CN117151938A - 一种酒店数智化运营管理方法及系统 - Google Patents
一种酒店数智化运营管理方法及系统 Download PDFInfo
- Publication number
- CN117151938A CN117151938A CN202310901062.9A CN202310901062A CN117151938A CN 117151938 A CN117151938 A CN 117151938A CN 202310901062 A CN202310901062 A CN 202310901062A CN 117151938 A CN117151938 A CN 117151938A
- Authority
- CN
- China
- Prior art keywords
- control parameter
- taking state
- optimization
- information
- state information
- 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 55
- 238000005457 optimization Methods 0.000 claims abstract description 134
- 238000005265 energy consumption Methods 0.000 claims abstract description 129
- 230000005611 electricity Effects 0.000 claims abstract description 112
- 238000012544 monitoring process Methods 0.000 claims abstract description 77
- 238000009423 ventilation Methods 0.000 claims abstract description 62
- 238000013433 optimization analysis Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000012986 modification Methods 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000007418 data mining Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 239000002699 waste material Substances 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/89—Arrangement or mounting of control or safety devices
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/20—Humidity
Abstract
本申请涉及智慧酒店管理技术领域,提供了一种酒店数智化运营管理方法及系统,包括:接收公共区域取电状态信息,包括温控设备和通风设备取电状态信息;接收客户取电状态信息,包括登记客房和空置客房取电状态信息;接收环境监测信息,包括湿度和温度监测信息;根据湿度和温度监测信息对温控设备和通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;对登记客房和空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;根据取电状态优化结果对酒店能耗管控。能够解决酒店能耗管理过程中由于管控精细度不够造成能耗资源浪费的技术问题,可以达到对酒店能耗实现精准管控,避免能耗资源浪费的效果。
Description
技术领域
本申请涉及智慧酒店管理技术领域,具体涉及一种酒店数智化运营管理方法及系统。
背景技术
随着酒店数字化的逐渐发展,目前酒店正在向场景可视化、运营数据化、产业互链化、服务虚拟化四个方向发展,数字化技术已经成为酒店创新的驱动力。目前,酒店仍有很多看不到的运营黑洞,例如:酒店飞房飞单、水电资源浪费等问题,传统的酒店能耗管理方法由于管理精细度较低,不能通过批量掌握全屋设备状态进行酒店能耗管理,造成酒店能耗资源浪费问题严重。
综上所述,现有技术中存在酒店能耗管理过程中由于管控精细度不够造成能耗资源浪费的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种酒店数智化运营管理方法及系统。
一种酒店数智化运营管理方法,包括:接收公共区域取电状态信息,其中,所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息;接收客户取电状态信息,其中,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息;接收环境监测信息,其中,所述环境监测信息包括湿度监测信息和温度监测信息;根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。
一种酒店数智化运营管理系统,包括:
公共区域取电状态信息接收模块,所述公共区域取电状态信息接收模块用于接收公共区域取电状态信息,其中,所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息;
客户取电状态信息接收模块,所述客户取电状态信息接收模块用于接收客户取电状态信息,其中,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息;
环境监测信息接收模块,所述环境监测信息接收模块用于接收环境监测信息,其中,所述环境监测信息包括湿度监测信息和温度监测信息;
第一取电状态优化结果获取模块,所述第一取电状态优化结果获取模块用于根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;
第二取电状态优化结果获取模块,所述第二取电状态优化结果获取模块用于对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;
酒店能耗管控模块,所述酒店能耗管控模块用于根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。
上述一种酒店数智化运营管理方法及系统,能够解决酒店能耗管理过程中由于管控精细度不够造成能耗资源浪费的技术问题,首先获得公共区域取电状态信息,其中包括温控设备取电状态信息和通风设备取电状态信息;获得客户取电状态信息,其中包括登记客房取电状态信息和空置客房取电状态信息;获得环境监测信息,其中包括湿度监测信息和温度监测信息;然后根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果,所述第一取电状态优化结果为温控设备和通风设备的优化控制参数;对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果,所述第二取电状态优化结果为针对空置客房用电情况的管控方案;最后根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。可以达到对酒店能耗实现精准管控,避免能耗资源浪费的效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请提供了一种酒店数智化运营管理方法的流程示意图;
图2为本申请提供了一种酒店数智化运营管理方法中获取第一取电状态优化结果的流程示意图;
图3为本申请提供了一种酒店数智化运营管理方法中生成第二取电状态优化结果的流程示意图;
图4为本申请提供了一种酒店数智化运营管理系统的结构示意图。
附图标记说明:公共区域取电状态信息接收模块1、客户取电状态信息接收模块2、环境监测信息接收模块3、第一取电状态优化结果获取模块4、第二取电状态优化结果获取模块5、酒店能耗管控模块6。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种酒店数智化运营管理方法,所述方法应用于酒店数智化运营管理系统,包括:
步骤S100:接收公共区域取电状态信息,其中,所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息;
具体而言,本申请提供的方法用于对酒店能耗进行智能管控,所述酒店数智化运营管理系统用于实施一种酒店数智化运营管理方法中的任意一项方法。其中本申请中提及的酒店为连锁酒店中的任意一个待进行能耗管控的酒店。首先连接酒店设备管理系统,获得公共区域取电状态信息,其中公共区域是指酒店内除酒店客房外的所有区域。所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息,其中温控设备是指用于调节酒店公共区域温度的设备,例如:变频空调、冷风机等设备;通风设备是指用于调节酒店公共区域室内空气环境的设备,例如:风机、烟机等设备。其中取电状态信息包括设备的运行状态信息和非运行状态信息,运行状态信息包括设备的运行控制参数。通过获得所述温控设备取电状态信息和所述通风设备取电状态信息,为下一步进行设备取电状态优化分析提供了数据支持。
步骤S200:接收客户取电状态信息,其中,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息;
具体而言,连接酒店设备管理系统,获取客户取电状态信息,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息。其中取电状态信息包括客房内能耗设备的运行状态信息和非运行状态信息,客房内能耗设备包括变频空调、电视机、冰箱等能耗设备。通过获得所述客户取电状态信息,为下一步进行空置客房能耗智能管控提供了支持。
步骤S300:接收环境监测信息,其中,所述环境监测信息包括湿度监测信息和温度监测信息;
具体而言,通过多个传感器进行酒店室外环境监测,所述多个传感器包括湿度传感器和温度传感器,获得环境监测信息,其中所述环境监测信息包括湿度监测信息和温度监测信息。通过获得所述湿度监测信息和所述温度监测信息,为下一步进行设备取电状态优化分析提供了支持。
步骤S400:根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;
如图2所示,在一个实施例中,本申请步骤S400还包括:
步骤S410:所述湿度监测信息包括室外湿度信息,所述温度监测信息包括室外温度信息;
步骤S420:获取室内期望温度、室内期望湿度和室内空间特征;
步骤S430:根据所述室外湿度信息和所述室内期望湿度,确定第一偏离系数;
步骤S440:根据所述室外温度信息和所述室内期望温度,确定第二偏离系数;
具体而言,其中所述湿度监测信息为酒店临近区域的室外湿度信息,所述温度监测信息为酒店临近区域的室外温度信息。获取室内期望温度、室内期望湿度和室内空间特征;所述室内期望温度是指酒店公共区域内想要达到的目标温度,所述室内期望湿度是指酒店公共区域内想要达到的目标湿度,所述室内空间特征包括酒店公共区域的空间体积、通风口面积等特征。将所述室外湿度信息中的湿度值减去室内期望湿度值,将计算得出的湿度差值作为第一偏离系数,将所述室外温度信息中的温度值减去室内期望温度值,将计算得出的温度差值作为第二偏离系数。
步骤S450:根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对所述通风设备取电状态信息和所述温控设备取电状态信息进行优化分析,获取所述第一取电状态优化结果。
在一个实施例中,本申请步骤S450还包括:
步骤S451:根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对通风设备和温控设备进行控制优化,获取控制参数匹配结果;
在一个实施例中,本申请步骤S451还包括:
步骤S4511:获取酒店数智化运营管理系统的客户端预设的所述通风设备和所述温控设备的控制参数调节区间;
步骤S4512:将所述第一偏离系数、所述第二偏离系数和所述室内空间特征设为调节需求信息;
步骤S4513:将所述控制参数调节区间、通风设备部署信息和温控设备部署信息设为调节约束信息;
步骤S4514:将通风设备控制参数和温控设备控制参数设为调节目标信息;
步骤S4515:根据所述调节需求信息、所述调节约束信息和所述调节目标信息进行数据挖掘,获取第一节点控制记录数据、第二节点控制记录数据直到第N节点控制记录数据,其中,所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据来自N个不同的数据传输方;
具体而言,获取酒店数智化运营管理系统的客户端预设的所述通风设备和所述温控设备的控制参数调节区间,所述通风设备的控制参数调节区间是指通风设备运行时可调节的控制参数范围,例如:扇叶频率、压力、功率等,所述温控设备的控制参数调节区间是指温控设备运行时可调节的控制参数范围,例如:温度、风力等。
将所述第一偏离系数、所述第二偏离系数和所述室内空间特征设为调节需求信息,将所述控制参数调节区间、通风设备部署信息和温控设备部署信息设为调节约束信息,其中设备部署信息包括设备类型、设备规格、设备安装位置等信息;将通风设备控制参数和温控设备控制参数设为调节目标信息;
连接酒店经营管理系统,其中所述酒店经营管理系统中包含与目标酒店类似的多个连锁酒店,根据所述调节需求信息、所述调节约束信息和所述调节目标信息进行数据挖掘,其中所述调节需求信息是指数据挖掘中的搜索条件,即搜索和所述室内空间特征类似、同时和所述第一偏离系数、所述第二偏离系数基本吻合的信息,其中搜索条件可根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征设置相似度阈值进行限制,所述调节约束信息是指数据挖掘过程中的限制条件,所述调节目标信息为待获取的目标信息。获取第一节点控制记录数据、第二节点控制记录数据直到第N节点控制记录数据,其中节点控制记录数据是指不同酒店通风设备和温控设备的多个历史控制参数。其中,所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据来自N个不同的数据传输方,所述数据传输方是指与目标酒店类似的多个连锁酒店。通过对和目标酒店类似的多个连锁酒店进行历史数据挖掘,可以提高控制记录数据与目标酒店的适配度,从而提高控制记录数据获取的准确率,同时也为下一步进行控制优化提供了样本数据支持。
步骤S4516:根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据进行控制优化,获取所述控制参数匹配结果。
在一个实施例中,本申请步骤S4516还包括:
步骤S45161:根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据,获取第i节点控制记录数据的多条控制记录数据,输入内嵌于酒店数智化运营管理系统的能耗估计器,获取多个单位时间能耗评估值;
步骤S45162:对所述多个单位时间能耗评估值进行最小值筛选,获取第i节点优化控制参数,添加进第一节点优化控制参数、第二节点优化控制参数直到第N节点优化控制参数;
步骤S45163:对所述第一节点优化控制参数、所述第二节点优化控制参数直到所述第N节点优化控制参数进行能耗评估值最小值筛选,获取全局优化控制参数;
具体而言,根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据,获取第i节点控制记录数据的多条控制记录数据,所述第i节点控制记录数据为N个节点控制记录数据中的任意一个控制记录数据。所述多条控制记录数据包括多个通风设备和温控设备的多次运行控制参数。构建能耗估计器,所述能耗估计器为基于BP神经网络构建的神经网络模型,通过训练数据集进行监督训练获得。连接酒店经营管理系统,获得多个历史控制记录数据和多个历史能耗,其中所述历史控制记录数据和所述历史能耗具有对应关系,并根据所述多个历史控制记录数据和多个历史能耗构建样本数据集,将所述样本数据集划分为样本训练集和样本验证集,通过样本训练集和样本验证集分别对所述能耗估计器进行监督训练和验证,获得符合预期指标的能耗估计器,并将所述能耗估计器嵌入所述酒店数智化运营管理系统。
将第i节点控制记录数据的多条控制记录数据,输入内嵌于酒店数智化运营管理系统的能耗估计器,输出多个能耗值。获取预设单位时间,所述预设单位时间本领域技术人员可基于实际情况设置,例如:设置预设单位时间为1小时。根据所述多个能耗值、所述多个能耗值对应的能耗时间、所述预设单位时间进行计算,获得多个单位时间能耗评估值。
对所述多个单位时间能耗评估值进行最小值筛选,获得能耗评估最小值,所述能耗评估最小值是指所述第i节点多个单位时间能耗评估值中的最小值,所述第i节点为N个节点中的任意一个节点,并将所述能耗评估最小值对应的控制记录数据作为第i节点优化控制参数。根据所述能耗估计器依次对N个节点控制记录数据中的控制记录数据进行能耗评估,并根据能耗评估结果进行最小值筛选,将每个节点能耗评估最小值对应的控制记录数据作为该节点的节点优化控制参数,获得N个节点优化控制参数,并将N个节点优化控制参数按照排序依次存储为第一节点优化控制参数、第二节点优化控制参数直到第N节点优化控制参数。
然后对所述第一节点优化控制参数、所述第二节点优化控制参数直到所述第N节点优化控制参数进行能耗评估值最小值筛选,将能耗评估最小值对应的控制记录数据作为全局优化控制参数,获得所述全局优化控制参数。
步骤S45164:基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果;
在一个实施例中,本申请步骤S45164还包括:
步骤S451641:获取所述第i节点控制记录数据的第k条控制记录数据,匹配第k颗粒参数,其中,所述第k颗粒参数包括第k颗粒位置参数和第k颗粒的多个初始步长参数,所述第k颗粒位置参数表征控制参数特征值,所述第k颗粒的多个初始步长参数表征扩充时的修改步长;
步骤S451642:设定局部学习系数和全局学习系数,其中,所述局部学习系数和所述全局学习系数∈[0,2],且所述全局学习系数大于或等于所述局部学习系数;
步骤S451643:计算所述第k条控制记录数据的第j维控制参数记录值和所述第i节点优化控制参数的第j维控制参数局部优化值的偏差,设为第一偏差值;
步骤S451644:计算所述第k条控制记录数据的第j维控制参数记录值和所述全局优化控制参数的第j维控制参数全局优化值的偏差,设为第二偏差值;
具体而言,获取所述第i节点控制记录数据的第k条控制记录数据,匹配第k颗粒参数,所述第k条控制记录数据是指所述第i节点控制记录数据中的任意一条控制记录数据,任意一条控制记录数据存储有多个控制参数属性的特征值,存储形式优选为多元数组形式,例如:A=[x1,x2,...xj,...],将A表征为所述第k颗粒参数,x1,x2,...xj,...表征多个控制参数属性的特征值,xj表征第j维控制参数,其中,所述第k颗粒参数包括第k颗粒位置参数和第k颗粒的多个初始步长参数,所述第k颗粒位置参数表征控制参数特征值,所述第k颗粒的多个初始步长参数表征扩充时的修改步长,其中步长参数用于表征遍历的参数改变大小,且任意一个维度的量都具有一个初始步长,本领域技术人员可基于实际情况自定义设置步长取值。
设定局部学习系数和全局学习系数,其中,所述局部学习系数和所述全局学习系数∈[0,2],且所述全局学习系数大于或等于所述局部学习系数。当所述全局学习系数大于所述局部学习系数,表征输出结果更关注全局的经验;当所述全局学习系数等于所述局部学习系数,表征输出结果更关注局部的经验。
将所述第k条控制记录数据的第j维控制参数记录值减去所述第i节点优化控制参数的第j维控制参数局部优化值获得的偏差值作为第一偏差值,所述第j维控制参数记录值是指所述第k条控制记录数据中多个维度控制参数中的任意一个维度的控制参数记录值,所述多个维度包括温度、湿度等,其中具体的维度属性用户可根据实际场景自定义调整或设定,将所述第k条控制记录数据的第j维控制参数记录值减去所述全局优化控制参数的第j维控制参数全局优化值获得的偏差值作为第二偏差值。
步骤S451645:构建扩充步长更新函数:
dikj(f+1)=dikj(f)+S1*z1*Dikj1+S2*z2*Dikj2;
其中,dikj(f+1)表征第f+1次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,dikj(f)第f次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,当f=0时,dikj(f)为初始步长参数,S1表征局部学习系数,S2表征全局学习系数,Dikj1表征第一偏差值,Dikj2表征第二偏差值,z1和z2表征0~1之间的随机数;
步骤S451646:根据所述扩充步长更新函数基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果。
具体而言,构建扩充步长更新函数:dikj(f+1)=dikj(f)+S1*z1*Dikj1+S2*z2*Dikj2,其中,dikj(f+1)表征第f+1次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,dikj(f)第f次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,当f=0时,dikj(f)为初始步长参数,S1表征局部学习系数,S2表征全局学习系数,Dikj1表征第一偏差值,Dikj2表征第二偏差值,z1和z2表征0~1之间的随机数,其中设置随机数的原因是为了让输出结果更全面。通过构建扩充步长更新函数,为下一步进行控制记录数据扩充提供了支持。
对N个节点控制记录数据进行依次扩充,根据所述扩充步长更新函数,基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,依次获得第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果。通过对N个节点控制记录数据进行数据扩充,可以提高样本数据的容量,从而提高了全局最优结果获得的准确率。
步骤S45165:根据所述第一节点控制参数扩充结果、所述第二节点控制参数扩充结果直到所述第N节点控制参数扩充结果进行重复迭代q次,获取q次全局最优解,设为所述控制参数匹配结果,其中,q为整数,15≥q≥5。
具体而言,根据所述第一节点控制参数扩充结果、所述第二节点控制参数扩充结果直到所述第N节点控制参数扩充结果进行重复迭代q次,获取q次全局最优解,并将q次全局最优解作为控制参数匹配结果,其中,q为整数,15≥q≥5,设置q取值大于等于5小于等于15的目的是在确保优化结果的基础上提高优化时间。通过利用粒子群优化算法对通风设备和温控设备进行控制优化获取控制参数匹配结果,可以提高控制参数匹配结果获得的准确率和效率。
步骤S452:基于所述控制参数匹配结果,获取通风设备期望取电状态和温控设备期望取电状态;
步骤S453:根据所述通风设备期望取电状态对所述通风设备取电状态信息进行调整,根据所述温控设备期望取电状态对所述温控设备取电状态信息进行调整,获取所述第一取电状态优化结果。
具体而言,根据所述控制参数匹配结果中的多个通风设备控制参数对通风设备进行匹配设置,获得通风设备期望取电状态;根据多个温控设备控制参数对温控设备进行匹配设置,获得温控设备期望取电状态。然后根据所述通风设备期望取电状态对所述通风设备取电状态信息进行调整,根据所述温控设备期望取电状态对所述温控设备取电状态信息进行调整,例如:所述温控设备中一个设备的取电状态为运行温度26摄氏度,对应的期望取电状态为运行温度27摄氏度,则将温控设备取电状态温度调整为27摄氏度。获得第一取电状态优化结果。通过获得所述第一取电状态优化结果,为进行公共区域的能耗控制提供了支持。
步骤S500:对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;
如图3所示,在一个实施例中,本申请步骤S500还包括:
步骤S510:根据所述登记客房取电状态信息,获取登记客房数量信息,基于预设时区的登记客房能耗均值进行能耗预测,生成客房单位时长能耗评估值;
步骤S520:根据所述登记客房取电状态信息和所述空置客房取电状态信息,确定客房单位时长实际能耗;
步骤S530:当所述客房单位时长能耗评估值小于所述客房单位时长实际能耗,且客房能耗偏差大于能耗偏差阈值;
步骤S540:遍历所述空置客房取电状态信息,获取取电时长参数;
步骤S550:若空置客房无人为活动,且所述取电时长参数大于或等于预设时长,关闭空置客房取电开关,生成所述第二取电状态优化结果。
具体而言,根据所述登记客房取电状态信息,获取登记客房数量信息。基于预设时区的登记客房能耗均值进行能耗预测,所述预设时区可基于实际情况自定义设置,例如:3个月,所述登记客房能耗均值是指所述预设时区内历史每间客房单位时长的能耗值,通过所述预设时区内总能耗量除以总登记客房数量再除以所述预设时区获得。其中所述单位时长本领域技术人员可自定义设置,例如:1小时。将所述登记客房能耗均值乘以所述登记客房数量信息,获得客房单位时长能耗评估值。
根据所述登记客房取电状态信息和所述空置客房取电状态信息,确定客房单位时长实际能耗,当所述客房单位时长能耗评估值小于所述客房单位时长实际能耗,说明此时存在客房能耗资源浪费的现象。预设能耗偏差阈值,所述能耗偏差阈值可基于实际情况自定义设置,根据所述能耗偏差阈值对客房能耗偏差进行判断,所述客房能耗偏差是指客房单位时长实际能耗减去客房单位时长能耗评估值的差值,当所述客房能耗偏差大于所述能耗偏差阈值时,此时遍历所述空置客房取电状态信息,获得取电时长参数。
预设取电时长阈值,所述取电时长阈值本领域技术人员可基于实际情况设置,例如:10分钟。当空置客房无人为活动,且所述取电时长参数大于或等于所述取电时长阈值时,关闭空置客房取电开关,生成第二取电状态优化结果。通过生成所述第二取电状态优化结果,为进行客户区域的能耗控制提供了支持。
步骤S600:根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。
具体而言,根据所述第一取电状态优化结果对酒店公共区域能耗进行管控,根据所述第二取电状态优化结果对酒店客户区域能耗进行管控,从而实现对酒店的综合能耗管控。通过上述方法解决了酒店能耗管理过程中由于管控精细度不够造成能耗资源浪费的技术问题,可以达到对酒店能耗实现精准管控,避免能耗资源浪费的效果。
在一个实施例中,如图4所示提供了一种酒店数智化运营管理系统,包括:公共区域取电状态信息接收模块1、客户取电状态信息接收模块2、环境监测信息接收模块3、第一取电状态优化结果获取模块4、第二取电状态优化结果获取模块5、酒店能耗管控模块6、其中:
公共区域取电状态信息接收模块1,所述公共区域取电状态信息接收模块1用于接收公共区域取电状态信息,其中,所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息;
客户取电状态信息接收模块2,所述客户取电状态信息接收模块2用于接收客户取电状态信息,其中,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息;
环境监测信息接收模块3,所述环境监测信息接收模块3用于接收环境监测信息,其中,所述环境监测信息包括湿度监测信息和温度监测信息;
第一取电状态优化结果获取模块4,所述第一取电状态优化结果获取模块4用于根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;
第二取电状态优化结果获取模块5,所述第二取电状态优化结果获取模块5用于对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;
酒店能耗管控模块6,所述酒店能耗管控模块6用于根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。
在一个实施例中,所述系统还包括:
监测信息概括模块,所述监测信息概括模块是指所述湿度监测信息包括室外湿度信息,所述温度监测信息包括室外温度信息;
信息获取模块,所述信息获取模块用于获取室内期望温度、室内期望湿度和室内空间特征;
第一偏离系数确定模块,所述第一偏离系数确定模块用于根据所述室外湿度信息和所述室内期望湿度,确定第一偏离系数;
第二偏离系数确定模块,所述第二偏离系数确定模块用于根据所述室外温度信息和所述室内期望温度,确定第二偏离系数;
第一取电状态优化结果获取模块,所述第一取电状态优化结果获取模块用于根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对所述通风设备取电状态信息和所述温控设备取电状态信息进行优化分析,获取所述第一取电状态优化结果。
在一个实施例中,所述系统还包括:
设备控制优化模块,所述设备控制优化模块用于根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对通风设备和温控设备进行控制优化,获取控制参数匹配结果;
期望取电状态获取模块,所述期望取电状态获取模块用于基于所述控制参数匹配结果,获取通风设备期望取电状态和温控设备期望取电状态;
第一取电状态优化结果获取模块,所述第一取电状态优化结果获取模块用于根据所述通风设备期望取电状态对所述通风设备取电状态信息进行调整,根据所述温控设备期望取电状态对所述温控设备取电状态信息进行调整,获取所述第一取电状态优化结果。
在一个实施例中,所述系统还包括:
控制参数调节区间获取模块,所述控制参数调节区间获取模块用于获取酒店数智化运营管理系统的客户端预设的所述通风设备和所述温控设备的控制参数调节区间;
调节需求信息设置模块,所述调节需求信息设置模块用于将所述第一偏离系数、所述第二偏离系数和所述室内空间特征设为调节需求信息;
调节约束信息设置模块,所述调节约束信息设置模块用于将所述控制参数调节区间、通风设备部署信息和温控设备部署信息设为调节约束信息;
调节目标信息设置模块,所述调节目标信息设置模块用于将通风设备控制参数和温控设备控制参数设为调节目标信息;
数据挖掘模块,所述数据挖掘模块用于根据所述调节需求信息、所述调节约束信息和所述调节目标信息进行数据挖掘,获取第一节点控制记录数据、第二节点控制记录数据直到第N节点控制记录数据,其中,所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据来自N个不同的数据传输方;
控制优化模块,所述控制优化模块用于根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据进行控制优化,获取所述控制参数匹配结果。
在一个实施例中,所述系统还包括:
能耗评估值获取模块,所述能耗评估值获取模块用于根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据,获取第i节点控制记录数据的多条控制记录数据,输入内嵌于酒店数智化运营管理系统的能耗估计器,获取多个单位时间能耗评估值;
节点优化控制参数获取模块,所述节点优化控制参数获取模块用于对所述多个单位时间能耗评估值进行最小值筛选,获取第i节点优化控制参数,添加进第一节点优化控制参数、第二节点优化控制参数直到第N节点优化控制参数;
全局优化控制参数获取模块,所述全局优化控制参数获取模块用于对所述第一节点优化控制参数、所述第二节点优化控制参数直到所述第N节点优化控制参数进行能耗评估值最小值筛选,获取全局优化控制参数;
控制参数扩充结果生成模块,所述节点控制参数扩充结果生成模块用于基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果;
控制参数匹配结果设置模块,所述控制参数匹配结果设置模块用于根据所述第一节点控制参数扩充结果、所述第二节点控制参数扩充结果直到所述第N节点控制参数扩充结果进行重复迭代q次,获取q次全局最优解,设为所述控制参数匹配结果,其中,q为整数,15≥q≥5。
在一个实施例中,所述系统还包括:
颗粒参数匹配模块,所述颗粒参数匹配模块用于获取所述第i节点控制记录数据的第k条控制记录数据,匹配第k颗粒参数,其中,所述第k颗粒参数包括第k颗粒位置参数和第k颗粒的多个初始步长参数,所述第k颗粒位置参数表征控制参数特征值,所述第k颗粒的多个初始步长参数表征扩充时的修改步长;
学习系数设定模块,所述学习系数设定模块用于设定局部学习系数和全局学习系数,其中,所述局部学习系数和所述全局学习系数∈[0,2],且所述全局学习系数大于或等于所述局部学习系数;
第一偏差值设置模块,所述第一偏差值设置模块用于计算所述第k条控制记录数据的第j维控制参数记录值和所述第i节点优化控制参数的第j维控制参数局部优化值的偏差,设为第一偏差值;
第二偏差值设置模块,所述第二偏差值设置模块用于计算所述第k条控制记录数据的第j维控制参数记录值和所述全局优化控制参数的第j维控制参数全局优化值的偏差,设为第二偏差值;
扩充步长更新函数构建模块,所述扩充步长更新函数构建模块用于构建扩充步长更新函数:
dikj(f+1)=dikj(f)+S1*z1*Dikj1+S2*z2*Dikj2;
其中,dikj(f+1)表征第f+1次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,dikj(f)第f次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,当f=0时,dikj(f)为初始步长参数,S1表征局部学习系数,S2表征全局学习系数,Dikj1表征第一偏差值,Dikj2表征第二偏差值,z1和z2表征0~1之间的随机数;
控制参数扩充结果生成模块,所述控制参数扩充结果生成模块用于根据所述扩充步长更新函数基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果。
在一个实施例中,所述系统还包括:
客房单位时长能耗评估值生成模块,所述客房单位时长能耗评估值生成模块用于根据所述登记客房取电状态信息,获取登记客房数量信息,基于预设时区的登记客房能耗均值进行能耗预测,生成客房单位时长能耗评估值;
客房单位时长实际能耗确定模块,所述客房单位时长实际能耗确定模块用于根据所述登记客房取电状态信息和所述空置客房取电状态信息,确定客房单位时长实际能耗;
能耗评估值判断模块,所述能耗评估值判断模块用于当所述客房单位时长能耗评估值小于所述客房单位时长实际能耗,且客房能耗偏差大于能耗偏差阈值;
取电时长参数获取模块,所述取电时长参数获取模块用于遍历所述空置客房取电状态信息,获取取电时长参数;
第二取电状态优化结果生成模块,所述第二取电状态优化结果生成模块用于若空置客房无人为活动,且所述取电时长参数大于或等于预设时长,关闭空置客房取电开关,生成所述第二取电状态优化结果。
综上所述,本申请提供了一种酒店数智化运营管理方法及系统具有以下技术效果:
1.解决了酒店能耗管理过程中由于管控精细度不够造成能耗资源浪费的技术问题,可以达到对酒店能耗实现精准管控,避免能耗资源浪费的效果。
2.通过对和目标酒店类似的多个连锁酒店进行历史数据挖掘,可以提高控制记录数据与目标酒店的适配度,从而提高控制记录数据获取的准确率,同时也为下一步进行控制优化提供了样本数据支持。
3.通过对N个节点控制记录数据进行数据扩充,可以提高样本数据的容量,从而提高了全局最优结果获得的准确率。
4.通过利用粒子群优化算法对通风设备和温控设备进行控制优化获取控制参数匹配结果,可以提高控制参数匹配结果获得的准确率和效率。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种酒店数智化运营管理方法,其特征在于,应用于酒店数智化运营管理系统,包括:
接收公共区域取电状态信息,其中,所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息;
接收客户取电状态信息,其中,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息;
接收环境监测信息,其中,所述环境监测信息包括湿度监测信息和温度监测信息;
根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;
对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;
根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。
2.如权利要求1所述的方法,其特征在于,根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果,包括:
所述湿度监测信息包括室外湿度信息,所述温度监测信息包括室外温度信息;
获取室内期望温度、室内期望湿度和室内空间特征;
根据所述室外湿度信息和所述室内期望湿度,确定第一偏离系数;
根据所述室外温度信息和所述室内期望温度,确定第二偏离系数;
根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对所述通风设备取电状态信息和所述温控设备取电状态信息进行优化分析,获取所述第一取电状态优化结果。
3.如权利要求2所述的方法,其特征在于,根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对所述通风设备取电状态信息和所述温控设备取电状态信息进行优化分析,获取所述第一取电状态优化结果,包括:
根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对通风设备和温控设备进行控制优化,获取控制参数匹配结果;
基于所述控制参数匹配结果,获取通风设备期望取电状态和温控设备期望取电状态;
根据所述通风设备期望取电状态对所述通风设备取电状态信息进行调整,根据所述温控设备期望取电状态对所述温控设备取电状态信息进行调整,获取所述第一取电状态优化结果。
4.如权利要求3所述的方法,其特征在于,根据所述第一偏离系数、所述第二偏离系数和所述室内空间特征对通风设备和温控设备进行控制优化,获取控制参数匹配结果,包括:
获取酒店数智化运营管理系统的客户端预设的所述通风设备和所述温控设备的控制参数调节区间;
将所述第一偏离系数、所述第二偏离系数和所述室内空间特征设为调节需求信息;
将所述控制参数调节区间、通风设备部署信息和温控设备部署信息设为调节约束信息;
将通风设备控制参数和温控设备控制参数设为调节目标信息;
根据所述调节需求信息、所述调节约束信息和所述调节目标信息进行数据挖掘,获取第一节点控制记录数据、第二节点控制记录数据直到第N节点控制记录数据,其中,所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据来自N个不同的数据传输方;
根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据进行控制优化,获取所述控制参数匹配结果。
5.如权利要求4所述的方法,其特征在于,根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据进行控制优化,获取所述控制参数匹配结果,包括:
根据所述第一节点控制记录数据、所述第二节点控制记录数据直到所述第N节点控制记录数据,获取第i节点控制记录数据的多条控制记录数据,输入内嵌于酒店数智化运营管理系统的能耗估计器,获取多个单位时间能耗评估值;
对所述多个单位时间能耗评估值进行最小值筛选,获取第i节点优化控制参数,添加进第一节点优化控制参数、第二节点优化控制参数直到第N节点优化控制参数;
对所述第一节点优化控制参数、所述第二节点优化控制参数直到所述第N节点优化控制参数进行能耗评估值最小值筛选,获取全局优化控制参数;
基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果;
根据所述第一节点控制参数扩充结果、所述第二节点控制参数扩充结果直到所述第N节点控制参数扩充结果进行重复迭代q次,获取q次全局最优解,设为所述控制参数匹配结果,其中,q为整数,15≥q≥5。
6.如权利要求5所述的方法,其特征在于,基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果,包括:
获取所述第i节点控制记录数据的第k条控制记录数据,匹配第k颗粒参数,其中,所述第k颗粒参数包括第k颗粒位置参数和第k颗粒的多个初始步长参数,所述第k颗粒位置参数表征控制参数特征值,所述第k颗粒的多个初始步长参数表征扩充时的修改步长;
设定局部学习系数和全局学习系数,其中,所述局部学习系数和所述全局学习系数∈[0,2],且所述全局学习系数大于或等于所述局部学习系数;
计算所述第k条控制记录数据的第j维控制参数记录值和所述第i节点优化控制参数的第j维控制参数局部优化值的偏差,设为第一偏差值;
计算所述第k条控制记录数据的第j维控制参数记录值和所述全局优化控制参数的第j维控制参数全局优化值的偏差,设为第二偏差值;
构建扩充步长更新函数:
dikj(f+1)=dikj(f)+S1*z1*Dikj1+S2*z2*Dikj2;
其中,dikj(f+1)表征第f+1次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,dikj(f)第f次第i节点控制记录数据的第k条控制记录数据的第k颗粒参数的第j维控制参数的修改步长,当f=0时,dikj(f)为初始步长参数,S1表征局部学习系数,S2表征全局学习系数,Dikj1表征第一偏差值,Dikj2表征第二偏差值,z1和z2表征0~1之间的随机数;
根据所述扩充步长更新函数基于所述第i节点优化控制参数和所述全局优化控制参数对所述第i节点控制记录数据进行扩充,生成第i节点控制参数扩充结果,添加进第一节点控制参数扩充结果、第二节点控制参数扩充结果直到第N节点控制参数扩充结果。
7.如权利要求1所述的方法,其特征在于,对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果,包括:
根据所述登记客房取电状态信息,获取登记客房数量信息,基于预设时区的登记客房能耗均值进行能耗预测,生成客房单位时长能耗评估值;
根据所述登记客房取电状态信息和所述空置客房取电状态信息,确定客房单位时长实际能耗;
当所述客房单位时长能耗评估值小于所述客房单位时长实际能耗,且客房能耗偏差大于能耗偏差阈值;
遍历所述空置客房取电状态信息,获取取电时长参数;
若空置客房无人为活动,且所述取电时长参数大于或等于预设时长,关闭空置客房取电开关,生成所述第二取电状态优化结果。
8.一种酒店数智化运营管理系统,其特征在于,用于执行权利要求1-7中所述的一种酒店数智化运营管理方法中任意一项方法的步骤,所述系统包括:
公共区域取电状态信息接收模块,所述公共区域取电状态信息接收模块用于接收公共区域取电状态信息,其中,所述公共区域取电状态信息包括温控设备取电状态信息和通风设备取电状态信息;
客户取电状态信息接收模块,所述客户取电状态信息接收模块用于接收客户取电状态信息,其中,所述客户取电状态信息包括登记客房取电状态信息和空置客房取电状态信息;
环境监测信息接收模块,所述环境监测信息接收模块用于接收环境监测信息,其中,所述环境监测信息包括湿度监测信息和温度监测信息;
第一取电状态优化结果获取模块,所述第一取电状态优化结果获取模块用于根据所述湿度监测信息和所述温度监测信息对所述温控设备取电状态信息和所述通风设备取电状态信息进行优化分析,获取第一取电状态优化结果;
第二取电状态优化结果获取模块,所述第二取电状态优化结果获取模块用于对所述登记客房取电状态信息和所述空置客房取电状态信息进行优化分析,获取第二取电状态优化结果;
酒店能耗管控模块,所述酒店能耗管控模块用于根据所述第一取电状态优化结果和所述第二取电状态优化结果对酒店能耗管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310901062.9A CN117151938B (zh) | 2023-07-21 | 2023-07-21 | 一种酒店数智化运营管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310901062.9A CN117151938B (zh) | 2023-07-21 | 2023-07-21 | 一种酒店数智化运营管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117151938A true CN117151938A (zh) | 2023-12-01 |
CN117151938B CN117151938B (zh) | 2024-05-03 |
Family
ID=88897597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310901062.9A Active CN117151938B (zh) | 2023-07-21 | 2023-07-21 | 一种酒店数智化运营管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117151938B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147596A (zh) * | 2010-02-04 | 2011-08-10 | 成都光码智能科技有限公司 | 一种酒店房态自动监控系统及方法 |
CN105867285A (zh) * | 2016-06-22 | 2016-08-17 | 成都科曦科技有限公司 | 酒店能耗管理系统 |
CN109165756A (zh) * | 2018-07-02 | 2019-01-08 | 浙江深大智能科技有限公司 | 智能酒店iot控制系统 |
CN112361544A (zh) * | 2020-10-12 | 2021-02-12 | 珠海格力电器股份有限公司 | 酒店空调的控制方法、装置及酒店空调 |
WO2021174887A1 (zh) * | 2020-03-03 | 2021-09-10 | 北京三快在线科技有限公司 | 用于酒店客房的电力管理方法、系统及酒店管理系统 |
CN115628526A (zh) * | 2022-11-28 | 2023-01-20 | 北京煦联得节能科技股份有限公司 | 一种基于空调机组数据处理的干湿负荷调控方法及系统 |
-
2023
- 2023-07-21 CN CN202310901062.9A patent/CN117151938B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147596A (zh) * | 2010-02-04 | 2011-08-10 | 成都光码智能科技有限公司 | 一种酒店房态自动监控系统及方法 |
CN105867285A (zh) * | 2016-06-22 | 2016-08-17 | 成都科曦科技有限公司 | 酒店能耗管理系统 |
CN109165756A (zh) * | 2018-07-02 | 2019-01-08 | 浙江深大智能科技有限公司 | 智能酒店iot控制系统 |
WO2021174887A1 (zh) * | 2020-03-03 | 2021-09-10 | 北京三快在线科技有限公司 | 用于酒店客房的电力管理方法、系统及酒店管理系统 |
CN112361544A (zh) * | 2020-10-12 | 2021-02-12 | 珠海格力电器股份有限公司 | 酒店空调的控制方法、装置及酒店空调 |
CN115628526A (zh) * | 2022-11-28 | 2023-01-20 | 北京煦联得节能科技股份有限公司 | 一种基于空调机组数据处理的干湿负荷调控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117151938B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10107513B2 (en) | Thermodynamic modeling for enclosures | |
US20240111317A1 (en) | Optimization of energy use through model-based simulations | |
Capozzoli et al. | Data analytics for occupancy pattern learning to reduce the energy consumption of HVAC systems in office buildings | |
US10771868B2 (en) | Occupancy pattern detection, estimation and prediction | |
Ouf et al. | A simulation-based method to investigate occupant-centric controls | |
CN110610275B (zh) | 一种基于acqpso-elm的变风量空调负荷预测方法及系统 | |
KR20200043781A (ko) | 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템 | |
Xiao et al. | Comparison between artificial neural network and random forest for effective disaggregation of building cooling load | |
WO2022261965A1 (zh) | 暖通空调系统的管理方法、系统及存储介质 | |
CN117151938B (zh) | 一种酒店数智化运营管理方法及系统 | |
Caicedo et al. | Sensor data-driven lighting energy performance prediction | |
Yu et al. | Predicting indoor temperature from smart thermostat and weather forecast data | |
Tushar et al. | Iot for green building management | |
Pitt et al. | A sensor network for predicting and maintaining occupant comfort | |
Adetola et al. | Model predictive control and fault detection and diagnostics of a building heating, ventilation, and air conditioning system | |
Ridi et al. | Towards reliable stochastic data-driven models applied to the energy saving in buildings | |
Saralegui et al. | An IoT sensor network to model occupancy profiles for energy usage simulation tools | |
Le Corff et al. | Optimizing Thermal Comfort and Energy Consumption in a Large Building without Renovation Work | |
CN110598916A (zh) | 一种用户行为模型的构建方法及系统 | |
Xu et al. | A mixed-mode building energy model for performance evaluation and diagnosis of existing buildings | |
CN116045461B (zh) | 一种基于给回水温度调节的风冷空调节能控制方法及装置 | |
Palaić et al. | Development of a building simulation model for indoor temperature prediction and HVAC system anomaly detection | |
Karri et al. | A Dynamic Model for Predicting Indoor Temperatures based on CBLSTM and Auto Encoder Approach | |
Dong et al. | Stochastic Modeling of Short-term Occupancy for Energy Efficient Buildings | |
Spiekman et al. | The development of an RC-network simulation model calibrated with monitoring data for use in the performance guarantee of Net-Zero houses |
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 |