CN116756837A - 一种数字孪生资源数据建库管理方法及装置 - Google Patents
一种数字孪生资源数据建库管理方法及装置 Download PDFInfo
- Publication number
- CN116756837A CN116756837A CN202311034982.1A CN202311034982A CN116756837A CN 116756837 A CN116756837 A CN 116756837A CN 202311034982 A CN202311034982 A CN 202311034982A CN 116756837 A CN116756837 A CN 116756837A
- Authority
- CN
- China
- Prior art keywords
- optimization
- target
- node
- data
- monitoring
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 231
- 230000003993 interaction Effects 0.000 claims abstract description 88
- 238000012544 monitoring process Methods 0.000 claims abstract description 84
- 238000005265 energy consumption Methods 0.000 claims abstract description 65
- 230000000007 visual effect Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000007405 data analysis Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007619 statistical method Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提出了一种数字孪生资源数据建库管理方法及装置，涉及大数据技术领域，包括：获取数字孪生资源数据集；建立目标建筑物的三维模型架构；建立人机交互界面进行可视化展示；对优化指令进行解析，以得到目标时期和目标模块标识；获取目标交互控制数据，并对目标交互控制数据进行处理，以确定对三维模型架构的目标优化节点；基于监控数据，确定目标优化节点对应的优化子节点和优化方向标签和优化等级，基于优化子节点和优化方向标签，对三维模型架构进行优化。可以实时监测和分析能耗数据，帮助管理者了解能耗情况，及时发现问题并采取相应措施。模拟大学科技楼的能耗情况，通过数据分析和建模，找到能耗管理的优化方案，提高能源利用效率。
Description
技术领域
本公开涉及大数据技术领域，尤其涉及一种数字孪生资源数据建库管理方法及装置。
背景技术
监测建筑物的能源消耗情况是为了实现能源管理和节能减排的目标。通过监测建筑物中的能源使用情况，可以及时发现能源浪费和异常情况，从而采取相应的措施进行优化和调整。在现有技术中，对大学科技楼进行人工测量和记录，耗时且容易出现误差，此外，难以建立起一个完整的体现实现对大学科技楼的管理，受到限制。
因而，如何实时监测和分析大学科技楼或者乡镇农村这种需要实现能源管理的地域或者建筑物，准确预测和优化能源利用效率，实现数据驱动的优化决策和精细化管理，是目前亟需解决的问题。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
本公开第一方面实施例提出了一种数字孪生资源数据建库管理方法，包括：
基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成所述目标建筑物的数字孪生资源数据集；
根据目标管理任务，从所述数字孪生资源数据集中获取目标数据，建立所述目标建筑物的数字孪生模型，完成可视化管理的三维模型架构；
基于所述数字孪生模型，建立人机交互界面进行可视化展示，并基于所述人机交互界面实现用户对所述三维模型架构中各个模块的交互控制，并在所述数字孪生资源数据集中存储对所述各个模块对应的交互数据；
若在所述人机交互界面接收到优化指令，对所述优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识；
从所述数字孪生资源数据集获取所述目标时期内所述目标模块对应的目标交互控制数据，并对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点；
基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据；
基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，基于所述优化子节点和优化方向标签，对所述三维模型架构进行优化，并基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
本公开第二方面实施例提出了一种数字孪生资源数据建库管理装置，包括：
获取模块，用于基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成所述目标建筑物的数字孪生资源数据集；
构建模块，用于根据目标管理任务，从所述数字孪生资源数据集中获取目标数据，建立所述目标建筑物的数字孪生模型，完成可视化管理的三维模型架构；
展示模块，用于基于所述数字孪生模型，建立人机交互界面进行可视化展示，并基于所述人机交互界面实现用户对所述三维模型架构中各个模块的交互控制，并在所述数字孪生资源数据集中存储对所述各个模块对应的交互数据；
解析模块，用于若在所述人机交互界面接收到优化指令，对所述优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识；
处理模块，用于从所述数字孪生资源数据集获取所述目标时期内所述目标模块对应的目标交互控制数据，并对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点；
监控模块，用于基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据；
确定模块，用于基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，基于所述优化子节点和优化方向标签，对所述三维模型架构进行优化，并基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
本公开提供的数字孪生资源数据建库管理方法及装置，存在如下有益效果：
首先基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成所述目标建筑物的数字孪生资源数据集，然后根据目标管理任务，从所述数字孪生资源数据集中获取目标数据，建立所述目标建筑物的数字孪生模型，完成可视化管理的三维模型架构，之后基于所述数字孪生模型，建立人机交互界面进行可视化展示，并基于所述人机交互界面实现用户对所述三维模型架构中各个模块的交互控制，并在所述数字孪生资源数据集中存储对所述各个模块对应的交互数据，然后若在所述人机交互界面接收到优化指令，对所述优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识，之后从所述数字孪生资源数据集获取所述目标时期内所述目标模块对应的目标交互控制数据，并对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点，然后基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据，最后基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，基于所述优化子节点和优化方向标签，对所述三维模型架构进行优化，并基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。数字孪生可以实时监测和分析大学科技楼的能耗数据，帮助管理者了解能耗情况，及时发现问题并采取相应措施。其次，数字孪生可以模拟大学科技楼的能耗情况，通过数据分析和建模，找到能耗管理的优化方案，提高能源利用效率。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开实施例所提供的一种数字孪生资源数据建库管理方法的流程示意图；
图2为本公开实施例所提供的一种数字孪生资源数据建库管理装置的结构框图；
图3示出了适于用来实现本公开实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的数字孪生资源数据建库管理方法、装置、计算机设备和存储介质。
需要说明的是，本公开实施例中的数字孪生资源数据建库管理方法的执行主体为数字孪生资源数据建库管理装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在任意电子设备中。在本公开提出的场景中，下面将以“数字孪生资源数据建库管理装置”作为执行主体对本公开实施例中提出的数字孪生资源数据建库管理方法进行说明，在此不进行限定。
图1为本公开实施例所提供的数字孪生资源数据建库管理方法的流程示意图。
如图1所示，该数字孪生资源数据建库管理方法可以包括以下步骤：
步骤101，基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成目标建筑物的数字孪生资源数据集。
本公开实施例中，目标建筑物可以为大学科技楼，也即可以为一个大学的科研实验用楼，其可以包含有不同学科的实验室，因而具备非常多的科研实验设备，且可以涵盖物理、化学、生物、电气等多种不同学科的实验设备。
在大学科技楼中，可以部署各种类型的传感器和监控设备，包括温度传感器、湿度传感器、光照传感器、二氧化碳传感器、能耗监测设备等，这些设备可以安装在不同的位置，涵盖楼内各个区域和房间。
进一步的，可以进行数据采集和记录，通过这些传感器和监控设备，可以实时采集大量的物理数据。例如，温度传感器可以记录每个房间的温度变化，湿度传感器可以测量室内空气湿度，光照传感器可以记录室内外的光照强度，二氧化碳传感器可以检测室内空气质量，能耗监测设备可以记录电力、水、气等资源的消耗情况。
之后，可以进行数据传输和存储，采集到的物理数据可以通过无线或有线网络传输到中央服务器或云平台进行存储。这样可以确保数据的安全性和可靠性，并方便后续的数据处理和分析。在中央服务器或云平台上，对采集到的物理数据进行处理和分析。可以利用数据分析算法、统计方法和机器学习技术，对数据进行清洗、整理和挖掘，提取有价值的信息和模式。通过对物理数据的处理和分析，可以形成目标建筑物的数字孪生资源数据集。该数据集包含了大量的建筑物运行状态、环境参数和能源消耗等信息。这个数字孪生资源数据集可以作为建筑物的虚拟副本，反映实际建筑物的运行情况。通过基于多个传感器和监控设备获取目标建筑物中各个实体对象的物理数据，形成数字孪生资源数据集，可以实现对大学科技楼的全面监测和管理。这样可以帮助建筑管理人员了解楼内各个区域的状况、优化能源消耗、提高室内环境质量，并支持决策制定和优化措施的实施。
步骤102，根据目标管理任务，从数字孪生资源数据集中获取目标数据，建立目标建筑物的数字孪生模型，完成可视化管理的三维模型架构。
首先，需要明确目标管理任务的具体要求和目标指标。例如，目标可能是降低能源消耗、改善室内舒适度、提高设备效率等。根据目标定义，确定需要从数字孪生资源数据集中提取的相关数据。根据目标定义，从数字孪生资源数据集中提取与目标相关的数据。这些数据可以包括建筑物的能源消耗数据、温湿度数据、设备运行状态数据等。通过整合这些数据，形成目标数据集。利用提取的目标数据，建立目标建筑物的数字孪生模型。数字孪生模型是对实际建筑物的虚拟副本，它可以准确地反映建筑物的运行状态和性能。在建立数字孪生模型时，需要考虑建筑物的结构、布局、设备配置等因素。基于数字孪生模型，设计并构建可视化管理的三维模型架构。这包括将数字孪生模型转化为可视化的三维模型，以便用户能够直观地观察建筑物的结构和运行情况。可以使用建筑信息模型（BIM）等工具来实现三维模型的构建和管理。进一步的，可以设计人机交互界面，以实现对三维模型架构的可视化管理。这个界面可以包括各种功能，如实时监测、历史数据查询、参数调整等。通过这个界面，用户可以直接与数字孪生模型进行交互，并进行可视化管理和优化操作。
作为一种示例，目标管理任务为降低大学科技楼的能源消耗和提高设备效率，可以明确目标为降低能源消耗和提高设备效率，根据这一目标，需要从数字孪生资源数据集中提取与能源消耗和设备效率相关的目标数据。例如，电力消耗数据、空调系统的运行状态数据、设备能效数据等。从数字孪生资源数据集中提取与能源消耗和设备效率相关的数据。整合这些数据，形成目标数据集。例如，提取大楼每个区域的能耗数据、空调系统的温度和湿度数据、设备的运行时间和能耗等信息。利用提取的目标数据，建立大学科技楼的数字孪生模型。该模型应包括建筑物的结构、房间布局、设备配置、能源流动等信息。数字孪生模型可以准确地反映建筑物的运行状态和性能。
数字孪生模型是指对实际物理实体或系统进行数字化建模，以反映其结构、行为和性能的虚拟副本。它通过将物理实体的各个方面映射到数字空间中，实现对实体的仿真、分析和优化。
三维模型架构是指基于数字孪生模型构建的可视化管理框架，用于展示和管理数字孪生模型的三维可视化表示。它可以呈现物体的三维形状、位置、运动以及与其他物体的关系，使用户能够直观地观察和理解物体的结构、行为和性能。
建立数字孪生模型和三维模型架构可以通过以下算法和工具来实现：
数字化建模：根据采集到的数据，使用建模软件（如AutoCAD、Revit、SolidWorks等）进行数字化建模，将物体或系统的结构、组成和属性转化为计算机可识别的形式。可以使用CAD软件进行几何建模，或使用BIM软件构建更加详细的建筑信息模型。
数值仿真和分析，利用仿真软件（如COMSOL、Ansys等）对数字孪生模型进行数值仿真和分析，模拟物体或系统的行为和性能。这些软件可以对物理现象进行模拟，例如流体力学、热传导、结构力学等。
可视化展示，使用可视化软件（如Unity、3ds Max等）将数字孪生模型转化为三维模型架构，实现对数字孪生模型的可视化展示和管理。这些软件提供了丰富的渲染和动画功能，可以创建逼真的三维场景，使用户可以在虚拟环境中交互地观察和操作数字孪生模型。
步骤103，基于数字孪生模型，建立人机交互界面进行可视化展示，并基于人机交互界面实现用户对三维模型架构中各个模块的交互控制，并在数字孪生资源数据集中存储对各个模块对应的交互数据。
在人机交互界面中，设置交互控制功能，使用户能够与数字孪生模型进行交互。例如，用户可以通过点击按钮、拖动滑块等方式控制模型的运行状态、参数调整等。根据用户的操作，改变数字孪生模型的状态和行为。
在数字孪生资源数据集中存储对各个模块对应的交互数据。当用户在人机交互界面中进行操作时，相关的交互数据会被记录下来，并与数字孪生模型的数据集进行关联。这些交互数据可以包括用户操作的时间、操作类型、参数调整值等。
在建立数字孪生模型和三维模型架构时，各个模块可以根据具体的应用领域和需求而有所不同。以下是一些常见的模块示例：
结构模块，该模块用于描述建筑物或系统的结构，包括建筑物的楼层、房间、墙壁、天花板、地板等组成部分。这个模块可以通过CAD软件或BIM工具进行建模。
设备模块，该模块用于表示建筑物或系统中的各种设备，如空调系统、照明设备、电梯、电力配电系统等。每个设备可以包含其自身的属性和状态信息。
能源模块，该模块用于描述能源的流动和消耗情况，包括电力、水、燃气等能源的供给和使用情况。可以记录能源消耗数据、能源供应状态等信息。
控制模块，该模块用于控制建筑物或系统中的各个设备和系统的运行状态和参数。通过这个模块，用户可以对设备进行开关控制、温度调节、灯光调整等操作。
监测模块，该模块用于实时监测建筑物或系统的各项指标，如温度、湿度、能耗等。可以通过传感器和监控设备获取数据，并将其展示在人机交互界面上。
优化模块，该模块用于对建筑物或系统进行性能优化和调整。可以基于数字孪生模型和实时监测数据，通过算法和模拟进行优化操作，以达到节能和提高效率的目标。
步骤104，若在人机交互界面接收到优化指令，对优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识。
人机交互界面接收到用户输入的优化指令，这些指令可能是通过按钮、滑块、文本框等控件进行输入的。进一步地，可以对接收到的优化指令进行解析，将其拆分为不同的部分。这可以通过字符串处理算法和正则表达式等技术来实现。解析的目标是提取出指令中包含的目标时期和目标模块的标识。从解析后的优化指令中提取出目标时期的信息。目标时期可以是一个具体的时间点，也可以是一个时间范围，如“今天”、“下周”、“2023年”等。提取目标时期的方法可以根据具体的指令格式和语法规则进行设计。从解析后的优化指令中提取出目标模块的标识。目标模块的标识可以是建筑物或系统中各个模块的名称、编号或其他唯一标识符。提取目标模块标识的方法可以根据具体的指令格式和语法规则进行设计。
步骤105，从数字孪生资源数据集获取目标时期内目标模块对应的目标交互控制数据，并对目标交互控制数据进行处理，以确定对三维模型架构的目标优化节点。
可选的，可以基于预设的筛选条件，对所述目标交互控制数据进行筛选和分析，以得到第一数据，对所述第一数据进行统计和聚类分析，以得到每个所述目标模块中的每个节点对应的分析结果，之后根据每个所述节点对应的分析结果和优化目标，确定对所述三维模型架构的目标优化节点。
其中，第一数据是对目标交互控制数据进行筛选和分析得到的数据。
本公开实施例中，目标管理任务为降低大学科技楼的能源消耗和提高设备效率，那么在从数字孪生资源数据集获取目标时期内目标模块对应的目标交互控制数据时，筛选条件可以包括以下几个方面：
时间范围：筛选出目标时期内的数据，即与目标时期相符的时间范围内的数据。这可能是根据具体的时间点或时间段进行筛选，例如某个月份、某个季度或某个学期。
目标模块：根据大学科技楼的具体结构和设备，筛选出与目标模块相关的数据。这些目标模块可能包括空调系统、照明设备、电力配电系统等。可以通过模块的名称、编号或其他唯一标识符来筛选相关数据。
能源消耗指标：针对降低能源消耗的目标，可以设定相应的筛选条件，例如筛选出能源消耗高于某个阈值的数据或能源消耗波动较大的数据。
设备效率指标：针对提高设备效率的目标，可以设定相应的筛选条件，例如筛选出设备运行效率低于某个阈值的数据或设备运行状态异常的数据。
具体的，对第一数据进行统计和聚类分析，以获得对目标模块中每个节点的分析结果。统计分析可以包括计算平均值、方差、频率等统计指标。聚类分析可以将节点划分为不同的群组，根据节点之间的相似性进行分类。常用的统计和聚类算法包括K-means聚类、层次聚类、主成分分析等。根据每个节点对应的分析结果和优化目标，确定对三维模型架构的目标优化节点。根据分析结果，可以确定哪些节点需要进行优化以满足预设的优化目标。这可以根据具体的优化目标和分析结果进行决策，例如选择具有最低性能指标的节点进行优化。
在根据每个所述节点对应的分析结果和优化目标，确定对所述三维模型架构的目标优化节点时，首先，根据之前的统计和聚类分析，我们已经获得了每个节点的分析结果。这些分析结果可能包括能源消耗、设备效率、性能指标等相关数据。通过对这些数据的分析，我们可以了解每个节点的当前状态和性能表现。目标管理任务是降低大学科技楼的能源消耗和提高设备效率。因此，我们的优化目标可能是减少能源消耗、提高设备效率、降低运行成本等。目标优化节点确定：根据分析结果和优化目标，我们可以确定哪些节点需要进行优化。例如，如果某个节点的能源消耗较高且设备效率较低，那么这个节点可能是一个需要优化的目标节点。另外，如果某个节点的性能指标超过了预设的阈值，也可以将其作为优化的目标节点。三维模型架构的目标优化节点，最后，根据确定的目标优化节点，可以对三维模型架构进行相应的调整和优化。这可能涉及到改变节点的位置、替换设备、调整控制策略等。通过优化目标节点，可以改善建筑物或系统的性能，达到降低能源消耗和提高设备效率的目标。
步骤106，基于目标优化节点，执行预设的测试任务，并基于预设的监测程序，对目标优化节点进行监控得到监控数据。
具体的，可以基于目标优化节点，执行预设的设备设置调整任务、能源供应调整任务和算法测试任务，基于预设的监控程序，获取所述目标优化节点在执行所述设备设置调整任务、能源供应调整任务和算法测试任务时的能源消耗数据、设备运行状态和环境参数，确定所述能源消耗数据、设备运行状态和环境参数为监控数据。
具体的，可以执行预设的任务，根据目标优化节点，可以执行预设的设备设置调整任务、能源供应调整任务和算法测试任务。设备设置调整任务可以包括调整设备参数、控制策略等，以优化设备的性能和效率。能源供应调整任务可以涉及调整能源的供应策略，以满足需求并降低能源消耗。算法测试任务可以用于评估不同算法在目标优化节点上的表现和效果。基于预设的监控程序获取数据：为了监控目标优化节点在执行任务时的情况，我们需要基于预设的监控程序来获取相关数据。这包括能源消耗数据、设备运行状态和环境参数等。通过监控程序，我们可以实时获取节点的能源消耗情况、设备的运行状态（如开关机状态、工作模式等）以及环境参数（如温度、湿度等）。这些数据可以通过传感器、仪表或其他监测设备来采集。
步骤107，基于监控数据，确定目标优化节点对应的优化子节点和优化方向标签和优化等级，基于优化子节点和优化方向标签，对三维模型架构进行优化，并基于优化等级将优化子节点和优化方向标签通过人机交互界面反馈给用户。
可选的，可以对所述能源消耗数据、设备运行状态和环境参数进行分析，以达到所述目标优化节点中每个子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，之后可以根据每个所述子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，和每个所述子节点对应的参考指标，判断每个所述子节点是否属于优化子节点，然后可以在所述子节点属于所述优化子节点的情况下，根据所述优化子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，判断所述优化子节点的优化方向标签和优化等级，之后可以基于预设的映射关系，确定与所述优化等级关联的可视化方式，然后可以在所述优化等级高于预设等级的情况下，基于所述可视化方式将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
具体的，可以首先根据能源消耗数据、设备运行状态和环境参数，进行分析。通过分析这些数据，可以得到目标优化节点中每个子节点对应的运行监测结果、能源消耗监测结果和环境影响结果。这些结果可以反映出每个子节点的性能、能源消耗情况以及环境对其的影响。之后可以判断优化子节点，根据每个子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，以及每个子节点对应的参考指标，我们可以判断每个子节点是否属于优化子节点。通过比较监测结果和参考指标，我们可以确定哪些子节点需要进行优化。在确定子节点属于优化子节点的情况下，我们可以根据其运行监测结果、能源消耗监测结果和环境影响结果来判断优化方向标签和优化等级。根据具体的目标和需求，我们可以设定不同的优化方向标签，如节能、提高效率等。优化等级可以根据子节点的监测结果与预设参考指标进行比较而确定，例如高于预设指标的子节点可以被划分为高优化等级。进一步的，可以进行三维模型架构优化：基于优化子节点和优化方向标签，我们可以对三维模型架构进行优化。这可能涉及到改变节点的位置、调整设备参数、改进控制策略等，以达到优化方向的目标。最后可以反馈给用户，基于预设的映射关系，我们可以确定与优化等级关联的可视化方式。然后，在优化等级高于预设等级的情况下，我们可以通过人机交互界面将优化子节点和优化方向标签反馈给用户。这可以通过图表、报告或其他可视化方式实现，以便用户了解优化结果和决策。根据监控数据，我们可以确定目标优化节点对应的优化子节点和优化方向标签，并对三维模型架构进行优化。通过人机交互界面，我们可以将优化子节点和优化方向标签反馈给用户。这个过程涉及到分析监控数据、判断优化子节点、确定优化标签和优化等级，以及基于预设的映射进行可视化反馈。
需要说明的是，首先通过多个传感器和监控设备获取目标建筑物中各个实体对象的物理数据，可以实现对建筑物运行状态和性能的全面监测和数据采集，这样可以提供准确的实时数据作为后续分析和优化的基础，之后建立数字孪生模型，通过从数字孪生资源数据集中提取目标数据，建立目标建筑物的数字孪生模型，可以实现对建筑物的可视化管理。数字孪生模型可以提供直观的三维模型架构，帮助用户更好地理解和分析建筑物的运行情况，之后进行了人机交互界面实现交互控制，基于数字孪生模型，建立人机交互界面进行可视化展示，并实现用户对三维模型架构中各个模块的交互控制，这样可以使用户能够直接操作和调整建筑物的各个部分，提高管理和优化的效率，之后进行了目标交互控制数据处理与优化节点确定，从数字孪生资源数据集中获取目标时期内目标模块对应的目标交互控制数据，并对其进行处理，以确定对三维模型架构的目标优化节点。这样可以根据实际数据和需求，确定需要优化的具体节点和区域，为后续的优化工作提供指导，之后进行了测试任务执行和监控数据获取，基于目标优化节点，执行预设的测试任务，并基于预设的监测程序对目标优化节点进行监控，获取监控数据。这样可以评估优化节点的性能和效果，并为进一步的优化提供反馈和指导，最后进行了优化子节点和优化方向标签确定，根据监控数据，确定目标优化节点对应的优化子节点和优化标签。这样可以具体的子节点和方向，制定相应的优化策略和措施。综上所述，通过数字孪生资源数据建库管理方法，实现了对建筑物运行状态和性能的全面监测、可视化管理和优化。它可以帮助用户更好地理解和分析建筑物的运行情况，提高管理和优化的效率。通过实时监控数据的获取和处理，可以及时发现问题并采取相应措施进行优化。同时，通过人机交互界面和反馈机制，使用户可以参与到建筑物的管理和优化过程中，提高决策的准确性和效果。结合了机器学习和人工智能技术，实现自动化的优化决策和预测分析，引入大数据分析和云计算等技术，支持更大规模的建筑物管理和优化；结合可持续发展目标，实现能源节约、环境保护等方面的综合优化。
为了实现上述实施例，本公开还提出一种数字孪生资源数据建库管理装置。
图2为本公开第二实施例所提供的数字孪生资源数据建库管理装置的结构框图。
如图2所示，该数字孪生资源数据建库管理装置200可以包括：
获取模块210，用于基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成所述目标建筑物的数字孪生资源数据集；
构建模块220，用于根据目标管理任务，从所述数字孪生资源数据集中获取目标数据，建立所述目标建筑物的数字孪生模型，完成可视化管理的三维模型架构；
展示模块230，用于基于所述数字孪生模型，建立人机交互界面进行可视化展示，并基于所述人机交互界面实现用户对所述三维模型架构中各个模块的交互控制，并在所述数字孪生资源数据集中存储对所述各个模块对应的交互数据；
解析模块240，用于若在所述人机交互界面接收到优化指令，对所述优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识；
处理模块250，用于从所述数字孪生资源数据集获取所述目标时期内所述目标模块对应的目标交互控制数据，并对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点；
监控模块260，用于基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据；
确定模块270，用于基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，基于所述优化子节点和优化方向标签，对所述三维模型架构进行优化，并基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
可选的，所述监控模块，包括：
执行单元，用于基于所述目标优化节点，执行预设的设备设置调整任务、能源供应调整任务和算法测试任务；
获取单元，用于基于预设的监控程序，获取所述目标优化节点在执行所述设备设置调整任务、能源供应调整任务和算法测试任务时的能源消耗数据、设备运行状态和环境参数；
确定单元，用于确定所述能源消耗数据、设备运行状态和环境参数为监控数据。
可选的，所述处理模块，具体用于：
基于预设的筛选条件，对所述目标交互控制数据进行筛选和分析，以得到第一数据；
对所述第一数据进行统计和聚类分析，以得到每个所述目标模块中的每个节点对应的分析结果；
根据每个所述节点对应的分析结果和优化目标，确定对所述三维模型架构的目标优化节点。
可选的，所述确定模块，具体用于：
对所述能源消耗数据、设备运行状态和环境参数进行分析，以达到所述目标优化节点中每个子节点对应的运行监测结果、能源消耗监测结果和环境影响结果；
根据每个所述子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，和每个所述子节点对应的参考指标，判断每个所述子节点是否属于优化子节点；
在所述子节点属于所述优化子节点的情况下，根据所述优化子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，判断所述优化子节点的优化方向标签和优化等级。
可选的，所述确定模块，具体用于：
基于预设的映射关系，确定与所述优化等级关联的可视化方式；
在所述优化等级高于预设等级的情况下，基于所述可视化方式将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现如本公开前述实施例提出的数字孪生资源数据建库管理方法。
为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的数字孪生资源数据建库管理方法。
图3示出了适于用来实现本公开实施方式的示例性计算机设备的框图。图3显示的计算机设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（Industry StandardArchitecture；以下简称：ISA）总线，微通道体系结构（Micro Channel Architecture；以下简称：MAC）总线，增强型ISA总线、视频电子标准协会（Video Electronics StandardsAssociation；以下简称：VESA）局域总线以及外围组件互连（Peripheral ComponentInterconnection；以下简称：PCI）总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（Random Access Memory；以下简称：RAM）30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图3未显示，通常称为“硬盘驱动器”）。尽管图3中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如：光盘只读存储器（Compact Disc Read OnlyMemory；以下简称：CD-ROM）、数字多功能只读光盘（Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM）或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络（例如局域网（Local Area Network；以下简称：LAN），广域网（Wide Area Network；以下简称：WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种数字孪生资源数据建库管理方法，其特征在于，包括：
基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成所述目标建筑物的数字孪生资源数据集；
根据目标管理任务，从所述数字孪生资源数据集中获取目标数据，建立所述目标建筑物的数字孪生模型，完成可视化管理的三维模型架构；
基于所述数字孪生模型，建立人机交互界面进行可视化展示，并基于所述人机交互界面实现用户对所述三维模型架构中各个模块的交互控制，并在所述数字孪生资源数据集中存储对所述各个模块对应的交互数据；
若在所述人机交互界面接收到优化指令，对所述优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识；
从所述数字孪生资源数据集获取所述目标时期内所述目标模块对应的目标交互控制数据，并对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点；
基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据；
基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，基于所述优化子节点和优化方向标签，对所述三维模型架构进行优化，并基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据，包括：
基于所述目标优化节点，执行预设的设备设置调整任务、能源供应调整任务和算法测试任务；
基于预设的监控程序，获取所述目标优化节点在执行所述设备设置调整任务、能源供应调整任务和算法测试任务时的能源消耗数据、设备运行状态和环境参数；
确定所述能源消耗数据、设备运行状态和环境参数为监控数据。
3.根据权利要求1所述的方法，其特征在于，所述对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点，包括：
基于预设的筛选条件，对所述目标交互控制数据进行筛选和分析，以得到第一数据；
对所述第一数据进行统计和聚类分析，以得到每个所述目标模块中的每个节点对应的分析结果；
根据每个所述节点对应的分析结果和优化目标，确定对所述三维模型架构的目标优化节点。
4.根据权利要求2所述的方法，其特征在于，所述基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，包括：
对所述能源消耗数据、设备运行状态和环境参数进行分析，以达到所述目标优化节点中每个子节点对应的运行监测结果、能源消耗监测结果和环境影响结果；
根据每个所述子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，和每个所述子节点对应的参考指标，判断每个所述子节点是否属于优化子节点；
在所述子节点属于所述优化子节点的情况下，根据所述优化子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，判断所述优化子节点的优化方向标签和优化等级。
5.根据权利要求1所述的方法，其特征在于，所述基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户，包括：
基于预设的映射关系，确定与所述优化等级关联的可视化方式；
在所述优化等级高于预设等级的情况下，基于所述可视化方式将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
6.一种数字孪生资源数据建库管理装置，其特征在于，包括：
获取模块，用于基于多个传感器和监控设备，获取目标建筑物中各个实体对象的物理数据，以形成所述目标建筑物的数字孪生资源数据集；
构建模块，用于根据目标管理任务，从所述数字孪生资源数据集中获取目标数据，建立所述目标建筑物的数字孪生模型，完成可视化管理的三维模型架构；
展示模块，用于基于所述数字孪生模型，建立人机交互界面进行可视化展示，并基于所述人机交互界面实现用户对所述三维模型架构中各个模块的交互控制，并在所述数字孪生资源数据集中存储对所述各个模块对应的交互数据；
解析模块，用于若在所述人机交互界面接收到优化指令，对所述优化指令进行解析，以得到优化指令中包含的目标时期和目标模块的标识；
处理模块，用于从所述数字孪生资源数据集获取所述目标时期内所述目标模块对应的目标交互控制数据，并对所述目标交互控制数据进行处理，以确定对所述三维模型架构的目标优化节点；
监控模块，用于基于所述目标优化节点，执行预设的测试任务，并基于预设的监测程序，对所述目标优化节点进行监控得到监控数据；
确定模块，用于基于所述监控数据，确定所述目标优化节点对应的优化子节点和优化方向标签和优化等级，基于所述优化子节点和优化方向标签，对所述三维模型架构进行优化，并基于所述优化等级将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
7.根据权利要求6所述的装置，其特征在于，所述监控模块，包括：
执行单元，用于基于所述目标优化节点，执行预设的设备设置调整任务、能源供应调整任务和算法测试任务；
获取单元，用于基于预设的监控程序，获取所述目标优化节点在执行所述设备设置调整任务、能源供应调整任务和算法测试任务时的能源消耗数据、设备运行状态和环境参数；
确定单元，用于确定所述能源消耗数据、设备运行状态和环境参数为监控数据。
8.根据权利要求6所述的装置，其特征在于，所述处理模块，具体用于：
基于预设的筛选条件，对所述目标交互控制数据进行筛选和分析，以得到第一数据；
对所述第一数据进行统计和聚类分析，以得到每个所述目标模块中的每个节点对应的分析结果；
根据每个所述节点对应的分析结果和优化目标，确定对所述三维模型架构的目标优化节点。
9.根据权利要求7所述的装置，其特征在于，所述确定模块，具体用于：
对所述能源消耗数据、设备运行状态和环境参数进行分析，以达到所述目标优化节点中每个子节点对应的运行监测结果、能源消耗监测结果和环境影响结果；
根据每个所述子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，和每个所述子节点对应的参考指标，判断每个所述子节点是否属于优化子节点；
在所述子节点属于所述优化子节点的情况下，根据所述优化子节点对应的运行监测结果、能源消耗监测结果和环境影响结果，判断所述优化子节点的优化方向标签和优化等级。
10.根据权利要求7所述的装置，其特征在于，所述确定模块，具体用于：
基于预设的映射关系，确定与所述优化等级关联的可视化方式；
在所述优化等级高于预设等级的情况下，基于所述可视化方式将所述优化子节点和优化方向标签通过所述人机交互界面反馈给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311034982.1A CN116756837B (zh) | 2023-08-17 | 2023-08-17 | 一种数字孪生资源数据建库管理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311034982.1A CN116756837B (zh) | 2023-08-17 | 2023-08-17 | 一种数字孪生资源数据建库管理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116756837A true CN116756837A (zh) | 2023-09-15 |
| CN116756837B CN116756837B (zh) | 2023-11-28 |
Family
ID=87955838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311034982.1A Active CN116756837B (zh) | 2023-08-17 | 2023-08-17 | 一种数字孪生资源数据建库管理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116756837B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933146A (zh) * | 2023-09-19 | 2023-10-24 | 航天宏图信息技术股份有限公司 | 一种数字孪生空间实体的分类体系创建方法及装置 |
| CN117094179A (zh) * | 2023-10-18 | 2023-11-21 | 南通豪强电器设备有限公司 | 用于高压开关柜的母排散热分析方法及系统 |
| CN117318033A (zh) * | 2023-09-27 | 2023-12-29 | 国网江苏省电力有限公司南通供电分公司 | 一种结合数据孪生的电网数据管理方法及系统 |
| CN117434886A (zh) * | 2023-12-21 | 2024-01-23 | 成都苔岑智能设备有限公司 | 一种基于运转数字模型的plc控制系统及方法 |
| CN117651101A (zh) * | 2024-01-30 | 2024-03-05 | 南京功夫豆信息科技有限公司 | 一种用户操作服务管理系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113033073A (zh) * | 2021-02-22 | 2021-06-25 | 大连海事大学 | 一种基于数据驱动的无人船能效数字孪生方法及系统 |
| KR20220072225A (ko) * | 2020-11-25 | 2022-06-02 | 주식회사 더컴퍼니 | 디지털 트윈 기반의 에너지 관리 시스템 |
| CN115664002A (zh) * | 2022-10-13 | 2023-01-31 | 国网辽宁省电力有限公司大连供电公司 | 一种基于电子调度的电网运行优化方法及系统 |
| CN115693757A (zh) * | 2022-09-14 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于数字孪生技术的光伏能源优化调控方法 |
| CN116540576A (zh) * | 2023-06-12 | 2023-08-04 | 广州智算信息技术有限公司 | 一种基于数字孪生和智慧楼宇的建筑节能管理系统 |
-
2023
- 2023-08-17 CN CN202311034982.1A patent/CN116756837B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220072225A (ko) * | 2020-11-25 | 2022-06-02 | 주식회사 더컴퍼니 | 디지털 트윈 기반의 에너지 관리 시스템 |
| CN113033073A (zh) * | 2021-02-22 | 2021-06-25 | 大连海事大学 | 一种基于数据驱动的无人船能效数字孪生方法及系统 |
| CN115693757A (zh) * | 2022-09-14 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于数字孪生技术的光伏能源优化调控方法 |
| CN115664002A (zh) * | 2022-10-13 | 2023-01-31 | 国网辽宁省电力有限公司大连供电公司 | 一种基于电子调度的电网运行优化方法及系统 |
| CN116540576A (zh) * | 2023-06-12 | 2023-08-04 | 广州智算信息技术有限公司 | 一种基于数字孪生和智慧楼宇的建筑节能管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| O. A. WARAGA等: "A framework application for improving energy demand forecasting using digital twining", 《THE 2ND INTERNATIONAL CONFERENCE ON DISTRIBUTED SENSING AND INTELLIGENT SYSTEMS (ICDSIS 2021)》, pages 1 - 11 * |
| 郭勇祺等: "基于数字孪生管理系统下的园区能源管理", 《信息记录材料》, vol. 24, no. 06, pages 125 - 127 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933146A (zh) * | 2023-09-19 | 2023-10-24 | 航天宏图信息技术股份有限公司 | 一种数字孪生空间实体的分类体系创建方法及装置 |
| CN116933146B (zh) * | 2023-09-19 | 2023-12-26 | 航天宏图信息技术股份有限公司 | 一种数字孪生空间实体的分类体系创建方法及装置 |
| CN117318033A (zh) * | 2023-09-27 | 2023-12-29 | 国网江苏省电力有限公司南通供电分公司 | 一种结合数据孪生的电网数据管理方法及系统 |
| CN117318033B (zh) * | 2023-09-27 | 2024-05-24 | 国网江苏省电力有限公司南通供电分公司 | 一种结合数据孪生的电网数据管理方法及系统 |
| CN117094179A (zh) * | 2023-10-18 | 2023-11-21 | 南通豪强电器设备有限公司 | 用于高压开关柜的母排散热分析方法及系统 |
| CN117094179B (zh) * | 2023-10-18 | 2023-12-26 | 南通豪强电器设备有限公司 | 用于高压开关柜的母排散热分析方法及系统 |
| CN117434886A (zh) * | 2023-12-21 | 2024-01-23 | 成都苔岑智能设备有限公司 | 一种基于运转数字模型的plc控制系统及方法 |
| CN117434886B (zh) * | 2023-12-21 | 2024-03-08 | 成都苔岑智能设备有限公司 | 一种基于运转数字模型的plc控制系统及方法 |
| CN117651101A (zh) * | 2024-01-30 | 2024-03-05 | 南京功夫豆信息科技有限公司 | 一种用户操作服务管理系统及方法 |
| CN117651101B (zh) * | 2024-01-30 | 2024-04-05 | 南京功夫豆信息科技有限公司 | 一种用户操作服务管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116756837B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116756837B (zh) | 一种数字孪生资源数据建库管理方法及装置 | |
| Wang et al. | Linking energy-cyber-physical systems with occupancy prediction and interpretation through WiFi probe-based ensemble classification | |
| CN103853106B (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
| Habibi | Micro-climatization and real-time digitalization effects on energy efficiency based on user behavior | |
| US20120016638A1 (en) | Method and system for integrated analysis | |
| CN104040570A (zh) | 负载简档管理及成本敏感性分析 | |
| CN116882038B (zh) | 一种基于bim技术的机电施工方法及系统 | |
| CN112734284A (zh) | 一种流程工业能耗优化决策系统及其在异常工况下提高评估结果准确度的操作方法 | |
| CN107036238A (zh) | 动态预测外气与负载智慧节能控制方法 | |
| CN114332540A (zh) | 一种基于大数据的楼宇自动化系统数据标记方法及系统 | |
| Di Giuda et al. | BIM and Post-occupancy evaluations for building management system: Weaknesses and opportunities | |
| JP2007199783A (ja) | エネルギー監視装置 | |
| CN114897241A (zh) | 一种基于数字孪生的楼宇能效智能化监管预测方法 | |
| CN116796043A (zh) | 一种智能园区数据可视化方法及系统 | |
| Al-Shalabi et al. | A novel framework for BIM enabled facility energy management: A concept paper | |
| CN112365082A (zh) | 一种基于机器学习的公共能源消耗预测方法 | |
| Liu et al. | Using a data-driven approach to support the design of energy-efficient buildings | |
| Günther et al. | Requirements engineering and modelling for building automation systems | |
| KR20220104460A (ko) | 병원 에너지 관리 시스템 및 그 관리 방법 | |
| CN111625525A (zh) | 一种环境数据修复/填充方法及系统 | |
| Chan et al. | Neuron–Digital console innovative by Arup | |
| CN117787670B (zh) | 一种基于建筑工程的bim数据管理方法及系统 | |
| Chen et al. | Technique of Feature Extraction Based on Interpretation Analysis for Multilabel Learning in Nonintrusive Load Monitoring With Multiappliance Circumstances | |
| CN116976706B (zh) | 建筑能效监测方法、设备和可读存储介质 | |
| Wang et al. | Real Time Monitoring Method of Comprehensive Energy Consumption Based on Data Mining Algorithm |
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 |