CN117094679A - 基于物联网技术和aigc技术的节能管理方法和装置 - Google Patents
基于物联网技术和aigc技术的节能管理方法和装置 Download PDFInfo
- Publication number
- CN117094679A CN117094679A CN202311085762.1A CN202311085762A CN117094679A CN 117094679 A CN117094679 A CN 117094679A CN 202311085762 A CN202311085762 A CN 202311085762A CN 117094679 A CN117094679 A CN 117094679A
- Authority
- CN
- China
- Prior art keywords
- data
- internet
- energy
- things
- technology
- 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 title claims abstract description 120
- 238000005516 engineering process Methods 0.000 title claims abstract description 104
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 36
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 19
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 16
- 230000006399 behavior Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000004134 energy conservation Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009776 industrial production 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
- 230000003287 optical effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
- G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于物联网技术和AIGC技术的节能管理方法和装置，所述方法包括：实时获取来自物联网设备的数据，所述数据包括场景模式信息、所述物联网设备的信息和所述物联网设备采集的碳排放相关信息；对所述数据进行预处理，获得预处理后的数据；以及将所述预处理后的数据输入与当前场景模式对应的模型，并根据预设的节能管理目标，通过AIGC技术输出节能管理策略。本申请的方案具有实时监测、数据准确性高、自动化、精细化管理和可追溯性等优点，适用于各种能源消耗大、碳排放较多的行业。
Description
技术领域
本申请涉及碳中和技术领域，尤其涉及一种基于物联网技术和AIGC技术的节能管理方法和装置。
背景技术
目前，在当前全球环保意识逐步增强的情况下，低碳经济和碳中和成为了未来经济发展的重要方向。然而，许多行业中的碳排放量依然很高，因此需要一种有效的管理系统来减少碳排放并实现碳中和。
目前市场上已有一些节能管理系统，这些系统主要采用数据采集、数据处理、数据分析、数据可视化、设备控制的方式实现能源的统计和管理。其中，数据采集部分主要通过历史数据，或者通过部分传感器、监测设备粗放式实现能耗数据的收集；数据处理部分主要采用固定算法、模型等对数据进行计算和分析；数据分析和可视化部分主要对能耗情况进行展示和分析；设备控制部分主要针对可以控制的设备进行干预，降低能耗。这些系统虽然在节能管理方面有一定的作用，但存在一些挑战和不足之处。包括：
1)数据可靠性低：现有技术主要采用历史经验数据或者水电表、传感器监测总路数据，通常通过人员实际查看能耗数据并手工输入，并且数据是对整个场景的采集、没有细分，数据来源粗放和准确性低，能耗数据的可靠性存在一定问题，影响了技术的精准性和可信度。
2)数据孤岛问题：不同部门、系统、平台等之间的数据孤岛问题，使得数据的共享和整合存在一定困难，影响了技术的整体效能，无法实现整体节能控制管理。
3)无法精细化管理：现有技术的数据来源是通过人工输入、人工预测、账单报表等方式输入，缺乏各个末端场景能耗的数据和管理手段，无法实现不同末端场景下能耗设备的精细化管理及控制。
4)无法高效无人化管理：节能需要人工干预来实现，例如通过人员进行数据采集、人员判断和分析后制定策略或对策略的优化，存在效率低、成本高、管理不及时等问题。
5)节能策略缺乏灵活性和通用性：管理的策略是固定场景下的算法和模型，导致技术无法实现根据不同场景、用户、使用习惯，即根据具体情况制定针对性的减排计划，现有技术通常只能在单一的应用场景中使用，难以适应多样化的节能管理需求。
在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中存在的问题，本申请提供一种基于物联网技术和AIGC(Artificial Intelligence Generated Content，生成式人工智能)技术的节能管理方案。物联网技术和AIGC技术结合使用，以提高节能管理的效率和准确性。其中，物联网技术可以通过各种传感器和设备来收集数据，包括温度、湿度、压力、流量、能源消耗等等。这些数据可以用来监测和分析碳排放源，并且可以在实时或近实时的基础上提供反馈和控制，达到节能效果。AIGC技术则可以通过分析和预测碳排放源的行为和趋势并生成对应策略来提高管理效率。基于机器学习和深度学习的AIGC算法可以分析大量数据，以识别和预测排放源的行为，并在必要时采取措施来减少排放。
根据本申请的第一个方面，本申请提供一种基于物联网技术和AIGC技术的节能管理方法，其特征在于，包括：
实时获取来自物联网设备的数据，所述数据包括场景模式信息、所述物联网设备的信息和所述物联网设备采集的碳排放相关信息；
对所述数据进行预处理，获得预处理后的数据；以及
将所述预处理后的数据输入与当前场景模式对应的模型，并根据预设的节能管理目标，通过AIGC技术输出节能管理策略。
根据本申请的第二个方面，本申请提供一种基于物联网技术和AIGC技术的节能管理装置，其特征在于，包括：
数据获取模块，用于实时获取物联网设备采集的数据，所述数据包括场景模式信息、所述物联网设备的信息和碳排放相关信息；
预处理模块，用于对所述数据进行预处理，获得预处理后的数据；以及
策略输出模块，用于将所述预处理后的数据输入已确定的与当前场景模式对应的模型，根据预设的节能管理目标，通过AIGC技术输出节能管理策略。
根据本申请的第三个方面，提供一种电子设备，包括：
处理器；以及
存储器，存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述处理器执行第一个方面所述的方法。
根据本申请的第四个方面，提供一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行第一个方面所述的方法。
根据本申请提供的基于物联网技术和AIGC技术的节能管理方法和装置，使用物联网技术实时监测能源损耗的行为，采集与节能、碳排放相关的数据，提高了数据的有效性和可信性。其次，使用AIGC技术对采集到的数据进行分析、核算，识别和预测能源损耗、碳排放的行为和趋势，及时发现和解决问题，结合用户生产、使用习惯，识别潜在的减排机会，并根据这些预测提供反馈和控制机制进行控制和管理，实现碳排放量控制的准确性和可行性，减少碳排放，实现节能目标。最后，通过AIGC的技术，生成策略，实现自动化管理碳排放数据和减排计划，结合环境数据AIGC可以协助分析数据内容，对不合理对行为进行纠正，减少人为的错误和漏洞，提高管理效率和减排效果。本申请的方案具有实时监测、数据准确性高、自动化、精细化管理和可追溯性等优点，适用于各种能源消耗大、碳排放较多的行业。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图，而并不超出本申请要求保护的范围。
图1是根据本申请第一个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。
图2是根据本申请第二个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。
图3是根据本申请第三个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。
图4是根据本申请第四个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。
图5是根据本申请第五个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。
图6是根据本申请第一个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。
图7是根据本申请第二个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。
图8是根据本申请第三个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。
图9是根据本申请第四个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。
图10是根据本申请第五个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。
图11是本申请提供的一种电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
根据本申请的一个方面，提供一种基于物联网技术和AIGC技术的节能管理方法。图1是根据本申请第一个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。如图1所示，该方法包括如下步骤。
步骤S101，实时获取来自物联网设备的数据，所述数据包括场景模式信息、所述物联网设备的信息和所述物联网设备采集的碳排放相关信息。
根据一些实施例，基于物联网技术和AIGC技术的节能管理系统可以包括物联网设备、物联网平台和AIGC平台。
根据一些实施例，对于各种物联网设备，例如智能电表、大型冰柜、空调、电灯、大型机组等设备，物联网技术实现设备的智能化，可以在设备上增加物联网联网模块，这些联网模块能够将发送物联网设备自带的信息以及采集的数据，从而使得物联网设备支持数据的实时准确采集。根据一些实施例，联网模块还可以接收控制指令，例如来自物联网平台的控制指令，以实现对物联网设备的远程控制。
根据一些实施例，通过物联网平台与各种物联网设备实现集成和交互，无论是有线协议、无线协议，都可以实现快速连接，这样可以快速实现准确完整的数据采集。
根据一些实施例，来自物联网设备的数据可以包括场景模式信息、物联网设备的信息和物联网设备采集的碳排放相关信息等信息。场景模式信息可以表明当前的数据是什么场景下的，例如楼宇信息、工厂信息、园区信息。物联网设备的信息可以表明当前的数据是哪个物联网设备采集的。碳排放相关信息包含与碳排放计算相关的信息，例如，温度、湿度、压力、流量、能源消耗等。
物联网设备提供的数据质量越好，采用这些数据进行训练获得的模型的准确度越高、泛化能力越好。数据通过平台数据标注和数据清理然后经过进行质量筛选，从而提高整体的质量水平。
步骤S102，对所述数据进行预处理，获得预处理后的数据。
在输入模型进行训练之前或者输入到训练好的模型之前，可以对所采集的数据进行一些预处理操作，例如数据清洗、特征选择、数据归一化等。对数据进行预处理后输入模型进行训练，能够提高模型训练的效率和准确度。对数据进行预处理后输入训练好的模型，能够提高输出策略的准确度。
根据一些实施例，这些预处理可以由物联网平台执行。通过物联网平台实现所采集的数据的统一处理，对数据进行处理的过程与物联网设备采用的协议无关，能够适配行业内各种耗能相关设备。
步骤S103，将所述预处理后的数据输入与当前场景模式对应的模型，并根据预设的节能管理目标，通过AIGC技术输出节能管理策略。
根据一些实施例，一种模型通常有对应的场景模式，例如对于工厂场景或办公楼宇场景，有不同的模型。根据物联网设备历史采集的数据对模型进行训练，形成训练好的模型。根据一个实施例，训练好的模型可以部署在物联网平台上。
AIGC平台是一个提供算法能力的应用集成与数据治理平台。它包含了应用模块分类、数据模块、模型仓库、应用场景，旨在支持数据治理、分析、清洗、标注等数据处理任务，并提供算法能力以满足不同场景的需求。本方案旨在利用数据IoT“大模型”能力，可以在不经过训练的情况下实现能源建筑在设计和运营阶段的节能，从而达到舒适度和低碳平衡的智能化能力。通过数字孪生、模拟预测、智能决策和分析导图、大语言模型等技术，可以更好地理解能源系统的运行情况和性能指标，并且实现最优化的能源控制和优化配置。这将有助于提高能源的利用效率，减少能源的浪费，从而实现可持续发展的目标。
根据一些实施例，AIGC技术可以收集用户意图，学习和预测用户的行为模式，根据物联网设备实时采集的数据情况提供个性化的能源管理建议，形成节能管理策略。例如，电的来源包括光伏电和市政电，若预设或者用户告知的节能管理目标为使得用电成本最低，AIGC技术根据光伏电和市政电在不同时间段的价格，确定在一个具体时间段采用光伏电还是市政电。
图2是根据本申请第二个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。与图1相比，图2的步骤S201至步骤S203与图1的步骤S101至步骤S103相同，不同之处在于，图2还包括如下步骤。
步骤S204，根据所述节能管理策略，向对应物联网设备发送控制指令。
对于所形成的节能管理策略，一个方面，将节能管理策略向用户展示，用户可以根据策略人工控制物联网设备；另一方面，AIGC可以根据节能管理策略或者用户即时输入的要求，自动向物联网设备发送控制指令，实现对物联网设备的控制。例如，可以根据用户的作息时间和使用习惯，输出自动调整照明和温度的策略，如监测到一栋大楼某一层晚上7点人员全部下班，可以在晚7点后控制这一层的电灯全部熄灭、空调关闭或者只保留最低照明和部分空调。或者用户输入希望在现有基础上空调可以再节能10％，系统自动根据使用场景生成匹配要求的节能管理策略，按策略实现动态控温，无人时自动关闭空调，有人时根据人流和环境温度调整温度和风速。这样，由物联网平台实现自动控制，以最大限度地减少能源浪费。
图3是根据本申请第三个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。与图1相比，图3的步骤S301至步骤S303与图1的步骤S101至步骤S103相同，不同之处在于，图3还包括如下步骤。
步骤S304，显示当前的节能管理策略相关的信息以及/或者对对应物联网设备的控制信息。
所形成的节能管理策略涵盖对各个物联网设备在各个时间段的控制信息或建议。为了便于用户了解当前进行的管理策略是什么，根据本申请的一些实施例，可以提供可视化工具和解释机制，例如显示当前关闭了哪一个空调以及关闭空调的原因等。这样，方便用户了解模型的输出结果，并进行合理的决策。
图4是根据本申请第四个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。与图1相比，图4的步骤S401至步骤S403与图1的步骤S101至步骤S103相同，不同之处在于，图4还包括如下步骤。
步骤S404，对物联网设备采集的历史数据采用数据孪生技术生成合成数据；
步骤S405，采用所述历史数据和所述合成数据对待训练的与当前场景模式对应的模型进行训练，获得训练好的模型。
在将预处理后的数据输入模型之前，这个模型需要是已经训练好的。首先需要根据场景模式确定对应的模型，然后根据物联网设备采集的历史数据对待训练的模型进行训练。
AIGC平台可以预置一些与场景模式对应的模型，例如工厂模式、商场模式、办公楼模式等等，对这些常见模式有对应的模型。根据一些实施例，AIGC平台可以根据获得具体的场景模式信息分析整体的节能方案优劣，确定对应的场景模式，确定与场景模式对应的模型。根据另一些实施例，物联网设备采集的数据可能不包括场景模式信息，AIGC平台可以根据物联网设备采集的数据的特点，确定对应的场景模式，从而确定对应的模型。例如可以根据不同的设备配置和节能率要求，确定与哪个场景模式更为匹配。对于某些场景或数据，可能没有对应的场景模式，AIGC平台预置了通用的模型，可以采用通用模型进行训练。
在确定模型后，根据物联网设备采集的历史数据对待训练的模型进行训练，选择合适的算法，并在训练过程中进行参数调优，以提高模型的准确度和鲁棒性。
根据一些实施例，对场景模式进行训练，除了采用物联网设备采集的历史数据，可以采用AIGC的数据孪生技术，根据物联网设备采集的数据，生成更多的合成数据，然后，根据历史数据和合成数据对待训练的与当前场景模式对应的模型进行训练，获得训练好的模型。通过数据孪生技术生成更多的合成数据，能够增加数据量，提高模型的泛化能力。
另外，对于训练好的模型，还可以采用强化学习和分析导图技术对模型进行精细化优化，以提高模型的决策能力和效率。根据一些实施例，可以采用当前场景模式下的测试数据对训练好的模型进行优化，获得优化后的模型，即与当前场景模式对应的模型。
这样，图4还可以包括：步骤S406，采用所述当前场景模式下的测试数据对所述训练好的模型进行优化，获得所述与当前场景模式对应的模型。
在模型训练好或者优化完成后，可以将模型部署到整个物联网平台环境，通过API(Application Programming Interface，应用程序编程接口)调用层与物联网平台进行业务交互，这样设计可以隔绝业务依赖。
根据一些实施例，在模型部署阶段，需要考虑以下方面：
1、部署环境的选择和配置：选择适合的部署环境(比如，机房、云服务器)，并配置相应的硬件和软件环境，以满足模型运行的需求。
2、API接口的设计和开发：设计和开发API接口，与物联网平台进行业务交互，实现模型的调用和输出。
同时，在模型输出策略的过程中，本方案可以开放action节点的控制权通过Plugin API的方式提供给用户进行二次开发。用户可以根据自己的需要定制化自己的模型输出策略和执行分析路径，用户可以提供自己的预训练的模型和训练好的模型，从而可以实时在系统运行过程中参与到模型生成的路径中来，从而实现定制化的模型输出策略。
图5是根据本申请第五个实施例的基于物联网技术和AIGC技术的节能管理方法的流程图。与图1相比，图5的步骤S501至步骤S503与图1的步骤S101至步骤S103相同，不同之处在于，图5还包括如下步骤。
步骤S504，接收与所述节能管理策略相关的反馈信息；以及
步骤S505，根据所述反馈信息对所述节能管理策略进行调整。
在形成节能管理策略，用户在基于节能管理策略进行节能管理的过程中，可以反馈一些信息，对节能管理策略进行调整，使得节能管理策略能够更加适应用户的需求。
根据一些实施例，用户可以输入命令，以对节能管理策略中的某个或某些内容进行调整。例如，物联网平台将空调的温度调高到27℃，用户觉得调整到26℃就可以了，可以输入这个命令，对节能管理策略进行调整。根据另一些实施例，物联网平台能够通过感知用户对物联网设备的控制对节能管理策略中的某个或某些内容进行调整。例如，物联网平台将空调的温度调高到27℃，用户觉得调整到26℃就可以了，将空调温度调到了26℃，物联网平台感知到这一变化，自动对现有的节能管理策略进行调整。根据有一些实施例，技术人员可以主动发现优化节能管理策略的点，对节能管理策略进行调整优化。
根据本申请的另一个方面，提供一种基于物联网技术和AIGC技术的节能管理装置。图6是根据本申请第一个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。如图6所示，该装置包括如下模块。
数据获取模块601，用于实时获取来自物联网设备的数据，所述数据包括场景模式信息、所述物联网设备的信息和所述物联网设备采集的碳排放相关信息。
根据一些实施例，基于物联网技术和AIGC技术的节能管理系统可以包括物联网设备、物联网平台和AIGC平台。
根据一些实施例，对于各种物联网设备，例如智能电表、大型冰柜、空调、电灯、大型机组等设备，物联网技术实现设备的智能化，可以在设备上增加物联网联网模块，这些联网模块能够将发送一些自带信息以及物联网设备采集的数据，从而使得物联网设备支持数据的实时准确采集。根据一些实施例，联网模块还可以接收控制指令，例如来自物联网平台的控制指令，以实现对物联网设备的远程控制。
根据一些实施例，通过物联网平台与各种物联网设备实现集成和交互，无论是有线协议、无线协议，都可以实现快速连接，这样可以快速实现准确完整的数据采集。
根据一些实施例，来自物联网设备的数据可以包括场景模式信息、物联网设备的信息和物联网设备采集的碳排放相关信息等信息。场景模式信息可以表明当前的数据是什么场景下的，例如楼宇信息、工厂信息、园区信息。物联网设备的信息可以表明当前的数据是哪个物联网设备采集的。碳排放相关信息包含与碳排放计算相关的信息，例如，温度、湿度、压力、流量、能源消耗等。
物联网设备提供的数据质量越好，采用这些数据进行训练获得的模型的准确度越高、泛化能力越好。数据通过平台数据标注和数据清理然后经过进行质量筛选，从而提高整体的质量水平。
预处理模块602，用于对所述数据进行预处理，获得预处理后的数据。
在输入模型进行训练之前或者输入到训练好的模型之前，可以对所采集的数据进行一些预处理操作，例如数据清洗、特征选择、数据归一化等。对数据进行预处理后输入模型进行训练，能够提高模型训练的效率和准确度。对数据进行预处理后输入训练好的模型，能够提高输出策略的准确度。
根据一些实施例，这些预处理可以由物联网平台执行。通过物联网平台实现所采集的数据的统一处理，对数据进行处理的过程与物联网设备采用的协议无关，能够适配行业内各种耗能相关设备。
策略输出模块603，用于将所述预处理后的数据输入与当前场景模式对应的模型，并根据预设的节能管理目标，通过AIGC技术输出节能管理策略。
根据一些实施例，一种模型通常有对应的场景模式，例如对于工厂场景或办公楼宇场景，有不同的模型。根据物联网设备历史采集的数据对模型进行训练，形成训练好的模型。根据一个实施例，训练好的模型可以部署在物联网平台上。
AIGC平台是一个提供算法能力的应用集成与数据治理平台。它包含了应用模块分类、数据模块、模型仓库、应用场景，旨在支持数据治理、分析、清洗、标注等数据处理任务，并提供算法能力以满足不同场景的需求。本方案旨在利用数据IoT“大模型”能力，可以在不经过训练的情况下实现能源建筑在设计和运营阶段的节能，从而达到舒适度和低碳平衡的智能化能力。通过数字孪生、模拟预测、智能决策和分析导图、大语言模型等技术，可以更好地理解能源系统的运行情况和性能指标，并且实现最优化的能源控制和优化配置。这将有助于提高能源的利用效率，减少能源的浪费，从而实现可持续发展的目标。
根据一些实施例，AIGC技术可以收集用户意图，学习和预测用户的行为模式，根据物联网设备实时采集的数据情况提供个性化的能源管理建议，形成节能管理策略。例如，电的来源包括光伏电和市政电，若预设或用户告知的节能管理目标为使得用电成本最低，AIGC技术根据光伏电和市政电在不同时间段的价格，确定在一个具体时间段采用光伏电还是市政电。
图7是根据本申请第二个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。与图6相比，图7的模块701至模块703与图6的模块601至模块603相同，不同之处在于，图7还包括如下模块。
指令发送模块704，用于根据所述节能管理策略，向对应物联网设备发送控制指令。
对于所形成的节能管理策略，一个方面，将节能管理策略向用户展示，用户可以根据策略人工控制物联网设备；另一方面，AIGC可以根据节能管理策略或者用户即时输入的要求，自动向物联网设备发送控制指令，实现对物联网设备的控制。例如，可以根据用户的作息时间和使用习惯，输出自动调整照明和温度的策略，如监测到一栋大楼某一层晚上7点人员全部下班，可以在晚7点后控制这一层的电灯全部熄灭、空调关闭或者只保留最低照明和部分空调。诸如此类的策略还包括用户输入希望在现有基础上空调可以再节能10％，系统自动根据使用场景生成匹配要求的节能管理策略，按策略实现动态控温，无人时自动关闭空调，有人时根据人流和环境温度调整温度和风速。这样，由物联网平台实现自动控制，以最大限度地减少能源浪费。
图8是根据本申请第三个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。与图6相比，图8的模块801至模块803与图6的模块601至模块603相同，不同之处在于，图8还包括如下模块。
显示模块804，用于显示当前的节能管理策略相关的信息以及/或者对对应物联网设备的控制信息。
所形成的节能管理策略涵盖对各个物联网设备在各个时间段的控制信息或建议。为了便于用户了解当前进行的管理策略是什么，根据本申请的一些实施例，可以提供可视化工具和解释机制，例如显示当前关闭了哪一个空调以及关闭空调的原因等。这样，方便用户了解模型的输出结果，并进行合理的决策。
图9是根据本申请第四个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。与图6相比，图9的模块901至模块903与图6的模块601至模块603相同，不同之处在于，图9还包括如下模块。
数据生成模块904，用于对物联网设备采集的历史数据采用数据孪生技术生成合成数据；
模型训练模块905，用于采用所述历史数据和所述合成数据对待训练的与当前场景模式对应的模型进行训练，获得训练好的模型。
在将预处理后的数据输入模型之前，这个模型需要是已经训练好的。首先需要根据场景模式确定对应的模型，然后根据物联网设备采集的历史数据对待训练的模型进行训练。
AIGC平台可以预置一些与场景模式对应的模型，例如工厂模式、商场模式、办公楼模式等等，对这些常见模式有对应的模型。根据一些实施例，AIGC平台可以根据获得具体的场景模式信息分析整体的节能方案优劣，确定对应的场景模式，确定与场景模式对应的模型。根据另一些实施例，物联网设备采集的数据可能不包括场景模式信息，AIGC平台可以根据物联网设备采集的数据的特点，确定对应的场景模式，从而确定对应的模型。例如可以根据不同的设备配置和节能率要求，确定与哪个场景模式更为匹配。对于某些场景或数据，可能没有对应的场景模式，AIGC平台预置了通用的模型，可以采用通用模型进行训练。
在确定模型后，根据物联网设备采集的历史数据对待训练的模型进行训练，选择合适的算法，并在训练过程中进行参数调优，以提高模型的准确度和鲁棒性。
根据一些实施例，对场景模式进行训练，除了采用物联网设备采集的历史数据，可以采用AIGC的数据孪生技术，根据物联网设备采集的数据，生成更多的合成数据，然后，根据历史数据和合成数据对待训练的与当前场景模式对应的模型进行训练，获得训练好的模型。通过数据孪生技术生成更多的合成数据，能够增加数据量，提高模型的泛化能力。
另外，对于训练好的模型，还可以采用强化学习和分析导图技术对模型进行精细化优化，以提高模型的决策能力和效率。根据一些实施例，可以采用当前场景模式下的测试数据对训练好的模型进行优化，获得优化后的模型，即与当前场景模式对应的模型。
这样，图9还可以包括：模型优化模块906，用于采用所述当前场景模式下的测试数据对所述训练好的模型进行优化，获得所述与当前场景模式对应的模型。
在模型训练好或者优化完成后，可以将模型部署到整个物联网平台环境，通过API调用层与物联网平台进行业务交互，这样设计可以隔绝业务依赖。
图10是根据本申请第五个实施例的基于物联网技术和AIGC技术的节能管理装置的示意图。与图6相比，图10的模块1001至模块1003与图6的模块601至模块603相同，不同之处在于，图10还包括如下模块。
反馈信息接收模块1004，用于接收与所述节能管理策略相关的反馈信息；以及
策略调整模块1005，用于根据所述反馈信息对所述节能管理策略进行调整。
在形成节能管理策略，用户在基于节能管理策略进行节能管理的过程中，可以反馈一些信息，对节能管理策略进行调整，使得节能管理策略能够更加适应用户的需求。
根据本申请提供的基于物联网技术和AIGC技术的节能管理方法和装置，使用物联网技术实时监测能源损耗的行为，采集与节能、碳排放相关的数据，提高了数据的有效性和可信性，例如建筑能源消耗、工业生产过程中的能源消耗等等。其次，使用AIGC技术对采集到的数据进行分析、核算，识别和预测能源损耗、碳排放的行为和趋势，及时发现和解决问题，结合用户生产、使用习惯，识别潜在的减排机会，并根据这些预测提供反馈和控制机制进行控制和管理，实现碳排放量控制的准确性和可行性，减少碳排放，实现节能目标。通过AIGC的技术，生成策略，实现自动化管理碳排放数据和减排计划，结合环境数据AIGC可以协助分析数据内容，对不合理对行为进行纠正，减少人为的错误和漏洞，提高管理效率和减排效果。本申请的方案具有实时监测、数据准确性高、自动化、精细化管理和可追溯性等优点，适用于各种能源消耗大、碳排放较多的行业。通过本申请的方案，实现了能源数据的完整可信采集和管理，基于物联网平台和AIGC能力可以实现“数据可靠性”，解决“数据孤岛问题”、“精细化管理问题”、“节能策略灵活性和通用性问题”，帮助企业和建筑场景实现节能管理和决策。整个系统利用物联网技术、AIGC技术，为企业和建筑场景提供了完整、高效、可信的节能管理解决方案，支持企业的可持续发展和环境保护要求。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性连接或其它的形式。
参阅图11，图11提供一种电子设备，包括处理器以及存储器。存储器存储有计算机指令，当计算机指令被处理器执行时，使得处理器执行所述计算机指令从而实现如图1至图5所示的方法以及细化方案。
应该理解，上述的装置实施例仅是示意性的，本发明披露的装置还可通过其它的方式实现。例如，上述实施例中所述单元/模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，多个单元、模块或组件可以结合，或者可以集成到另一个系统，或一些特征可以忽略或不执行。
另外，若无特别说明，在本发明各个实施例中的各功能单元/模块可以集成在一个单元/模块中，也可以是各个单元/模块单独物理存在，也可以两个以上单元/模块集成在一起。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元/模块如果以硬件的形式实现时，该硬件可以是数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于晶体管，忆阻器等等。若无特别说明，所述处理器或芯片可以是任何适当的硬件处理器，比如CPU、GPU、FPGA、DSP和ASIC等等。若无特别说明，所述片上缓存、片外内存、存储器可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM(Resistive Random Access Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-AccessMemory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等。
所述集成的单元/模块如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机电子设备(可为个人计算机、服务器或者网络电子设备等)执行本披露各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行如图1至图5所示的方法以及细化方案。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明仅用于帮助理解本申请的方法及其核心思想。同时，本领域技术人员依据本申请的思想，基于本申请的具体实施方式及应用范围上做出的改变或变形之处，都属于本申请保护的范围。综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于物联网技术和AIGC技术的节能管理方法，其特征在于，包括：
实时获取来自物联网设备的数据，所述数据包括场景模式信息、所述物联网设备的信息和所述物联网设备采集的碳排放相关信息；
对所述数据进行预处理，获得预处理后的数据；以及
将所述预处理后的数据输入与当前场景模式对应的模型，并根据预设的节能管理目标，通过AIGC技术输出节能管理策略。
2.如权利要求1所述的方法，其特征在于，还包括：
根据所述节能管理策略，向对应物联网设备发送控制指令。
3.如权利要求1所述的方法，其特征在于，还包括：
显示当前的节能管理策略相关的信息以及/或者对对应物联网设备的控制信息。
4.如权利要求1至3任一项所述的方法，其特征在于，在将所述预处理后的数据输入与当前场景模式对应的模型之前，所述方法还包括：
对物联网设备采集的历史数据采用数据孪生技术生成合成数据；以及
采用所述历史数据和所述合成数据对待训练的与当前场景模式对应的模型进行训练，获得训练好的模型。
5.如权利要求4所述的方法，其特征在于，还包括：
采用所述当前场景模式下的测试数据对所述训练好的模型进行优化，获得所述与当前场景模式对应的模型。
6.如权利要求1至3任一项所述的方法，其特征在于，还包括：
接收与所述节能管理策略相关的反馈信息；以及
根据所述反馈信息对所述节能管理策略进行调整。
7.如权利要求1至3任一项所述的方法，其特征在于，所述对所述数据进行预处理，获得预处理后的数据，包括：
对所述数据进行数据清洗、特征选择和/或数据归一化处理。
8.一种基于物联网技术和AIGC技术的节能管理装置，其特征在于，包括：
数据获取模块，用于实时获取来自物联网设备的数据，所述数据包括场景模式信息、所述物联网设备的信息和所述物联网设备采集的碳排放相关信息；
预处理模块，用于对所述数据进行预处理，获得预处理后的数据；以及
策略输出模块，用于将所述预处理后的数据输入与当前场景模式对应的模型，并根据预设的节能管理目标，通过AIGC技术输出节能管理策略。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311085762.1A CN117094679A (zh) | 2023-08-25 | 2023-08-25 | 基于物联网技术和aigc技术的节能管理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311085762.1A CN117094679A (zh) | 2023-08-25 | 2023-08-25 | 基于物联网技术和aigc技术的节能管理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117094679A true CN117094679A (zh) | 2023-11-21 |
Family
ID=88774834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311085762.1A Pending CN117094679A (zh) | 2023-08-25 | 2023-08-25 | 基于物联网技术和aigc技术的节能管理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094679A (zh) |
-
2023
- 2023-08-25 CN CN202311085762.1A patent/CN117094679A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3716164A1 (en) | Predictive power usage monitoring | |
| CN113835344B (zh) | 设备的控制优化方法、展示平台、云服务器及存储介质 | |
| WO2019063079A1 (en) | SYSTEM, DEVICE AND METHOD FOR OPTIMIZING ENERGY AND COMFORT IN AN IMMOTIC ENVIRONMENT | |
| CN113435657A (zh) | 数据集成处理方法、系统、能源管理系统、电子设备及计算机可读存储介质 | |
| CN103727639A (zh) | 基于本体的中央空调节能系统及方法 | |
| Teich et al. | Design of a prototype neural network for smart homes and energy efficiency | |
| CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和系统 | |
| Gariba et al. | Modelling human behaviour in smart home energy management systems via machine learning techniques | |
| CN108197714A (zh) | 利用机器学习模型进行工作模式判决的方法及装置 | |
| González-Briones et al. | Virtual agent organizations for user behaviour pattern extraction in energy optimization processes: A new perspective | |
| CN116839173A (zh) | 一种能耗优化方法、装置、存储介质和电子设备 | |
| Dimara et al. | NRG4-U: a novel home energy management system for a unique loadprofile | |
| CN116430748B (zh) | 一种基于智能设备的节能控制方法及系统 | |
| CN117094679A (zh) | 基于物联网技术和aigc技术的节能管理方法和装置 | |
| Ding et al. | A smart energy system: distributed resource management, control and optimization | |
| Hong et al. | A demand side management with appliance controllability analysis in smart home | |
| CN116070795A (zh) | 一种基于物联网的智慧能源管控方法及系统 | |
| CN105402908A (zh) | 一种多源参数的空气源热泵辅助太阳能热水机组控制系统 | |
| US20230119984A1 (en) | System and Method for Development of an AI Computational Intelligence Platform for Energy Resilience in Buildings | |
| Kanso et al. | A Review of Energy Aware Cyber-Physical Systems | |
| Badari Nath et al. | Novel smart water metering and management system for smart cities | |
| TWI536282B (zh) | 校園節能類神經網路決策支援系統及其方法 | |
| Jimeno et al. | Framework for the integration of active tertiary prosumers into a smart distribution grid | |
| CN104777765B (zh) | 智能管理方法、设备以及智能系统 | |
| Mani et al. | Real Time Monitoring and Configuration Interface for Smart Home Device Management Using Streamlit and Pygame |
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 |