CN116255655A - 基于大数据的设备智能检调方法、系统和介质 - Google Patents

基于大数据的设备智能检调方法、系统和介质 Download PDF

Info

Publication number
CN116255655A
CN116255655A CN202310527656.8A CN202310527656A CN116255655A CN 116255655 A CN116255655 A CN 116255655A CN 202310527656 A CN202310527656 A CN 202310527656A CN 116255655 A CN116255655 A CN 116255655A
Authority
CN
China
Prior art keywords
heating
data
sub
time period
effect
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
Application number
CN202310527656.8A
Other languages
English (en)
Other versions
CN116255655B (zh
Inventor
胡立明
王鹏
王勇强
鲁保龙
王培龙
张涛
白亚东
陈晨
黄岭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Construction Engineering Group Third Construction Co ltd
China Railway Construction Engineering Group Co Ltd
Original Assignee
China Railway Construction Engineering Group Third Construction Co ltd
China Railway Construction Engineering Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Construction Engineering Group Third Construction Co ltd, China Railway Construction Engineering Group Co Ltd filed Critical China Railway Construction Engineering Group Third Construction Co ltd
Priority to CN202310527656.8A priority Critical patent/CN116255655B/zh
Publication of CN116255655A publication Critical patent/CN116255655A/zh
Application granted granted Critical
Publication of CN116255655B publication Critical patent/CN116255655B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D3/00—Hot-water central heating systems
    • F24D3/02—Hot-water central heating systems with forced circulation, e.g. by pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/10—Arrangement or mounting of control or safety devices
    • F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请实施例提供了基于大数据的设备智能检调方法、系统和介质。该方法包括：获取性能监测信息和供暖特性信息，采集环境特征数据并获得区域环境效变因子，对信息数据进行聚合生成供暖信息监测模型树并提取供暖功效数据信息集，再通过参数数据与指标数据的阈值对比获得调温成效参量并获取调温成效聚合指数，再结合供暖能耗数据和区域环境效变因子处理获得供暖成效数据，再与供暖功效总指标数据进行对比检验判断范围等级，对水暖设施进行方案调整；从而基于大数据对供暖性能和监测信息以及环境信息进行处理，获得供暖成效数据并与指标数据进行阈值对比以获得对应等级的调整方案，实现根据大数据对供暖性能进行检测、评估和调整的技术。

Description

基于大数据的设备智能检调方法、系统和介质
技术领域
本申请涉及大数据及水暖设施技术领域，具体而言，涉及基于大数据的设备智能检调方法、系统和介质。
背景技术
城市供暖应用于高纬度城市的生活、工业的各类设施中，其广泛而长久的普遍应用性使水暖设施的能耗巨大，而目前主要供暖方式为水暖为主，电、气暖为辅，针对普遍使用的水暖设施，其传统管理手段通常采用水暖单位面积的统筹方式，而对供暖的调温方式和设定方法多是采用额定的恒热或单位面积热指标的调控方法，但由于供暖采暖受环境、区域状况、时间段的影响较大，如采光度好坏、房间密闭性或通透性以及高度、季节和时间段变化等，导致各种因素对供暖调控具有较大影响作用，而目前现有技术缺乏对这些影响因素的考量调控，且针对取暖区域的状况变化以及水暖设施状态监测进行有效调节方面也缺乏高效、精准、合理的监测处理和评估调节手段，导致对于水暖供暖缺乏智能检测、调节、管理的手段。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供基于大数据的设备智能检调方法、系统和介质，可以通过大数据对供暖区域内各子区域在子时段的设施性能和供暖监测信息以及环境信息进行处理，获得供暖成效数据并与聚合的总指标数据进行阈值对比以获得对应等级的调整方案，实现根据大数据对供暖性能进行检测、成效评估和调整的技术。
本申请实施例还提供了基于大数据的设备智能检调方法，包括以下步骤：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据；
采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子；
根据所述各子区域空间的所述供暖特性信息结合对应所述环境特征数据以及所述性能监测信息在预设供暖数据管理平台中进行信息聚合，生成所述预设供暖时间段内供暖区域的供暖信息监测模型树，根据所述供暖信息监测模型树提取所述各子时间段内各子区域空间的供暖功效数据信息集；
根据所述供暖功效数据信息集提取供暖功效子指标数据和供暖动态调温指标数据，以及所述各子区域空间在各子时间段内的供暖能耗数据；
将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验；
根据阈值对比检验结果对应的范围等级对应调整水暖设施的供暖方案。
可选地，在本申请实施例所述的基于大数据的设备智能检调方法中，所述获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据，包括：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括设施性能状态信息、设施能耗信息以及设施功效信息；
获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域功用位置信息、空间热力状态信息以及空间容积数据信息；
根据所述供暖特性信息提取供暖特征参数数据，包括子区域空间温度数据和子区域空间容积数据。
可选地，在本申请实施例所述的基于大数据的设备智能检调方法中，所述采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子，包括：
采集所述各子区域空间在所述子时间段内的环境特征数据，包括外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据；
根据所述外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据通过区域环境状态数据监测模型进行处理，获得所述子时间段内各子区域空间的区域环境效变因子。
可选地，在本申请实施例所述的基于大数据的设备智能检调方法中，所述将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量，包括：
根据所述各子区域空间的所述供暖特征参数数据提取子区域空间温度数据；
根据所述子区域空间温度数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
所述调温成效参量的计算公式为：
Figure SMS_1
；
其中，
Figure SMS_2
为调温成效参量，/>
Figure SMS_3
为子区域空间温度数据，/>
Figure SMS_4
为供暖动态调温指标数据，/>
Figure SMS_5
为预设特征系数。
可选地，在本申请实施例所述的基于大数据的设备智能检调方法中，所述根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数，包括：
根据所述各子区域空间的调温成效参量进行区域数据聚合，获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
所述调温成效聚合指数为：
Figure SMS_6
，其中，/>
Figure SMS_7
为调温成效聚合指数，/>
Figure SMS_8
为第i个子区域空间的调温成效参量，n为预设供暖区域的子区域空间个数。
可选地，在本申请实施例所述的基于大数据的设备智能检调方法中，所述根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据，包括：
根据所述供暖能耗数据结合所述区域环境效变因子以及所述调温成效聚合指数进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
所述供暖成效数据的计算公式为：
Figure SMS_9
；
其中，
Figure SMS_10
为供暖成效数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure SMS_11
为第i个子区域空间的供暖能耗数据，/>
Figure SMS_12
为第i个子区域空间的区域环境效变因子，/>
Figure SMS_13
为第j个子时间段内的调温成效聚合指数，/>
Figure SMS_14
、/>
Figure SMS_15
为预设特征系数。
可选地，在本申请实施例所述的基于大数据的设备智能检调方法中，所述对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验，包括：
根据所述供暖功效子指标数据进行聚合处理，获得所述预设供暖区域在预设供暖时间段内的供暖功效总指标数据；
根据所述供暖功效总指标数据与所述供暖成效数据进行阈值对比，获得阈值对比检验结果；
所述供暖功效总指标数据的聚合公式为：
Figure SMS_16
；
其中，
Figure SMS_17
为供暖功效总指标数据，/>
Figure SMS_18
为第i个子区域空间在第j个子时间段内的供暖功效子指标数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure SMS_19
为预设特征系数。
第二方面，本申请实施例提供了基于大数据的设备智能检调系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的设备智能检调方法的程序，所述基于大数据的设备智能检调方法的程序被所述处理器执行时实现以下步骤：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据；
采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子；
根据所述各子区域空间的所述供暖特性信息结合对应所述环境特征数据以及所述性能监测信息在预设供暖数据管理平台中进行信息聚合，生成所述预设供暖时间段内供暖区域的供暖信息监测模型树，根据所述供暖信息监测模型树提取所述各子时间段内各子区域空间的供暖功效数据信息集；
根据所述供暖功效数据信息集提取供暖功效子指标数据和供暖动态调温指标数据，以及所述各子区域空间在各子时间段内的供暖能耗数据；
将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验；
根据阈值对比检验结果对应的范围等级对应调整水暖设施的供暖方案。
可选地，在本申请实施例所述的基于大数据的设备智能检调系统中，获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据，包括：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括设施性能状态信息、设施能耗信息以及设施功效信息；
获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域功用位置信息、空间热力状态信息以及空间容积数据信息；
根据所述供暖特性信息提取供暖特征参数数据，包括子区域空间温度数据和子区域空间容积数据。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于大数据的设备智能检调方法程序，所述基于大数据的设备智能检调方法程序被处理器执行时，实现如上述任一项所述的基于大数据的设备智能检调方法的步骤。
由上可知，本申请实施例提供的基于大数据的设备智能检调方法、系统和介质，通过获取子时间段的性能监测信息和子区域空间的供暖特性信息，采集环境特征数据并处理获得区域环境效变因子，对状态信息、特征数据以及监测信息进行聚合生成供暖信息监测模型树并提取供暖功效数据信息集，将供暖特征参数数据与供暖动态调温指标数据进行阈值对比获得调温成效参量，并根据结果数据获取调温成效聚合指数，再对调温成效聚合指数结合供暖能耗数据和区域环境效变因子进行加权聚合获得供暖成效数据，并与聚合获得的供暖功效总指标数据进行阈值对比检验获得对应范围等级，对水暖设施进行方案调整；从而基于大数据对供暖区域内各子区域在子时段的设施性能和供暖监测信息以及环境信息进行处理，获得供暖成效数据并与聚合的总指标数据进行阈值对比以获得对应等级的调整方案，实现根据大数据对供暖性能进行检测、成效评估和调整的技术。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的基于大数据的设备智能检调方法的一种流程图；
图2为本申请实施例提供的基于大数据的设备智能检调方法的获取供暖特征参数数据的一种流程图；
图3为本申请实施例提供的基于大数据的设备智能检调方法的获取区域环境效变因子的一种流程图；
图4为本申请实施例提供的基于大数据的设备智能检调系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的基于大数据的设备智能检调方法的一种流程图。该基于大数据的设备智能检调方法用于终端设备中，例如电脑、手机终端等。该基于大数据的设备智能检调方法，包括以下步骤：
S101、获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据；
S102、采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子；
S103、根据所述各子区域空间的所述供暖特性信息结合对应所述环境特征数据以及所述性能监测信息在预设供暖数据管理平台中进行信息聚合，生成所述预设供暖时间段内供暖区域的供暖信息监测模型树，根据所述供暖信息监测模型树提取所述各子时间段内各子区域空间的供暖功效数据信息集；
S104、根据所述供暖功效数据信息集提取供暖功效子指标数据和供暖动态调温指标数据，以及所述各子区域空间在各子时间段内的供暖能耗数据；
S105、将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
S106、根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
S107、根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
S108、对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验；
S109、根据阈值对比检验结果对应的范围等级对应调整水暖设施的供暖方案。
需要说明的是，为检测预设供暖区域内的水暖设施供暖效果，并根据获得的检测结果对应等级按照预设对照方案进行调整，以实现通过大数据对供暖的检测和调节作用，通过将预设区域划分为多个子区域，同时将检测的预设供暖时间段划分为多个子时间段，再对各子区域在各子时间段内的水暖设施性能状态、供暖区域内特征状况以及环境变化影响因素进行处理和累积计算，获得供暖区域在预设时间段内的成效评估数据，再与通过各子指标数据进行聚合得到的总指标数据进行对比检验，得到供暖区域的供暖效果检验结果，再根据检验结果对应的范围等级对照获得对应的调整方案对水暖设施进行调整，从而实现通过大数据对供暖性能进行检测、成效评估和调整的技术手段，其中，通过获得的供暖特性信息结合性能监测信息以及环境特征数据输入至预设的第三方的供暖数据管理平台中进行信息聚合，可生成预设供暖时间段内供暖区域的供暖信息监测模型树，该模型树是将时段内供暖区域的水暖设施的性能状态、区域内供暖功效状况以及环境要素的特征数据进行数据化描述的数据结构树，其反映了供暖主体的水暖设施运行、区域供暖功效以及动态环境的运行状况，根据供暖信息监测模型树可查询获得供暖主体内设施、区域供暖以及环境的数据信息，通过该供暖信息监测模型树可提取各子时间段内各子区域空间的供暖功效数据信息集，该供暖功效数据信息集包含了反映供暖功效的多个相关的监测指标数据，提取包括供暖功效子指标数据和供暖动态调温指标数据以及供暖能耗数据，再通过各指标数据相应处理评估出水暖设施的供暖成效。
请参照图2，图2是本申请一些实施例中的基于大数据的设备智能检调方法的获取供暖特征参数数据的一种流程图。根据本发明实施例，所述获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据，具体为：
S201、获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括设施性能状态信息、设施能耗信息以及设施功效信息；
S202、获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域功用位置信息、空间热力状态信息以及空间容积数据信息；
S203、根据所述供暖特性信息提取供暖特征参数数据，包括子区域空间温度数据和子区域空间容积数据。
需要说明的是，采集获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括水暖设施性能运行状况、水暖设施能耗采集以及水暖设施功率和运行效率的信息，子时间段的划分可以根据具体水暖设施的应用场所和季节时间、气候等需求进行设定划分，再获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域的功用和位置方位、子区域空间内的热力温度状态以及子区域空间的容积面积的信息，子区域空间的划分可以根据实施应用场合如住宅、办公楼、工厂、商场等场合的具体功能用途、采暖需求、空间区域等进行按需划分，再根据供暖特性信息提取供暖特征参数数据，其中包括子区域空间温度数据和子区域空间容积数据，这两个数据是子区域空间内采暖的重要参数。
请参照图3，图3是本申请一些实施例中的基于大数据的设备智能检调方法的获取区域环境效变因子的一种流程图。根据本发明实施例，所述采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子，具体为：
S301、采集所述各子区域空间在所述子时间段内的环境特征数据，包括外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据；
S302、根据所述外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据通过区域环境状态数据监测模型进行处理，获得所述子时间段内各子区域空间的区域环境效变因子。
需要说明的是，为精准的评估出供暖成效，需对供暖区域的环境加以考虑和处理，如不同气候、季节、光照、室外温度下的不同场景的供暖成效是具有显著差异性的，为使获得的供暖区域环境影响评估的更精准，将子区域空间在子时间段内的环境特征数据进行处理，使环境对区域的影响效果评估更加精细化，保障了评估效果的精准性，通过采集各子区域空间在子时间段内的环境特征数据，包括外界环境温度数据、室内外温差数据、光照度数据以及周围相邻环境区域对本子区域空间的热辐射影响的数据，再根据上述数据输入预设的区域环境状态数据监测模型进行计算处理，获得子时间段内各子区域空间的区域环境效变因子，该区域环境效变因子是反映环境对子区域空间在子时间段内的取暖成效的变化干扰因子，其中，环境干扰系数是针对环境对不同子区域空间的供暖干扰差异性而对应预设的系数；
所述区域环境效变因子的计算公式为：
Figure SMS_20
；
其中，
Figure SMS_22
为区域环境效变因子，/>
Figure SMS_25
、/>
Figure SMS_28
、/>
Figure SMS_23
、/>
Figure SMS_24
分别为外界环境温度数据、室内外温差数据、光照度数据、邻域热辐射数据，/>
Figure SMS_27
为环境干扰系数，/>
Figure SMS_30
、/>
Figure SMS_21
、/>
Figure SMS_26
、/>
Figure SMS_29
为预设特征系数（环境干扰系数和特征系数通过预设供暖数据管理平台进行查询获得）。
根据本发明实施例，所述将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量，具体为：
根据所述各子区域空间的所述供暖特征参数数据提取子区域空间温度数据；
根据所述子区域空间温度数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
所述调温成效参量的计算公式为：
Figure SMS_31
；
其中，
Figure SMS_32
为调温成效参量，/>
Figure SMS_33
为子区域空间温度数据，/>
Figure SMS_34
为供暖动态调温指标数据，/>
Figure SMS_35
为预设特征系数（预设特征系数通过预设供暖数据管理平台进行查询获得）。
需要说明的是，为评估水暖系统对子区域空间在子时间段内的调温成效，根据各子区域空间的供暖特征参数数据提取的子区域空间温度数据与供暖动态调温指标数据进行阈值对比，获得在各子时间段内的调温成效参量。
根据本发明实施例，所述根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数，具体为：
根据所述各子区域空间的调温成效参量进行区域数据聚合，获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
所述调温成效聚合指数为：
Figure SMS_36
，其中，/>
Figure SMS_37
为调温成效聚合指数，/>
Figure SMS_38
为第i个子区域空间的调温成效参量，n为预设供暖区域的子区域空间个数。
需要说明的是，在获得了各子区域空间的调温成效参量后，为获得该时段下预设供暖区域的整体调温成效的对应数据，对各子区域空间的调温成效参量按照全域进行聚合，获取预设供暖区域在对应各个子时间段内的调温成效聚合指数，该指数反映了在该时段内供暖区域的整体调温成效。
根据本发明实施例，所述根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据，具体为：
根据所述供暖能耗数据结合所述区域环境效变因子以及所述调温成效聚合指数进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
所述供暖成效数据的计算公式为：
Figure SMS_39
；
其中，
Figure SMS_40
为供暖成效数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure SMS_41
为第i个子区域空间的供暖能耗数据，/>
Figure SMS_42
为第i个子区域空间的区域环境效变因子，/>
Figure SMS_43
为第j个子时间段内的调温成效聚合指数，/>
Figure SMS_44
、/>
Figure SMS_45
为预设特征系数（预设特征系数通过预设供暖数据管理平台进行查询获得）。
需要说明的是，为获得预设时间段内整体水暖设施对整个预设供暖区域的供暖成效，并将获得的环境对供暖区域影响的区域环境效变因子加以加权考量，根据子区域空间的供暖能耗数据结合对应区域环境效变因子进行区域聚合，并结合调温成效聚合指数进行时间加权聚合，获得预设供暖区域在预设供暖时间段内的供暖成效数据。
根据本发明实施例，所述对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验，具体为：
根据所述供暖功效子指标数据进行聚合处理，获得所述预设供暖区域在预设供暖时间段内的供暖功效总指标数据；
根据所述供暖功效总指标数据与所述供暖成效数据进行阈值对比，获得阈值对比检验结果；
所述供暖功效总指标数据的聚合公式为：
Figure SMS_46
；
其中，
Figure SMS_47
为供暖功效总指标数据，/>
Figure SMS_48
为第i个子区域空间在第j个子时间段内的供暖功效子指标数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure SMS_49
为预设特征系数。
需要说明的是，再将各子时间段的各子区域空间的供暖功效子指标数据按照区域空间和时间段进行聚合处理，获得预设供暖区域在预设供暖时间段内的供暖功效总指标数据，将供暖功效总指标数据与得到的供暖成效数据进行阈值对比，根据阈值对比检验结果落入的阈值区间的对应预设范围等级，获得对应的调整方案，对水暖设施的供暖方案进行调整，以实现对水暖设施的供暖性能进行检测、成效评估和调整的技术，其中，阈值对比检验结果的预设阈值范围可以根据水暖设施以及供暖区域的需求进行设置，本实施例中，阈值对比检验结果对应预设阈值范围设为四个等级，分别为I、II、III、IV级，其中I级阈值范围为(0.7，1]，II级阈值范围为(0.6，0.7]，III级阈值范围为(0.45，0.6]，IV级阈值范围为[0，0.45]，如水暖设施A的阈值对比检验结果为0.64，则其对应的预设阈值范围的对应等级为II级，则根据II级对应的供暖方案对水暖设施A进行调整。
如图4所示，本发明还公开了基于大数据的设备智能检调系统4，包括存储器41和处理器42，所述存储器中包括基于大数据的设备智能检调方法程序，所述基于大数据的设备智能检调方法程序被所述处理器执行时实现如下步骤：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据；
采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子；
根据所述各子区域空间的所述供暖特性信息结合对应所述环境特征数据以及所述性能监测信息在预设供暖数据管理平台中进行信息聚合，生成所述预设供暖时间段内供暖区域的供暖信息监测模型树，根据所述供暖信息监测模型树提取所述各子时间段内各子区域空间的供暖功效数据信息集；
根据所述供暖功效数据信息集提取供暖功效子指标数据和供暖动态调温指标数据，以及所述各子区域空间在各子时间段内的供暖能耗数据；
将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验；
根据阈值对比检验结果对应的范围等级对应调整水暖设施的供暖方案。
需要说明的是，为检测预设供暖区域内的水暖设施供暖效果，并根据获得的检测结果对应等级按照预设对照方案进行调整，以实现通过大数据对供暖的检测和调节作用，通过将预设区域划分为多个子区域，同时将检测的预设供暖时间段划分为多个子时间段，再对各子区域在各子时间段内的水暖设施性能状态、供暖区域内特征状况以及环境变化影响因素进行处理和累积计算，获得供暖区域在预设时间段内的成效评估数据，再与通过各子指标数据进行聚合得到的总指标数据进行对比检验，得到供暖区域的供暖效果检验结果，再根据检验结果对应的范围等级对照获得对应的调整方案对水暖设施进行调整，从而实现通过大数据对供暖性能进行检测、成效评估和调整的技术手段，其中，通过获得的供暖特性信息结合性能监测信息以及环境特征数据输入至预设的第三方的供暖数据管理平台中进行信息聚合，可生成预设供暖时间段内供暖区域的供暖信息监测模型树，该模型树是将时段内供暖区域的水暖设施的性能状态、区域内供暖功效状况以及环境要素的特征数据进行数据化描述的数据结构树，其反映了供暖主体的水暖设施运行、区域供暖功效以及动态环境的运行状况，根据供暖信息监测模型树可查询获得供暖主体内设施、区域供暖以及环境的数据信息，通过该供暖信息监测模型树可提取各子时间段内各子区域空间的供暖功效数据信息集，该供暖功效数据信息集包含了反映供暖功效的多个相关的监测指标数据，提取包括供暖功效子指标数据和供暖动态调温指标数据以及供暖能耗数据，再通过各指标数据相应处理评估出水暖设施的供暖成效。
根据本发明实施例，所述获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据，具体为：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括设施性能状态信息、设施能耗信息以及设施功效信息；
获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域功用位置信息、空间热力状态信息以及空间容积数据信息；
根据所述供暖特性信息提取供暖特征参数数据，包括子区域空间温度数据和子区域空间容积数据。
需要说明的是，采集获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括水暖设施性能运行状况、水暖设施能耗采集以及水暖设施功率和运行效率的信息，子时间段的划分可以根据具体水暖设施的应用场所和季节时间、气候等需求进行设定划分，再获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域的功用和位置方位、子区域空间内的热力温度状态以及子区域空间的容积面积的信息，子区域空间的划分可以根据实施应用场合如住宅、办公楼、工厂、商场等场合的具体功能用途、采暖需求、空间区域等进行按需划分，再根据供暖特性信息提取供暖特征参数数据，其中包括子区域空间温度数据和子区域空间容积数据，这两个数据是子区域空间内采暖的重要参数。
根据本发明实施例，所述采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子，具体为：
采集所述各子区域空间在所述子时间段内的环境特征数据，包括外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据；
根据所述外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据通过区域环境状态数据监测模型进行处理，获得所述子时间段内各子区域空间的区域环境效变因子。
需要说明的是，为精准的评估出供暖成效，需对供暖区域的环境加以考虑和处理，如不同气候、季节、光照、室外温度下的不同场景的供暖成效是具有显著差异性的，为使获得的供暖区域环境影响评估的更精准，将子区域空间在子时间段内的环境特征数据进行处理，使环境对区域的影响效果评估更加精细化，保障了评估效果的精准性，通过采集各子区域空间在子时间段内的环境特征数据，包括外界环境温度数据、室内外温差数据、光照度数据以及周围相邻环境区域对本子区域空间的热辐射影响的数据，再根据上述数据输入预设的区域环境状态数据监测模型进行计算处理，获得子时间段内各子区域空间的区域环境效变因子，该区域环境效变因子是反映环境对子区域空间在子时间段内的取暖成效的变化干扰因子，其中，环境干扰系数是针对环境对不同子区域空间的供暖干扰差异性而对应预设的系数；
所述区域环境效变因子的计算公式为：
Figure SMS_50
；
其中，
Figure SMS_52
为区域环境效变因子，/>
Figure SMS_54
、/>
Figure SMS_57
、/>
Figure SMS_53
、/>
Figure SMS_56
分别为外界环境温度数据、室内外温差数据、光照度数据、邻域热辐射数据，/>
Figure SMS_59
为环境干扰系数，/>
Figure SMS_60
、/>
Figure SMS_51
、/>
Figure SMS_55
、/>
Figure SMS_58
为预设特征系数（环境干扰系数和特征系数通过预设供暖数据管理平台进行查询获得）。
根据本发明实施例，所述将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量，具体为：
根据所述各子区域空间的所述供暖特征参数数据提取子区域空间温度数据；
根据所述子区域空间温度数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
所述调温成效参量的计算公式为：
Figure SMS_61
；
其中，
Figure SMS_62
为调温成效参量，/>
Figure SMS_63
为子区域空间温度数据，/>
Figure SMS_64
为供暖动态调温指标数据，/>
Figure SMS_65
为预设特征系数（预设特征系数通过预设供暖数据管理平台进行查询获得）。
需要说明的是，为评估水暖系统对子区域空间在子时间段内的调温成效，根据各子区域空间的供暖特征参数数据提取的子区域空间温度数据与供暖动态调温指标数据进行阈值对比，获得在各子时间段内的调温成效参量。
根据本发明实施例，所述根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数，具体为：
根据所述各子区域空间的调温成效参量进行区域数据聚合，获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
所述调温成效聚合指数为：
Figure SMS_66
，其中，/>
Figure SMS_67
为调温成效聚合指数，/>
Figure SMS_68
为第i个子区域空间的调温成效参量，n为预设供暖区域的子区域空间个数。
需要说明的是，在获得了各子区域空间的调温成效参量后，为获得该时段下预设供暖区域的整体调温成效的对应数据，对各子区域空间的调温成效参量按照全域进行聚合，获取预设供暖区域在对应各个子时间段内的调温成效聚合指数，该指数反映了在该时段内供暖区域的整体调温成效。
根据本发明实施例，所述根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据，具体为：
根据所述供暖能耗数据结合所述区域环境效变因子以及所述调温成效聚合指数进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
所述供暖成效数据的计算公式为：
Figure SMS_69
；
其中，
Figure SMS_70
为供暖成效数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure SMS_71
为第i个子区域空间的供暖能耗数据，/>
Figure SMS_72
为第i个子区域空间的区域环境效变因子，/>
Figure SMS_73
为第j个子时间段内的调温成效聚合指数，/>
Figure SMS_74
、/>
Figure SMS_75
为预设特征系数（预设特征系数通过预设供暖数据管理平台进行查询获得）。
需要说明的是，为获得预设时间段内整体水暖设施对整个预设供暖区域的供暖成效，并将获得的环境对供暖区域影响的区域环境效变因子加以加权考量，根据子区域空间的供暖能耗数据结合对应区域环境效变因子进行区域聚合，并结合调温成效聚合指数进行时间加权聚合，获得预设供暖区域在预设供暖时间段内的供暖成效数据。
根据本发明实施例，所述对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验，具体为：
根据所述供暖功效子指标数据进行聚合处理，获得所述预设供暖区域在预设供暖时间段内的供暖功效总指标数据；
根据所述供暖功效总指标数据与所述供暖成效数据进行阈值对比，获得阈值对比检验结果；
所述供暖功效总指标数据的聚合公式为：
Figure SMS_76
；
其中，
Figure SMS_77
为供暖功效总指标数据，/>
Figure SMS_78
为第i个子区域空间在第j个子时间段内的供暖功效子指标数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure SMS_79
为预设特征系数。
需要说明的是，再将各子时间段的各子区域空间的供暖功效子指标数据按照区域空间和时间段进行聚合处理，获得预设供暖区域在预设供暖时间段内的供暖功效总指标数据，将供暖功效总指标数据与得到的供暖成效数据进行阈值对比，根据阈值对比检验结果落入的阈值区间的对应预设范围等级，获得对应的调整方案，对水暖设施的供暖方案进行调整，以实现对水暖设施的供暖性能进行检测、成效评估和调整的技术，其中，阈值对比检验结果的预设阈值范围可以根据水暖设施以及供暖区域的需求进行设置，本实施例中，阈值对比检验结果对应预设阈值范围设为四个等级，分别为I、II、III、IV级，其中I级阈值范围为(0.7，1]，II级阈值范围为(0.6，0.7]，III级阈值范围为(0.45，0.6]，IV级阈值范围为[0，0.45]，如水暖设施A的阈值对比检验结果为0.64，则其对应的预设阈值范围的对应等级为II级，则根据II级对应的供暖方案对水暖设施A进行调整。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括基于大数据的设备智能检调方法程序，所述基于大数据的设备智能检调方法程序被处理器执行时，实现如上述任一项所述的基于大数据的设备智能检调方法的步骤。
本发明公开的基于大数据的设备智能检调方法、系统和介质，通过获取子时间段的性能监测信息和子区域空间的供暖特性信息，采集环境特征数据并处理获得区域环境效变因子，对状态信息、特征数据以及监测信息进行聚合生成供暖信息监测模型树并提取供暖功效数据信息集，将供暖特征参数数据与供暖动态调温指标数据进行阈值对比获得调温成效参量，并根据结果数据获取调温成效聚合指数，再对调温成效聚合指数结合供暖能耗数据和区域环境效变因子进行加权聚合获得供暖成效数据，并与聚合获得的供暖功效总指标数据进行阈值对比检验获得对应范围等级，对水暖设施进行方案调整；从而基于大数据对供暖区域内各子区域在子时段的设施性能和供暖监测信息以及环境信息进行处理，获得供暖成效数据并与聚合的总指标数据进行阈值对比以获得对应等级的调整方案，实现根据大数据对供暖性能进行检测、成效评估和调整的技术。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.基于大数据的设备智能检调方法，其特征在于，包括以下步骤：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据；
采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子；
根据所述各子区域空间的所述供暖特性信息结合对应所述环境特征数据以及所述性能监测信息在预设供暖数据管理平台中进行信息聚合，生成所述预设供暖时间段内供暖区域的供暖信息监测模型树，根据所述供暖信息监测模型树提取所述各子时间段内各子区域空间的供暖功效数据信息集；
根据所述供暖功效数据信息集提取供暖功效子指标数据和供暖动态调温指标数据，以及所述各子区域空间在各子时间段内的供暖能耗数据；
将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验；
根据阈值对比检验结果对应的范围等级对应调整水暖设施的供暖方案。
2.根据权利要求1所述的基于大数据的设备智能检调方法，其特征在于，所述获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据，包括：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括设施性能状态信息、设施能耗信息以及设施功效信息；
获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域功用位置信息、空间热力状态信息以及空间容积数据信息；
根据所述供暖特性信息提取供暖特征参数数据，包括子区域空间温度数据和子区域空间容积数据。
3.根据权利要求2所述的基于大数据的设备智能检调方法，其特征在于，所述采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子，包括：
采集所述各子区域空间在所述子时间段内的环境特征数据，包括外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据；
根据所述外界环境温度数据、室内外温差数据、光照度数据以及邻域热辐射数据通过区域环境状态数据监测模型进行处理，获得所述子时间段内各子区域空间的区域环境效变因子。
4.根据权利要求3所述的基于大数据的设备智能检调方法，其特征在于，所述将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量，包括：
根据所述各子区域空间的所述供暖特征参数数据提取子区域空间温度数据；
根据所述子区域空间温度数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
所述调温成效参量的计算公式为：
Figure QLYQS_1
；
其中，
Figure QLYQS_2
为调温成效参量，/>
Figure QLYQS_3
为子区域空间温度数据，/>
Figure QLYQS_4
为供暖动态调温指标数据，/>
Figure QLYQS_5
为预设特征系数。
5.根据权利要求4所述的基于大数据的设备智能检调方法，其特征在于，所述根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数，包括：
根据所述各子区域空间的调温成效参量进行区域数据聚合，获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
所述调温成效聚合指数为：
Figure QLYQS_6
，其中，/>
Figure QLYQS_7
为调温成效聚合指数，/>
Figure QLYQS_8
为第i个子区域空间的调温成效参量，n为预设供暖区域的子区域空间个数。
6.根据权利要求5所述的基于大数据的设备智能检调方法，其特征在于，所述根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据，包括：
根据所述供暖能耗数据结合所述区域环境效变因子以及所述调温成效聚合指数进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
所述供暖成效数据的计算公式为：
Figure QLYQS_9
；
其中，
Figure QLYQS_10
为供暖成效数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure QLYQS_11
为第i个子区域空间的供暖能耗数据，/>
Figure QLYQS_12
为第i个子区域空间的区域环境效变因子，/>
Figure QLYQS_13
为第j个子时间段内的调温成效聚合指数，/>
Figure QLYQS_14
、/>
Figure QLYQS_15
为预设特征系数。
7.根据权利要求6所述的基于大数据的设备智能检调方法，其特征在于，所述对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验，包括：
根据所述供暖功效子指标数据进行聚合处理，获得所述预设供暖区域在预设供暖时间段内的供暖功效总指标数据；
根据所述供暖功效总指标数据与所述供暖成效数据进行阈值对比，获得阈值对比检验结果；
所述供暖功效总指标数据的聚合公式为：
Figure QLYQS_16
；
其中，
Figure QLYQS_17
为供暖功效总指标数据，/>
Figure QLYQS_18
为第i个子区域空间在第j个子时间段内的供暖功效子指标数据，n为预设供暖区域的子区域空间个数，m为预设供暖时间段内的子时间段个数，/>
Figure QLYQS_19
为预设特征系数。
8.基于大数据的设备智能检调系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的设备智能检调方法的程序，所述基于大数据的设备智能检调方法的程序被所述处理器执行时实现以下步骤：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据；
采集所述各子区域空间在所述子时间段内的环境特征数据，并根据环境特征数据进行处理获得所述子时间段内区域环境效变因子；
根据所述各子区域空间的所述供暖特性信息结合对应所述环境特征数据以及所述性能监测信息在预设供暖数据管理平台中进行信息聚合，生成所述预设供暖时间段内供暖区域的供暖信息监测模型树，根据所述供暖信息监测模型树提取所述各子时间段内各子区域空间的供暖功效数据信息集；
根据所述供暖功效数据信息集提取供暖功效子指标数据和供暖动态调温指标数据，以及所述各子区域空间在各子时间段内的供暖能耗数据；
将所述各子区域空间的所述供暖特征参数数据与所述供暖动态调温指标数据进行阈值对比，获得在所述各子时间段内的调温成效参量；
根据所述各子区域空间的调温成效参量获取所述预设供暖区域在各子时间段内的调温成效聚合指数；
根据所述调温成效聚合指数结合所述供暖能耗数据以及所述区域环境效变因子进行加权和聚合处理，获得预设供暖区域在所述预设供暖时间段内的供暖成效数据；
对所述供暖功效子指标数据进行聚合处理获得所述预设供暖区域的供暖功效总指标数据，并根据供暖功效总指标数据与所述供暖成效数据进行阈值对比检验；
根据阈值对比检验结果对应的范围等级对应调整水暖设施的供暖方案。
9.根据权利要求8所述的基于大数据的设备智能检调系统，其特征在于，所述获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，以及预设供暖区域中各子区域空间的供暖特性信息，并提取供暖特征参数数据，包括：
获取水暖设施在预设供暖时间段内各子时间段内的性能监测信息，包括设施性能状态信息、设施能耗信息以及设施功效信息；
获取预设供暖区域中各子区域空间的供暖特性信息，包括子区域功用位置信息、空间热力状态信息以及空间容积数据信息；
根据所述供暖特性信息提取供暖特征参数数据，包括子区域空间温度数据和子区域空间容积数据。
10.计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的设备智能检调方法程序，所述基于大数据的设备智能检调方法程序被处理器执行时，实现如权利要求1至7中任一项所述的基于大数据的设备智能检调方法的步骤。
CN202310527656.8A 2023-05-11 2023-05-11 基于大数据的设备智能检调方法、系统和介质 Active CN116255655B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310527656.8A CN116255655B (zh) 2023-05-11 2023-05-11 基于大数据的设备智能检调方法、系统和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310527656.8A CN116255655B (zh) 2023-05-11 2023-05-11 基于大数据的设备智能检调方法、系统和介质

Publications (2)

Publication Number Publication Date
CN116255655A true CN116255655A (zh) 2023-06-13
CN116255655B CN116255655B (zh) 2023-07-07

Family

ID=86686512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310527656.8A Active CN116255655B (zh) 2023-05-11 2023-05-11 基于大数据的设备智能检调方法、系统和介质

Country Status (1)

Country Link
CN (1) CN116255655B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117034127A (zh) * 2023-10-10 2023-11-10 广东电网有限责任公司 一种基于大数据的电网设备监测预警方法、系统和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102865623A (zh) * 2012-09-28 2013-01-09 季涛 一种集中供暖公共建筑供热节能控制方法
US20160334126A1 (en) * 2015-01-27 2016-11-17 Patrick Andrew Shiel Method of reducing heating energy consumption in commercial buildings
CN107120721A (zh) * 2017-05-25 2017-09-01 河北健特建筑安装工程有限公司 一种集中供热动态气候补偿方法
CN110009156A (zh) * 2019-04-08 2019-07-12 北京博锐尚格节能技术股份有限公司 建筑能耗预算管理方法和存储介质
CN113157802A (zh) * 2021-04-29 2021-07-23 中国科学院空天信息创新研究院 一种城市集中供暖的热环境响应分析方法及装置
CN115095907A (zh) * 2022-07-15 2022-09-23 唐山学院 基于深度学习的智慧供热节能调控方法、系统及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102865623A (zh) * 2012-09-28 2013-01-09 季涛 一种集中供暖公共建筑供热节能控制方法
US20160334126A1 (en) * 2015-01-27 2016-11-17 Patrick Andrew Shiel Method of reducing heating energy consumption in commercial buildings
CN107120721A (zh) * 2017-05-25 2017-09-01 河北健特建筑安装工程有限公司 一种集中供热动态气候补偿方法
CN110009156A (zh) * 2019-04-08 2019-07-12 北京博锐尚格节能技术股份有限公司 建筑能耗预算管理方法和存储介质
CN113157802A (zh) * 2021-04-29 2021-07-23 中国科学院空天信息创新研究院 一种城市集中供暖的热环境响应分析方法及装置
CN115095907A (zh) * 2022-07-15 2022-09-23 唐山学院 基于深度学习的智慧供热节能调控方法、系统及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴延奎: "非供暖季不同末端空调系统综合能耗的计算分析方法浅析", 《暖通空调》, vol. 46, no. 324, pages 7 - 10 *
贾琳: "冷风侵入对不同送风方式供暖房间热环境的影响", 《东华大学学报（自然科学版）》, vol. 42, no. 6, pages 894 - 899 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117034127A (zh) * 2023-10-10 2023-11-10 广东电网有限责任公司 一种基于大数据的电网设备监测预警方法、系统和介质
CN117034127B (zh) * 2023-10-10 2023-12-08 广东电网有限责任公司 一种基于大数据的电网设备监测预警方法、系统和介质

Also Published As

Publication number Publication date
CN116255655B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
Li et al. Prediction of PM2. 5 concentration based on the similarity in air quality monitoring network
CN116255655B (zh) 基于大数据的设备智能检调方法、系统和介质
Walsh et al. Performance-based validation of climatic zoning for building energy efficiency applications
CN108596465B (zh) 一种城市居住建筑系统碳能测算方法
CN115512520B (zh) 基于智慧燃气的用气安全预警方法及物联网系统
CN109729698B (zh) 机房环境控制方法、装置及电子设备
Li et al. Response of energy consumption for building heating to climatic change and variability in Tianjin City, China
CN106705381A (zh) 基于空调的能耗预测方法及预测装置
CN115542824B (zh) 一种基于能耗管控的中央空调机组控制方法及系统
CN108573327A (zh) 基于天气数据的无线传感网节点太阳能收集功率预测算法
CN111199065B (zh) 零能耗建筑设计方法、装置及终端设备
CN114923265A (zh) 一种基于物联网的中央空调节能控制系统
Lam et al. An analysis of climatic influences on chiller plant electricity consumption
CN111179108A (zh) 用电能耗的预测方法和装置
CN113746090A (zh) 一种分布式资源电力需求预测系统及方法
CN116307945B (zh) 一种建筑类电气智能运行监控方法、系统和介质
Mavrogianni et al. A GIS-based bottom-up space heating demand model of the London domestic stock
CN203366165U (zh) 人工污秽试验室温湿度联合控制系统
CN108446783A (zh) 一种新风机运行功率的预测及监控方法
CN116390461A (zh) 基于人工智能的数据中心节能调温方法、系统和介质
Zhang et al. A study on the electric power load of Beijing and its relationships with meteorological factors during summer and winter
Bao et al. Developing an integrated part load value for chillers of office buildings in Hong Kong
CN116862129B (zh) 一种零耗能建筑数据分析方法及系统
CN116563841A (zh) 配电网设备标识牌的检测方法、检测装置和电子设备
CN111060755A (zh) 一种电磁干扰诊断方法和装置

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