走势，并将室内温度第一预测走势发送到第二预测层。
所述补偿运算层包括判断模型、识别模型和分析模型；
具体的，桌面物品温度定义为桌面上物品温度大于室内温度三摄氏度或者小于室内温度三摄氏度，并标记为观测对象；
所述收集模块还包括观测对象和人体的热成像收集模块；并将收集到的观测对象和人体的热成像发送至识别模型；
所述识别模型用于识别观测对象的热成像面积大小以及观测对象的热成像与人体的热成像间距距离，识别模型将识别到的面积大小变化和间距距离变化发送到判断模块；
所述判断模型对接收到的识别结果进行判断，判断人员是否有热量摄入；
所述分析模型通过接受判断模型发送的判断结果，并调取当前室内温度、当日气温变化趋势，通过神经网络进行分析，得出第一人体温度变化趋势。
所述补偿运算层还包括补偿精确层，通过查询当前运行阶段的具体时间分析是否为工作日和午饭时间作为时间节点信息；同时获取第一人体温度变化趋势，并结合获取到的时间节点信息，通过神经网络进行分析，得出第二人体温度变化趋势；并将第二人体温度变化趋势发送到第二预测层。
所述第二预测层接收室内温度第一预测走势、第二人体温度变化趋势和时间节点信息，通过神经网络进行分析，得出室内温度第二预测走势。
所述主服务器还包括推送模块，所述推送模块获取室内温度第二预测走势与人体舒适温度范围进行对比分析，并选择是否推送降低或升高室内温度的信息到用户端；
若室内温度第二预测走势与人体舒适温度范围进行对比分析后无需调节室内温度则忽略不计，若需要调节室内温度则推送调节信息到员工管理模块，员工管理模块通过接收推送模块推送的调节信息，选择是否接受调节信息，若选择不接受调节信息则忽略不计，若选择接受调节信息，则调节信息转变成降低室内温度的指令并发送到暖通控制模块进行室内温度的降温调节。
本发明具备以下有益效果：
1、该智能楼宇管控系统，通过第二运算层运算电脑主机温度和电脑主机对应工位是否存在人体温度进行精准考勤记录，并结合第一时间查询模块能够自主区分出考勤是工作考勤还是加班考勤，从而方便企业的考勤管理。
2、该智能楼宇管控系统，通过第二运算层运算电脑主机温度和电脑主机对应工位是否存在人体温度进行精准考勤记录的同时，结合第一时间查询模块，还能够根据实际情况分析出是否存在员工下班忘记关闭电脑主机，从而能够及时通知用户进行处理，避免长期电脑主机开启造成不必要的资源浪费，同时也有利于保障电脑的使用寿命。
3、该智能楼宇管控系统，通过第一预测层和补偿运算层，能够合理的预测室内温度的变化趋势，进行及时的室内温度调控；
其中，补偿运算层中的补偿精确层能够根据时间节点分析是否存在热量摄入，并针对午饭时间前后的室内温度进行针对性预测，有效控制午饭一段时间内的室内温度，达到智能分析调控和节约能耗的目的。
附图说明
图1为本发明系统流程框图。
具体实施方式
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。
一种基于bim的智能楼宇管控系统，包括主服务器与用户端，其中：
主服务器包括收集模块、运算模块、预测模块；
所述用于收集人体温度、电脑主机温度、室内温度以及桌面物品温度；其中，收集模块收集电脑主机温度时，限定电脑主机温度大于室内温度预设值后，为需要采集的电脑主机温度，其中预设值包括但不限于5摄氏度，具体可以根据实际需要来修改具体的预设值。
所述运算模块用于对收集模块收集到的数据进行运算；
所述预测模块用于预测随着时间变化室内温度的未来变化趋势；所述预测模块包括第一预测层和第二预测层；
所述用户端包括员工管理模块，员工管理模块包括员工账户、暖通控制模块和考勤管理模块，其中，所述员工账户用于控制电脑主机启闭；暖通控制模块用于控制空调升温或者降温，达到调节室内温度的目的；考勤管理模块用于管理员工的日常出勤和工作时长情况。
此外，暖通可以是楼宇的中央空调系统，并且在每一个室内设置有该室单独的空调控制模块，暖通控制模块可以控制该室单独的空调控制模块进行空调的升温和降温工作；
所述运算模块包括第一运算层，所述第一运算层用于运算出收集模块收集到的人体温度的平均温度和电脑主机温度的平均温度，并将运算得出的人体平均温度和电脑主机平均温度发送到第一预测层；
所述运算模块还包括补偿运算层，所述补偿运算层用于运算出人体未来温度趋势，并作为补偿数据发送到第二预测层。
所述运算模块还包括第二运算层，所述第二运算层用于运算电脑主机温度和电脑主机对应工位是否存在人体温度，并将电脑主机温度与对应工位人体温度同时存在的时间计入考勤管理模块。
其中，室内的每一个电脑主机对应视作一个工位，相应的，电脑主机就会有对应的一个工位区，通过检测电脑主机对应的工位区能否检测到人体温度，满足第二运算层的运行逻辑；
另外，第二运算层需要调取收集模块收集到的人体温度、电脑主机温度；
进一步的，若电脑主机温度和电脑主机对应工位的人体温度同时存在，则将电脑主机温度和电脑主机对应工位的人体温度同时存在的时间计入考勤管理模块；
若电脑主机温度和电脑主机对应工位的人体温度不同时存在，则进一步分析电脑主机温度和电脑主机对应工位的人体温度不同时存在多久，若小于二十分钟则忽略不计；若大于二十分钟，则以电脑主机温度和电脑主机对应工位的人体温度同时存在的最后时间计入考勤管理模块，直至再次运算到电脑主机温度和电脑主机对应工位的人体温度同时存在，则再次开始计算考勤。
又一实施例中，上述二十分钟的界定仅为预设时间，预设时间的多少可以根据实际情况进行修改，例如企业业务忙季时，可以将预设时间减少，反之则可以进一步增加预设时间；
所述运算模块还包括第一时间查询模块，通过查询当前运行阶段的具体时间分析是否为工作日和上班时间，从而区分出第二运算层运算的考勤时间是工作考勤还是加班考勤。
在其中，当前运行阶段的具体时间分析是否为工作日和上班时间需要引入当年度的国家节假日以及预设的上班作息时间，
若为工作日且为上班时间，则第二运算层正常运行；若为工作日且为下班时间或非工作日，当未获取到电脑主机温度时，则忽略不计考勤，当获取到电脑主机温度时，若电脑主机温度和电脑主机对应工位的人体温度同时存在，则以加班时间计入考勤管理模块；
若电脑主机温度和电脑主机对应工位的人体温度不同时存在，则进一步分析电脑主机温度和电脑主机对应工位的人体温度不同时存在多久，若小于二十分钟则忽略不计，若大于二十分钟，则以电脑主机温度和电脑主机对应工位的人体温度同时存在的最后时间计入考勤管理模块，直至再次运算到电脑主机温度和电脑主机对应工位的人体温度同时存在，则再次开始计算考勤，若电脑主机温度和电脑主机对应工位的人体温度不同时存在时长大于三十分钟，则通过主服务器推送消息给员工管理模块，员工管理模块联系员工账户，确认是否忘记关闭电脑，若忘记关闭电脑，则员工账户远程控制关闭电脑主机，若临时外出有事，则员工账户上报情况到员工管理模块，员工管理模块选择忽略推送消息。
同样的，上述二十分钟或三十分钟的界定仅为预设时间，预设时间的多少可以根据实际情况进行修改，例如企业业务忙季时，可以将预设时间减少，反之则可以进一步增加预设时间。
其中，员工管理模块为企业管理人员进行管控的管理账户，分管员工账户、暖通控制模块和考勤管理模块；
所述第一预测层接收到第一运算层发送的人体平均温度和电脑主机平均温度后，再进一步获取收集模块收集到的室内温度，并结合当日气温走势，通过神经网络进行分析，得出室内温度第一预测走势，并将室内温度第一预测走势发送到第二预测层。
所述补偿运算层包括判断模型、识别模型和分析模型；
具体的，桌面物品温度定义为桌面上物品温度大于室内温度三摄氏度或者小于室内温度三摄氏度，并标记为观测对象；
进一步的，上述三摄氏度仅为预设温度，预设温度的具体修改可以根据当地的气候环境、季节变化等进行适应性调整；
所述收集模块还包括观测对象和人体的热成像收集模块；并将收集到的观测对象和人体的热成像发送至识别模型；
所述识别模型用于识别观测对象的热成像面积大小以及观测对象的热成像与人体的热成像间距距离，识别模型将识别到的面积大小变化和间距距离变化发送到判断模块；
所述判断模型对接收到的识别结果进行判断，判断人员是否有热量摄入；
具体的，当识别模型识别到观测对象的热成像面积减小或观测对象的热成像与人体的热成像间距小于1cm时，则判断人有摄入热量，反之则判断人没有摄入热量；并将判断结果发送到分析模型；
优选的，人体的热成像首选为头部，便于更准确的判断人员是否有热量摄入，即通过观测对象的热成像与人体头部的热成像间距作为判断条件，能够更准确的判断人员是否有热量摄入；并且观测对象的热成像与人体的热成像间距为预设值，可以根据需要进行适应性调整，本实施例举例间距小于1cm仅为具体说明，并不代表唯一数值；
所述分析模型通过接受判断模型发送的判断结果，并调取当前室内温度、当日气温变化趋势，通过神经网络进行分析，得出第一人体温度变化趋势；
所述补偿运算层还包括补偿精确层，通过查询当前运行阶段的具体时间分析是否为工作日和午饭时间作为时间节点信息；同时获取第一人体温度变化趋势，并结合获取到的时间节点信息，通过神经网络进行分析，得出第二人体温度变化趋势；并将第二人体温度变化趋势发送到第二预测层。
需要表明的是，是否为工作日需要通过互联网获取当年度的节假日时间，而午饭时间则为预设时间，可以根据企业的具体安排预设上班时间；
例如：8：30-11：30AM和1：00-5：30PM为上班时间，11：30AM-1：00PM则为午饭时间；
9：00-12：00AM和1：30-6：00PM为上班时间；可以根据实际需要来预设上班时间，12：00AM-1：30PM则为午饭时间；
所述第二预测层接收室内温度第一预测走势和第二人体温度变化趋势，通过神经网络进行分析，得出室内温度第二预测走势；
具体的，当时间节点信息为工作日且为午饭时间点时，此时人员会吃午饭获取热量，因而得出的第二人体温度变化趋势在饭后一段时间内会温度偏高，此时，可以将第二人体温度变化趋势作为补偿信息发送到第二预测层，并通过第二预测层预测更为准确的室内温度第二预测走势，从而可以根据室内温度第二预测走势分析是否需要选择降低室内温度来使室内温度处于人体舒适温度范围，同时在午饭时间，员工午餐获取热量，此时选择降低室内温度既能够保障人体始终处于舒适状态，也能够节省能耗。
通过补偿运算层能够使得室内温度第二预测走势更加精准，而补偿精确层则能够通过获取具体时间，针对午饭时间段这一时间节点，根据情况进行更进一步精确预测室内温度第二预测走势并及时调节室内温度，实现午饭时间段内人体舒适和节约能耗的目的。
所述主服务器还包括推送模块，所述推送模块获取室内温度第二预测走势与人体舒适温度范围进行对比分析，并选择是否推送降低或升高室内温度的信息到用户端；
若室内温度第二预测走势与人体舒适温度范围进行对比分析后无需调节室内温度则忽略不计，若需要调节室内温度则推送调节信息到员工管理模块，员工管理模块通过接收推送模块推送的调节信息，选择是否接受调节信息，若选择不接受调节信息则忽略不计，若选择接受调节信息，则调节信息转变成降低室内温度的指令并发送到暖通控制模块进行室内温度的降温调节。
所有温度采集均包括采用远红外摄像头采集方式获得。
又一实施例中，所述补偿运算层还包括二次补偿层，所述二次补偿层包括温差采集层和语音采集层；且收集模块还包括收集观测对象温度；
所述温差采集层通过获取收集模块收集到的观测对象温度、人体温度和室内温度，并计算出观测对象温度与人体温度的温度差、观测对象温度与室内温度的温度差；
所述语音采集层通过至少一个麦克风对语音进行采集，并对采集到的语音提取关键词，其中关键词包括但不限于热、辣、好热、好辣；而预设的关键词可以根据需要做进一步修改或调整；
进一步地，还可以根据采集到的语音的音色做进一步提取关键词出现的频率；
即语音采集层采集的数据包括但不限于关键词出现的次数和频率。
在本实施例中，所述补偿运算层还包括补偿精确层，通过查询当前运行阶段的具体时间分析是否为工作日和午饭时间作为时间节点信息；同时获取第一人体温度变化趋势，并结合获取到的时间节点信息，以及二次补偿层所获取到的二次补偿信息(观测对象温度与人体温度的温度差、观测对象温度与室内温度的温度差、语音采集层采集的数据)；通过神经网络进行分析，得出第二人体温度变化趋势；并将第二人体温度变化趋势发送到第二预测层。
通过二次补偿层的设置，能够更进一步准确地得出第二人体温度变化趋势，从而保障第二预测层获取第二人体温度变化趋势后预测数据的准确性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于bim的智能楼宇管控系统，其特征在于，包括主服务器与用户端，其中：
所述主服务器包括收集模块、运算模块、预测模块；
所述收集模块用于收集人体温度、电脑主机温度、室内温度以及桌面物品温度；
所述运算模块用于对收集模块收集到的数据进行运算；
所述预测模块用于预测随着时间变化室内温度的未来变化趋势；所述预测模块包括第一预测层和第二预测层；
所述用户端包括员工管理模块，员工管理模块包括员工账户、暖通控制模块和考勤管理模块。
2.根据权利要求1所述的基于bim的智能楼宇管控系统，其特征在于，所述运算模块包括第一运算层，所述第一运算层用于运算出收集模块收集到的人体温度的平均温度和电脑主机温度的平均温度，并将运算得出的人体平均温度和电脑主机平均温度发送到第一预测层；
所述运算模块还包括补偿运算层，所述补偿运算层用于运算出人体未来温度趋势，并作为补偿数据发送到第二预测层。
3.根据权利要求2所述的基于bim的智能楼宇管控系统，其特征在于，所述运算模块还包括第二运算层，所述第二运算层用于运算电脑主机温度和电脑主机对应工位是否存在人体温度，并将电脑主机温度与对应工位人体温度同时存在的时间计入考勤管理模块。
4.根据权利要求3所述的基于bim的智能楼宇管控系统，其特征在于，所述运算模块还包括第一时间查询模块，通过查询当前运行阶段的具体时间分析是否为工作日和上班时间，从而区分出第二运算层运算的考勤时间是工作考勤还是加班考勤。
5.根据权利要求4所述的基于bim的智能楼宇管控系统，其特征在于，所述第一预测层接收到第一运算层发送的人体平均温度和电脑主机平均温度后，再进一步获取收集模块收集到的室内温度，并结合当日气温走势，通过神经网络进行分析，得出室内温度第一预测走势，并将室内温度第一预测走势发送到第二预测层。
6.根据权利要求5所述的基于bim的智能楼宇管控系统，其特征在于，所述补偿运算层包括判断模型、识别模型和分析模型；
具体的，桌面物品温度定义为桌面上物品温度大于室内温度三摄氏度或者小于室内温度三摄氏度，并标记为观测对象；
所述收集模块还包括观测对象和人体的热成像收集模块；并将收集到的观测对象和人体的热成像发送至识别模型；
所述识别模型用于识别观测对象的热成像面积大小以及观测对象的热成像与人体的热成像间距距离，识别模型将识别到的面积大小变化和间距距离变化发送到判断模块；
所述判断模型对接收到的识别结果进行判断，判断人员是否有热量摄入；
所述分析模型通过接受判断模型发送的判断结果，并调取当前室内温度、当日气温变化趋势，通过神经网络进行分析，得出第一人体温度变化趋势。
7.根据权利要求6所述的基于bim的智能楼宇管控系统，其特征在于，所述补偿运算层还包括补偿精确层，通过查询当前运行阶段的具体时间分析是否为工作日和午饭时间作为时间节点信息；同时获取第一人体温度变化趋势，并结合获取到的时间节点信息，通过神经网络进行分析，得出第二人体温度变化趋势；并将第二人体温度变化趋势发送到第二预测层。
8.根据权利要求7所述的基于bim的智能楼宇管控系统，其特征在于，所述第二预测层接收室内温度第一预测走势、第二人体温度变化趋势和时间节点信息，通过神经网络进行分析，得出室内温度第二预测走势。
9.根据权利要求8所述的基于bim的智能楼宇管控系统，其特征在于，所述主服务器还包括推送模块，所述推送模块获取室内温度第二预测走势与人体舒适温度范围进行对比分析，并选择是否推送降低或升高室内温度的信息到用户端。
10.根据权利要求9所述的基于bim的智能楼宇管控系统，其特征在于，若室内温度第二预测走势与人体舒适温度范围进行对比分析后无需调节室内温度则忽略不计，若需要调节室内温度则推送调节信息到员工管理模块，员工管理模块通过接收推送模块推送的调节信息，选择是否接受调节信息，若选择不接受调节信息则忽略不计，若选择接受调节信息，则调节信息转变成降低室内温度的指令并发送到暖通控制模块进行室内温度的降温调节。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211385307.9A CN115758869B (zh) | 2022-11-07 | 2022-11-07 | 一种基于bim的智能楼宇管控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211385307.9A CN115758869B (zh) | 2022-11-07 | 2022-11-07 | 一种基于bim的智能楼宇管控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115758869A true CN115758869A (zh) | 2023-03-07 |
| CN115758869B CN115758869B (zh) | 2023-06-13 |
Family
ID=85357973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211385307.9A Active CN115758869B (zh) | 2022-11-07 | 2022-11-07 | 一种基于bim的智能楼宇管控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115758869B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08240335A (ja) * | 1995-03-03 | 1996-09-17 | Toshiba Corp | ビル空調熱負荷予測装置 |
| CN104434031A (zh) * | 2013-09-17 | 2015-03-25 | 汉唐集成股份有限公司 | 红外热影像系统及分析自由皮瓣表面温度影响因素的方法 |
| CN104697110A (zh) * | 2015-02-03 | 2015-06-10 | 赵盾 | 一种室内温度控制系统 |
| CN108143400A (zh) * | 2016-12-02 | 2018-06-12 | 杏旭天利医疗器械（北京）有限公司 | 体温测量装置、系统及方法 |
| CN110617608A (zh) * | 2019-09-27 | 2019-12-27 | 广东美的暖通设备有限公司 | 室内温度的控制方法、装置、空调器及存储介质 |
| CN112254287A (zh) * | 2020-09-01 | 2021-01-22 | 深圳达实智能股份有限公司 | 变权重多模型综合预测中央空调末端送风控制方法 |
| WO2022073307A1 (zh) * | 2020-10-10 | 2022-04-14 | 上海美控智慧建筑有限公司 | 空调的预启动时间控制方法、装置、设备及非易失性存储介质 |
-
2022
- 2022-11-07 CN CN202211385307.9A patent/CN115758869B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08240335A (ja) * | 1995-03-03 | 1996-09-17 | Toshiba Corp | ビル空調熱負荷予測装置 |
| CN104434031A (zh) * | 2013-09-17 | 2015-03-25 | 汉唐集成股份有限公司 | 红外热影像系统及分析自由皮瓣表面温度影响因素的方法 |
| CN104697110A (zh) * | 2015-02-03 | 2015-06-10 | 赵盾 | 一种室内温度控制系统 |
| CN108143400A (zh) * | 2016-12-02 | 2018-06-12 | 杏旭天利医疗器械（北京）有限公司 | 体温测量装置、系统及方法 |
| CN110617608A (zh) * | 2019-09-27 | 2019-12-27 | 广东美的暖通设备有限公司 | 室内温度的控制方法、装置、空调器及存储介质 |
| CN112254287A (zh) * | 2020-09-01 | 2021-01-22 | 深圳达实智能股份有限公司 | 变权重多模型综合预测中央空调末端送风控制方法 |
| WO2022073307A1 (zh) * | 2020-10-10 | 2022-04-14 | 上海美控智慧建筑有限公司 | 空调的预启动时间控制方法、装置、设备及非易失性存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 彭关中等: "办公室空调房间热环境数值模拟研究", 《建筑热能通风空调》, vol. 28, no. 06, pages 1 - 4 * |
| 徐树庆: "建筑供暖室内温度预测及控制研究", 《中国优秀硕士学位论文全文数据库》, no. 07, pages 1 - 3 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115758869B (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Salimi et al. | Critical review and research roadmap of office building energy management based on occupancy monitoring | |
| CN107942960B (zh) | 一种智能化的信息处理系统 | |
| US7216021B2 (en) | Method, system and computer program for managing energy consumption | |
| Kleiminger et al. | Predicting household occupancy for smart heating control: A comparative performance analysis of state-of-the-art approaches | |
| Adamopoulou et al. | A context-aware method for building occupancy prediction | |
| CN107750323B (zh) | 用于控制空调装置的启动的方法及其设备 | |
| US20130226320A1 (en) | Policy-driven automated facilities management system | |
| Jia et al. | Multi-scale stochastic optimization for home energy management | |
| CN113591788B (zh) | 楼宇用电设备控制方法、装置、计算机设备和存储介质 | |
| US11920808B2 (en) | Energy management system and energy management method | |
| CN116817424B (zh) | 一种基于人工智能的空调节能控制系统及方法 | |
| CN115220351A (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
| CN116455081A (zh) | 一种基于边缘分析的智慧小区电力监测管理方法及系统 | |
| Kane et al. | Data-driven identification of occupant thermostat-behavior dynamics | |
| CN110059895A (zh) | 基于用户行为的电器需求响应潜力分析方法 | |
| CN115758869B (zh) | 一种基于bim的智能楼宇管控系统 | |
| CN114069642A (zh) | 一种考虑用户满意度的温控负荷综合调峰方法 | |
| KR20160097071A (ko) | 소셜 네트워크를 이용한 공동 주거지 에너지 관리 장치 및 방법 | |
| CN105607552A (zh) | 一种双模智能空调管控系统 | |
| CN114648163A (zh) | 一种适用于智慧城市的能耗数据管理系统及方法 | |
| Moreno Cano et al. | Context-aware energy efficiency in smart buildings | |
| Nam et al. | Intelligent context-aware energy management using the incremental simultaneous method in future wireless sensor networks and computing systems | |
| CN111720954A (zh) | 产品的节能方法及节能运算系统 | |
| Salimi et al. | Simulation-based optimization of energy consumption and discomfort in multi-occupied offices considering occupants locations and preferences | |
| Ruponen | Improving energy performance of buildings through exploitation of available data |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Jiang Zhengrong Inventor after: Mao Yunbo Inventor after: Tian Sai Inventor after: Xiang Jian Inventor after: Meng Dongmei Inventor after: Ji Weiqiang Inventor before: Jiang Zhengrong Inventor before: Mao Yunbo Inventor before: Tian Sai Inventor before: Xiang Jian Inventor before: Meng Dongmei Inventor before: Ji Weiqiang |
|
| CB03 | Change of inventor or designer information |