CN116596491A - 一种基于大数据的mic模块化集成建筑互联网管理系统 - Google Patents
一种基于大数据的mic模块化集成建筑互联网管理系统 Download PDFInfo
- Publication number
- CN116596491A CN116596491A CN202310884057.1A CN202310884057A CN116596491A CN 116596491 A CN116596491 A CN 116596491A CN 202310884057 A CN202310884057 A CN 202310884057A CN 116596491 A CN116596491 A CN 116596491A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- building
- energy
- module
- 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
- 238000007726 management method Methods 0.000 claims abstract description 140
- 238000012544 monitoring process Methods 0.000 claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000005265 energy consumption Methods 0.000 claims abstract description 34
- 238000013500 data storage Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000005516 engineering process Methods 0.000 claims abstract description 24
- 238000012423 maintenance Methods 0.000 claims abstract description 24
- 238000013079 data visualisation Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 231100000279 safety data Toxicity 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 206010063385 Intellectualisation Diseases 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于大数据的MIC模块化集成建筑互联网管理系统，涉及集成建筑互联网管理系统领域，旨在实现建筑设备管理、能源管理和安全监控的智能化和优化。该系统由数据采集模块、数据存储和处理模块、能源管理模块、安全监控模块、建筑设备管理模块以及数据可视化和报告模块组成。数据采集模块负责收集建筑设备和传感器的实时数据，数据存储和处理模块对数据进行清洗和处理，能源管理模块利用大数据技术实现能源消耗的监测和优化，安全监控模块实时监测建筑安全状况，建筑设备管理模块负责设备状态的管理和维护，数据可视化和报告模块提供直观的数据展示和报告生成。
Description
技术领域
本发明涉及集成建筑互联网管理系统领域，更具体地说，涉及一种基于大数据的MIC模块化集成建筑互联网管理系统。
背景技术
随着信息技术的发展，建筑行业逐渐引入互联网技术以提高效率和智能化水平。大数据分析的兴起使得建筑数据的收集和利用变得更加可行和实用。模块化建筑技术的兴起为建筑系统集成提供了便利，使得建筑的设计、建造和维护更加高效。
基于大数据的MIC模块化集成建筑互联网管理系统整合了传感器、设备和系统，实时采集和分析建筑数据。这样的系统能够监测和控制建筑的能源消耗、设备状态、安全状况等，从而提高建筑的运行效率、安全性和可持续性。通过数据可视化和智能化决策支持，管理人员可以更好地了解和优化建筑性能。
传统系统的建设和维护成本较高。需要采集和处理大量的建筑数据，搭建庞大的数据基础设施，并且需要专业人员进行系统的部署和维护，这会增加企业的投入和运营成本。
其次，数据安全和隐私问题是一个重要的挑战。大量的建筑数据涉及到用户隐私和机密信息，如何确保数据的安全性和隐私保护成为一个关键问题，需要采取有效的安全措施和合规策略。
此外，系统的普及和应用面临一些困难。建筑行业中存在许多传统的建筑和管理模式，推广新技术需要面对行业的惯性和接受度，以及与现有系统的兼容性问题。
最后，系统的可扩展性和适应性也是一个挑战。随着建筑项目的复杂性和规模的增加，系统需要能够适应各种类型的建筑和需求，并且具备良好的可扩展性，以支持未来的发展和变化。
发明内容
本发明的目的在于提供一种基于大数据的MIC模块化集成建筑互联网管理系统，以解决上述背景技术提出的问题：
传统系统的建设和维护成本较高。需要采集和处理大量的建筑数据，搭建庞大的数据基础设施，并且需要专业人员进行系统的部署和维护，这会增加企业的投入和运营成本。
其次，数据安全和隐私问题是一个重要的挑战。大量的建筑数据涉及到用户隐私和机密信息，如何确保数据的安全性和隐私保护成为一个关键问题，需要采取有效的安全措施和合规策略。
此外，系统的普及和应用面临一些困难。建筑行业中存在许多传统的建筑和管理模式，推广新技术需要面对行业的惯性和接受度，以及与现有系统的兼容性问题。
最后，系统的可扩展性和适应性也是一个挑战。随着建筑项目的复杂性和规模的增加，系统需要能够适应各种类型的建筑和需求，并且具备良好的可扩展性，以支持未来的发展和变化。
一种基于大数据的MIC模块化集成建筑互联网管理系统，所述一种基于大数据的MIC模块化集成建筑互联网管理系统包括数据采集模块、数据存储和处理模块、能源管理模块、安全监控模块、建筑设备管理模块、数据可视化和报告模块；
所述数据采集模块负责从建筑设备、传感器等数据源收集实时数据，并将其传输到所述数据存储和处理模块；
所述数据存储和处理模块接收、存储和处理来自所述数据采集模块的数据，进行数据清洗、预处理和转换；
所述数据存储和处理模块向所述能源管理模块提供已处理的建筑能耗数据和设备状态数据，支持所述能源管理模块的分析和优化决策；
所述数据存储和处理模块将所述建筑安全监控模块收集到的安全数据存储起来；
所述数据存储和处理模块将所述建筑设备管理模块所需的设备状态数据、维护记录提供给所述建筑设备管理模块；
所述数据存储和处理模块为所述数据可视化和报告模块提供已处理的数据，生成图表、报告和可视化展示，帮助用户了解建筑设备状态、能源消耗情况的重要信息。
优选的，所述数据采集模块负责从建筑中的各种传感器、设备和所述一种基于大数据的MIC模块化集成建筑互联网管理系统中收集数据，所述收集到的数据包括温度、湿度、能源使用情况、安全监控。
优选的，所述数据存储和处理模块负责将所述采集到的数据存储在适当的数据库中，并进行数据处理和清洗；
所述数据存储和处理模块还执行数据分析和挖掘任务，提取有用的信息和洞察。
优选的，所述能源管理模块负责监控和管理所述建筑的能源使用情况；
所述能源管理模块模块分析能源数据，识别能源消耗的趋势和模式，并提供能源优化建议；
所述能源管理模块模块引入人工智能和机器学习算法，对建筑能源数据进行深度分析和预测，识别能源消耗的模式和趋势，得出分析结果；
基于所分析结果，自动提供定制化的能源优化建议和策略；
所述能源管理模块模块通过安装智能电表和传感器，实时监测建筑内部各个设备和所述一种基于大数据的MIC模块化集成建筑互联网管理系统的能源流动情况，利用数据分析和可视化技术，追踪和管理能源的分配和使用情况，发现能源浪费和异常情况，并及时采取措施进行调整和优化；
所述能源管理模块模块基于区块链的能源交易与共享，应用区块链技术，建立可信的能源交易平台，进行建筑内能源的精确计量和交易；
通过智能合约和去中心化的机制，建筑自主参与能源市场，进行能源的共享和优化配置；
所述能源管理模块模块引入用户参与和反馈机制，鼓励建筑内的居民、员工和租户参与到能源管理中来，通过移动应用和智能设备，提供实时的能源消耗信息、节能建议和奖励机制，激发用户的节能意识和行动，共同参与建筑能源管理，进行能源的可持续使用；
所述能源管理模块模块将能源管理模块与其他建筑管理模块，包括所述设备管理模块、所述安全监控模块进行集成，进行全面的建筑管理。
优选的，所述安全监控模块负责监测建筑的安全状况，包括入侵检测、视频监控、火灾报警功能；
所述安全监控模块模块通过实时监控和分析数据来提供及时的安全警报和事件响应。
优选的，所述建筑设备管理模块负责监控和管理建筑内的设备和所述一种基于大数据的MIC模块化集成建筑互联网管理系统，包括空调、照明、电梯；
所述建筑设备管理模块进行设备状态监测、故障诊断、维修计划任务，所述建筑设备管理模块将建筑设备与物联网技术结合，进行设备的实时监测和远程控制，通过设备传感器和网络连接，监测设备运行状态、能耗和健康状况数据，进行智能设备管理和预测性维护；
所述建筑设备管理模块引入机器学习和人工智能算法，分析设备数据，进行自动化的设备维护和故障诊断，识别设备异常行为、预测潜在故障，并提供实时报警和维修建议；
所述建筑设备管理模块通过移动应用和云平台，进行对建筑设备的远程监控和控制；
用户随时随地通过手机和电脑，监测设备运行状态、进行设备调节和控制；
所述建筑设备管理模块结合能源管理模块，将设备管理与能源管理相结合，进行建筑设备的能源效率优化，通过数据分析和优化算法，识别设备能耗的问题和潜力，提供设备使用建议和节能方案；
所述建筑设备管理模块利用数字孪生技术，建立设备的虚拟模型，并实时同步设备的状态和性能数据，通过数字孪生，进行设备仿真和优化，预测设备寿命和性能，提供决策支持和智能化的设备管理；
所述建筑设备管理模块利用大数据分析技术，对设备数据进行深入分析，挖掘设备运行的模式和规律，提供设备使用建议和优化方案，通过数据可视化和报表，帮助用户了解设备的状态和性能，并做出相应的管理决策。
优选的，所述数据可视化和报告模块负责将收集到的数据转化为可视化的图表、报表和仪表盘；
所述述数据可视化和报告模块提供实时数据展示和定期报告，帮助用户做出决策和优化建议。
优选的，所述机器学习算法包括线性回归和罗辑回归，所述线性回归和罗辑回归算法公式包括下；
线性回归，所述线性回归用于建立自变量 x 和因变量 y 之间的线性关系；
公式：y = w*x + b；
其中，y 是因变量，x 是自变量，w 是权重（斜率），b 是偏置（截距）；
逻辑回归，所述逻辑回归用于处理二分类问题，将输入特征映射到概率值；
公式：P(y=1|x) = 1 / (1 + exp(-(w*x + b)))；
其中，P(y=1|x) 是给定输入 x 条件下 y=1 的概率，w 是权重，b 是偏置。优选的，所述实时监控包括以下步骤：
S1.数据采集，通过传感器、监测设备和其他数据源收集与监控目标相关的实时数据，所述实时数据包括温度、湿度、压力、能耗、运行状态；
S2.数据传输,将所述采集到的实时数据传输到监控系统和云平台进行处理和分析,使用有线和无线通信技术，包括以太网、Wi-Fi、蓝牙、LoRa，将数据传送至指定的目的地;
S3.数据处理,在所述安全监控模块中对接收到的数据进行处理和解析,数据清洗、格式转换、校验操作，得到处理后的实时数据；
S4.数据存储，将所述处理后的实时数据存储在数据库和数据仓库中；
S5.数据分析与报警,对所述处理后的实时数据进行分析，检测异常情况、趋势变化和达到特定的阈值,包括果发现异常和超出预设的条件，生成警报和通知相关的人员，及时采取适当的行动;
S6.数据展示与可视化,将所述处理后的实时数据以图表、报表、仪表盘形式进行可视化展示，直观了解监控目标的状态和趋势；
S7.根据实时监控的结果，采取相应的行动进行调整和控制,包括远程操作、设备控制、报警响应。
相比于现有技术，本发明的优点在于：
（1）本发明采用模块化的设计，将建筑互联网管理系统划分为多个功能模块，使系统更加灵活和可扩展。每个模块可以独立开发和升级，方便系统根据需求进行定制和调整，同时降低了开发和维护的复杂性。
（2）本发明基于大数据技术，可以处理和分析大规模的建筑数据，如设备运行数据、能源消耗数据等，通过对这些数据的深入分析和挖掘，可以发现潜在的优化机会和问题，并提供针对性的解决方案，从而提高建筑设备的效率、降低能源成本等。
（3）本发明提供实时监控功能，能够对建筑设备的运行状态进行即时监测和报警，同时，通过应用机器学习和预测算法，系统能够预测设备故障、能耗变化等情况，提前采取措施进行干预和优化，提高设备的可靠性和可用性。
（4）本发明在能源管理模块上引入创新，结合大数据和分析算法，实现建筑能源的有效管理和优化，通过实时监测能源消耗、识别能耗异常和潜在节能措施等，系统可以提供精确的能源分析和优化建议，帮助用户降低能源消耗和成本。
（5）本发明注重用户体验，提供用户友好的界面和操作方式，通过直观的数据可视化和报表展示，用户可以方便地了解建筑设备的状态、能源消耗情况等关键信息，并进行智能决策和管理。
附图说明
图1为本发明的整体系统示意图；
图2 为本发明的具体模块示意图。
具体实施方式
实施例：请参阅图1，图2，一种基于大数据的MIC模块化集成建筑互联网管理系统，一种基于大数据的MIC模块化集成建筑互联网管理系统包括
数据采集模块、数据存储和处理模块、能源管理模块、安全监控模块、建筑设备管理模块、数据可视化和报告模块；
数据采集模块负责从建筑设备、传感器等数据源收集实时数据，并将其传输到数据存储和处理模块；
数据存储和处理模块接收、存储和处理来自数据采集模块的数据，进行数据清洗、预处理和转换；
数据存储和处理模块向能源管理模块提供已处理的建筑能耗数据和设备状态数据，以支持能源管理模块的分析和优化决策；
数据存储和处理模块将建筑安全监控模块收集到的安全数据存储起来，以供分析和后续处理；
数据存储和处理模块将建筑设备管理模块所需的设备状态数据、维护记录等提供给建筑设备管理模块，以支持设备管理和维护操作；
数据存储和处理模块为数据可视化和报告模块提供已处理的数据，以生成图表、报告和可视化展示，帮助用户了解建筑设备状态、能源消耗情况等重要信息。
数据采集模块负责从建筑中的各种传感器、设备和系统中收集数据，这些数据包括温度、湿度、能源使用情况、安全监控；
数据存储和处理模块负责将采集到的数据存储在适当的数据库中，并进行必要的数据处理和清洗；
数据存储和处理模块还执行数据分析和挖掘任务，以提取有用的信息和洞察；
能源管理模块负责监控和管理建筑的能源使用情况；
能源管理模块模块分析能源数据，识别能源消耗的趋势和模式，并提供能源优化建议，以降低能源消耗和成本；
能源管理模块模块引入先进的人工智能和机器学习算法，对建筑能源数据进行深度分析和预测，以识别能源消耗的模式和趋势，基于这些分析结果，系统自动提供定制化的能源优化建议和策略，帮助降低能源消耗并提高效率；
能源管理模块模块通过安装智能电表和传感器，实时监测建筑内部各个设备和系统的能源流动情况。利用数据分析和可视化技术，追踪和管理能源的分配和使用情况，发现能源浪费和异常情况，并及时采取措施进行调整和优化；
能源管理模块模块基于区块链的能源交易与共享，应用区块链技术，建立可信的能源交易平台，进行建筑内能源的精确计量和交易。通过智能合约和去中心化的机制，建筑自主参与能源市场，进行能源的共享和优化配置，促进可再生能源的使用和能源的可持续发展；
能源管理模块模块引入用户参与和反馈机制，鼓励建筑内的居民、员工和租户参与到能源管理中来。通过移动应用和智能设备，提供实时的能源消耗信息、节能建议和奖励机制，激发用户的节能意识和行动，共同参与建筑能源管理，进行能源的可持续使用；
能源管理模块模块将能源管理模块与其他建筑管理模块，包括设备管理、安全监控进行集成，进行全面的建筑管理。通过数据共享和协同，优化能源管理与其他管理活动的关联，提高整体管理效率，进行建筑运营的综合优化。
安全监控模块负责监测建筑的安全状况，包括入侵检测、视频监控、火灾报警功能；
安全监控模块模块通过实时监控和分析数据来提供及时的安全警报和事件响应。
建筑设备管理模块负责监控和管理建筑内的设备和系统，包括空调、照明、电梯；
建筑设备管理模块进行设备状态监测、故障诊断、维修计划任务，以确保设备的正常运行和最佳效率；
建筑设备管理模块将建筑设备与物联网技术结合，进行设备的实时监测和远程控制，通过设备传感器和网络连接，监测设备运行状态、能耗和健康状况数据，进行智能设备管理和预测性维护；
建筑设备管理模块引入机器学习和人工智能算法，分析设备数据，进行自动化的设备维护和故障诊断，系统能够识别设备异常行为、预测潜在故障，并提供实时报警和维修建议，减少停机时间和维修成本；
建筑设备管理模块通过移动应用和云平台，进行对建筑设备的远程监控和控制；
用户随时随地通过手机和电脑，监测设备运行状态、进行设备调节和控制，提高管理的便捷性和灵活性；
建筑设备管理模块结合能源管理模块，将设备管理与能源管理相结合，进行建筑设备的能源效率优化。通过数据分析和优化算法，识别设备能耗的问题和潜力，提供设备使用建议和节能方案，降低能源成本和环境影响；
建筑设备管理模块利用数字孪生技术，建立设备的虚拟模型，并实时同步设备的状态和性能数据。通过数字孪生，进行设备仿真和优化，预测设备寿命和性能，提供决策支持和智能化的设备管理；
建筑设备管理模块利用大数据分析技术，对设备数据进行深入分析，挖掘设备运行的模式和规律，提供设备使用建议和优化方案，通过数据可视化和报表，帮助用户了解设备的状态和性能，并做出相应的管理决策。
数据可视化和报告模块负责将收集到的数据转化为可视化的图表、报表和仪表盘，以便用户直观地了解建筑的状态和性能。该模块提供实时数据展示和定期报告，帮助用户做出决策和优化建议。
机器学习算法包括线性回归、罗辑回归、决策述、支持向量机、K-最近邻算法，线性回归和罗辑回归算法公式如下；
线性回归，线性回归用于建立自变量 x 和因变量 y 之间的线性关系；
公式：y = w*x + b
其中，y 是因变量，x 是自变量，w 是权重（斜率），b 是偏置（截距）。
逻辑回归，逻辑回归用于处理二分类问题，将输入特征映射到概率值；
公式：P(y=1|x) = 1 / (1 + exp(-(w*x + b)))
其中，P(y=1|x) 是给定输入 x 条件下 y=1 的概率，w 是权重，b 是偏置。
实时监控包括以下步骤：
S1.数据采集，通过传感器、监测设备和其他数据源收集与监控目标相关的实时数据，这些数据包括温度、湿度、压力、能耗、运行状态；
S2.数据传输,将采集到的实时数据传输到监控系统和云平台进行处理和分析,使用有线和无线通信技术，包括以太网、Wi-Fi、蓝牙、LoRa，将数据传送至指定的目的地;
S3.数据处理,在监控系统中对接收到的数据进行处理和解析,数据清洗、格式转换、校验操作，以确保数据的准确性和可用性;
S4.数据存储：将处理后的实时数据存储在数据库和数据仓库中，以备后续的查询、分析和可视化展示,适当的数据存储方案确保数据的安全性、可靠性和可扩展性;
S5.数据分析与报警,对实时数据进行分析，以检测异常情况、趋势变化和达到特定的阈值,包括果发现异常和超出预设的条件，系统会生成警报和通知相关的人员，以及时采取适当的行动;
S6.数据展示与可视化,将实时数据以图表、报表、仪表盘形式进行可视化展示，使用户能够直观地了解监控目标的状态和趋势,这样的展示帮助用户做出决策、进行实时监控和及时的干预;
S7.根据实时监控的结果，采取相应的行动进行调整和控制,包括远程操作、设备控制、报警响应，以保持监控目标的安全性、稳定性和优化性能。
具体的，决策述、支持向量机、K-最近邻算法的计算公式如下：
决策树：决策树是一种基于树结构的分类和回归方法。
决策树的公式通常涉及特征选择、分裂准则和叶节点预测方法，如信息增益、基尼指数等。
支持向量机（SVM）：支持向量机用于二分类和多分类问题，通过在特征空间中构建超平面实现分类。
公式：y = sign(w^T * x + b)
其中，y 是类别标签，x 是输入特征向量，w 是权重向量，b 是偏置。
k-最近邻算法（k-NN）：k-最近邻算法基于实例的概念，通过寻找最近邻的样本实现分类。
公式：y = majorityVote(y1, y2, ..., yn)
其中，y 是类别标签，y1, y2, ..., yn 是 k 个最近邻样本的类别标签，majorityVote 是投票函数。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述一种基于大数据的MIC模块化集成建筑互联网管理系统包括数据采集模块、数据存储和处理模块、能源管理模块、安全监控模块、建筑设备管理模块、数据可视化和报告模块；
所述数据采集模块负责从建筑设备、传感器等数据源收集实时数据，并将其传输到所述数据存储和处理模块；
所述数据存储和处理模块接收、存储和处理来自所述数据采集模块的数据，进行数据清洗、预处理和转换；
所述数据存储和处理模块向所述能源管理模块提供已处理的建筑能耗数据和设备状态数据，支持所述能源管理模块的分析和优化决策；
所述数据存储和处理模块将所述建筑安全监控模块收集到的安全数据存储起来；
所述数据存储和处理模块将所述建筑设备管理模块所需的设备状态数据、维护记录提供给所述建筑设备管理模块；
所述数据存储和处理模块为所述数据可视化和报告模块提供已处理的数据，生成图表、报告和可视化展示，帮助用户了解建筑设备状态、能源消耗情况的重要信息。
2.根据权利要求1所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述数据采集模块负责从建筑中的各种传感器、设备和所述一种基于大数据的MIC模块化集成建筑互联网管理系统中收集数据，所述收集到的数据包括温度、湿度、能源使用情况、安全监控。
3.根据权利要求1所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述数据存储和处理模块负责将所述采集到的数据存储在适当的数据库中，并进行数据处理和清洗；所述数据存储和处理模块还执行数据分析和挖掘任务，提取有用的信息和洞察。
4.根据权利要求1所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述能源管理模块负责监控和管理所述建筑的能源使用情况；
所述能源管理模块模块分析能源数据，识别能源消耗的趋势和模式，并提供能源优化建议；
所述能源管理模块模块引入人工智能和机器学习算法，对建筑能源数据进行深度分析和预测，识别能源消耗的模式和趋势，得出分析结果；
基于所分析结果，自动提供定制化的能源优化建议和策略；
所述能源管理模块模块通过安装智能电表和传感器，实时监测建筑内部各个设备和所述一种基于大数据的MIC模块化集成建筑互联网管理系统的能源流动情况，利用数据分析和可视化技术，追踪和管理能源的分配和使用情况，发现能源浪费和异常情况，并及时采取措施进行调整和优化；
所述能源管理模块模块基于区块链的能源交易与共享，应用区块链技术，建立可信的能源交易平台，进行建筑内能源的精确计量和交易；
通过智能合约和去中心化的机制，建筑自主参与能源市场，进行能源的共享和优化配置；
所述能源管理模块模块引入用户参与和反馈机制，鼓励建筑内的居民、员工和租户参与到能源管理中来，通过移动应用和智能设备，提供实时的能源消耗信息、节能建议和奖励机制，激发用户的节能意识和行动，共同参与建筑能源管理，进行能源的可持续使用；
所述能源管理模块模块将能源管理模块与其他建筑管理模块，包括所述设备管理模块、所述安全监控模块进行集成，进行全面的建筑管理。
5.根据权利要求1所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述安全监控模块负责监测建筑的安全状况，包括入侵检测、视频监控、火灾报警功能；
所述安全监控模块模块通过实时监控和分析数据来提供及时的安全警报和事件响应。
6.根据权利要求1所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述建筑设备管理模块负责监控和管理建筑内的设备和所述一种基于大数据的MIC模块化集成建筑互联网管理系统，包括空调、照明、电梯；
所述建筑设备管理模块进行设备状态监测、故障诊断、维修计划任务，所述建筑设备管理模块将建筑设备与物联网技术结合，进行设备的实时监测和远程控制，通过设备传感器和网络连接，监测设备运行状态、能耗和健康状况数据，进行智能设备管理和预测性维护；
所述建筑设备管理模块引入机器学习和人工智能算法，分析设备数据，进行自动化的设备维护和故障诊断，识别设备异常行为、预测潜在故障，并提供实时报警和维修建议；
所述建筑设备管理模块通过移动应用和云平台，进行对建筑设备的远程监控和控制；
用户随时随地通过手机和电脑，监测设备运行状态、进行设备调节和控制；
所述建筑设备管理模块结合能源管理模块，将设备管理与能源管理相结合，进行建筑设备的能源效率优化，通过数据分析和优化算法，识别设备能耗的问题和潜力，提供设备使用建议和节能方案；
所述建筑设备管理模块利用数字孪生技术，建立设备的虚拟模型，并实时同步设备的状态和性能数据，通过数字孪生，进行设备仿真和优化，预测设备寿命和性能，提供决策支持和智能化的设备管理；
所述建筑设备管理模块利用大数据分析技术，对设备数据进行深入分析，挖掘设备运行的模式和规律，提供设备使用建议和优化方案，通过数据可视化和报表，帮助用户了解设备的状态和性能，并做出相应的管理决策。
7.根据权利要求1所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述数据可视化和报告模块负责将收集到的数据转化为可视化的图表、报表和仪表盘；
所述述数据可视化和报告模块提供实时数据展示和定期报告，帮助用户做出决策和优化建议。
8.根据权利要求4所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述机器学习算法包括线性回归和罗辑回归，所述线性回归和罗辑回归算法公式如下；
线性回归，所述线性回归用于建立自变量 x 和因变量 y 之间的线性关系；
公式：y = w*x + b；
其中，y 是因变量，x 是自变量，w 是权重（斜率），b 是偏置（截距）；
逻辑回归，所述逻辑回归用于处理二分类问题，将输入特征映射到概率值；
公式：P(y=1|x) = 1 / (1 + exp(-(w*x + b)))；
其中，P(y=1|x) 是给定输入 x 条件下 y=1 的概率，w 是权重，b 是偏置。
9.根据权利要求5所述一种基于大数据的MIC模块化集成建筑互联网管理系统，其特征在于，所述实时监控包括以下步骤：
S1.数据采集，通过传感器、监测设备和其他数据源收集与监控目标相关的实时数据，所述实时数据包括温度、湿度、压力、能耗、运行状态；
S2.数据传输,将所述采集到的实时数据传输到监控系统和云平台进行处理和分析,使用有线和无线通信技术，包括以太网、Wi-Fi、蓝牙、LoRa，将数据传送至指定的目的地;
S3.数据处理,在所述安全监控模块中对接收到的数据进行处理和解析,数据清洗、格式转换、校验操作，得到处理后的实时数据；
S4.数据存储，将所述处理后的实时数据存储在数据库和数据仓库中；
S5.数据分析与报警,对所述处理后的实时数据进行分析，检测异常情况、趋势变化和达到特定的阈值,包括果发现异常和超出预设的条件，生成警报和通知相关的人员，及时采取适当的行动；
S6.数据展示与可视化,将所述处理后的实时数据以图表、报表、仪表盘形式进行可视化展示，直观了解监控目标的状态和趋势；
S7.根据实时监控的结果，采取相应的行动进行调整和控制,包括远程操作、设备控制、报警响应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884057.1A CN116596491A (zh) | 2023-07-19 | 2023-07-19 | 一种基于大数据的mic模块化集成建筑互联网管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884057.1A CN116596491A (zh) | 2023-07-19 | 2023-07-19 | 一种基于大数据的mic模块化集成建筑互联网管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116596491A true CN116596491A (zh) | 2023-08-15 |
Family
ID=87594147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310884057.1A Pending CN116596491A (zh) | 2023-07-19 | 2023-07-19 | 一种基于大数据的mic模块化集成建筑互联网管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116596491A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117132421A (zh) * | 2023-10-28 | 2023-11-28 | 广东天圣网络科技有限公司 | 一种智慧水务综合管理系统、方法、设备及介质 |
| CN117236855A (zh) * | 2023-11-13 | 2023-12-15 | 山东朝辉生物科技有限公司 | 一种生物饲料仓储管理系统及方法 |
| CN117596570A (zh) * | 2023-11-20 | 2024-02-23 | 湖北文理学院理工学院 | 一种基于互联网的土木工程监测控制系统 |
| CN117611015A (zh) * | 2024-01-22 | 2024-02-27 | 衡水烨通建设工程有限公司 | 一种建筑工程质量实时监测系统 |
| CN117742166A (zh) * | 2023-12-21 | 2024-03-22 | 南京市生态环境保护科学研究院 | 一种智能节能建筑系统 |
| CN117892655A (zh) * | 2024-01-15 | 2024-04-16 | 浙江大学 | 建筑物联网虚拟化管理平台及管理方法及系统 |
| CN118011874A (zh) * | 2024-02-04 | 2024-05-10 | 广东辛普立环境能源科技有限公司 | 一种综合能源及过程管理控制系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394697A (zh) * | 2020-11-24 | 2021-02-23 | 中国铁路设计集团有限公司 | 铁路站房建筑设备监控及能源管理系统、程序、存储介质 |
| CN115375264A (zh) * | 2022-08-08 | 2022-11-22 | 江苏安科瑞微电网研究院有限公司 | 一种智慧园区综合管理系统及其管理方法 |
-
2023
- 2023-07-19 CN CN202310884057.1A patent/CN116596491A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394697A (zh) * | 2020-11-24 | 2021-02-23 | 中国铁路设计集团有限公司 | 铁路站房建筑设备监控及能源管理系统、程序、存储介质 |
| CN115375264A (zh) * | 2022-08-08 | 2022-11-22 | 江苏安科瑞微电网研究院有限公司 | 一种智慧园区综合管理系统及其管理方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117132421A (zh) * | 2023-10-28 | 2023-11-28 | 广东天圣网络科技有限公司 | 一种智慧水务综合管理系统、方法、设备及介质 |
| CN117236855A (zh) * | 2023-11-13 | 2023-12-15 | 山东朝辉生物科技有限公司 | 一种生物饲料仓储管理系统及方法 |
| CN117596570A (zh) * | 2023-11-20 | 2024-02-23 | 湖北文理学院理工学院 | 一种基于互联网的土木工程监测控制系统 |
| CN117742166A (zh) * | 2023-12-21 | 2024-03-22 | 南京市生态环境保护科学研究院 | 一种智能节能建筑系统 |
| CN117892655A (zh) * | 2024-01-15 | 2024-04-16 | 浙江大学 | 建筑物联网虚拟化管理平台及管理方法及系统 |
| CN117611015A (zh) * | 2024-01-22 | 2024-02-27 | 衡水烨通建设工程有限公司 | 一种建筑工程质量实时监测系统 |
| CN117611015B (zh) * | 2024-01-22 | 2024-03-29 | 衡水烨通建设工程有限公司 | 一种建筑工程质量实时监测系统 |
| CN118011874A (zh) * | 2024-02-04 | 2024-05-10 | 广东辛普立环境能源科技有限公司 | 一种综合能源及过程管理控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116596491A (zh) | 一种基于大数据的mic模块化集成建筑互联网管理系统 | |
| Wang et al. | Practical issues in implementing machine-learning models for building energy efficiency: Moving beyond obstacles | |
| Xie et al. | Visualised inspection system for monitoring environmental anomalies during daily operation and maintenance | |
| Salimi et al. | Critical review and research roadmap of office building energy management based on occupancy monitoring | |
| Capozzoli et al. | Fault detection analysis using data mining techniques for a cluster of smart office buildings | |
| Liu et al. | Advanced controls on energy reliability, flexibility, resilience, and occupant-centric control for smart and energy-efficient buildings—a state-of-the-art review | |
| CN110163485A (zh) | 一种机房巡检系统 | |
| CN116647819B (zh) | 基于传感器网络的仪器能耗监测方法及系统 | |
| Norouziasl et al. | Modeling and simulation of energy-related human-building interaction: A systematic review | |
| CN116681250A (zh) | 一种基于人工智能的建筑工程进度监管系统 | |
| Laayati et al. | Smart energy management: Energy consumption metering, monitoring and prediction for mining industry | |
| CN113804598A (zh) | 基于大数据的施工环境监测系统及监测方法 | |
| CN108225439A (zh) | 一种电子通信环境监控系统 | |
| CN113156826B (zh) | 一种基于人工智能的家居自动管理方法、管理系统及终端 | |
| Pešić et al. | BLEMAT: data analytics and machine learning for smart building occupancy detection and prediction | |
| CN117933660A (zh) | 基于物联网的能源管理平台 | |
| Sarmas et al. | A web-based building automation and control service | |
| KR102411824B1 (ko) | 인공지능 기반의 공장 에너지 관리 시스템 및 그 방법 | |
| Ahmed et al. | A review on enhancing energy efficiency and adaptability through system integration for smart buildings | |
| CN113922502A (zh) | 一种智能视频运维管理系统及管理方法 | |
| CN117714910A (zh) | 一种基于物联网的楼宇对讲机控制系统 | |
| KR20240001975A (ko) | 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템 | |
| CN114118678A (zh) | 一种基于边缘物联网的炼铁厂管理系统及其架构方法 | |
| Bentley et al. | Fault tolerant fusion of office sensor data using cartesian genetic programming | |
| Khan et al. | Occupancy Prediction in Buildings: State of the Art and Future Directions |
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 |