CN117336318A - 基于aiot技术零碳智能管理方法和系统 - Google Patents
基于aiot技术零碳智能管理方法和系统 Download PDFInfo
- Publication number
- CN117336318A CN117336318A CN202311106064.5A CN202311106064A CN117336318A CN 117336318 A CN117336318 A CN 117336318A CN 202311106064 A CN202311106064 A CN 202311106064A CN 117336318 A CN117336318 A CN 117336318A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- local area
- area network
- data
- intelligent household
- 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 38
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 49
- 238000005265 energy consumption Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000013527 convolutional neural network Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 description 23
- 238000011176 pooling Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 239000002699 waste material Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000008358 core component Substances 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000009436 residential construction Methods 0.000 description 1
- 230000007704 transition 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
-
- 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
- H04L67/14—Session management
- H04L67/141—Setup of application sessions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明提出了基于AIOT技术零碳智能管理方法和系统。所述基于AIOT技术零碳智能管理方法包括:对室内网络进行扫描,获取接入网络的智能家电;设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。所述系统包括与所述方法步骤对应的模块。
Description
技术领域
本发明提出了基于AIOT技术零碳智能管理方法和系统,属于零碳智能管理技术领域。
背景技术
全球能源体系将加速向清洁化、低碳化转型。舒适家居系统作为节能建筑的重要组成部分,绿色节能发展将是长期命题,可持续发展和智能家居的融合也正是当下的潮流与趋势。由于受到传统技术能力限制,过往室内的空调、地暖、热水等需求需配备不同产品解决,存在能源低效、工程量大、成本高、故障点多等问题。传统住宅建设大多以来人工主动管理,缺乏实时监控和联动控制,能耗大,碳排放高,缺乏智能化,运维管理成本高,安全程度低。
发明内容
本发明提供了基于AIOT技术零碳智能管理方法和系统,用以解决现有技术中住宅建设大多以来人工主动管理,缺乏实时监控和联动控制,能耗大,碳排放高,缺乏智能化,运维管理成本高,安全程度低的问题,所采取的技术方案如下:
基于AIOT技术零碳智能管理方法,所述基于AIOT技术零碳智能管理方法包括:
对室内网络进行扫描,获取接入网络的智能家电;
设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;
利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;
利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。
进一步地,对室内网络进行扫描,获取接入网络的智能家电,包括;
对室内网络进行扫描,获取接入网络的智能家电;
判断所述智能家电中是否存在智能水表和智能电表;
当所述智能家电中不包含智能水表和智能电表时,则进行语音提示,提示接入智能电表或智能水表。
进一步地,设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接,包括:
设置家庭局域网,将所述智能家电连接至局域网内;
在全部所述智能家电连接至局域网后,向所述云平台发送通信连接请求;
所述云平台在获取通信连接请求后,建立其与局域网之间的通信连接。
进一步地,利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析,包括:
实时获取局域网上传的智能家电的运行状态数据;
将所述智能家电的运行状态数据按照智能家电类型进行分类,形成每种智能家电对应的运行状态数据集;
将所述运行状态数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较;
当所述运行状态数据集中的各个数据中任一一项数据不符合其对应的数据阈值范围,则进行报警。
进一步地,利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化,包括:
云平台利用局域网实时采集智能电表和智能水表的数据信息,并将采集到的智能电表和智能水表的数据信息发送至资源消耗规划模型;其中,所述资源消耗规划模型采用卷积神经网络结构;
利用所述资源消耗规划模型对用户的资源消耗行为进行分析生成与用户的资源消耗行为匹配的资源利用策略。
其中,所述资源消耗规划模型的结构如下:
输入层:
接收智能电表和智能水表的数据信息,这些数据可能是一系列时间步上的能源消耗数据,例如每小时、每天的能耗情况。
卷积层:
卷积层是CNN的核心组件,它通过一系列卷积核(过滤器)来提取输入数据的特征。
对于能源消耗数据,卷积核可以捕捉不同时间尺度的模式,比如短期波动和长期趋势。
池化层:
池化层用于减小特征图的维度,同时保留重要的特征。
可以使用最大池化或平均池化来提取最显著的特征。
全连接层:
在池化层之后,可以添加全连接层,用于对提取的特征进行进一步处理和组合。
全连接层通常用于生成最终的输出。
输出层:
输出层根据资源消耗规划模型的任务需求,生成与用户的资源消耗行为匹配的资源利用策略。
输出可能是一组能源使用的建议,例如在某个时间段减少能源消耗的建议。
基于AIOT技术零碳智能管理系统,所述基于AIOT技术零碳智能管理系统包括:
扫描模块,用于对室内网络进行扫描,获取接入网络的智能家电;
局域网设置模块,用于设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;
监控分析模块,用于利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;
监测优化模块,用于利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。
进一步地,所述扫描模块包括;
网络扫描模块,用于对室内网络进行扫描,获取接入网络的智能家电;
判断模块,用于判断所述智能家电中是否存在智能水表和智能电表;
提示模块,用于当所述智能家电中不包含智能水表和智能电表时,则进行语音提示,提示接入智能电表或智能水表。
进一步地,所述局域网设置模块包括:
局域网布置模块,用于设置家庭局域网,将所述智能家电连接至局域网内;
请求发送模块,用于在全部所述智能家电连接至局域网后,向所述云平台发送通信连接请求;
通信连接模块,用于所述云平台在获取通信连接请求后,建立其与局域网之间的通信连接。
进一步地,所述监控分析模块包括:
数据上传模块,用于实时获取局域网上传的智能家电的运行状态数据;
数据集形成模块,用于将所述智能家电的运行状态数据按照智能家电类型进行分类,形成每种智能家电对应的运行状态数据集;
比较模块,用于将所述运行状态数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较;
报警模块,用于当所述运行状态数据集中的各个数据中任一一项数据不符合其对应的数据阈值范围,则进行报警。
进一步地,所述监测优化模块包括:
信息输入模块,用于云平台利用局域网实时采集智能电表和智能水表的数据信息,并将采集到的智能电表和智能水表的数据信息发送至资源消耗规划模型;其中,所述资源消耗规划模型采用卷积神经网络结构;
资源规划模块,用于利用所述资源消耗规划模型对用户的资源消耗行为进行分析生成与用户的资源消耗行为匹配的资源利用策略。
其中,所述资源消耗规划模型的结构如下:
输入层:
接收智能电表和智能水表的数据信息,这些数据可能是一系列时间步上的能源消耗数据,例如每小时、每天的能耗情况。
卷积层:
卷积层是CNN的核心组件,它通过一系列卷积核(过滤器)来提取输入数据的特征。
对于能源消耗数据,卷积核可以捕捉不同时间尺度的模式,比如短期波动和长期趋势。
池化层:
池化层用于减小特征图的维度,同时保留重要的特征。
可以使用最大池化或平均池化来提取最显著的特征。
全连接层:
在池化层之后,可以添加全连接层,用于对提取的特征进行进一步处理和组合。
全连接层通常用于生成最终的输出。
输出层:
输出层根据资源消耗规划模型的任务需求,生成与用户的资源消耗行为匹配的资源利用策略。
输出可能是一组能源使用的建议,例如在某个时间段减少能源消耗的建议。
本发明有益效果:
本发明提出的基于AIOT技术零碳智能管理方法和系统基于AIOT技术,结合绿色低碳技术,集智能家电、智能安防、智能照明于一体的整体家居解决方案。过多项智能家居系统。互联技术高效链接所有智能产品,打造绿色、智能、高效、便捷、安全的家居互联空间。通过传感器实时监控并获取整个建筑的运营环境和条件数据;物联网将照明、电表、水表、水泵、供暖、火灾报警器和冷水机组等核心系统与传感器和基于云的控制系统联系起来;通过云端智能的复杂算法,实时数据,自动做出节能的运营决策,并下达指令。结合场景模型,对全屋环境、用户行为及系统设备实时地分布式处理和计算,以形成智能决策。然后,通过调节。具有绿色、低碳、智能、安全等特点。
附图说明
图1为本发明所述方法的流程图;
图2为本发明所述系统的系统框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提出了基于AIOT技术零碳智能管理方法,如图1所示,所述基于AIOT技术零碳智能管理方法包括:
S1、对室内网络进行扫描,获取接入网络的智能家电;
S2、设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;
S3、利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;
S4、利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。
上述技术方案的工作原理为:扫描室内网络(S1):首先,对室内网络进行扫描,以便检测和获取连接到网络的智能家电设备。这可以通过网络扫描工具或智能家居控制中心来实现。
建立家庭局域网(S2):接下来,将检测到的智能家电设备连接到一个家庭局域网(LAN)内。这个局域网允许这些设备之间进行通信,并与云平台建立连接,以实现智能控制和监控。
实时采集运行状态数据(S3):通过局域网,对连接的智能家电设备进行实时数据采集,包括它们的运行状态数据。这些数据可以包括设备的开关状态、能耗、温度、湿度等信息。采集到的数据传输至云平台,以进行监控和分析。
能源消耗监测和优化(S4):另外,该方案还实时采集智能电表和智能水表的数据信息。这些数据用于监测能源消耗情况,包括电能和水资源的使用。云平台分析这些数据,提供能源消耗的可视化信息,并可能建议优化措施,以节省能源和资源。
上述技术方案的效果为:智能家居监控:该方案允许用户监控智能家电设备的运行状态,包括其开启和关闭状态以及实时数据。
能源消耗分析:通过采集智能电表和智能水表的数据,可以实现对能源和资源的消耗进行实时监测和分析,有助于用户更好地管理和控制消耗。
远程控制:基于云平台的连接,用户可以远程控制智能家电设备,包括远程开启和关闭以及调整设备设置。
节能和资源优化:通过实时数据和分析,用户可以采取措施来优化家庭能源消耗,从而实现节能和资源的有效利用。
总之,该技术方案有助于提高智能家居设备的管理和能源消耗的优化,提供了更多的控制和决策支持,以满足用户的需求并减少资源浪费。
本发明的一个实施例,对室内网络进行扫描,获取接入网络的智能家电,包括;
S101、对室内网络进行扫描,获取接入网络的智能家电;
S102、判断所述智能家电中是否存在智能水表和智能电表;
S103、当所述智能家电中不包含智能水表和智能电表时,则进行语音提示,提示接入智能电表或智能水表。
上述技术方案的工作原理为:扫描室内网络(S101):首先,系统会扫描室内网络,这意味着它会检查网络上连接的设备,以确定是否有智能家电设备连接到网络中。
判断智能水表和智能电表(S102):一旦扫描完成,系统将分析这些设备以确定它们是否包含智能水表和智能电表。这通常通过检查设备的类型和特征来完成。
语音提示(S103):如果系统检测到智能家电设备,但未找到智能水表和智能电表,那么它会触发语音提示,向用户建议或提醒他们需要接入智能电表或智能水表。这种提示可以通过智能家居控制系统中的语音助手或警报系统进行。
上述技术方案的效果为:设备检测:该方案通过网络扫描和设备分析,可以检测到室内网络中的智能家电设备,帮助用户了解其家庭网络的设备组成。
资源扩展:通过提示用户接入智能电表或智能水表,该方案有助于扩展家庭自动化系统的功能,以便更好地监测和管理能源和水资源的消耗。
用户指导:方案中的语音提示可以提供用户友好的建议,使他们了解如何进一步集成智能家电设备,以实现更全面的智能控制和监测。
总之,该技术方案通过自动检测和用户提示,促使家庭网络更好地适应智能家庭自动化的需求,提供更全面的设备和资源管理。
本发明的一个实施例,设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接,包括:
S201、设置家庭局域网,将所述智能家电连接至局域网内;
S202、在全部所述智能家电连接至局域网后,向所述云平台发送通信连接请求;
S203、所述云平台在获取通信连接请求后,建立其与局域网之间的通信连接。
上述技术方案的工作原理为:设置家庭局域网(S201):首先,用户或系统管理员会在家庭内部设置一个局域网,这是一个本地网络,用于将智能家电连接到一起。这个步骤通常涉及配置路由器或智能家居控制中心,以确保设备能够互相通信。
将智能家电连接至局域网(S201):接下来,智能家电设备会连接到家庭局域网内。这通常需要进行设备的初始化设置,以使它们与局域网兼容,并能够通过局域网进行通信。
发送通信连接请求(S202):一旦智能家电设备都连接到局域网,它们将向云平台发送通信连接请求。这是通过设备与云平台之间的通信协议完成的,通常需要设备进行身份验证,以确保安全性。
建立通信连接(S203):云平台在接收到通信连接请求后,会根据请求建立与局域网之间的通信连接。这使得智能家电设备可以与云平台进行数据交换、远程控制和监控。
上述技术方案的效果为:实时远程访问:通过建立局域网和与云平台之间的通信连接,用户可以实时远程访问其智能家电设备。这允许他们通过智能手机应用程序或网络浏览器来控制和监测这些设备。
集中管理:云平台允许用户将所有智能家电设备集中管理,无论用户身处何地。这提供了更方便的方式来管理和监控家庭自动化系统。
自动化和智能化:通过与云平台的连接,智能家电设备可以参与自动化和智能化场景。例如,用户可以设置规则,根据时间、温度或其他条件来控制这些设备的操作。
总之,该技术方案通过建立局域网和云平台之间的通信连接,使用户能够更好地管理和控制其智能家电设备,提供了更高级的自动化和智能化功能。
本发明的一个实施例,利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析,包括:
S301、实时获取局域网上传的智能家电的运行状态数据;
S302、将所述智能家电的运行状态数据按照智能家电类型进行分类,形成每种智能家电对应的运行状态数据集;
S303、将所述运行状态数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较;
S304、当所述运行状态数据集中的各个数据中任一一项数据不符合其对应的数据阈值范围,则进行报警。
上述技术方案的工作原理为:实时获取局域网上传的智能家电的运行状态数据(S301):智能家电设备在局域网中发送其运行状态数据,这些数据可能包括设备的工作状态、能耗、温度、湿度等信息。
分类形成每种智能家电对应的运行状态数据集(S302):收集到的运行状态数据根据智能家电的类型进行分类整理,每种类型的设备形成一个独立的运行状态数据集。
比较运行状态数据与数据阈值范围(S303):将每个数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较。这些数据阈值范围通常是为了定义正常运行状态和异常状态而设定的。
触发报警(S304):如果运行状态数据集中的任何一个数据项超出了其数据阈值范围,系统将触发报警机制。这可能包括向用户发送警报通知,或者执行自动化操作,例如关闭故障设备或发送请求维修的通知。
上述技术方案的效果为:实时监控:通过局域网实时采集智能家电的运行状态数据,系统可以实时监控设备的状态。这有助于早期发现潜在问题并采取措施来防止设备故障。
数据分类和分析:将数据按智能家电类型分类和分析有助于更好地理解不同设备的运行情况,以便更好地管理和维护这些设备。
报警机制:当某个设备的运行状态异常时,系统可以及时发出警报,提醒用户或相关维护人员采取适当的措施,从而提高了设备的可靠性和安全性。
总之,本实施例的上述技术方案通过监测和分析智能家电的运行状态数据,帮助用户和维护人员更好地管理和维护这些设备,提高了家庭自动化系统的效率和可靠性。
本发明的一个实施例,利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化,包括:
S401、云平台利用局域网实时采集智能电表和智能水表的数据信息,并将采集到的智能电表和智能水表的数据信息发送至资源消耗规划模型;其中,所述资源消耗规划模型采用卷积神经网络结构;
S402、利用所述资源消耗规划模型对用户的资源消耗行为进行分析生成与用户的资源消耗行为匹配的资源利用策略。
其中,所述资源消耗规划模型的结构如下:
输入层:
接收智能电表和智能水表的数据信息,这些数据可能是一系列时间步上的能源消耗数据,例如每小时、每天的能耗情况。
卷积层:
卷积层是CNN的核心组件,它通过一系列卷积核(过滤器)来提取输入数据的特征。
对于能源消耗数据,卷积核可以捕捉不同时间尺度的模式,比如短期波动和长期趋势。
池化层:
池化层用于减小特征图的维度,同时保留重要的特征。
可以使用最大池化或平均池化来提取最显著的特征。
全连接层:
在池化层之后,可以添加全连接层,用于对提取的特征进行进一步处理和组合。
全连接层通常用于生成最终的输出。
输出层:
输出层根据资源消耗规划模型的任务需求,生成与用户的资源消耗行为匹配的资源利用策略。
输出可能是一组能源使用的建议,例如在某个时间段减少能源消耗的建议。
上述技术方案的工作原理为:实时采集智能电表和智能水表的数据信息(S401):云平台通过局域网实时获取智能电表和智能水表的数据信息,这些数据包括电能和水资源的使用情况,例如电能消耗、水表读数等。
发送数据至资源消耗规划模型:采集到的数据被发送至资源消耗规划模型,这个模型采用卷积神经网络(Convolutional Neural Network,CNN)结构,CNN是一种深度学习模型,通常用于图像处理和模式识别。
资源消耗行为分析(S402):资源消耗规划模型对用户的资源消耗行为进行分析。这包括了对能源和水资源的使用模式、趋势以及相关因素的学习和预测。
生成资源利用策略:根据对用户资源消耗行为的分析,系统生成与用户的资源消耗行为匹配的资源利用策略。这些策略可能包括优化能源和水资源的使用,以减少浪费,提高效率,或者根据用户需求自动调整资源的分配。
上述技术方案的效果为:实时监测资源消耗:通过实时采集智能电表和智能水表的数据,系统可以准确监测用户的能源和水资源消耗情况,有助于用户更好地了解和管理资源的使用。
深度学习分析:采用卷积神经网络结构的资源消耗规划模型可以更准确地分析用户的消耗行为,识别潜在的节能和资源利用机会。
智能资源管理:生成的资源利用策略可以帮助用户优化能源和水资源的使用,从而降低能源成本、减少浪费,并对环境友好。
总之,本实施例的上述技术方案通过实时监测和分析智能电表和智能水表的数据,以及采用深度学习模型来生成资源利用策略,提供了智能的能源和水资源管理,有助于用户更加高效地利用资源。
本发明实施例提出了基于AIOT技术零碳智能管理系统,如图2所示,所述基于AIOT技术零碳智能管理系统包括:
扫描模块,用于对室内网络进行扫描,获取接入网络的智能家电;
局域网设置模块,用于设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;
监控分析模块,用于利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;
监测优化模块,用于利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。
上述技术方案的工作原理为:扫描室内网络:首先,对室内网络进行扫描,以便检测和获取连接到网络的智能家电设备。这可以通过网络扫描工具或智能家居控制中心来实现。
建立家庭局域网:接下来,将检测到的智能家电设备连接到一个家庭局域网(LAN)内。这个局域网允许这些设备之间进行通信,并与云平台建立连接,以实现智能控制和监控。
实时采集运行状态数据:通过局域网,对连接的智能家电设备进行实时数据采集,包括它们的运行状态数据。这些数据可以包括设备的开关状态、能耗、温度、湿度等信息。采集到的数据传输至云平台,以进行监控和分析。
能源消耗监测和优化:另外,该方案还实时采集智能电表和智能水表的数据信息。这些数据用于监测能源消耗情况,包括电能和水资源的使用。云平台分析这些数据,提供能源消耗的可视化信息,并可能建议优化措施,以节省能源和资源。
上述技术方案的效果为:智能家居监控:该方案允许用户监控智能家电设备的运行状态,包括其开启和关闭状态以及实时数据。
能源消耗分析:通过采集智能电表和智能水表的数据,可以实现对能源和资源的消耗进行实时监测和分析,有助于用户更好地管理和控制消耗。
远程控制:基于云平台的连接,用户可以远程控制智能家电设备,包括远程开启和关闭以及调整设备设置。
节能和资源优化:通过实时数据和分析,用户可以采取措施来优化家庭能源消耗,从而实现节能和资源的有效利用。
总之,该技术方案有助于提高智能家居设备的管理和能源消耗的优化,提供了更多的控制和决策支持,以满足用户的需求并减少资源浪费。
本发明的一个实施例,所述扫描模块包括;
网络扫描模块,用于对室内网络进行扫描,获取接入网络的智能家电;
判断模块,用于判断所述智能家电中是否存在智能水表和智能电表;
提示模块,用于当所述智能家电中不包含智能水表和智能电表时,则进行语音提示,提示接入智能电表或智能水表。
上述技术方案的工作原理为:扫描室内网络:首先,系统会扫描室内网络,这意味着它会检查网络上连接的设备,以确定是否有智能家电设备连接到网络中。
判断智能水表和智能电表:一旦扫描完成,系统将分析这些设备以确定它们是否包含智能水表和智能电表。这通常通过检查设备的类型和特征来完成。
语音提示:如果系统检测到智能家电设备,但未找到智能水表和智能电表,那么它会触发语音提示,向用户建议或提醒他们需要接入智能电表或智能水表。这种提示可以通过智能家居控制系统中的语音助手或警报系统进行。
上述技术方案的效果为:设备检测:该方案通过网络扫描和设备分析,可以检测到室内网络中的智能家电设备,帮助用户了解其家庭网络的设备组成。
资源扩展:通过提示用户接入智能电表或智能水表,该方案有助于扩展家庭自动化系统的功能,以便更好地监测和管理能源和水资源的消耗。
用户指导:方案中的语音提示可以提供用户友好的建议,使他们了解如何进一步集成智能家电设备,以实现更全面的智能控制和监测。
总之,该技术方案通过自动检测和用户提示,促使家庭网络更好地适应智能家庭自动化的需求,提供更全面的设备和资源管理。
本发明的一个实施例,所述局域网设置模块包括:
局域网布置模块,用于设置家庭局域网,将所述智能家电连接至局域网内;
请求发送模块,用于在全部所述智能家电连接至局域网后,向所述云平台发送通信连接请求;
通信连接模块,用于所述云平台在获取通信连接请求后,建立其与局域网之间的通信连接。
上述技术方案的工作原理为:设置家庭局域网:首先,用户或系统管理员会在家庭内部设置一个局域网,这是一个本地网络,用于将智能家电连接到一起。这个步骤通常涉及配置路由器或智能家居控制中心,以确保设备能够互相通信。
将智能家电连接至局域网:接下来,智能家电设备会连接到家庭局域网内。这通常需要进行设备的初始化设置,以使它们与局域网兼容,并能够通过局域网进行通信。
发送通信连接请求:一旦智能家电设备都连接到局域网,它们将向云平台发送通信连接请求。这是通过设备与云平台之间的通信协议完成的,通常需要设备进行身份验证,以确保安全性。
建立通信连接:云平台在接收到通信连接请求后,会根据请求建立与局域网之间的通信连接。这使得智能家电设备可以与云平台进行数据交换、远程控制和监控。
上述技术方案的效果为:实时远程访问:通过建立局域网和与云平台之间的通信连接,用户可以实时远程访问其智能家电设备。这允许他们通过智能手机应用程序或网络浏览器来控制和监测这些设备。
集中管理:云平台允许用户将所有智能家电设备集中管理,无论用户身处何地。这提供了更方便的方式来管理和监控家庭自动化系统。
自动化和智能化:通过与云平台的连接,智能家电设备可以参与自动化和智能化场景。例如,用户可以设置规则,根据时间、温度或其他条件来控制这些设备的操作。
总之,该技术方案通过建立局域网和云平台之间的通信连接,使用户能够更好地管理和控制其智能家电设备,提供了更高级的自动化和智能化功能。
本发明的一个实施例,所述监控分析模块包括:
数据上传模块,用于实时获取局域网上传的智能家电的运行状态数据;
数据集形成模块,用于将所述智能家电的运行状态数据按照智能家电类型进行分类,形成每种智能家电对应的运行状态数据集;
比较模块,用于将所述运行状态数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较;
报警模块,用于当所述运行状态数据集中的各个数据中任一一项数据不符合其对应的数据阈值范围,则进行报警。
上述技术方案的工作原理为:实时获取局域网上传的智能家电的运行状态数据:智能家电设备在局域网中发送其运行状态数据,这些数据可能包括设备的工作状态、能耗、温度、湿度等信息。
分类形成每种智能家电对应的运行状态数据集:收集到的运行状态数据根据智能家电的类型进行分类整理,每种类型的设备形成一个独立的运行状态数据集。
比较运行状态数据与数据阈值范围:将每个数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较。这些数据阈值范围通常是为了定义正常运行状态和异常状态而设定的。
触发报警:如果运行状态数据集中的任何一个数据项超出了其数据阈值范围,系统将触发报警机制。这可能包括向用户发送警报通知,或者执行自动化操作,例如关闭故障设备或发送请求维修的通知。
上述技术方案的效果为:实时监控:通过局域网实时采集智能家电的运行状态数据,系统可以实时监控设备的状态。这有助于早期发现潜在问题并采取措施来防止设备故障。
数据分类和分析:将数据按智能家电类型分类和分析有助于更好地理解不同设备的运行情况,以便更好地管理和维护这些设备。
报警机制:当某个设备的运行状态异常时,系统可以及时发出警报,提醒用户或相关维护人员采取适当的措施,从而提高了设备的可靠性和安全性。
总之,本实施例的上述技术方案通过监测和分析智能家电的运行状态数据,帮助用户和维护人员更好地管理和维护这些设备,提高了家庭自动化系统的效率和可靠性。
本发明的一个实施例,所述监测优化模块包括:
信息输入模块,用于云平台利用局域网实时采集智能电表和智能水表的数据信息,并将采集到的智能电表和智能水表的数据信息发送至资源消耗规划模型;其中,所述资源消耗规划模型采用卷积神经网络结构;
资源规划模块,用于利用所述资源消耗规划模型对用户的资源消耗行为进行分析生成与用户的资源消耗行为匹配的资源利用策略。
其中,所述资源消耗规划模型的结构如下:
输入层:
接收智能电表和智能水表的数据信息,这些数据可能是一系列时间步上的能源消耗数据,例如每小时、每天的能耗情况。
卷积层:
卷积层是CNN的核心组件,它通过一系列卷积核(过滤器)来提取输入数据的特征。
对于能源消耗数据,卷积核可以捕捉不同时间尺度的模式,比如短期波动和长期趋势。
池化层:
池化层用于减小特征图的维度,同时保留重要的特征。
可以使用最大池化或平均池化来提取最显著的特征。
全连接层:
在池化层之后,可以添加全连接层,用于对提取的特征进行进一步处理和组合。
全连接层通常用于生成最终的输出。
输出层:
输出层根据资源消耗规划模型的任务需求,生成与用户的资源消耗行为匹配的资源利用策略。
输出可能是一组能源使用的建议,例如在某个时间段减少能源消耗的建议。
上述技术方案的工作原理为:实时采集智能电表和智能水表的数据信息:云平台通过局域网实时获取智能电表和智能水表的数据信息,这些数据包括电能和水资源的使用情况,例如电能消耗、水表读数等。
发送数据至资源消耗规划模型:采集到的数据被发送至资源消耗规划模型,这个模型采用卷积神经网络(Convolutional Neural Network,CNN)结构,CNN是一种深度学习模型,通常用于图像处理和模式识别。
资源消耗行为分析:资源消耗规划模型对用户的资源消耗行为进行分析。这包括了对能源和水资源的使用模式、趋势以及相关因素的学习和预测。
生成资源利用策略:根据对用户资源消耗行为的分析,系统生成与用户的资源消耗行为匹配的资源利用策略。这些策略可能包括优化能源和水资源的使用,以减少浪费,提高效率,或者根据用户需求自动调整资源的分配。
上述技术方案的效果为:实时监测资源消耗:通过实时采集智能电表和智能水表的数据,系统可以准确监测用户的能源和水资源消耗情况,有助于用户更好地了解和管理资源的使用。
深度学习分析:采用卷积神经网络结构的资源消耗规划模型可以更准确地分析用户的消耗行为,识别潜在的节能和资源利用机会。
智能资源管理:生成的资源利用策略可以帮助用户优化能源和水资源的使用,从而降低能源成本、减少浪费,并对环境友好。
总之,本实施例的上述技术方案通过实时监测和分析智能电表和智能水表的数据,以及采用深度学习模型来生成资源利用策略,提供了智能的能源和水资源管理,有助于用户更加高效地利用资源。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.基于AIOT技术零碳智能管理方法,其特征在于,所述基于AIOT技术零碳智能管理方法包括:
对室内网络进行扫描,获取接入网络的智能家电;
设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;
利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;
利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。
2.根据权利要求1所述基于AIOT技术零碳智能管理方法,其特征在于,对室内网络进行扫描,获取接入网络的智能家电,包括;
对室内网络进行扫描,获取接入网络的智能家电;
判断所述智能家电中是否存在智能水表和智能电表;
当所述智能家电中不包含智能水表和智能电表时,则进行语音提示,提示接入智能电表或智能水表。
3.根据权利要求1所述基于AIOT技术零碳智能管理方法,其特征在于,设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接,包括:
设置家庭局域网,将所述智能家电连接至局域网内;
在全部所述智能家电连接至局域网后,向所述云平台发送通信连接请求;
所述云平台在获取通信连接请求后,建立其与局域网之间的通信连接。
4.根据权利要求1所述基于AIOT技术零碳智能管理方法,其特征在于,利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析,包括:
实时获取局域网上传的智能家电的运行状态数据;
将所述智能家电的运行状态数据按照智能家电类型进行分类,形成每种智能家电对应的运行状态数据集;
将所述运行状态数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较;
当所述运行状态数据集中的各个数据中任一一项数据不符合其对应的数据阈值范围,则进行报警。
5.根据权利要求1所述基于AIOT技术零碳智能管理方法,其特征在于,利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化,包括:
云平台利用局域网实时采集智能电表和智能水表的数据信息,并将采集到的智能电表和智能水表的数据信息发送至资源消耗规划模型;其中,所述资源消耗规划模型采用卷积神经网络结构;
利用所述资源消耗规划模型对用户的资源消耗行为进行分析生成与用户的资源消耗行为匹配的资源利用策略。
6.基于AIOT技术零碳智能管理系统,其特征在于,所述基于AIOT技术零碳智能管理系统包括:
扫描模块,用于对室内网络进行扫描,获取接入网络的智能家电;
局域网设置模块,用于设置家庭局域网,将所述智能家电连接至局域网内,并局域网与云平台之间建立通信连接;
监控分析模块,用于利用局域网实时采集智能家电的运行状态数据,并利用云平台对所述智能家电进行运行状态监控和分析;
监测优化模块,用于利用局域网实时采集智能电表和智能水表的数据信息,根据所述数据信息进行能源消耗监测和优化。
7.根据权利要求6所述基于AIOT技术零碳智能管理系统,其特征在于,所述扫描模块包括;
网络扫描模块,用于对室内网络进行扫描,获取接入网络的智能家电;
判断模块,用于判断所述智能家电中是否存在智能水表和智能电表;
提示模块,用于当所述智能家电中不包含智能水表和智能电表时,则进行语音提示,提示接入智能电表或智能水表。
8.根据权利要求6所述基于AIOT技术零碳智能管理系统,其特征在于,所述局域网设置模块包括:
局域网布置模块,用于设置家庭局域网,将所述智能家电连接至局域网内;
请求发送模块,用于在全部所述智能家电连接至局域网后,向所述云平台发送通信连接请求;
通信连接模块,用于所述云平台在获取通信连接请求后,建立其与局域网之间的通信连接。
9.根据权利要求6所述基于AIOT技术零碳智能管理系统,其特征在于,所述监控分析模块包括:
数据上传模块,用于实时获取局域网上传的智能家电的运行状态数据;
数据集形成模块,用于将所述智能家电的运行状态数据按照智能家电类型进行分类,形成每种智能家电对应的运行状态数据集;
比较模块,用于将所述运行状态数据集中的各个数据与云平台的数据库中预先存储的各个数据对应的智能家电运行的数据阈值范围进行比较;
报警模块,用于当所述运行状态数据集中的各个数据中任一一项数据不符合其对应的数据阈值范围,则进行报警。
10.根据权利要求6所述基于AIOT技术零碳智能管理系统,其特征在于,所述监测优化模块包括:
信息输入模块,用于云平台利用局域网实时采集智能电表和智能水表的数据信息,并将采集到的智能电表和智能水表的数据信息发送至资源消耗规划模型;其中,所述资源消耗规划模型采用卷积神经网络结构;
资源规划模块,用于利用所述资源消耗规划模型对用户的资源消耗行为进行分析生成与用户的资源消耗行为匹配的资源利用策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106064.5A CN117336318A (zh) | 2023-08-30 | 2023-08-30 | 基于aiot技术零碳智能管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106064.5A CN117336318A (zh) | 2023-08-30 | 2023-08-30 | 基于aiot技术零碳智能管理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117336318A true CN117336318A (zh) | 2024-01-02 |
Family
ID=89274523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311106064.5A Pending CN117336318A (zh) | 2023-08-30 | 2023-08-30 | 基于aiot技术零碳智能管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117336318A (zh) |
-
2023
- 2023-08-30 CN CN202311106064.5A patent/CN117336318A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101812777B1 (ko) | 사물인터넷 기반 지역난방 사용자 시설 모니터링 및 효율 개선 시스템 | |
CN103064390B (zh) | 基于物联网的机房环境远程监控系统及其监控方法 | |
CN102354206B (zh) | 物联网环境下基于数据融合的空调故障诊断系统及方法 | |
CN103312583A (zh) | 智能家居远程监控系统及监控方法 | |
CN106774090A (zh) | 一种远程设备监控系统 | |
KR20130035577A (ko) | 상황 인지 기반의 건물 에너지 소비 최적화를 지원하는 시스템 및 방법 | |
CN211149228U (zh) | 一种基于群智能的建筑能耗采集系统 | |
CN111158245A (zh) | 一种基于物联网的建筑节能监测管理方法 | |
CN206421211U (zh) | 一种远程设备监控系统 | |
Yaïci et al. | Internet of things for power and energy systems applications in buildings: An overview | |
CN113311841B (zh) | 一种数据中心机房环境监控系统 | |
CN116720854B (zh) | 基于智慧巡检的设备协调控制方法及系统 | |
CN106843187A (zh) | 一种家庭智能监控系统 | |
KR20160097071A (ko) | 소셜 네트워크를 이용한 공동 주거지 에너지 관리 장치 및 방법 | |
CN112449362A (zh) | 基于信物模型的智能传感器自适应配置方法、装置及系统 | |
CN117336318A (zh) | 基于aiot技术零碳智能管理方法和系统 | |
CN116150195A (zh) | 一种多类型园区用户安全低碳用电在线监测系统及方法 | |
CN112631354A (zh) | 绿色健康医院建筑大数据管控系统 | |
Li et al. | Towards an occupancy-enhanced building HVAC control strategy using Wi-Fi probe request information | |
CN112462648A (zh) | 一种用于建筑综合环境监测及预测系统 | |
CN112161385A (zh) | 一种中央空调集控系统 | |
CN112228951A (zh) | 边缘分析控制方法、及区域供冷供热控制系统 | |
TW201730831A (zh) | 偵錯系統、偵錯方法以及電力管理系統 | |
KR102482849B1 (ko) | 원격검침 시스템 | |
Kriksciuniene et al. | Sensor network analytics for intelligent facility management |
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 |