CN116754828A - 一种智慧隧道的能耗监测方法、设备及介质 - Google Patents

Abstract

本申请涉及适用于监督或预测目的的数据处理领域，具体公开了一种智慧隧道的能耗监测方法、设备及介质，其中方法包括：基于目标智慧隧道的路段类型，将目标智慧隧道划分为多个子路段；基于能耗设备信息，确定子路段在预设时间段内的初始预期能耗值；采集能耗设备在预设时间段内多个时间点的瞬时电流信息，确定子路段在预设时间段内的实际能耗值；基于实际能耗值以及预期能耗值，训练得到能耗预测模型；通过能耗预测模型，确定子路段在预设时间段内的预期能耗值；通过实际能耗值以及预期能耗值，对目标智慧隧道进行能耗监测。通过每个子路段进行独立的能耗监测，能够减少能耗监测的难度；通过训练能耗预测模型，进一步提升能耗预测精度。

Description

一种智慧隧道的能耗监测方法、设备及介质

技术领域

本申请涉及适用于监督或预测目的的数据处理领域，具体涉及一种智慧隧道的能耗监测方法、设备及介质。

背景技术

近年来，隧道建设和安全管理问题、隧道建设信息化和管理智慧化等相关内容逐渐成为行业和市场关注的重点对象。AI、数字孪生等新技术和机器人、雷达等新产品，开始在智慧隧道领域的建设应用中展露头角，助力推进隧道智慧化建设发展。

随着智慧隧道的不断进步，隧道内的能耗设备越来越多，除较为常见的照明设备、巡检设备以为，隧道内还设置有用于紧急预案的各类设备，这就导致隧道的能耗监测越来越难，难以确定隧道在较长的特定时间内的确切能耗数据。

发明内容

为了解决上述问题，本申请提出了一种方法、设备及介质，其中方法包括：

基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

在一个示例中，所述通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测，具体包括：基于所述实际能耗值以及所述预期能耗值，确定目标路段的第一预期误差值；确定目标路段的路段类型为照明路段，且对应第一预期误差值高于第一预设阈值；获取所述目标路段在所述预设时间段内的环境信息，并基于环境信息相似度，在数据库中确定所述目标路段对应的历史路段；所述环境信息包括天气信息、时间信息、车流量信息中的至少一种；通过所述历史路段的环境信息以及历史实际能耗值，训练所述能耗预测模型，以得到第一能耗预测模型；基于所述第一能耗预测模型，确定所述子路段在所述预设时间内的环境能耗预测值；所述环境能耗预测值为所述目标智慧隧道中受环境影响的能耗预测值；若所述环境能耗预测值与所述实际能耗值之差低于第二预设阈值，则将所述环境能耗预测值作为所述子路段的预期值，对所述目标智慧隧道进行能耗监测。

在一个示例中，所述通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测，具体包括：若所述目标路段的路段类型为紧急预案路段，则基于历史预案数据，获取所述目标路段在所述预设时间段内的紧急预案数量；基于所述紧急预案数量以及所述预期能耗值，确定所述目标路段的预案能耗值；基于所述预案能耗值以及所述实际能耗值，确定目标路段的第二预期误差值；若所述第二预期误差值高于第三预设阈值，则基于所述目标子路段的实际能耗值，输出报警信号，并生成报警记录。

在一个示例中，所述基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值，具体包括：通过对所述多个时间点对应的瞬时电流信息进行插值，确定所述子路段在所述预设时间段内的电流曲线；对所述电流曲线进行积分，以得到所述子路段在所述预设时间段内的实际能耗值。

在一个示例中，所述通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测，具体包括：基于所述实际能耗值以及所述预期能耗值，确定各子路段分别对应的第三预期误差值；基于所述第三预期误差值将所述各子路段划分为预期路段以及误差路段；若所述各子路段皆为所述预期路段，则基于所述各子路段对应的预期误差值，确定所述目标智慧隧道在所述预设时间段内的能耗总值；若所述各子路段中存在误差路段，则确定所述误差路段的能耗差值，并基于所述误差路段的路段类型以及所述能耗差值，生成告警信息。

在一个示例中，所述采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息之前，所述方法还包括：确定所述预设时间段的时间跨度以及目标路段的路段类型，并确定服务器的剩余计算资源；基于所述时间跨度、所述路段类型以及所述剩余计算资源，确定所述目标路段内的时间点的选取个数。

在一个示例中，所述采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息之后，所述方法还包括：确定目标路段的路段类型以及能耗设备信息，并基于所述路段类型以及所述能耗设备信息，确定所述目标路段对应的瞬时电流阈值；判断所述目标路段在所述多个时间点的瞬时电流是否超出所述瞬时电流阈值，若超出，则基于所述瞬时电流信息，生成告警信息。

在一个示例中，所述确定所述子路段在所述预设时间段内的实际能耗值之后，所述方法还包括：获取所述子路段对应历史实际能耗值数据以及所述预设时间段对应的时间跨度；并基于所述历史实际能耗值数据以及所述时间跨度，确定所述子路段在所述预设时间段对应的历史实际能耗均值；若所述实际能耗值以及所述历史实际能耗均值之差大于预设能耗阈值，则在所述预设时间段内重新选取多个时间点，并重新计算所述子路段在所述预设时间段内的实际能耗值；所述重新选取多个时间点包括在原有时间点基础上新增时间点，以及在所述预设时间段内随机选择相同数量的时间点。

本申请还提供了一种智慧隧道的能耗监测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

本申请还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

通过本申请提出的方法能够带来如下有益效果：通过根据路段类型将目标智慧隧道分为多个子路段，并对每个子路段进行独立的能耗监测，能够将较多种类的能耗设备分开监测，进而减少能耗监测的难度。还通过确定各个子路段的实际能耗值以及预期能耗值，进而训练能耗预测模型，进一步提升能耗预测精度。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种智慧隧道的能耗监测方法的流程示意图；

图2为本申请实施例中一种智慧隧道的能耗监测设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本说明书一个或多个实施例提供的一种智慧隧道的能耗监测方法的流程示意图。该方法可以应用于不同类型的智慧隧道，该流程可以由相应隧道对应部署的计算设备执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。

本申请实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本申请对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。

需要说明的是，该服务器可以是单独的一台设备，可以是由多台设备组成的系统，即，分布式服务器，本申请对此不做具体限定。

如图1所示，本申请实施例提供一种智慧隧道的能耗监测方法，包括：

S101：基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段。

首先基于目标智慧隧道内各个路段对应的不同路段类型，将目标智慧隧道划分为多个子路段。这里的路段类型指的是该路段内的主要能耗设备种类，如某一段隧道的主要能耗设备只有照明灯，那么该隧道的路段类型就是照明路段。除照明路段以外，还应当包括包括紧急预案的路段、巡检路段等路段类型。

S102：获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间。

子路段划分好之后，需要货物子路段内的详细能耗设备信息，这里的能耗设备信息包括能耗设备的类型、数量以及启停时间，包括能耗设备的额定电流、额定电压等信息。然后根据能耗设备信息确定这些能耗设备在预设时间段内所需要的能耗值。在确定时，可以简单地通过额定电流、启停时间进行确定。

S103：采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值。

由于实际情况中，隧道内会存在能耗设备电流波动、与额定电流不符的情况发生，如受到天气、时间的影响，照明亮度发生改变的情况。此时，需要采集能耗设备在预设时间段内的多个时间点的瞬时电流信息，并计算出该子路段在预设时间段内的实际能耗值。需要说明的是，这里的多个时间点的选择方式可以是随机选择，也可以是根据时间跨度和时间点数量进行周期式平均选取。

需要说明的是，时间点的个数对于实际能耗值的精确度有着比较大的影响，可以预见的是，时间点的数量越多，实际能耗值就越精确，但是相对的，其计算量也会越大，所以在进行能耗监测时，我们更加倾向于通过预测的方式对能耗进行监测，而实际能耗值则是用于检验在预设时间段内的预期能耗值的准确度。

在一个实施例中，在选择时间点时，首先会确定预设时间段的时间跨度以及目标路段的路段类型，并确定服务器的剩余计算资源；然后基于时间跨度、路段类型以及所述剩余计算资源，确定目标路段内的时间点的选取个数。

在一个实施例中，在确定实际能耗值时，通过对多个时间点对应的瞬时电流信息进行插值，确定子路段在预设时间段内的电流曲线；对电流曲线进行积分，以得到子路段在预设时间段内的实际能耗值。

在一个实施例中，采集能耗设备在预设时间段内多个时间点的瞬时电流信息之后，还可以确定目标路段的路段类型以及能耗设备信息，并基于路段类型以及能耗设备信息，确定目标路段对应的瞬时电流阈值。然后判断目标路段在多个时间点的瞬时电流是否超出瞬时电流阈值，若超出，则基于瞬时电流信息，生成告警信息。

在一个实施例中，在得到实际能耗值之后，还可以获取子路段对应历史实际能耗值数据以及预设时间段对应的时间跨度；基于历史实际能耗值数据以及时间跨度，确定子路段在所述预设时间段对应的历史实际能耗均值；若实际能耗值以及历史实际能耗均值之差大于预设能耗阈值，则在预设时间段内重新选取多个时间点，并重新计算子路段在所述预设时间段内的实际能耗值。这里的重新选取多个时间点包括在原有时间点基础上新增时间点，以及在预设时间段内随机选择相同数量的时间点。

S104：基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型。

在得到实际能耗值以及初始预期能耗值之后，由于初始预期能耗值只是简单地通过额定电流进行大概预估，因此可以将实际能耗值以及初始预期值作为训练集，对初始能耗预测模型进行训练，从而得到能耗预测模型。

S105：通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值。

通过能耗预测模型，能够确定子路段在预设时间段内的预期能耗值，需要说明的是，这里的预期能耗值指的是正常情况下能耗设备应当消耗的能源值，仍然会与实际能耗值之间存在差值。

S106：通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

由于预期能耗值仍然与实际能耗值存在差距，因此，在进行能耗监测时，除了需要考虑预期能耗值以外，还需要考虑实际能耗值的大小。简单来讲，若实际能耗值与预期能耗值相同，则直接可以使用预期能耗值对目标智慧隧道进行能耗监测，而不用去获取海量时间点的瞬时电流信息对实际能耗值进行计算。若实际能耗值与预期能耗值相差较大，则需要改选时间点重新计算实际能耗值，或是重新训练能耗监测模型，并进行告警。

在一个实施例中，由于照明路段内的照明设备的照明亮度与时间、天气等因素相关，因此其变化幅度较大，当照明路段的实际能耗值与预期能耗值相差较大时，优先考虑对照明路段的能耗监测模型进行训练。此时需要基于所述实际能耗值以及所述预期能耗值，确定目标路段的第一预期误差值；若目标路段的路段类型为照明路段，且对应第一预期误差值高于第一预设阈值，则获取目标路段在所述预设时间段内的环境信息，并基于环境信息相似度，在数据库中确定目标路段对应的历史路段，这里的环境信息包括天气信息、时间信息、车流量信息中的至少一种。然后通过历史路段的环境信息以及历史实际能耗值，训练能耗预测模型，以得到第一能耗预测模型。需要说明的是，这里的历史路段可以是在时间、天气等因素相似情况下的该子路段，即该子路段对应的历史能耗数据。然后基于第一能耗预测模型，确定子路段在预设时间内的环境能耗预测值。这里的环境能耗预测值为目标智慧隧道中受环境影响的能耗预测值。若环境能耗预测值与所述实际能耗值之差低于第二预设阈值，则将环境能耗预测值作为子路段的预期值，对目标智慧隧道进行能耗监测。

在一个实施例中，若目标路段为紧急预案路段，该种路段由于发生紧急预案的数量难以预料，因此其预期能耗值也难以保证准确。若目标路段的路段类型为紧急预案路段，则基于历史预案数据，获取目标路段在所述预设时间段内的紧急预案数量。这里的历史预案数据指的是发生过的紧急预案对应的数量以及能耗等信息，基于紧急预案数量以及所述预期能耗值，确定目标路段的预案能耗值。这里的预案能耗值指的是包括紧急预案在内的路段能耗值。然后基于预案能耗值以及所述实际能耗值，确定目标路段的第二预期误差值；若第二预期误差值高于第三预设阈值，则基于目标子路段的实际能耗值，输出报警信号，并生成报警记录。

在一个实施例中，在进行监测时，具体地，基于实际能耗值以及预期能耗值，确定各子路段分别对应的第三预期误差值。然后基于第三预期误差值将各子路段划分为预期路段以及误差路段，若各子路段皆为预期路段，则基于各子路段对应的预期误差值，确定目标智慧隧道在预设时间段内的能耗总值。若各子路段中存在误差路段，则确定误差路段的能耗差值，并基于误差路段的路段类型以及能耗差值，生成告警信息。

如图2所示，本申请实施例还提供了一种智慧隧道的能耗监测设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种智慧隧道的能耗监测方法，其特征在于，包括：

基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；

获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；

采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；

基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；

通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；

通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

2.根据权利要求1所述的方法，其特征在于，所述通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测，具体包括：

基于所述实际能耗值以及所述预期能耗值，确定目标路段的第一预期误差值；

确定目标路段的路段类型为照明路段，且对应第一预期误差值高于第一预设阈值；

获取所述目标路段在所述预设时间段内的环境信息，并基于环境信息相似度，在数据库中确定所述目标路段对应的历史路段；所述环境信息包括天气信息、时间信息、车流量信息中的至少一种；

通过所述历史路段的环境信息以及历史实际能耗值，训练所述能耗预测模型，以得到第一能耗预测模型；

基于所述第一能耗预测模型，确定所述子路段在所述预设时间内的环境能耗预测值；所述环境能耗预测值为所述目标智慧隧道中受环境影响的能耗预测值；

若所述环境能耗预测值与所述实际能耗值之差低于第二预设阈值，则将所述环境能耗预测值作为所述子路段的预期值，对所述目标智慧隧道进行能耗监测。

3.根据权利要求1所述的方法，其特征在于，所述通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测，具体包括：

若目标路段的路段类型为紧急预案路段，则基于历史预案数据，获取所述目标路段在所述预设时间段内的紧急预案数量；

基于所述紧急预案数量以及所述预期能耗值，确定所述目标路段的预案能耗值；

基于所述预案能耗值以及所述实际能耗值，确定目标路段的第二预期误差值；

若所述第二预期误差值高于第三预设阈值，则基于目标子路段的实际能耗值，输出报警信号，并生成报警记录。

4.根据权利要求1所述的方法，其特征在于，所述基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值，具体包括：

通过对所述多个时间点对应的瞬时电流信息进行插值，确定所述子路段在所述预设时间段内的电流曲线；

对所述电流曲线进行积分，以得到所述子路段在所述预设时间段内的实际能耗值。

5.根据权利要求1所述的方法，其特征在于，所述通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测，具体包括：

基于所述实际能耗值以及所述预期能耗值，确定各子路段分别对应的第三预期误差值；

基于所述第三预期误差值将所述各子路段划分为预期路段以及误差路段；

若所述各子路段皆为所述预期路段，则基于所述各子路段对应的预期误差值，确定所述目标智慧隧道在所述预设时间段内的能耗总值；

若所述各子路段中存在误差路段，则确定所述误差路段的能耗差值，并基于所述误差路段的路段类型以及所述能耗差值，生成告警信息。

6.根据权利要求1所述的方法，其特征在于，所述采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息之前，所述方法还包括：

确定所述预设时间段的时间跨度以及目标路段的路段类型，并确定服务器的剩余计算资源；

基于所述时间跨度、所述路段类型以及所述剩余计算资源，确定所述目标路段内的时间点的选取个数。

7.根据权利要求1所述的方法，其特征在于，所述采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息之后，所述方法还包括：

确定目标路段的路段类型以及能耗设备信息，并基于所述路段类型以及所述能耗设备信息，确定所述目标路段对应的瞬时电流阈值；

判断所述目标路段在所述多个时间点的瞬时电流是否超出所述瞬时电流阈值，若超出，则基于所述瞬时电流信息，生成告警信息。

8.根据权利要求1所述的方法，其特征在于，所述确定所述子路段在所述预设时间段内的实际能耗值之后，所述方法还包括：

获取所述子路段对应历史实际能耗值数据以及所述预设时间段对应的时间跨度；

基于所述历史实际能耗值数据以及所述时间跨度，确定所述子路段在所述预设时间段对应的历史实际能耗均值；

若所述实际能耗值以及所述历史实际能耗均值之差大于预设能耗阈值，则在所述预设时间段内重新选取多个时间点，并重新计算所述子路段在所述预设时间段内的实际能耗值；

所述重新选取多个时间点包括在原有时间点基础上新增时间点，以及在所述预设时间段内随机选择相同数量的时间点。

9.一种智慧隧道的能耗监测设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：

基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；

获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；

采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；

基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；

通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；

通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

基于目标智慧隧道的路段类型，将所述目标智慧隧道划分为多个子路段；

获取所述子路段内的能耗设备信息，并基于所述能耗设备信息，确定所述子路段在预设时间段内的初始预期能耗值；所述能耗设备信息包括能耗设备类型、能耗设备数量以及设备启停时间；

采集所述能耗设备在所述预设时间段内多个时间点的瞬时电流信息，并基于所述瞬时电流信息，确定所述子路段在所述预设时间段内的实际能耗值；

基于所述实际能耗值以及所述初始预期能耗值，训练初始能耗预测模型，以得到能耗预测模型；

通过所述能耗预测模型，确定所述子路段在所述预设时间段内的预期能耗值；

通过所述实际能耗值以及所述预期能耗值，对所述目标智慧隧道进行能耗监测。