CN115978722A - 一种基于人工智能的净化机组监测管理方法及系统 - Google Patents

Abstract

本发明涉及监测管理技术领域，提供了一种基于人工智能的净化机组监测管理方法及系统，所述方法包括：获取各个子设备的信息；获取设备实时运行参数与装置能耗测数据；基于装置能耗测数据，构建能耗异常自动定位模型；获取净化管理需求信息；采集初始坐标点的空气实时监测数据，对初始坐标点进行聚合，获得M个坐标聚类中心，筛选出N个坐标候选调整点；通过设备实时运行参数，能耗异常监督情况下，对N个坐标候选调整点距离最近的各个子设备进行调控，解决了净化机组的参数调整精度低，无法满足高标准的洁净管理需求的技术问题，实现了以洁净管理需求为调整方向，采用多点精细化调控的方式，提高净化机组的参数调整精度的技术效果。

Description

一种基于人工智能的净化机组监测管理方法及系统

技术领域

本发明涉及监测管理相关技术领域，具体涉及一种基于人工智能的净化机组监测管理方法及系统。

背景技术

目前大多手术部体量较大，又常设外走廊，手术室处于空调区内，特别是在过渡季节，室外温度降低，室内冷负荷减小，人员湿负荷不变的情况下，热湿比下降，空调区以及相关的机组设备无法满足高标准的洁净手术部建设规范。

洁净手术部可以将对患者的手术感染降到最低，使室内空气洁净度能够满足各种操作的要求，手术风险、患者的安全更加得到保障，并提供适当的温度和湿度，创造洁净舒适的手术空间环境，易于患者术后恢复。

综上所述，现有技术中存在净化机组的参数调整精度低，无法满足高标准的洁净管理需求的技术问题。

发明内容

本申请通过提供了一种基于人工智能的净化机组监测管理方法及系统，旨在解决现有技术中的净化机组的参数调整精度低，无法满足高标准的洁净管理需求的技术问题。

鉴于上述问题，本申请实施例提供了一种基于人工智能的净化机组监测管理方法及系统。

本申请公开的第一个方面，提供了一种基于人工智能的净化机组监测管理方法，其中，所述方法应用于净化机组监测管理系统，所述净化机组监测管理系统与清洁空调机组装置通信连接，所述方法包括：获取所述清洁空调机组装置的各个子设备的信息；以及获取所述各个子设备的设备实时运行参数与装置能耗测数据；基于所述装置能耗测数据，构建能耗异常自动定位模型，其中，所述能耗异常自动定位模型与所述清洁空调机组装置联通；获取净化管理需求信息，其中，所述净化管理需求包括目标空间内的净化管理需求指标；采集所述目标空间中初始坐标点的空气实时监测数据，其中，所述初始坐标点包括一个或多个气体组合设置；依照所述空气实时监测数据，对所述初始坐标点进行聚合，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；根据所述M个坐标聚类中心，筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数；通过所述设备实时运行参数，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备进行调控。

本申请公开的另一个方面，提供了一种基于人工智能的净化机组监测管理系统，其中，所述系统包括：信息获取模块，用于获取清洁空调机组装置的各个子设备的信息；以及设备信息获取模块，用于获取所述各个子设备的设备实时运行参数与装置能耗测数据；模型构建模块，用于基于所述装置能耗测数据，构建能耗异常自动定位模型，其中，所述能耗异常自动定位模型与所述清洁空调机组装置联通；需求信息获取模块，用于获取净化管理需求信息，其中，所述净化管理需求包括目标空间内的净化管理需求指标；监测数据采集模块，用于采集所述目标空间中初始坐标点的空气实时监测数据，其中，所述初始坐标点包括一个或多个气体组合设置；坐标点聚合模块，用于依照所述空气实时监测数据，对所述初始坐标点进行聚合，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；候选点筛选模块，用于根据所述M个坐标聚类中心，筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数；设备调控模块，用于通过所述设备实时运行参数，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备进行调控。

本申请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：

由于采用了获取清洁空调机组装置的各个子设备的信息；获取设备实时运行参数与装置能耗测数据，构建能耗异常自动定位模型；获取净化管理需求信息；采集初始坐标点的空气实时监测数据，对初始坐标点进行聚合，获得M个坐标聚类中心，筛选出距离净化管理需求信息由远及近的N个坐标候选调整点；通过设备实时运行参数，在能耗异常自动定位模型的监督下，对N个坐标候选调整点距离最近的各个子设备进行调控，实现了以洁净管理需求为调整方向，在调控过程同步进行能耗监督，实现净化机组节能运作，同时，采用多点精细化调控的方式，提高净化机组的参数调整精度的技术效果。

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为本申请实施例提供了一种基于人工智能的净化机组监测管理方法可能的流程示意图；

图2为本申请实施例提供了一种基于人工智能的净化机组监测管理方法中设置空气实时监测数据的采集频率可能的流程示意图；

图3为本申请实施例提供了一种基于人工智能的净化机组监测管理方法中获取第二气体组合设置可能的流程示意图；

图4为本申请实施例提供了一种基于人工智能的净化机组监测管理系统可能的结构示意图。

附图标记说明：信息获取模块100，设备信息获取模块200，模型构建模块300，需求信息获取模块400，监测数据采集模块500，坐标点聚合模块600，候选点筛选模块700，设备调控模块800。

具体实施方式

本申请实施例提供了一种基于人工智能的净化机组监测管理方法及系统，解决了净化机组的参数调整精度低，无法满足高标准的洁净管理需求的技术问题，实现了以洁净管理需求为调整方向，在调控过程同步进行能耗监督，实现净化机组节能运作，同时，采用多点精细化调控的方式，提高净化机组的参数调整精度的技术效果。

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人工智能的净化机组监测管理方法，其中，所述方法应用于净化机组监测管理系统，所述净化机组监测管理系统与清洁空调机组装置通信连接，所述方法包括：

S10：获取所述清洁空调机组装置的各个子设备的信息；以及

S20：获取所述各个子设备的设备实时运行参数与装置能耗测数据；

具体而言，所述净化机组监测管理系统与清洁空调机组装置通信连接，所述通信连接简单来说就是通过信号的传输交互，在所述净化机组监测管理系统与清洁空调机组装置之间构成通讯网络，为后续操作提供硬件支持；

获取所述清洁空调机组装置的各个子设备的信息，各个子设备包括净化循环机组（净化循环机组包括混合单元、过滤单元、微调处理单元）、净化新风机组（净化新风机组包括三级过滤单元、深度预处理单元，净化新风机组用于过滤除菌、除尘）以及冷热源机组（冷热源机组：冷却降温除湿，再进行等湿加热），所述各个子设备的信息包括设备型号、设备额定功率等相关设备基础信息（获取方式不进行限定，优选的，可以直接以各个子设备的说明书信息作为各个子设备的信息），为后续进行分析提供数据来源；

所述设备实时运行参数包括风量、制热量、制冷量等相关指标参数，所述装置能耗测数据包括当前的瞬时能耗量（如：当前的电力负荷、设备运行电压、设备运行功率）与当前的累计能耗量（如：平均运行功率、平均运行电压、累计电量，电量：一段时间内的用电总和），获取所述各个子设备的设备实时运行参数（运行面板上会显示输出）与装置能耗测数据（获取手段为现有技术，如：数字万用表等基础电学仪器），为后续进行分析提供数据支持。

S30：基于所述装置能耗测数据，构建能耗异常自动定位模型，其中，所述能耗异常自动定位模型与所述清洁空调机组装置联通；

步骤S30包括步骤：

S31：搭建能耗异常自动定位模型，其中，所述能耗异常自动定位模型包括能耗异常识别单元与能耗异常定位单元；

S32：利用所述能耗异常自动定位模型中的能耗异常识别单元，对所述装置能耗测数据进行能耗异常识别，获取能耗检测结果；

S33：将所述能耗检测结果传送至所述能耗异常自动定位模型中的能耗异常定位单元，定位确定能耗异常子设备。

具体而言，基于所述装置能耗测数据，构建能耗异常自动定位模型，包括：其中，搭建能耗异常自动定位模型，所述能耗异常自动定位模型包括能耗异常识别单元（从各个子设备铭牌上，获取设备额定电压数据集合、设备额定功率数据集合，将设备额定电压数据集合、设备额定功率数据集合作为约束信息，与设备运行电压、设备运行功率进行比对，识别是否存在能耗浪费）与能耗异常定位单元（对能耗异常定位的功能层）；

将所述装置能耗测数据作为输入数据，输入所述能耗异常自动定位模型中的能耗异常识别单元中，通过与设备额定电压、设备额定功率比对的方式实现能耗异常识别（能耗异常识别：将净化循环机组额定电压、净化循环机组额定功率作为约束信息，与净化循环机组运行电压、净化循环机组运行功率进行比对，若净化循环机组运行电压大于净化循环机组额定电压和/或净化循环机组运行功率大于净化循环机组额定功率，即判定净化循环机组存在能耗浪费；净化循环机组运行电压小于净化循环机组额定电压且净化循环机组运行功率小于或等于净化循环机组额定功率，即判定净化循环机组运行正常），输出能耗检测结果，所述能耗检测结果即各个子设备的是存在能耗浪费或运行正常；将所述能耗检测结果传送至所述能耗异常自动定位模型中的能耗异常定位单元，定位确定各个子设备中存在能耗浪费（能耗异常子设备：各个子设备中存在能耗浪费的部分子设备），从能量的利用率角度考虑，为保障设备的节能运作提供技术支持。

本申请实施例还包括：

S321：提取所述各个子设备的历史能耗检测信息；以及

S322：基于所述历史能耗检测信息，进行瞬时能耗异常比较，获取第一能耗检测结果，其中，所述第一能耗检测结果包括瞬时能耗阈值集；

S323：基于所述历史能耗检测信息，进行累计能耗异常比较，获取第二能耗检测结果，其中，所述第二能耗检测结果包括累计能耗阈值集；

S324：综合所述第一能耗检测结果与所述第二能耗检测结果，获取所述能耗检测结果。

具体而言，各个子设备存在不同的工况状态，仅仅使用额定电压、额定功率，无法保证能耗异常辨识的精准度，由此：将所述装置能耗测数据作为检索限制条件，设置检索符，在所述净化机组监测管理系统中的数据存储单元中进行关联参数指标检索，检索提取所述各个子设备的历史能耗检测信息，所述历史能耗检测信息包括历史时间点的瞬时能耗量与历史时间点的累计能耗量（各个子设备处于多种不同的工况状态下）；

基于所述历史能耗检测信息中历史时间点的瞬时能耗量（历史时间点的瞬时能耗量的众数集中于空闲状态、使用状态，使用状态又可以分为四人使用工况状态、五人使用工况状态、六人使用工况状态、七人使用工况状态、八人使用工况状态），历史时间点的瞬时能耗量的数据分布满足正态分布，利用正态分布分别确认空闲状态的瞬时能耗阈值、使用状态的瞬时能耗阈值，通过空闲状态的瞬时能耗阈值、使用状态的瞬时能耗阈值进行瞬时能耗异常比较，获取第一能耗检测结果，所述第一能耗检测结果包括瞬时能耗阈值集（瞬时能耗阈值集即空闲状态的瞬时能耗阈值、使用状态的瞬时能耗阈值）；

基于所述历史能耗检测信息，历史时间点的瞬时能耗量的数据分布满足正态分布，利用正态分布分别确认空闲状态的累计能耗阈值、使用状态的累计能耗阈值，通过空闲状态的累计能耗阈值、使用状态的累计能耗阈值进行累计能耗异常比较，获取第二能耗检测结果，所述第二能耗检测结果包括累计能耗阈值集（累计能耗阈值集即空闲状态的累计能耗阈值、使用状态的累计能耗阈值）；

综合所述第一能耗检测结果与所述第二能耗检测结果，若第一能耗检测结果与所述第二能耗检测结果均通过，则所述能耗检测结果为设备运行正常；若第一能耗检测结果与所述第二能耗检测结果任意一项不通过，则所述能耗检测结果为设备存在能耗浪费，为保证能耗异常辨识的精准度提供技术支持。

S40：获取净化管理需求信息，其中，所述净化管理需求包括目标空间内的净化管理需求指标；

S50：采集所述目标空间中初始坐标点的空气实时监测数据，其中，所述初始坐标点包括一个或多个气体组合设置；

S60：依照所述空气实时监测数据，对所述初始坐标点进行聚合，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；

S70：根据所述M个坐标聚类中心，筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数；

具体而言，获取净化管理需求信息，可以是洁净度6级：环境空气中大于等于0.5μm的微粒数大于3500粒/m3（3.5粒/L）到小于等于35200粒/m 3（35.2粒/L）；大于等于5μm的微粒数小于等于293 粒/m3（0.3 粒/L）；所述净化管理需求信息满足GB 50333-2013《医院洁净手术部建筑技术规范》，所述净化管理需求包括目标空间内的净化管理需求指标，一般来说，所述目标空间为清洁手术室，所述净化管理需求指标包括但不限于大于等于0.5μm微粒数的密度、小于等于0.5μm微粒数的密度、温度和相对湿度；

采集所述目标空间中初始坐标点的空气实时监测数据，所述空气实时监测数据包括但不限于坐标点空气温度、坐标点相对湿度、坐标点微粒数的密度，所述初始坐标点为所述目标空间中的任意一单位区域（可以是体积为一立方厘米的区域），其中，所述初始坐标点包括一个或多个气体组合设置，所述气体组合设置是距离初始坐标点由近及远的各个子设备的设备实时运行参数（若目标空间仅存在一个出风位置，即一个气体组合设置，气体组合设置的数量与出风位置数量一一对应）；

若所述空气实时监测数据不满足净化管理需求信息，则表明所述初始坐标点区域的当前需要进行净化操作，已知的，空气是具备流动性的，所以需要依照所述空气实时监测数据，对所述初始坐标点进行聚合（聚类算法可以包括kmeans算法），所述聚类表示通过计算相似度来进行数据的簇的划分，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；

须知的，所述目标空间内部配备可使用的医用气体及相关装置包括氧气、压缩空气、负压(真空)吸引、氧化亚氮（笑气）、氮气、二氧化碳和氩气以及废气回收排放；

由于空气是具备流动性的，在对所述清洁空调机组装置进行调控的过程中，需要优先选择其中部分存在刚性调控需求的N个坐标候选调整点，一般的，在对N个坐标候选调整点进行调控后，单位时间(多次验证表明，单位时间一般不超出在3min)后，空气实时监测数据满足净化管理需求信息，故而：在所述M个坐标聚类中心中筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数，为降低子设备的调控复杂性提供支持，同时，在满足净化管理需求信息的前提下，提高清洁空调机组装置的各个子设备的管理效率。

S80：通过所述设备实时运行参数，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备进行调控。

步骤S80包括步骤：

S81：获取第一气体组合设置对应的目标作用信息，其中，所述第一气体组合设置为所述多个气体组合设置中的任意一项；以及

S82：在所述目标作用信息满足预设用途信息的情况下，基于所述目标作用信息，确定各个子设备调控参数集。

具体而言，以所述设备实时运行参数为基础，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备的设备实时运行参数进行调控，包括：所述第一气体组合设置的目标作用信息包括送风温度信息、送风湿度信息与过滤网信息（HEPA，High efficiency particulate air Filter，高效空气过滤器，对于0.1μm微米和0.3μm的有效率达到99.7%），获取第一气体组合设置对应的目标作用信息（一般的，设备的运行面板会对送风温度信息、送风湿度信息进行实时显示输出，过滤网信息在清洁空调机组装置的说明书中也会详尽说明，当然的，信息的获取方式不唯一），其中，所述第一气体组合设置为所述多个气体组合设置中的任意一项；以及

在所述目标作用信息满足预设用途信息（预设用途信息为预设参数指标，一般的，可以是洁净度）的情况下，以所述设备实时运行参数为基础，通过所述目标作用信息，确定N个坐标候选调整点距离最近的各个子设备调控参数集（由于是使用冷却降温除湿，再进行等湿加热的方式，在进行调整的过程需要特别注意：温度相同的情况下，风量越大空气湿度越高），所述各个子设备调控参数集包括风量调控参数、制热量调控参数、制冷量调控参数等相关指标参数，为进行设备调控提供支持。

如图2所示，步骤S82包括步骤：

S821：判断所述目标空间是否处于使用状态；

S822：若所述目标空间处于未使用状态，将所述空气实时监测数据的采集频率调整至空闲状态；

S823：若所述目标空间处于使用状态，获取所述目标空间中的使用对象信息，其中，所述使用对象信息包括对象数量信息；以及

S824：将所述空气实时监测数据的采集频率调整至工作状态，参考所述使用对象信息，设置所述空气实时监测数据的采集频率。

具体而言，依照所述目标空间的对应的排班表，判断所述目标空间当前是否处于使用状态（或者说，目标空间有使用安排，在开始使用的10min前需要进行准备，准备完成后需要先调整至空闲状态）；若所述目标空间处于未使用状态，将所述空气实时监测数据的采集频率调整至空闲状态（可以是每分钟一次）；若所述目标空间处于使用状态，获取所述目标空间中的使用对象信息，其中，所述使用对象信息包括对象数量信息（最少是4人工作主刀、器械、巡回、麻醉，最多是7到8个人）；以及将所述空气实时监测数据的采集频率调整至工作状态，参考所述使用对象信息，设置所述空气实时监测数据的采集频率（采集频率调整至工作状态：若是4人工作采集频率可以是每1s一次；若是5人工作采集频率可以是每800ms一次；若是6人工作采集频率可以是每600ms一次），通过改变数据采集频率的方式，对应确定所述净化机组监测管理系统的监测力度，为保证清洁空调机组装置的各个子设备的调整精度提供数据支持。

步骤S80包括步骤：

S83：在所述目标作用信息不满足预设用途信息的情况下，将所述目标作用信息作为原始数据集，存放至所述净化机组监测管理系统中；

S84：基于所述原始数据集与对应的各个子设备运行参数，在所述能耗异常自动定位模型的监督下，生成各个子设备调控参数集。

如图3所示，步骤S84包括步骤：

S841：基于所述原始数据集与对应的各个子设备运行参数，建立气体组合配比调整单元；

S842：链通所述气体组合配比调整单元与所述能耗异常自动定位模型，建立低能耗配比调整模型；

S843：利用所述低能耗配比调整模型，更新所述第一气体组合设置，获取第二气体组合设置。

具体而言，在所述目标作用信息不满足预设用途信息的情况下，将所述目标作用信息作为原始数据集，所述原始数据集存放于所述净化机组监测管理系统中；

具体而言，基于所述原始数据集与对应的各个子设备运行参数，在所述能耗异常自动定位模型的监督下，生成各个子设备调控参数集，还包括，一方面的，在所述目标作用信息满足预设用途信息的情况下，可以直接确定各个子设备调控参数集；另一方面的，在所述目标作用信息不满足预设用途信息的情况下，需要对第一气体组合设置进行更新重设，具体包括：

在所述净化机组监测管理系统中的数据存储单元中包括各个子设备调控所记录的历史数据，其中，各个子设备调控所记录的历史数据包括正样本（满足预设用途信息的各个子设备调控参数集）与负样本（原始数据集与对应的各个子设备运行参数）；

基于所述原始数据集与对应的各个子设备运行参数，建立气体组合配比调整单元：以BP网络模型为模型基础，将各个子设备调控所记录的历史数据中的正样本作为训练输出数据，将各个子设备调控所记录的历史数据中的负样本作为训练输入数据，进行模型收敛训练，在模型输出趋于稳定状态，确定气体组合配比调整单元；采用链式对所述气体组合配比调整单元与所述能耗异常自动定位模型连接，获取低能耗配比调整模型；

利用所述低能耗配比调整模型，在所述目标作用信息不满足预设用途信息的情况下，更新所述第一气体组合设置，输出获得第二气体组合设置（第二气体组合设置的数据类型与第一气体组合设置一致，然后获取第二气体组合设置对应的目标作用信息，在第二气体组合设置对应的目标作用信息满足预设用途信息的情况下，确定各个子设备调控参数集），若第二气体组合设置目标作用信息仍然不满足预设用途信息，即表明清洁空调机组装置的各个子设备可能存在故障，为保证优化控制及净化管理的自动化提供技术支持。

综上所述，本申请实施例所提供的一种基于人工智能的净化机组监测管理方法及系统具有如下技术效果：

1．由于采用了获取清洁空调机组装置的各个子设备的信息；获取设备实时运行参数与装置能耗测数据，构建能耗异常自动定位模型；获取净化管理需求信息；采集初始坐标点的空气实时监测数据，对初始坐标点进行聚合，获得M个坐标聚类中心，筛选出距离净化管理需求信息由远及近的N个坐标候选调整点；通过设备实时运行参数，在能耗异常自动定位模型的监督下，对N个坐标候选调整点距离最近的各个子设备进行调控，本申请通过提供了一种基于人工智能的净化机组监测管理方法及系统，实现了以洁净管理需求为调整方向，在调控过程同步进行能耗监督，实现净化机组节能运作，同时，采用多点精细化调控的方式，提高净化机组的参数调整精度的技术效果。

2．由于采用了若目标空间处于未使用状态，调整至空闲状态；若目标空间处于使用状态，获取目标空间中的使用对象信息并调整至工作状态，参考使用对象信息，设置采集频率，通过改变数据采集频率的方式，对应确定监测管理力度，为保证各个子设备的调整精度提供数据支持。

实施例二

基于与前述实施例中一种基于人工智能的净化机组监测管理方法相同的发明构思，如图4所示，本申请实施例提供了一种基于人工智能的净化机组监测管理系统，其中，所述系统包括：

信息获取模块100，用于获取清洁空调机组装置的各个子设备的信息；以及

设备信息获取模块200，用于获取所述各个子设备的设备实时运行参数与装置能耗测数据；

模型构建模块300，用于基于所述装置能耗测数据，构建能耗异常自动定位模型，其中，所述能耗异常自动定位模型与所述清洁空调机组装置联通；

需求信息获取模块400，用于获取净化管理需求信息，其中，所述净化管理需求包括目标空间内的净化管理需求指标；

监测数据采集模块500，用于采集所述目标空间中初始坐标点的空气实时监测数据，其中，所述初始坐标点包括一个或多个气体组合设置；

坐标点聚合模块600，用于依照所述空气实时监测数据，对所述初始坐标点进行聚合，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；

候选点筛选模块700，用于根据所述M个坐标聚类中心，筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数；

设备调控模块800，用于通过所述设备实时运行参数，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备进行调控。

进一步的，所述系统包括：

能耗异常自动定位模型搭建模块，用于搭建能耗异常自动定位模型，其中，所述能耗异常自动定位模型包括能耗异常识别单元与能耗异常定位单元；

能耗异常识别模块，用于利用所述能耗异常自动定位模型中的能耗异常识别单元，对所述装置能耗测数据进行能耗异常识别，获取能耗检测结果；

能耗异常定位单元模块，用于将所述能耗检测结果传送至所述能耗异常自动定位模型中的能耗异常定位单元，定位确定能耗异常子设备。

进一步的，所述系统包括：

历史能耗检测信息提取模块，用于提取所述各个子设备的历史能耗检测信息；以及

瞬时能耗异常比较模块，用于基于所述历史能耗检测信息，进行瞬时能耗异常比较，获取第一能耗检测结果，其中，所述第一能耗检测结果包括瞬时能耗阈值集；

累计能耗异常比较模块，用于基于所述历史能耗检测信息，进行累计能耗异常比较，获取第二能耗检测结果，其中，所述第二能耗检测结果包括累计能耗阈值集；

能耗检测结果获取模块，用于综合所述第一能耗检测结果与所述第二能耗检测结果，获取所述能耗检测结果。

进一步的，所述系统包括：

目标作用信息获取模块，用于获取第一气体组合设置对应的目标作用信息，其中，所述第一气体组合设置为所述多个气体组合设置中的任意一项；以及

设备调控参数集确定模块，用于在所述目标作用信息满足预设用途信息的情况下，基于所述目标作用信息，确定各个子设备调控参数集。

进一步的，所述系统包括：

原始数据集存放模块，用于在所述目标作用信息不满足预设用途信息的情况下，将所述目标作用信息作为原始数据集，存放至所述净化机组监测管理系统中；

子设备调控参数集生成模块，用于基于所述原始数据集与对应的各个子设备运行参数，在所述能耗异常自动定位模型的监督下，生成各个子设备调控参数集。

进一步的，所述系统包括：

气体组合配比调整单元建立模块，用于基于所述原始数据集与对应的各个子设备运行参数，建立气体组合配比调整单元；

低能耗配比调整模型建立模块，用于链通所述气体组合配比调整单元与所述能耗异常自动定位模型，建立低能耗配比调整模型；

第二气体组合设置获取模块，用于利用所述低能耗配比调整模型，更新所述第一气体组合设置，获取第二气体组合设置。

进一步的，所述系统包括：

使用状态判断模块，用于判断所述目标空间是否处于使用状态；

空闲状态调整模块，用于若所述目标空间处于未使用状态，将所述空气实时监测数据的采集频率调整至空闲状态；

使用对象信息获取模块，用于若所述目标空间处于使用状态，获取所述目标空间中的使用对象信息，其中，所述使用对象信息包括对象数量信息；以及

工作状态调整模块，用于将所述空气实时监测数据的采集频率调整至工作状态，参考所述使用对象信息，设置所述空气实时监测数据的采集频率。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种基于人工智能的净化机组监测管理方法，其特征在于，所述方法应用于净化机组监测管理系统，所述净化机组监测管理系统与清洁空调机组装置通信连接，所述方法包括：

获取所述清洁空调机组装置的各个子设备的信息；以及

获取所述各个子设备的设备实时运行参数与装置能耗测数据；

基于所述装置能耗测数据，构建能耗异常自动定位模型，其中，所述能耗异常自动定位模型与所述清洁空调机组装置联通；

获取净化管理需求信息，其中，所述净化管理需求包括目标空间内的净化管理需求指标；

采集所述目标空间中初始坐标点的空气实时监测数据，其中，所述初始坐标点包括一个或多个气体组合设置；

依照所述空气实时监测数据，对所述初始坐标点进行聚合，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；

根据所述M个坐标聚类中心，筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数；

通过所述设备实时运行参数，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备进行调控。

2.如权利要求1所述的方法，其特征在于，所述基于所述装置能耗测数据，构建能耗异常自动定位模型，所述方法还包括：

搭建能耗异常自动定位模型，其中，所述能耗异常自动定位模型包括能耗异常识别单元与能耗异常定位单元；

利用所述能耗异常自动定位模型中的能耗异常识别单元，对所述装置能耗测数据进行能耗异常识别，获取能耗检测结果；

将所述能耗检测结果传送至所述能耗异常自动定位模型中的能耗异常定位单元，定位确定能耗异常子设备。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

提取所述各个子设备的历史能耗检测信息；以及

基于所述历史能耗检测信息，进行瞬时能耗异常比较，获取第一能耗检测结果，其中，所述第一能耗检测结果包括瞬时能耗阈值集；

基于所述历史能耗检测信息，进行累计能耗异常比较，获取第二能耗检测结果，其中，所述第二能耗检测结果包括累计能耗阈值集；

综合所述第一能耗检测结果与所述第二能耗检测结果，获取所述能耗检测结果。

4.如权利要求1所述的方法，其特征在于，所述对所述N个坐标候选调整点距离最近的各个子设备进行调控，所述方法包括：

获取第一气体组合设置对应的目标作用信息，其中，所述第一气体组合设置为所述多个气体组合设置中的任意一项；以及

在所述目标作用信息满足预设用途信息的情况下，基于所述目标作用信息，确定各个子设备调控参数集。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

在所述目标作用信息不满足预设用途信息的情况下，将所述目标作用信息作为原始数据集，存放至所述净化机组监测管理系统中；

基于所述原始数据集与对应的各个子设备运行参数，在所述能耗异常自动定位模型的监督下，生成各个子设备调控参数集。

6.如权利要求5所述的方法，其特征在于，所述基于所述原始数据集与对应的各个子设备运行参数，在所述能耗异常自动定位模型的监督下，生成各个子设备调控参数集，所述方法包括：

基于所述原始数据集与对应的各个子设备运行参数，建立气体组合配比调整单元；

链通所述气体组合配比调整单元与所述能耗异常自动定位模型，建立低能耗配比调整模型；

利用所述低能耗配比调整模型，更新所述第一气体组合设置，获取第二气体组合设置。

7.如权利要求4所述的方法，其特征在于，所述在所述目标作用信息满足预设用途信息的情况下，基于所述目标作用信息，确定各个子设备调控参数集之后，所述方法包括：

判断所述目标空间是否处于使用状态；

若所述目标空间处于未使用状态，将所述空气实时监测数据的采集频率调整至空闲状态；

若所述目标空间处于使用状态，获取所述目标空间中的使用对象信息，其中，所述使用对象信息包括对象数量信息；以及

将所述空气实时监测数据的采集频率调整至工作状态，参考所述使用对象信息，设置所述空气实时监测数据的采集频率。

8.一种基于人工智能的净化机组监测管理系统，其特征在于，用于实施权利要求1-7任一一项所述的一种基于人工智能的净化机组监测管理方法，包括：

信息获取模块，用于获取清洁空调机组装置的各个子设备的信息；以及

设备信息获取模块，用于获取所述各个子设备的设备实时运行参数与装置能耗测数据；

模型构建模块，用于基于所述装置能耗测数据，构建能耗异常自动定位模型，其中，所述能耗异常自动定位模型与所述清洁空调机组装置联通；

需求信息获取模块，用于获取净化管理需求信息，其中，所述净化管理需求包括目标空间内的净化管理需求指标；

监测数据采集模块，用于采集所述目标空间中初始坐标点的空气实时监测数据，其中，所述初始坐标点包括一个或多个气体组合设置；

坐标点聚合模块，用于依照所述空气实时监测数据，对所述初始坐标点进行聚合，获得M个坐标聚类中心，其中，M为大于或等于2的正整数；

候选点筛选模块，用于根据所述M个坐标聚类中心，筛选出距离所述净化管理需求信息由远及近的N个坐标候选调整点，其中，N为大于或等于1的正整数；

设备调控模块，用于通过所述设备实时运行参数，在所述能耗异常自动定位模型的监督下，对所述N个坐标候选调整点距离最近的各个子设备进行调控。

Images