CN117082105A - 一种绿色智慧医院设施监控系统及方法 - Google Patents
一种绿色智慧医院设施监控系统及方法 Download PDFInfo
- Publication number
- CN117082105A CN117082105A CN202311330402.3A CN202311330402A CN117082105A CN 117082105 A CN117082105 A CN 117082105A CN 202311330402 A CN202311330402 A CN 202311330402A CN 117082105 A CN117082105 A CN 117082105A
- Authority
- CN
- China
- Prior art keywords
- hospital facility
- hospital
- energy consumption
- facility
- abnormal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 255
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000005265 energy consumption Methods 0.000 claims abstract description 338
- 230000005856 abnormality Effects 0.000 claims abstract description 144
- 238000001514 detection method Methods 0.000 claims abstract description 125
- 238000012545 processing Methods 0.000 claims abstract description 83
- 238000005457 optimization Methods 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims description 332
- 230000005540 biological transmission Effects 0.000 claims description 111
- 238000004364 calculation method Methods 0.000 claims description 103
- 230000004044 response Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 17
- 238000009434 installation Methods 0.000 claims description 15
- 230000008447 perception Effects 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 238000012351 Integrated analysis Methods 0.000 claims description 8
- 238000005562 fading Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 5
- 230000010363 phase shift Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 53
- 238000012423 maintenance Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 238000003909 pattern recognition Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 238000007418 data mining Methods 0.000 description 5
- 206010000117 Abnormal behaviour Diseases 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及绿色智慧设施监控技术领域,尤其涉及一种绿色智慧医院设施监控系统及方法。所述方法包括以下步骤:通过传感器网络获取医院设施监测数据并传输至智慧控制系统;通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析和状态异常检测,得到医院设施状态异常检测结果数据;通过所述智慧控制系统对医院设施区域进行能源消耗监控处理和能源消耗异常检测,得到医院设施能源消耗异常检测结果数据;对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。本发明能够实现对医院设施的绿色智慧监控,并提高医院设施的能源消耗效率。
Description
技术领域
本发明涉及绿色智慧设施监控技术领域,尤其涉及一种绿色智慧医院设施监控系统及方法。
背景技术
在现代医院中,设施的运行和监控对于提供高质量的医疗服务至关重要,需要高效、可靠、环保的设施监控系统来确保设施的正常运行和安全。而传统的设施监控方法通常采用人工巡查和定期维护,这种方法耗时、耗能且效率低下,往往存在能耗高、响应速度慢、异常检测控制准确性低的问题。
发明内容
基于此,本发明有必要提供一种绿色智慧医院设施监控方法,以解决至少一个上述技术问题。
为实现上述目的,一种绿色智慧医院设施监控方法,包括以下步骤:
步骤S1:通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
步骤S2:通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
步骤S3:对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
步骤S4:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,得到医院设施能源消耗异常检测结果数据;
步骤S5:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
本发明首先通过构建一个覆盖范围广的传感器网络对医院设施区域进行实时监测处理,可以收集医院各种设施的监测数据,如温度、湿度、能耗、空气质量等,这些监测数据可以反映医院设施的实际运行情况和环境状态。通过传感器网络的实时监测处理,能够及时响应获取数据并传输至智慧控制系统,为后续的数据分析和处理提供基础数据来源。其次,通过使用智慧控制系统对医院设施监测数据进行智慧模式识别分析,可以识别出医院设施的状态模式特征。通过对监测数据的处理和分析,可以发现设施的特定模式和规律,如设备的工作状态、能源消耗的变化趋势等状态模式特征数据,这些状态模式特征数据能够为后续的异常检测和控制优化提供了基础,在智慧控制决策中起到关键作用。然后,通过对医院设施状态模式特征数据进行状态异常检测,可以识别出设施状态的异常情况。通过与预先设定的正常状态进行比较,检测出医院设施运行中存在的异常行为或故障情况。这些异常检测结果数据可以用来生成预警信号,以通知相关人员进行及时的处理和故障排除。通过及时发现和处理设施状态异常,可以减少潜在风险和设备故障,从而提高医院设施的可靠性和安全性。接下来,通过使用智慧控制系统对医院设施区域进行能源消耗监控处理,可以获取医院设施的能源消耗监控数据。这些数据反映了设施的能耗情况和能源利用效率。通过能源消耗异常检测,可以识别出能源消耗异常的情况,如能耗的突然增加、能源浪费的行为等。这些异常检测结果数据可以为后续的控制优化和节能控制提供依据,促使医院设施的能源消耗得到合理管理和优化。最后,将医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理。通过综合分析这两方面的异常检测结果数据,可以获取到更全面的设施异常监控信息。这些信息可以用来实施针对性的控制优化措施,如设备调整和维护、节能策略的制定等,最大程度地改善设施的运行状态和能源消耗效率。根据异常监控控制优化结果生成医院设施控制管理报表,可以全面总结和评估控制优化的效果和成果,为后续的绿色智慧设施控制管理策略提供依据和参考,从而实现对医院设施的可持续发展和异常检测控制管理。
优选地,步骤S1包括以下步骤:
步骤S11:通过在医院设施区域布置相应的传感器、控制器和通信设备,以构建传感器网络;
步骤S12:利用预设的响应边缘计算公式对传感器网络的节点设备进行传输时延负荷控制计算,得到传感器基准网络;
步骤S13:将传感器基准网络和智慧算法相结合,以构建智慧感知传感器网络;
步骤S14:通过智慧感知传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;
步骤S15:通过网络传输协议将医院设施监测数据传输至智慧控制系统。
本发明首先通过在医院设施区域布置相应的传感器、控制器和通信设备,可以实现医院设施区域的实时监测能力。而构建得到的传感器网络可以监测各种环境参数和设备状态,如温度、湿度、气体浓度、空气质量等,以及设施的安全情况,这样可以及时发现潜在的故障、异常情况或危险事件,并采取相应的行动,确保医院设施的正常运行和人员的安全。此外,通过传感器网络的自动化数据收集和传输功能可以降低人力成本,提高工作效率。其次,通过使用预设的响应边缘计算公式,可以对传感器网络的节点设备进行传输时延和负荷控制计算,进而优化传感器网络的性能。这样可以实现网络的高效传输,避免数据传输时延过高或负荷过重,保证传感器数据的及时性和准确性。通过传感器基准网络的建立,可以优化传感器之间的通信方式和节点设备的调度,提高网络的稳定性和可靠性,为后续的数据传输和处理奠定基础。然后,通过将传感器基准网络与智慧算法相结合,可以实现智慧化的感知传感器网络。这样可以实现更高级别的数据处理和决策能力。智慧算法可以通过对传感器数据的分析和处理,快速识别异常情况并采取相应措施,例如预警、自动调整和控制。智慧感知传感器网络具备自学习能力,可以通过不断学习和优化自身算法,从而提高感知网络的准确性和可信度。另外,智慧算法还能实时优化网络配置和参数,使传感器网络适应不同的环境和需求。接下来,通过使用智慧感知传感器网络实时监测处理医院设施区域,可以获取更为准确和详尽的监测数据。这些数据可以用于评估设施的运行状态、安全性和效率。监测得到的数据可以包括各种环境参数和设备指标,如温度、湿度、气体浓度、能源消耗等。通过实时监测处理,智慧感知传感器网络还能快速识别医院设施中的异常情况和潜在故障,帮助工作人员采取及时措施。医院设施监测数据经过处理和分析,还可以提供数据分析和统计,为能源管理、设备维护和设施改进等方面的决策提供依据。最后,通过使用网络传输协议,医院设施监测数据可以快速、可靠地传输至智慧控制系统,实现实时数据更新和远程监控。高效传输使得管理人员能够随时访问设施监测数据,并进行远程操作和控制。这样可以便捷地了解设施的运行情况,并及时对设施进行调整和管理。同时,通过数据在智慧控制系统中的存储和分析,可以建立历史数据记录和趋势分析,为设施管理和决策提供更全面的数据支持。网络传输协议还能够确保数据的安全性和完整性,保护敏感信息不被非法访问和篡改。
优选地,步骤S12中的响应边缘计算公式具体为:
;
式中,为传感器网络的节点设备在时间/>的传输时延负荷,/>为响应边缘计算时间变量,/>为响应边缘计算时间上限,/>为传感器网络中节点设备的发射功率,/>为传感器网络中节点设备的传输信号衰落损失因子,/>为传感器网络中节点设备的传输信号衰减系数,为传感器网络中节点设备的传输信号角频率,/>为传感器网络中节点设备的传输信号相位偏移,/>为传感器网络中节点设备的数量,/>为传感器网络中第/>个节点设备的传输时延负荷贡献参数,/>为传感器网络中第/>个节点设备的传输时延负荷衰减参数,/>为传感器网络中第/>个节点设备的传输时延衰减参数,/>为传输时延负荷的修正值。
本发明构建了一个响应边缘计算公式,用于对传感器网络的节点设备进行传输时延负荷控制计算,该响应边缘计算公式通过对特定的一段时间内的功率、信号衰减、传输信号衰落、传输时延、传输时延负荷等因素的综合计算,从而准确地计算得到节点设备在不同时间点上的传输时延负荷情况。通过应用响应边缘计算公式,可以针对传感器网络的节点设备进行传输时延负荷的计算和控制,这有助于优化传感器网络的传输性能,从而保证数据的实时性和准确性。该公式充分考虑了传感器网络的节点设备在时间的传输时延负荷,响应边缘计算时间变量/>,响应边缘计算时间上限/>,传感器网络中节点设备的发射功率/>,传感器网络中节点设备的传输信号衰落损失因子/>,传感器网络中节点设备的传输信号衰减系数/>,传感器网络中节点设备的传输信号角频率/>,传感器网络中节点设备的传输信号相位偏移/>,传感器网络中节点设备的数量/>,传感器网络中第/>个节点设备的传输时延负荷贡献参数/>,传感器网络中第/>个节点设备的传输时延负荷衰减参数/>,传感器网络中第/>个节点设备的传输时延衰减参数/>,传输时延负荷的修正值/>,根据传感器网络的节点设备在时间/>的传输时延负荷/>与以上各参数之间的相互关联关系构成了一种函数关系:
;
该公式能够实现对传感器网络的节点设备的传输时延负荷控制计算过程,同时,通过传输时延负荷的修正值的引入可以根据实际情况进行调整,从而提高响应边缘计算公式的准确性和适用性。
优选地,步骤S2包括以下步骤:
步骤S21:对医院设施监测数据进行数据清洗处理,得到医院设施监测标准数据;
步骤S22:通过所述智慧控制系统对医院设施监测标准数据进行智慧模式识别处理,得到医院设施的状态模式数据;
步骤S23:对医院设施的状态模式数据进行特征提取处理,以得到医院设施状态模式特征数据。
本发明首先通过对监测得到的医院设施监测数据进行数据清洗处理,通过数据清洗对原始监测数据进行处理和筛选,以去除不准确、不完整或异常的数据,从而得到高质量的监测标准数据。数据清洗可以去除噪声、异常值和缺失值,使数据更加可靠和稳定。清洗后的数据能够提供准确的信息,为后续的数据处理和分析提供可靠的基础。清洗后的监测标准数据可以反映设施的真实状态,并且具备一致、规范的数据格式,方便后续的模式识别和特征提取处理。然后,通过利用智慧控制系统对医院设施监测标准数据进行分析和处理,以识别设施的状态模式。通过对监测数据的行为状态学习、模式匹配和数据挖掘等算法,可以自动识别和分类不同的设施状态。智慧模式识别可以帮助判断设施是否正常运行,是否存在异常情况或潜在故障。它能够提供更深入的洞察和理解,为设施管理人员提供及时的决策支持。通过智慧模式识别处理,医院设施的状态模式数据具备了更高层次的信息,可以进一步进行特征提取和分析。最后,通过对医院设施的状态模式数据进行特征提取处理,以提取其中的关键特征和信息。通过采用合适的特征提取算法,可以从大量的状态模式数据中抽取出具有代表性和区分性的特征。这些特征能够反映设施状态的重要属性和变化趋势。通过特征提取处理,可以大大降低数据的维度和冗余,提高数据的表达能力和可解释性,从而为设施管理和优化提供重要的依据和指导。
优选地,步骤S3包括以下步骤:
步骤S31:利用预设的状态异常计算公式对医院设施状态模式特征数据进行异常计算,得到医院设施状态异常值;
步骤S32:根据预设的状态异常阈值对医院设施状态异常值进行比较,并根据比较结果对医院设施状态异常值对应的医院设施状态模式特征数据进行状态异常检测分析,得到医院设施状态异常检测结果数据;
步骤S33:根据医院设施状态异常检测结果数据生成预警信号并传输至智慧控制系统;
步骤S34:通过所述智慧控制系统对预警信号进行紧急控制分析并制定异常故障紧急处理方案,以执行相应的异常故障处理措施。
本发明首先通过使用预设的状态异常计算公式对医院设施状态模式特征数据进行异常计算,可以衡量医院设施状态的偏离程度和异常程度。通过使用该状态异常计算公式,可以将设施状态特征数据与正常状态进行比较,识别出偏离正常的情况,计算得到的结果能够作为后续状态异常检测分析和预警的依据。然后,通过设定合适的状态异常阈值,可以将计算得到医院设施状态异常值与预设的状态异常阈值进行比较,判断设施状态是否异常。如果异常值超过设定的阈值,就可以认定该设施存在异常。根据比较结果,对医院设施状态模式特征数据进行状态异常检测分析,进一步确定医院设施状态异常的具体特征或模式,这样可以快速定位医院设施中可能存在的故障或异常情况,并为后续的处理提供重要依据。接下来,通过使用状态异常检测分析得到的医院设施状态异常检测结果数据生成相应的预警信号。该预警信号可以采用各种形式,例如警报、提示信息或数字指标等,用于向设施管理人员或智慧控制系统传递异常状态信息。同时,通过无线传输的方式将预警信号传输至智慧控制系统可以实现实时监测、快速响应和集中管理,从而提高故障处理的效率和准确性。最后,智慧控制系统接收到预警信号后,会进行紧急控制分析,分析异常情况的紧迫性和影响程度。根据分析结果,系统可以制定相应的异常故障紧急处理方案。这些方案可能包括紧急维修、设备调整、备件更换等异常故障处理措施,以及相应的操作指导和时间安排。通过执行这些异常故障处理措施可以快速响应异常情况,限制故障的扩大和影响,从而确保医院设施的正常运行和安全性。
优选地,步骤S31中的状态异常计算公式具体为:
;
式中,为医院设施状态异常值,/>为医院设施状态异常计算的时间上限,/>为医院设施状态异常计算的积分时间变量,/>为医院设施状态模式特征数据中设施状态模式的数量,/>为医院设施状态模式特征数据中第/>个设施状态模式的异常度量值,/>为医院设施状态模式特征数据中第/>个设施状态模式的正常度量值,/>为医院设施状态模式特征数据中设施状态影响因素的数量,/>为医院设施状态模式特征数据中第/>个设施状态影响因素的异常度量值,/>为医院设施状态模式特征数据中第/>个设施状态影响因素的正常度量值,为设施状态的异常影响调整参数,/>为设施状态的异常影响衰减参数,/>为设施状态的异常影响振幅参数,/>为医院设施状态异常值的修正值。
本发明构建了一个状态异常计算公式,用于对医院设施状态模式特征数据进行异常计算,该状态异常计算公式结合了设施状态模式特征数据以及设施状态的异常影响因素,可以提供一个综合的指标来衡量设施的异常程度。通过结合设施状态模式特征数据中的多个度量值,包括设施状态模式的异常度量值和设施状态影响因素的异常度量值。通过将这些度量值进行加权求和并进行积分计算,可以综合考虑设施状态的各个方面,从而更准确地评估设施的异常程度。通过考虑设施状态的影响因素的异常度量值和正常度量值,可以使得计算结果更具针对性,这样能够捕捉到影响设施状态的具体因素,并将其纳入异常程度的评估中。还通过使用异常影响调整参数根据实际需求进行调整,这使得公式可以根据不同的情境和设施特点进行定制,更准确地反映异常影响的程度。另外,还通过引入修正值允许根据实际情况对异常值进行进一步调整,使得最终的异常值更符合实际情况,从而减少误判或误报的可能性。该公式充分考虑了医院设施状态异常值,医院设施状态异常计算的时间上限/>,医院设施状态异常计算的积分时间变量/>,医院设施状态模式特征数据中设施状态模式的数量/>,医院设施状态模式特征数据中第/>个设施状态模式的异常度量值/>,医院设施状态模式特征数据中第/>个设施状态模式的正常度量值/>,医院设施状态模式特征数据中设施状态影响因素的数量/>,医院设施状态模式特征数据中第/>个设施状态影响因素的异常度量值/>,医院设施状态模式特征数据中第/>个设施状态影响因素的正常度量值/>,设施状态的异常影响调整参数/>,设施状态的异常影响衰减参数/>,设施状态的异常影响振幅参数/>,医院设施状态异常值的修正值/>,根据医院设施状态异常值/>与以上各参数之间的相互关联关系构成了一种函数关系,该公式能够实现对医院设施状态模式特征数据的异常计算过程,同时,通过医院设施状态异常值的修正值/>的引入可以根据实际情况进行调整,从而提高状态异常计算公式的准确性和适用性。
优选地,步骤S4包括以下步骤:
步骤S41:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;
步骤S42:对医院设施能源消耗监控数据进行消耗模式影响分析,得到医院设施能源消耗影响模式数据;
步骤S43:利用预设的能源消耗异常计算公式对医院设施能源消耗影响模式数据进行异常计算,得到医院设施能源消耗异常值;
步骤S44:根据预设的能源消耗异常阈值对医院设施能源消耗异常值进行比较,并根据比较结果对医院设施能源消耗异常值对应的医院设施能源消耗影响模式数据进行能源消耗异常检测分析,得到医院设施能源消耗异常检测结果数据。
本发明首先通过使用智慧控制系统对医院设施区域进行能源消耗监控处理,可以实时收集和记录医院设施的能源消耗数据。智慧控制系统可以连接到各种传感器、仪表和电力监测设备,从中获取医院设施的电力、水、气等能源消耗信息,这些能源消耗信息监控数据可以包括能源消耗量、能效指标、能源使用模式等。然后,通过对监控得到的医院设施能源消耗监控数据进行消耗模式影响分析,可以从中识别出影响能源消耗的因素和模式,这可能涉及设备运行状态、人员活动、气候条件等因素对能源消耗的影响。通过分析能源消耗的模式和相关因素,可以建立能源消耗影响模式数据,其中记录了各个因素对能源消耗的影响程度和关联关系。接下来,通过使用预设的能源消耗异常计算公式对医院设施能源消耗影响模式数据进行异常计算,以得到能源消耗的异常值。这个异常值可以量化医院设施的能源消耗与预期或平均值之间的偏离程度,从而判断能源消耗是否异常。通过异常计算,可以准确评估每个区域的能源消耗情况,从而提供能源消耗异常检测的基础数据。最后,根据预设的能源消耗异常阈值对计算得到的医院设施能源消耗异常值进行比较,通过比较医院设施能源消耗异常值与能源消耗异常阈值,判断能源消耗是否超过了预设的异常范围。根据比较结果,对医院设施能源消耗影响模式数据进行能源消耗异常检测分析,进一步确定异常的具体特征或模式,这样可以快速定位能源消耗中可能存在的异常情况,为能源管理和调整提供重要的信息和依据,从而提高能源利用效率、节约能耗成本并优化设施运营。
优选地,步骤S43中的能源消耗异常计算公式具体为:
;
式中,为医院设施能源消耗异常值,/>为能源消耗异常测量的开始时间,为能源消耗异常测量的结束时间,/>为能源消耗异常测量的时间变量,/>为医院设施温度变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的密度参数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的比热容,为医院设施能源消耗影响模式数据中待测量能源消耗介质的温度,/>为医院设施体积变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的体积,/>为医院设施压力变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的压力,/>为医院设施能源消耗异常值的修正值。
本发明构建了一个能源消耗异常计算公式,用于对医院设施能源消耗影响模式数据进行异常计算,该能源消耗异常计算公式综合考虑了多个变量对能源消耗的影响,包括温度变化、体积变化和压力变化。通过计算每个变量的变化率的平方,并加权求和,能够全面地考虑各个方面的影响因素,从而提高对能源消耗异常的敏感性。通过使用相应的影响比例系数来调整不同变量对能源消耗的影响程度。通过调整影响比例系数的值,可以根据实际情况对不同的影响因素赋予不同的权重,使得能源消耗异常计算更加符合医院设施的特点和需求。还通过对时间进行积分计算,可以有效捕捉到能源消耗异常的累积效应,对长时间持续的异常情况进行更准确的评估。另外,还通过使用修正值根据实际情况进行调整,以纠正由于测量误差或其他因素导致的异常值偏差,从而提高异常检测的准确性。该公式充分考虑了医院设施能源消耗异常值,能源消耗异常测量的开始时间/>,能源消耗异常测量的结束时间/>,能源消耗异常测量的时间变量/>,医院设施温度变化对能源消耗的影响比例系数/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的密度参数/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的比热容/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的温度/>,医院设施体积变化对能源消耗的影响比例系数,医院设施能源消耗影响模式数据中待测量能源消耗介质的体积/>,医院设施压力变化对能源消耗的影响比例系数/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的压力/>,医院设施能源消耗异常值的修正值/>,根据医院设施能源消耗异常值/>与以上各参数之间的相互关联关系构成了一种函数关系:
;
该公式能够实现对医院设施能源消耗影响模式数据的异常计算过程,同时,通过医院设施能源消耗异常值的修正值的引入可以根据实际情况进行调整,从而提高能源消耗异常计算公式的准确性和适用性。
优选地,步骤S5包括以下步骤:
步骤S51:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成分析,得到医院设施异常监控信息数据;
步骤S52:根据医院设施异常监控信息数据对医院设施区域进行控制优化处理,得到医院设施异常监控控制优化结果;
步骤S53:对医院设施异常监控控制优化结果进行节能识别控制,以得到医院设施异常节能控制结果;
步骤S54:根据医院设施异常节能控制结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
本发明首先通过将医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成分析,通过将这两方面的异常检测结果进行综合分析,可以获取更全面的医院设施异常监控信息数据。这些数据可以包括医院设施的状态异常、能源消耗异常以及它们之间的关联性和可能存在的影响因素等。通过集成分析,可以提高对医院设施异常情况的综合认知,为后续处理提供更准确的基础数据。然后,基于医院设施异常监控信息数据,对医院设施区域进行控制优化处理,根据异常监控信息数据的分析结果,可以发现设施中存在的问题或异常情况,并通过控制优化手段进行调整和改进,这可以包括调整设备运行参数、优化能源利用模式、改善设施维护和管理等方面。通过控制优化处理,可以实现对医院设施的异常情况进行有效控制和管理,从而提升医院设施的性能和效率。接下来,通过对医院设施异常监控控制优化结果进行节能识别控制,能够根据医院设施异常监控控制优化结果的分析和调整,识别出存在的节能潜力和控制方案。并通过采取相应的措施,如设备升级、能源管理策略调整、行为改变等,实现对医院设施能源的节约和合理利用。通过节能识别控制,以最大程度地减少能源的浪费和不必要消耗,从而提高医院设施的能源利用效率和可持续性。最后,根据医院设施异常节能控制结果,在生成医院设施控制管理报表的基础上,实施相应的绿色智慧设施控制管理策略。通过报表的生成和汇总,可以清晰地了解医院设施的异常情况、节能效果和控制措施的实施情况。同时,根据报表的分析和评估,制定和执行绿色智慧设施控制管理策略,包括设施运行优化、能源管理改进、环境监测和反馈等方面的措施。通过综合管理和控制策略的执行,实现医院设施的持续改进和节能效果的最大化。
优选地,本发明还提供了一种绿色智慧医院设施监控系统,用于执行如上所述的绿色智慧医院设施监控方法,该绿色智慧医院设施监控系统包括:
医院设施监测处理模块,用于通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
医院设施状态特征提取模块,用于通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
医院设施状态异常检测处理模块,用于对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
能源消耗异常检测处理模块,用于通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,从而得到医院设施能源消耗异常检测结果数据;
异常集成控制优化管理模块,用于对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
综上所述,本发明提供了一种绿色智慧医院设施监控系统,该绿色智慧医院设施监控系统由医院设施监测处理模块、医院设施状态特征提取模块、医院设施状态异常检测处理模块、能源消耗异常检测处理模块以及异常集成控制优化管理模块组成,能够实现本发明所述任意一种绿色智慧医院设施监控方法,用于联合各个模块上运行的计算机程序之间的操作实现一个绿色智慧医院设施监控方法,系统内部结构互相协作,并通过多种技术对医院设施进行高效监控和异常检测管理,以实现医院设施的可靠性、节能性和可持续性,从而降低医院设施能源消耗和运营成本,并优化医院的环境质量和工作效率,这样能够大大减少重复工作和人力投入,能够快速有效地提供更准确、高效的医院设施监控处理过程,从而简化了绿色智慧医院设施监控系统的操作流程。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明绿色智慧医院设施监控方法的步骤流程示意图;
图2为图1中步骤S1的详细步骤流程示意图;
图3为图1中步骤S2的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的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,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图3,本发明提供了一种绿色智慧医院设施监控方法,所述方法包括以下步骤:
步骤S1:通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
步骤S2:通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
步骤S3:对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
步骤S4:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,得到医院设施能源消耗异常检测结果数据;
步骤S5:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
本发明实施例中,请参考图1所示,为本发明绿色智慧医院设施监控方法的步骤流程示意图,在本实例中,所述绿色智慧医院设施监控方法的步骤包括:
步骤S1:通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
本发明实施例首先通过确定医院设施区域的监测需求和覆盖范围,根据监测需求和覆盖范围选择相应的温度传感器、湿度传感器、光照传感器、动态感应器、电力传感器等传感器,同时部署安装相应的控制器和通信设备,以构建一个覆盖整个医院设施区域的传感器网络。然后,通过使用构建的传感器网络对医院设施区域进行实时监测处理,以实时采集医院设施区域有用的监测信息数据,得到医院设施监测数据。最后,通过使用由TCP/IP组成的网络传输协议将监测得到的医院设施监测数据传输至智慧控制系统中。
步骤S2:通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
本发明实施例通过智慧控制系统使用行为状态学习、模式匹配和数据挖掘等算法对医院设施监测数据进行智慧模式识别分析,以识别出医院设施的状态模式,并通过选择合适的特征提取方法,如统计特征、时频特征、频谱特征等,以提取与医院设施状态模式相关具有代表性和区分性的关键特征信息,最终得到医院设施状态模式特征数据。
步骤S3:对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
本发明实施例首先通过使用预设的状态异常计算公式对医院设施状态模式特征数据进行异常计算,以计算出偏离正常状态的异常程度,并通过分析计算出来的医院设施状态异常程度,以进一步确定医院设施状态异常发生的具体原因和影响范围,得到医院设施状态异常检测结果数据。然后,通过对医院设施状态异常检测结果数据进行分析生成相应的警报、提示信息或数字指标等预警信号,根据预警信号进行紧急控制分析,以评估异常情况的紧急程度和影响范围,根据紧急控制分析结果执行相应的紧急维修、设备调整、备件更换等异常故障处理措施。
步骤S4:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,得到医院设施能源消耗异常检测结果数据;
本发明实施例通过使用智慧控制系统对医院设施区域进行能源消耗监控处理,以实时监控收集和记录医院设施的电力、水、气等不同能源类型的消耗情况,得到医院设施能源消耗监控数据。然后,通过使用预设的能源消耗异常计算公式对医院设施能源消耗监控数据进行异常计算,以计算出医院设施能源消耗与预期之间的异常偏离程度,并通过分析计算出来的医院设施能源消耗异常偏离程度,以进一步确定医院设施能源消耗异常发生的具体原因和影响范围,最终得到医院设施能源消耗异常检测结果数据。
步骤S5:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
本发明实施例通过对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成分析,以探索这两方面异常之间的相关性和潜在的影响因素,并通过调整设备运行参数、优化能源利用模式、改善设施维护和管理等控制优化手段改善医院设施的异常状态,以得到医院设施异常监控控制优化结果。根据医院设施异常监控控制优化结果生成包括医院设施的能源消耗情况、异常检测结果、控制优化方案、节能控制措施等信息的医院设施控制管理报表,以执行相应的设施运行优化、能源管理改进、环境监测和反馈等绿色智慧设施控制管理策略。
本发明首先通过构建一个覆盖范围广的传感器网络对医院设施区域进行实时监测处理,可以收集医院各种设施的监测数据,如温度、湿度、能耗、空气质量等,这些监测数据可以反映医院设施的实际运行情况和环境状态。通过传感器网络的实时监测处理,能够及时响应获取数据并传输至智慧控制系统,为后续的数据分析和处理提供基础数据来源。其次,通过使用智慧控制系统对医院设施监测数据进行智慧模式识别分析,可以识别出医院设施的状态模式特征。通过对监测数据的处理和分析,可以发现设施的特定模式和规律,如设备的工作状态、能源消耗的变化趋势等状态模式特征数据,这些状态模式特征数据能够为后续的异常检测和控制优化提供了基础,在智慧控制决策中起到关键作用。然后,通过对医院设施状态模式特征数据进行状态异常检测,可以识别出设施状态的异常情况。通过与预先设定的正常状态进行比较,检测出医院设施运行中存在的异常行为或故障情况。这些异常检测结果数据可以用来生成预警信号,以通知相关人员进行及时的处理和故障排除。通过及时发现和处理设施状态异常,可以减少潜在风险和设备故障,从而提高医院设施的可靠性和安全性。接下来,通过使用智慧控制系统对医院设施区域进行能源消耗监控处理,可以获取医院设施的能源消耗监控数据。这些数据反映了设施的能耗情况和能源利用效率。通过能源消耗异常检测,可以识别出能源消耗异常的情况,如能耗的突然增加、能源浪费的行为等。这些异常检测结果数据可以为后续的控制优化和节能控制提供依据,促使医院设施的能源消耗得到合理管理和优化。最后,将医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理。通过综合分析这两方面的异常检测结果数据,可以获取到更全面的设施异常监控信息。这些信息可以用来实施针对性的控制优化措施,如设备调整和维护、节能策略的制定等,最大程度地改善设施的运行状态和能源消耗效率。根据异常监控控制优化结果生成医院设施控制管理报表,可以全面总结和评估控制优化的效果和成果,为后续的绿色智慧设施控制管理策略提供依据和参考,从而实现对医院设施的可持续发展和异常检测控制管理。
优选地,步骤S1包括以下步骤:
步骤S11:通过在医院设施区域布置相应的传感器、控制器和通信设备,以构建传感器网络;
步骤S12:利用预设的响应边缘计算公式对传感器网络的节点设备进行传输时延负荷控制计算,得到传感器基准网络;
步骤S13:将传感器基准网络和智慧算法相结合,以构建智慧感知传感器网络;
步骤S14:通过智慧感知传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;
步骤S15:通过网络传输协议将医院设施监测数据传输至智慧控制系统。
作为本发明的一个实施例,参考图2所示,为图1中步骤S1的详细步骤流程示意图,在本实施例中步骤S1包括以下步骤:
步骤S11:通过在医院设施区域布置相应的传感器、控制器和通信设备,以构建传感器网络;
本发明实施例首先通过确定医院设施区域的监测需求和覆盖范围,根据监测需求和覆盖范围选择合适的传感器,如温度传感器、湿度传感器、光照传感器、动态感应器、电力传感器等,同时部署安装相应的控制器和通信设备,以构建一个覆盖整个医院设施区域的传感器网络。
步骤S12:利用预设的响应边缘计算公式对传感器网络的节点设备进行传输时延负荷控制计算,得到传感器基准网络;
本发明实施例通过结合响应边缘计算时间变量、传感器网络中节点设备的发射功率、传输信号衰落损失因子、传输信号衰减系数、传输信号角频率、传输信号相位偏移、传输时延负荷贡献参数、传输时延负荷衰减参数、传输时延衰减参数以及相关参数构建一个合适的响应边缘计算公式对传感器网络的节点设备进行传输时延负荷计算,以计算并控制传感器网络中节点设备的传输时延负荷情况,最终得到传感器基准网络。
步骤S13:将传感器基准网络和智慧算法相结合,以构建智慧感知传感器网络;
本发明实施例通过使用相应的机器学习、优化算法等智慧算法对传感器基准网络进行优化和增强,将传感器基准网络中的拓扑结构、数据传输信号和资源利用等因素进行优化处理,以优化传感器节点的部署和数据流动方式,提高网络的智慧感知能力,最终构建得到智慧感知传感器网络。
步骤S14:通过智慧感知传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;
本发明实施例通过使用构建的智慧感知传感器网络对医院设施区域进行实时监测处理,以实时采集医院设施区域有用的监测信息数据,最终得到医院设施监测数据。
步骤S15:通过网络传输协议将医院设施监测数据传输至智慧控制系统。
本发明实施例通过使用由TCP/IP组成的网络传输协议将监测得到的医院设施监测数据传输至智慧控制系统中进行接收、存储和展示,以实现对医院设施监测数据的远程访问和实时控制。
本发明首先通过在医院设施区域布置相应的传感器、控制器和通信设备,可以实现医院设施区域的实时监测能力。而构建得到的传感器网络可以监测各种环境参数和设备状态,如温度、湿度、气体浓度、空气质量等,以及设施的安全情况,这样可以及时发现潜在的故障、异常情况或危险事件,并采取相应的行动,确保医院设施的正常运行和人员的安全。此外,通过传感器网络的自动化数据收集和传输功能可以降低人力成本,提高工作效率。其次,通过使用预设的响应边缘计算公式,可以对传感器网络的节点设备进行传输时延和负荷控制计算,进而优化传感器网络的性能。这样可以实现网络的高效传输,避免数据传输时延过高或负荷过重,保证传感器数据的及时性和准确性。通过传感器基准网络的建立,可以优化传感器之间的通信方式和节点设备的调度,提高网络的稳定性和可靠性,为后续的数据传输和处理奠定基础。然后,通过将传感器基准网络与智慧算法相结合,可以实现智慧化的感知传感器网络。这样可以实现更高级别的数据处理和决策能力。智慧算法可以通过对传感器数据的分析和处理,快速识别异常情况并采取相应措施,例如预警、自动调整和控制。智慧感知传感器网络具备自学习能力,可以通过不断学习和优化自身算法,从而提高感知网络的准确性和可信度。另外,智慧算法还能实时优化网络配置和参数,使传感器网络适应不同的环境和需求。接下来,通过使用智慧感知传感器网络实时监测处理医院设施区域,可以获取更为准确和详尽的监测数据。这些数据可以用于评估设施的运行状态、安全性和效率。监测得到的数据可以包括各种环境参数和设备指标,如温度、湿度、气体浓度、能源消耗等。通过实时监测处理,智慧感知传感器网络还能快速识别医院设施中的异常情况和潜在故障,帮助工作人员采取及时措施。医院设施监测数据经过处理和分析,还可以提供数据分析和统计,为能源管理、设备维护和设施改进等方面的决策提供依据。最后,通过使用网络传输协议,医院设施监测数据可以快速、可靠地传输至智慧控制系统,实现实时数据更新和远程监控。高效传输使得管理人员能够随时访问设施监测数据,并进行远程操作和控制。这样可以便捷地了解设施的运行情况,并及时对设施进行调整和管理。同时,通过数据在智慧控制系统中的存储和分析,可以建立历史数据记录和趋势分析,为设施管理和决策提供更全面的数据支持。网络传输协议还能够确保数据的安全性和完整性,保护敏感信息不被非法访问和篡改。
优选地,步骤S12中的响应边缘计算公式具体为:
;
式中,为传感器网络的节点设备在时间/>的传输时延负荷,/>为响应边缘计算时间变量,/>为响应边缘计算时间上限,/>为传感器网络中节点设备的发射功率,/>为传感器网络中节点设备的传输信号衰落损失因子,/>为传感器网络中节点设备的传输信号衰减系数,为传感器网络中节点设备的传输信号角频率,/>为传感器网络中节点设备的传输信号相位偏移,/>为传感器网络中节点设备的数量,/>为传感器网络中第/>个节点设备的传输时延负荷贡献参数,/>为传感器网络中第/>个节点设备的传输时延负荷衰减参数,/>为传感器网络中第/>个节点设备的传输时延衰减参数,/>为传输时延负荷的修正值。
本发明构建了一个响应边缘计算公式,用于对传感器网络的节点设备进行传输时延负荷控制计算,该响应边缘计算公式通过对特定的一段时间内的功率、信号衰减、传输信号衰落、传输时延、传输时延负荷等因素的综合计算,从而准确地计算得到节点设备在不同时间点上的传输时延负荷情况。通过应用响应边缘计算公式,可以针对传感器网络的节点设备进行传输时延负荷的计算和控制,这有助于优化传感器网络的传输性能,从而保证数据的实时性和准确性。该公式充分考虑了传感器网络的节点设备在时间的传输时延负荷,响应边缘计算时间变量/>,响应边缘计算时间上限/>,传感器网络中节点设备的发射功率/>,传感器网络中节点设备的传输信号衰落损失因子/>,传感器网络中节点设备的传输信号衰减系数/>,传感器网络中节点设备的传输信号角频率/>,传感器网络中节点设备的传输信号相位偏移/>,传感器网络中节点设备的数量/>,传感器网络中第/>个节点设备的传输时延负荷贡献参数/>,传感器网络中第/>个节点设备的传输时延负荷衰减参数/>,传感器网络中第/>个节点设备的传输时延衰减参数/>,传输时延负荷的修正值/>,根据传感器网络的节点设备在时间/>的传输时延负荷/>与以上各参数之间的相互关联关系构成了一种函数关系:
;
该公式能够实现对传感器网络的节点设备的传输时延负荷控制计算过程,同时,通过传输时延负荷的修正值的引入可以根据实际情况进行调整,从而提高响应边缘计算公式的准确性和适用性。
优选地,步骤S2包括以下步骤:
步骤S21:对医院设施监测数据进行数据清洗处理,得到医院设施监测标准数据;
步骤S22:通过所述智慧控制系统对医院设施监测标准数据进行智慧模式识别处理,得到医院设施的状态模式数据;
步骤S23:对医院设施的状态模式数据进行特征提取处理,以得到医院设施状态模式特征数据。
作为本发明的一个实施例,参考图3所示,为图1中步骤S2的详细步骤流程示意图,在本实施例中步骤S2包括以下步骤:
步骤S21:对医院设施监测数据进行数据清洗处理,得到医院设施监测标准数据;
本发明实施例通过对医院设施监测数据进行缺失值填充、去除重复数据、异常数据、无效数据、消除噪声、数据转换、数据平滑、归一化以及标准化等数据清洗步骤后,最终得到医院设施监测标准数据。
步骤S22:通过所述智慧控制系统对医院设施监测标准数据进行智慧模式识别处理,得到医院设施的状态模式数据;
本发明实施例通过智慧控制系统使用行为状态学习、模式匹配和数据挖掘等算法对医院设施监测标准数据进行智慧模式识别处理,以识别出医院设施的状态模式,最终得到医院设施的状态模式数据。
步骤S23:对医院设施的状态模式数据进行特征提取处理,以得到医院设施状态模式特征数据。
本发明实施例通过选择合适的特征提取方法,如统计特征、时频特征、频谱特征等,以提取与医院设施状态模式相关具有代表性和区分性的关键特征信息,最终得到医院设施状态模式特征数据。
本发明首先通过对监测得到的医院设施监测数据进行数据清洗处理,通过数据清洗对原始监测数据进行处理和筛选,以去除不准确、不完整或异常的数据,从而得到高质量的监测标准数据。数据清洗可以去除噪声、异常值和缺失值,使数据更加可靠和稳定。清洗后的数据能够提供准确的信息,为后续的数据处理和分析提供可靠的基础。清洗后的监测标准数据可以反映设施的真实状态,并且具备一致、规范的数据格式,方便后续的模式识别和特征提取处理。然后,通过利用智慧控制系统对医院设施监测标准数据进行分析和处理,以识别设施的状态模式。通过对监测数据的行为状态学习、模式匹配和数据挖掘等算法,可以自动识别和分类不同的设施状态。智慧模式识别可以帮助判断设施是否正常运行,是否存在异常情况或潜在故障。它能够提供更深入的洞察和理解,为设施管理人员提供及时的决策支持。通过智慧模式识别处理,医院设施的状态模式数据具备了更高层次的信息,可以进一步进行特征提取和分析。最后,通过对医院设施的状态模式数据进行特征提取处理,以提取其中的关键特征和信息。通过采用合适的特征提取算法,可以从大量的状态模式数据中抽取出具有代表性和区分性的特征。这些特征能够反映设施状态的重要属性和变化趋势。通过特征提取处理,可以大大降低数据的维度和冗余,提高数据的表达能力和可解释性,从而为设施管理和优化提供重要的依据和指导。
优选地,步骤S3包括以下步骤:
步骤S31:利用预设的状态异常计算公式对医院设施状态模式特征数据进行异常计算,得到医院设施状态异常值;
本发明实施例通过结合医院设施状态异常计算的积分时间变量、设施状态模式的异常度量值和正常度量值、设施状态影响因素的异常度量值和正常度量值、设施状态的异常影响调整参数、异常影响衰减参数、异常影响振幅参数以及相关参数构建一个合适的状态异常计算公式对医院设施状态模式特征数据进行异常计算,将医院设施状态模式特征数据与正常状态进行比较,以计算出偏离正常状态的异常程度,最终得到医院设施状态异常值。
步骤S32:根据预设的状态异常阈值对医院设施状态异常值进行比较,并根据比较结果对医院设施状态异常值对应的医院设施状态模式特征数据进行状态异常检测分析,得到医院设施状态异常检测结果数据;
本发明实施例通过使用预设的状态异常阈值判断计算得到的医院设施状态异常值是否达到异常程度,通过对医院设施状态异常值与预设的状态异常阈值进行比较,如果比较结果超过预设的状态异常阈值,则认定该医院设施状态存在异常,并对该医院设施状态异常值对应的医院设施状态模式特征数据进行状态异常检测分析,根据计算出来的医院设施状态异常值分析医院设施的状态异常情况,其中包括状态异常的性质、位置和原因,以进一步确定医院设施状态异常发生的具体原因和影响范围,最终得到医院设施状态异常检测结果数据。
步骤S33:根据医院设施状态异常检测结果数据生成预警信号并传输至智慧控制系统;
本发明实施例通过对医院设施状态异常检测结果数据进行分析生成相应的警报、提示信息或数字指标等预警信号,然后通过使用无线传输方法将预警信号传输至智慧控制系统中。
步骤S34:通过所述智慧控制系统对预警信号进行紧急控制分析并制定异常故障紧急处理方案,以执行相应的异常故障处理措施。
本发明实施例通过使用智慧控制系统接收预警信号,并进行紧急控制分析,以评估异常情况的紧急程度和影响范围,根据紧急控制分析结果,制定相应的异常故障紧急处理方案,并确定需要采取的应急措施和处理方法。然后,根据制定的异常故障紧急处理方案执行相应的紧急维修、设备调整、备件更换等异常故障处理措施。
本发明首先通过使用预设的状态异常计算公式对医院设施状态模式特征数据进行异常计算,可以衡量医院设施状态的偏离程度和异常程度。通过使用该状态异常计算公式,可以将设施状态特征数据与正常状态进行比较,识别出偏离正常的情况,计算得到的结果能够作为后续状态异常检测分析和预警的依据。然后,通过设定合适的状态异常阈值,可以将计算得到医院设施状态异常值与预设的状态异常阈值进行比较,判断设施状态是否异常。如果异常值超过设定的阈值,就可以认定该设施存在异常。根据比较结果,对医院设施状态模式特征数据进行状态异常检测分析,进一步确定医院设施状态异常的具体特征或模式,这样可以快速定位医院设施中可能存在的故障或异常情况,并为后续的处理提供重要依据。接下来,通过使用状态异常检测分析得到的医院设施状态异常检测结果数据生成相应的预警信号。该预警信号可以采用各种形式,例如警报、提示信息或数字指标等,用于向设施管理人员或智慧控制系统传递异常状态信息。同时,通过无线传输的方式将预警信号传输至智慧控制系统可以实现实时监测、快速响应和集中管理,从而提高故障处理的效率和准确性。最后,智慧控制系统接收到预警信号后,会进行紧急控制分析,分析异常情况的紧迫性和影响程度。根据分析结果,系统可以制定相应的异常故障紧急处理方案。这些方案可能包括紧急维修、设备调整、备件更换等异常故障处理措施,以及相应的操作指导和时间安排。通过执行这些异常故障处理措施可以快速响应异常情况,限制故障的扩大和影响,从而确保医院设施的正常运行和安全性。
优选地,步骤S31中的状态异常计算公式具体为:
;
式中,为医院设施状态异常值,/>为医院设施状态异常计算的时间上限,/>为医院设施状态异常计算的积分时间变量,/>为医院设施状态模式特征数据中设施状态模式的数量,/>为医院设施状态模式特征数据中第/>个设施状态模式的异常度量值,/>为医院设施状态模式特征数据中第/>个设施状态模式的正常度量值,/>为医院设施状态模式特征数据中设施状态影响因素的数量,/>为医院设施状态模式特征数据中第/>个设施状态影响因素的异常度量值,/>为医院设施状态模式特征数据中第/>个设施状态影响因素的正常度量值,为设施状态的异常影响调整参数,/>为设施状态的异常影响衰减参数,/>为设施状态的异常影响振幅参数,/>为医院设施状态异常值的修正值。
本发明构建了一个状态异常计算公式,用于对医院设施状态模式特征数据进行异常计算,该状态异常计算公式结合了设施状态模式特征数据以及设施状态的异常影响因素,可以提供一个综合的指标来衡量设施的异常程度。通过结合设施状态模式特征数据中的多个度量值,包括设施状态模式的异常度量值和设施状态影响因素的异常度量值。通过将这些度量值进行加权求和并进行积分计算,可以综合考虑设施状态的各个方面,从而更准确地评估设施的异常程度。通过考虑设施状态的影响因素的异常度量值和正常度量值,可以使得计算结果更具针对性,这样能够捕捉到影响设施状态的具体因素,并将其纳入异常程度的评估中。还通过使用异常影响调整参数根据实际需求进行调整,这使得公式可以根据不同的情境和设施特点进行定制,更准确地反映异常影响的程度。另外,还通过引入修正值允许根据实际情况对异常值进行进一步调整,使得最终的异常值更符合实际情况,从而减少误判或误报的可能性。该公式充分考虑了医院设施状态异常值,医院设施状态异常计算的时间上限/>,医院设施状态异常计算的积分时间变量/>,医院设施状态模式特征数据中设施状态模式的数量/>,医院设施状态模式特征数据中第/>个设施状态模式的异常度量值/>,医院设施状态模式特征数据中第/>个设施状态模式的正常度量值/>,医院设施状态模式特征数据中设施状态影响因素的数量/>,医院设施状态模式特征数据中第/>个设施状态影响因素的异常度量值/>,医院设施状态模式特征数据中第/>个设施状态影响因素的正常度量值/>,设施状态的异常影响调整参数/>,设施状态的异常影响衰减参数/>,设施状态的异常影响振幅参数/>,医院设施状态异常值的修正值/>,根据医院设施状态异常值/>与以上各参数之间的相互关联关系构成了一种函数关系/>,该公式能够实现对医院设施状态模式特征数据的异常计算过程,同时,通过医院设施状态异常值的修正值/>的引入可以根据实际情况进行调整,从而提高状态异常计算公式的准确性和适用性。
优选地,步骤S4包括以下步骤:
步骤S41:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;
本发明实施例通过使用智慧控制系统对医院设施区域进行能源消耗监控处理,以实时监控收集和记录医院设施的电力、水、气等不同能源类型的消耗情况,最终得到医院设施能源消耗监控数据。
步骤S42:对医院设施能源消耗监控数据进行消耗模式影响分析,得到医院设施能源消耗影响模式数据;
本发明实施例通过对医院设施能源消耗监控数据进行分析和建模,以了解不同时间段、不同设施区域以及不同设备对能源消耗的影响。并通过统计和数据挖掘技术,分析能源消耗的模式和影响因素,例如设备运行状态、气候条件、人员活动等,最终得到医院设施能源消耗影响模式数据。
步骤S43:利用预设的能源消耗异常计算公式对医院设施能源消耗影响模式数据进行异常计算,得到医院设施能源消耗异常值;
本发明实施例通过结合能源消耗异常测量的时间参数、医院设施温度、体积和压力变化对能源消耗的影响比例系数、待测量能源消耗介质的密度参数、比热容、温度、体积、压力以及相关参数构建一个合适的能源消耗异常计算公式对医院设施能源消耗影响模式数据进行异常计算,以计算医院设施能源消耗与预期之间的异常偏离程度,最终得到医院设施能源消耗异常值。
步骤S44:根据预设的能源消耗异常阈值对医院设施能源消耗异常值进行比较,并根据比较结果对医院设施能源消耗异常值对应的医院设施能源消耗影响模式数据进行能源消耗异常检测分析,得到医院设施能源消耗异常检测结果数据。
本发明实施例通过使用预设的能源消耗异常阈值判断计算得到的医院设施能源消耗异常值是否达到异常程度,通过对医院设施能源消耗异常值与预设的能源消耗异常阈值进行比较,如果比较结果超过预设的能源消耗异常阈值,则认定该医院设施能源消耗存在异常,并对该医院设施能源消耗异常值对应的医院设施能源消耗影响模式数据进行能源消耗异常检测分析,根据计算出来的医院设施能源消耗异常值分析医院设施的能源消耗异常情况,其中包括能源消耗异常的性质、位置和原因,以进一步确定医院设施能源消耗异常发生的具体原因和影响范围,最终得到医院设施能源消耗异常检测结果数据。
本发明首先通过使用智慧控制系统对医院设施区域进行能源消耗监控处理,可以实时收集和记录医院设施的能源消耗数据。智慧控制系统可以连接到各种传感器、仪表和电力监测设备,从中获取医院设施的电力、水、气等能源消耗信息,这些能源消耗信息监控数据可以包括能源消耗量、能效指标、能源使用模式等。然后,通过对监控得到的医院设施能源消耗监控数据进行消耗模式影响分析,可以从中识别出影响能源消耗的因素和模式,这可能涉及设备运行状态、人员活动、气候条件等因素对能源消耗的影响。通过分析能源消耗的模式和相关因素,可以建立能源消耗影响模式数据,其中记录了各个因素对能源消耗的影响程度和关联关系。接下来,通过使用预设的能源消耗异常计算公式对医院设施能源消耗影响模式数据进行异常计算,以得到能源消耗的异常值。这个异常值可以量化医院设施的能源消耗与预期或平均值之间的偏离程度,从而判断能源消耗是否异常。通过异常计算,可以准确评估每个区域的能源消耗情况,从而提供能源消耗异常检测的基础数据。最后,根据预设的能源消耗异常阈值对计算得到的医院设施能源消耗异常值进行比较,通过比较医院设施能源消耗异常值与能源消耗异常阈值,判断能源消耗是否超过了预设的异常范围。根据比较结果,对医院设施能源消耗影响模式数据进行能源消耗异常检测分析,进一步确定异常的具体特征或模式,这样可以快速定位能源消耗中可能存在的异常情况,为能源管理和调整提供重要的信息和依据,从而提高能源利用效率、节约能耗成本并优化设施运营。
优选地,步骤S43中的能源消耗异常计算公式具体为:
;
式中,为医院设施能源消耗异常值,/>为能源消耗异常测量的开始时间,为能源消耗异常测量的结束时间,/>为能源消耗异常测量的时间变量,/>为医院设施温度变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的密度参数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的比热容,为医院设施能源消耗影响模式数据中待测量能源消耗介质的温度,/>为医院设施体积变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的体积,/>为医院设施压力变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的压力,/>为医院设施能源消耗异常值的修正值。
本发明构建了一个能源消耗异常计算公式,用于对医院设施能源消耗影响模式数据进行异常计算,该能源消耗异常计算公式综合考虑了多个变量对能源消耗的影响,包括温度变化、体积变化和压力变化。通过计算每个变量的变化率的平方,并加权求和,能够全面地考虑各个方面的影响因素,从而提高对能源消耗异常的敏感性。通过使用相应的影响比例系数来调整不同变量对能源消耗的影响程度。通过调整影响比例系数的值,可以根据实际情况对不同的影响因素赋予不同的权重,使得能源消耗异常计算更加符合医院设施的特点和需求。还通过对时间进行积分计算,可以有效捕捉到能源消耗异常的累积效应,对长时间持续的异常情况进行更准确的评估。另外,还通过使用修正值根据实际情况进行调整,以纠正由于测量误差或其他因素导致的异常值偏差,从而提高异常检测的准确性。该公式充分考虑了医院设施能源消耗异常值,能源消耗异常测量的开始时间/>,能源消耗异常测量的结束时间/>,能源消耗异常测量的时间变量/>,医院设施温度变化对能源消耗的影响比例系数/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的密度参数/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的比热容/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的温度/>,医院设施体积变化对能源消耗的影响比例系数,医院设施能源消耗影响模式数据中待测量能源消耗介质的体积/>,医院设施压力变化对能源消耗的影响比例系数/>,医院设施能源消耗影响模式数据中待测量能源消耗介质的压力/>,医院设施能源消耗异常值的修正值/>,根据医院设施能源消耗异常值/>与以上各参数之间的相互关联关系构成了一种函数关系:
;
该公式能够实现对医院设施能源消耗影响模式数据的异常计算过程,同时,通过医院设施能源消耗异常值的修正值的引入可以根据实际情况进行调整,从而提高能源消耗异常计算公式的准确性和适用性。
优选地,步骤S5包括以下步骤:
步骤S51:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成分析,得到医院设施异常监控信息数据;
本发明实施例通过对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行综合集成分析,以探索这两方面异常之间的相关性和潜在的影响因素,最终得到医院设施异常监控信息数据。
步骤S52:根据医院设施异常监控信息数据对医院设施区域进行控制优化处理,得到医院设施异常监控控制优化结果;
本发明实施例通过医院设施异常监控信息数据对医院设施区域进行控制优化,通过调整设备运行参数、优化能源利用模式、改善设施维护和管理等控制优化手段改善医院设施的异常状态,最终得到医院设施异常监控控制优化结果。
步骤S53:对医院设施异常监控控制优化结果进行节能识别控制,以得到医院设施异常节能控制结果;
本发明实施例通过对医院设施异常监控控制优化结果进行节能识别分析,以识别潜在的节能机会和控制方案,分析评估各种节能机会和控制措施的效果和可行性,并通过采取相应的设备升级、能源管理策略调整、行为改变等控制措施进行控制处理,最终得到医院设施异常节能控制结果。
步骤S54:根据医院设施异常节能控制结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
本发明实施例根据医院设施异常节能控制结果生成包括医院设施的能源消耗情况、异常检测结果、控制优化方案、节能控制措施等信息的医院设施控制管理报表,然后根据生成的医院设施控制管理报表执行相应的设施运行优化、能源管理改进、环境监测和反馈等绿色智慧设施控制管理策略,以实现医院设施的可持续发展和节能减排目标。
本发明首先通过将医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成分析,通过将这两方面的异常检测结果进行综合分析,可以获取更全面的医院设施异常监控信息数据。这些数据可以包括医院设施的状态异常、能源消耗异常以及它们之间的关联性和可能存在的影响因素等。通过集成分析,可以提高对医院设施异常情况的综合认知,为后续处理提供更准确的基础数据。然后,基于医院设施异常监控信息数据,对医院设施区域进行控制优化处理,根据异常监控信息数据的分析结果,可以发现设施中存在的问题或异常情况,并通过控制优化手段进行调整和改进,这可以包括调整设备运行参数、优化能源利用模式、改善设施维护和管理等方面。通过控制优化处理,可以实现对医院设施的异常情况进行有效控制和管理,从而提升医院设施的性能和效率。接下来,通过对医院设施异常监控控制优化结果进行节能识别控制,能够根据医院设施异常监控控制优化结果的分析和调整,识别出存在的节能潜力和控制方案。并通过采取相应的措施,如设备升级、能源管理策略调整、行为改变等,实现对医院设施能源的节约和合理利用。通过节能识别控制,以最大程度地减少能源的浪费和不必要消耗,从而提高医院设施的能源利用效率和可持续性。最后,根据医院设施异常节能控制结果,在生成医院设施控制管理报表的基础上,实施相应的绿色智慧设施控制管理策略。通过报表的生成和汇总,可以清晰地了解医院设施的异常情况、节能效果和控制措施的实施情况。同时,根据报表的分析和评估,制定和执行绿色智慧设施控制管理策略,包括设施运行优化、能源管理改进、环境监测和反馈等方面的措施。通过综合管理和控制策略的执行,实现医院设施的持续改进和节能效果的最大化。
优选地,本发明还提供了一种绿色智慧医院设施监控系统,用于执行如上所述的绿色智慧医院设施监控方法,该绿色智慧医院设施监控系统包括:
医院设施监测处理模块,用于通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
医院设施状态特征提取模块,用于通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
医院设施状态异常检测处理模块,用于对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
能源消耗异常检测处理模块,用于通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,从而得到医院设施能源消耗异常检测结果数据;
异常集成控制优化管理模块,用于对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
综上所述,本发明提供了一种绿色智慧医院设施监控系统,该绿色智慧医院设施监控系统由医院设施监测处理模块、医院设施状态特征提取模块、医院设施状态异常检测处理模块、能源消耗异常检测处理模块以及异常集成控制优化管理模块组成,能够实现本发明所述任意一种绿色智慧医院设施监控方法,用于联合各个模块上运行的计算机程序之间的操作实现一个绿色智慧医院设施监控方法,系统内部结构互相协作,并通过多种技术对医院设施进行高效监控和异常检测管理,以实现医院设施的可靠性、节能性和可持续性,从而降低医院设施能源消耗和运营成本,并优化医院的环境质量和工作效率,这样能够大大减少重复工作和人力投入,能够快速有效地提供更准确、高效的医院设施监控处理过程,从而简化了绿色智慧医院设施监控系统的操作流程。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种绿色智慧医院设施监控方法,其特征在于,包括以下步骤:
步骤S1:通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
步骤S2:通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
步骤S3:对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
步骤S4:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,得到医院设施能源消耗异常检测结果数据;
步骤S5:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
2.根据权利要求1所述的绿色智慧医院设施监控方法,其特征在于,步骤S1包括以下步骤:
步骤S11:通过在医院设施区域布置相应的传感器、控制器和通信设备,以构建传感器网络;
步骤S12:利用预设的响应边缘计算公式对传感器网络的节点设备进行传输时延负荷计算,得到传感器基准网络;
步骤S13:将传感器基准网络和智慧算法相结合,以构建智慧感知传感器网络;
步骤S14:通过智慧感知传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;
步骤S15:通过网络传输协议将医院设施监测数据传输至智慧控制系统。
3.根据权利要求2所述的绿色智慧医院设施监控方法,其特征在于,步骤S12中的响应边缘计算公式具体为:
;
式中,为传感器网络的节点设备在时间/>的传输时延负荷,/>为响应边缘计算时间变量,/>为响应边缘计算时间上限,/>为传感器网络中节点设备的发射功率,/>为传感器网络中节点设备的传输信号衰落损失因子,/>为传感器网络中节点设备的传输信号衰减系数,/>为传感器网络中节点设备的传输信号角频率,/>为传感器网络中节点设备的传输信号相位偏移,/>为传感器网络中节点设备的数量,/>为传感器网络中第/>个节点设备的传输时延负荷贡献参数,/>为传感器网络中第/>个节点设备的传输时延负荷衰减参数,/>为传感器网络中第/>个节点设备的传输时延衰减参数,/>为传输时延负荷的修正值。
4.根据权利要求1所述的绿色智慧医院设施监控方法,其特征在于,步骤S2包括以下步骤:
步骤S21:对医院设施监测数据进行数据清洗处理,得到医院设施监测标准数据;
步骤S22:通过所述智慧控制系统对医院设施监测标准数据进行智慧模式识别处理,得到医院设施的状态模式数据;
步骤S23:对医院设施的状态模式数据进行特征提取处理,以得到医院设施状态模式特征数据。
5.根据权利要求1所述的绿色智慧医院设施监控方法,其特征在于,步骤S3包括以下步骤:
步骤S31:利用预设的状态异常计算公式对医院设施状态模式特征数据进行异常计算,得到医院设施状态异常值;
步骤S32:根据预设的状态异常阈值对医院设施状态异常值进行比较,并根据比较结果对医院设施状态异常值对应的医院设施状态模式特征数据进行状态异常检测分析,得到医院设施状态异常检测结果数据;
步骤S33:根据医院设施状态异常检测结果数据生成预警信号并传输至智慧控制系统;
步骤S34:通过所述智慧控制系统对预警信号进行紧急控制分析并制定异常故障紧急处理方案,以执行相应的异常故障处理措施。
6.根据权利要求5所述的绿色智慧医院设施监控方法,其特征在于,步骤S31中的状态异常计算公式具体为:
;
式中,为医院设施状态异常值,/>为医院设施状态异常计算的时间上限,/>为医院设施状态异常计算的积分时间变量,/>为医院设施状态模式特征数据中设施状态模式的数量,/>为医院设施状态模式特征数据中第/>个设施状态模式的异常度量值,/>为医院设施状态模式特征数据中第/>个设施状态模式的正常度量值,/>为医院设施状态模式特征数据中设施状态影响因素的数量,/>为医院设施状态模式特征数据中第/>个设施状态影响因素的异常度量值,/>为医院设施状态模式特征数据中第/>个设施状态影响因素的正常度量值,/>为设施状态的异常影响调整参数,/>为设施状态的异常影响衰减参数,/>为设施状态的异常影响振幅参数,/>为医院设施状态异常值的修正值。
7.根据权利要求1所述的绿色智慧医院设施监控方法,其特征在于,步骤S4包括以下步骤:
步骤S41:通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;
步骤S42:对医院设施能源消耗监控数据进行消耗模式影响分析,得到医院设施能源消耗影响模式数据;
步骤S43:利用预设的能源消耗异常计算公式对医院设施能源消耗影响模式数据进行异常计算,得到医院设施能源消耗异常值;
步骤S44:根据预设的能源消耗异常阈值对医院设施能源消耗异常值进行比较,并根据比较结果对医院设施能源消耗异常值对应的医院设施能源消耗影响模式数据进行能源消耗异常检测分析,得到医院设施能源消耗异常检测结果数据。
8.根据权利要求7所述的绿色智慧医院设施监控方法,其特征在于,步骤S43中的能源消耗异常计算公式具体为:
;
式中,为医院设施能源消耗异常值,/>为能源消耗异常测量的开始时间,/>为能源消耗异常测量的结束时间,/>为能源消耗异常测量的时间变量,/>为医院设施温度变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的密度参数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的比热容,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的温度,/>为医院设施体积变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的体积,/>为医院设施压力变化对能源消耗的影响比例系数,/>为医院设施能源消耗影响模式数据中待测量能源消耗介质的压力,/>为医院设施能源消耗异常值的修正值。
9.根据权利要求1所述的绿色智慧医院设施监控方法,其特征在于,步骤S5包括以下步骤:
步骤S51:对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成分析,得到医院设施异常监控信息数据;
步骤S52:根据医院设施异常监控信息数据对医院设施区域进行控制优化处理,得到医院设施异常监控控制优化结果;
步骤S53:对医院设施异常监控控制优化结果进行节能识别控制,以得到医院设施异常节能控制结果;
步骤S54:根据医院设施异常节能控制结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
10.一种绿色智慧医院设施监控系统,其特征在于,用于执行如权利要求1所述的绿色智慧医院设施监控方法,该绿色智慧医院设施监控系统包括:
医院设施监测处理模块,用于通过传感器网络对医院设施区域进行实时监测处理,得到医院设施监测数据;通过网络传输协议将医院设施监测数据传输至智慧控制系统;
医院设施状态特征提取模块,用于通过所述智慧控制系统对医院设施监测数据进行智慧模式识别分析,以得到医院设施状态模式特征数据;
医院设施状态异常检测处理模块,用于对医院设施状态模式特征数据进行状态异常检测,得到医院设施状态异常检测结果数据;根据医院设施状态异常检测结果数据生成预警信号,以执行相应的异常故障处理措施;
能源消耗异常检测处理模块,用于通过所述智慧控制系统对医院设施区域进行能源消耗监控处理,得到医院设施能源消耗监控数据;对医院设施能源消耗监控数据进行能源消耗异常检测,从而得到医院设施能源消耗异常检测结果数据;
异常集成控制优化管理模块,用于对医院设施状态异常检测结果数据和医院设施能源消耗异常检测结果数据进行集成控制优化处理,得到医院设施异常监控控制优化结果;根据医院设施异常监控控制优化结果生成医院设施控制管理报表,以执行相应的绿色智慧设施控制管理策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330402.3A CN117082105B (zh) | 2023-10-16 | 2023-10-16 | 一种绿色智慧医院设施监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330402.3A CN117082105B (zh) | 2023-10-16 | 2023-10-16 | 一种绿色智慧医院设施监控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117082105A true CN117082105A (zh) | 2023-11-17 |
CN117082105B CN117082105B (zh) | 2023-12-15 |
Family
ID=88717506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311330402.3A Active CN117082105B (zh) | 2023-10-16 | 2023-10-16 | 一种绿色智慧医院设施监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117082105B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579660A (zh) * | 2023-11-24 | 2024-02-20 | 江苏启航开创软件有限公司 | 一种基于家医的区域互联网信息分布式通信方法 |
CN117668700A (zh) * | 2023-12-25 | 2024-03-08 | 南京天溯自动化控制系统有限公司 | 基于在线变化点检测的医院综合能源边界识别方法及系统 |
CN117953995A (zh) * | 2024-01-25 | 2024-04-30 | 北京争上游科技有限公司 | 智能物联网空气质量监测系统 |
CN118214764A (zh) * | 2024-05-20 | 2024-06-18 | 水发科技信息(山东)有限公司 | 一种基于云边一体的智慧水利水务运营管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689957A (zh) * | 2019-10-24 | 2020-01-14 | 西安四腾环境科技有限公司 | 医院环境设施智慧运维管理平台 |
CN111083309A (zh) * | 2018-10-18 | 2020-04-28 | 北京初速度科技有限公司 | 一种多传感器数据的时间对齐方法及数据采集设备 |
US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
WO2021253867A1 (zh) * | 2020-06-17 | 2021-12-23 | 厦门波耐模型设计有限责任公司 | 无人化智慧医院的架构、方法、系统 |
-
2023
- 2023-10-16 CN CN202311330402.3A patent/CN117082105B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
CN111083309A (zh) * | 2018-10-18 | 2020-04-28 | 北京初速度科技有限公司 | 一种多传感器数据的时间对齐方法及数据采集设备 |
CN110689957A (zh) * | 2019-10-24 | 2020-01-14 | 西安四腾环境科技有限公司 | 医院环境设施智慧运维管理平台 |
WO2021253867A1 (zh) * | 2020-06-17 | 2021-12-23 | 厦门波耐模型设计有限责任公司 | 无人化智慧医院的架构、方法、系统 |
Non-Patent Citations (2)
Title |
---|
张震;: "基于网格的无线传感网传输延迟预测方法研究", 佳木斯大学学报(自然科学版), no. 03 * |
池连江;高红菊;孙宇瑞;: "玉米田环境中915MHz直接序列扩频系统性能仿真", 农业工程学报, no. 2 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579660A (zh) * | 2023-11-24 | 2024-02-20 | 江苏启航开创软件有限公司 | 一种基于家医的区域互联网信息分布式通信方法 |
CN117579660B (zh) * | 2023-11-24 | 2024-05-14 | 江苏启航开创软件有限公司 | 一种基于家医的区域互联网信息分布式通信方法 |
CN117668700A (zh) * | 2023-12-25 | 2024-03-08 | 南京天溯自动化控制系统有限公司 | 基于在线变化点检测的医院综合能源边界识别方法及系统 |
CN117953995A (zh) * | 2024-01-25 | 2024-04-30 | 北京争上游科技有限公司 | 智能物联网空气质量监测系统 |
CN117953995B (zh) * | 2024-01-25 | 2024-07-19 | 北京争上游科技有限公司 | 智能物联网空气质量监测系统 |
CN118214764A (zh) * | 2024-05-20 | 2024-06-18 | 水发科技信息(山东)有限公司 | 一种基于云边一体的智慧水利水务运营管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117082105B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117082105B (zh) | 一种绿色智慧医院设施监控系统及方法 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
JP2017524325A (ja) | グリッドの異常重大度を表す現場でのセンサ応答データパターンを分類するためのシステム及び方法 | |
CN117590159A (zh) | 一种基于深度学习的隧道电缆供电状态监测方法及系统 | |
CN110709789A (zh) | 用于监测可再生发电装置或微电网内的子系统的状况的方法和设备 | |
CN117408162B (zh) | 基于数字孪生的电网故障控制方法 | |
CN113036913A (zh) | 一种综合能源设备状态监测方法及装置 | |
CN116800199A (zh) | 一种分布式光伏运行电能质量监测与分析方法 | |
CN117932322A (zh) | 一种面粉设备故障诊断方法及系统 | |
CN115356970A (zh) | 一种基于实时数据和运维数据的动环监控系统及方法 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN118309644A (zh) | 基于数字孪生的管道泵运行流量监测方法及系统 | |
CN118300273A (zh) | 基于多场耦合的电缆室故障预警系统 | |
CN118316188A (zh) | 应用于电网数据类的资产监控系统及方法 | |
CN117791876A (zh) | 变电设备运行状态监测方法及异常管控系统 | |
CN118030409A (zh) | 用于风机机组的运行性能异常检测方法及系统 | |
CN118035814A (zh) | 基于数字孪生场域数据分析设备状态故障预警方法及系统 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN117435908A (zh) | 一种用于旋转机械的多种故障特征提取方法 | |
CN117128162A (zh) | 智慧能源空压站节能控制系统及控制方法 | |
CN116258467A (zh) | 一种电力施工管控系统 | |
KR20220000053A (ko) | 인공지능 기반 ami 설비 장애 진단 장치 및 그 방법 | |
CN117493129B (zh) | 一种计算机控制设备的运行功率监测系统 | |
CN117272844B (zh) | 配电盘工作寿命的预测方法及系统 | |
CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 |
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 |