CN117610972A - 一种基于人工智能的绿色建筑数字化管理系统及方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的绿色建筑数字化管理系统及方法，属于人工智能技术领域。本发明系统包括3D扫描模块、传感器设备分布模块、数据采集和处理模块、能源消耗调整模块、故障诊断模块以及用户界面和管理模块；3D扫描模块获取建筑物几何信息、消耗能源设备的分布位置和类型；传感器设备分布模块，结合3D扫描模块对传感器设备进行位置分布；数据采集和处理模块，根据采集到的数据分析得到调整模板；能源消耗调整模块根据调整模板，对消耗能源设备的运行数据进行调整，并计算偏差指数，根据偏差指数进行相应的预警或处理；故障诊断模块分析预警原因；用户界面和管理模块，提供用户界面用于管理系统操作和显示结果。

Description

一种基于人工智能的绿色建筑数字化管理系统及方法

技术领域

本发明涉及人工智能技术领域，具体为一种基于人工智能的绿色建筑数字化管理系统及方法。

背景技术

随着全球对可持续发展和环境保护的日益关注，建筑行业也在不断寻求创新的解决方案，以降低能源消耗、减少碳足迹，并提高建筑的整体效能。绿色建筑理念在此背景下应运而生，致力于通过科技手段来提高建筑的生态效益、社会效益和经济效益。

虽然现有的绿色建筑数字化管理系统在一定程度上可以满足当前的需求，但还存在一定的缺陷，具体体现在：现有技术通常是根据建筑物内部消耗能源设备的运行数据来进行分析和调整能源消耗的，然而，在需要保证某种传感器所采集的数据在建筑物空间区域中都要在特定区间范围内的同时，降低消耗能源设备的能源消耗，现有系统在实际应用中可能无法达到理想效果。因此，需要相关人员进行调整，从而导致调整时间过长，也增加了成本。

发明内容

本发明的目的在于提供一种基于人工智能的绿色建筑数字化管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于人工智能的绿色建筑数字化管理方法，方法包括以下步骤：

S100.利用3D扫描技术，获取建筑物几何信息；根据建筑物内部消耗能源设备的分布位置和传感器设备的可接收数据区域的最大值，分析得到建筑物内部的传感器设备的数量；

S200.基于建筑物内部的传感器设备的数量，结合建筑物内部消耗能源设备的分布位置和建筑物几何信息，对传感器设备进行位置分布；

S300.根据步骤S200中的传感器设备，获取选定周期的历史数据；所述历史数据包括建筑物内部消耗能源设备的运行数据和传感器设备数据；根据历史数据得到能源消耗趋势，并将传感器设备数据与能源消耗趋势进行分析；

S400.根据传感器设备数据与能源消耗值的分析结果，对建筑物内部消耗能源设备的运行数据进行调整；计算调整后的能源消耗量与设定的能源消耗量的偏差指数，根据偏差指数进行相应的预警或处理。

进一步的，步骤S100包括：

S101.利用3D扫描技术，获取建筑物几何信息，从而得到建筑物内部消耗能源设备的分布位置；获取消耗能源设备的类型，针对每种类型的消耗能源设备的分布位置，都将建筑物内部空间的每一层区域进行一次划分，划分成若干个子区域，且每个子区域中有且仅有一个消耗能源设备；

使用3D激光扫描仪或相机等设备，在较短的时间内对建筑物进行全面扫描，获取其三维模型和几何信息；在对大楼进行扫描时，将扫描仪或相机放置在不同的位置和角度，以覆盖整个建筑物的内部和外部；通过多次扫描和配准，获得建筑物的完整的三维点云数据；得到建筑物的三维点云数据后，使用相应的软件进行数据处理和后处理，生成建筑物的几何模型。

S102.根据消耗能源设备的类型，分配对应的传感器设备；获取对应的传感器设备的可接收数据区域的最大值V_max，以及划分的子区域的体积集合A，且A={V1,V2,...,Vn}，其中V1表示第1个子区域的体积，V2表示第2个子区域的体积，以此类推，Vn表示第n个子区域的体积，其中n表示数据编号，取正整数；且体积集合A中所有元素之和等于一层建筑物内部空间区域的总体积；

S103.针对每次子区域的划分，都计算每个子区域和其相邻子区域的体积和Vs，根据Vs和V_max计算每个子区域和其相邻子区域所需传感器设备的数量m，计算公式为：

，

其中，⌈⌉表示向上取整符号；统计每个子区域和其相邻子区域所需传感器设备的数量m，并分析每个子区域和其相邻子区域之间的相交区域，最终得到每层建筑物内部空间区域的对应的传感器设备数量M，再根据建筑物的层数C，得到建筑物内部的对应传感器设备的总数量N，且N=M*C。

其中，相交区域的分析在于：每个子区域和其相邻子区域作为一个整体，且每个子区域之间的体积大小不一，因此若给每个子区域都分配一个传感器设备就会造成浪费，因此分析每个子区域和其相邻子区域之间的相交区域就可以根据相交区域的大小来分配传感器设备的个数；这样可以避免资源的浪费，使传感器设备的分配更加精确和高效。

进一步的，步骤S200包括：

S201.对于每层建筑物，按照步骤S101中划分的子区域进行二维网格化表示，一个网格代表一个子区域，按照顺序将网格进行编号，并根据子区域内消耗能源设备的分布位置在网格中以圆点标记；根据步骤S103中每个子区域和其相邻子区域所需传感器设备的数量m，以及分析每个子区域和其相邻子区域之间的相交区域，从而得到传感器设备对应的网格编号，并对传感器设备也进行编号；

S202.统计每层建筑物的传感器设备对应的网格编号，提取传感器设备对应多个网格的传感器设备编号和相应的网格编号；根据传感器设备对应多个网格的传感器设备编号和相应的网格编号，获取传感器设备接收数据区域的最大面积S_max和相应的网格面积s，且相应的网格面积s是指多个网格面积和；

S203.比较S_max和s的大小关系，若S_max≥s，则根据网格中表示消耗能源设备的圆点坐标来确定传感器设备的坐标，且使传感器设备的坐标距圆点坐标的距离相等；

获取传感器设备对应单个网格的传感器设备编号和相应的网格编号，并根据网格中表示消耗能源设备的圆点坐标，得到传感器设备的坐标，使传感器设备接收数据区域能够覆盖单个网格区域；

若S_max＜s，则根据S_max≥s中传感器设备的坐标对传感器设备进行初步分布，并在网格中表示出传感器设备接收数据区域，从而调整传感器设备的坐标，使传感器设备接收数据总区域能够覆盖所有网格区域。

通过对每层建筑物进行二维网格化表示，并根据子区域内消耗能源设备的分布位置在网格中以圆点标记，可以更加精确地确定传感器设备的坐标位置，使其能够覆盖更广泛的区域，提高数据采集的准确性和全面性；通过分析每个子区域和其相邻子区域之间的相交区域，根据传感器设备对应的网格编号和相应的面积大小，可以更加精确地确定传感器设备的数量和分布位置，避免资源的浪费，降低了传感器设备的成本；通过比较传感器设备接收数据区域的最大面积和相应网格的面积大小关系，可以采取不同的调整策略，以适应不同的实际应用场景，增强了系统的自适应性和可扩展性。

进一步的，步骤S300包括：

S301.基于步骤S203中的传感器设备的位置分布，根据选定周期获取历史数据，且历史数据包括建筑物内部消耗能源设备的运行数据、传感器设备数据以及消耗能源设备的故障信息；历史数据中还包括根据预设的多种降低能耗的调节方案运行时的数据；其中运行数据包括能源消耗量和负载参数；根据历史数据中的消耗能源设备的故障信息，将所有故障发生时刻及其前后T时间段内的运行数据和传感器设备数据标注为故障期间数据，且故障期间数据所在的时间段为故障时间段T1；将剩余的运行数据和传感器设备数据标注为正常期间数据，且正常期间数据所在的时间段为正常时间段T2，其中T1＜T2；

S302.针对每层建筑物的每种消耗能源设备，获取正常期间数据，将选定周期内的每个消耗能源设备的能源消耗量每隔T时间段进行一次划分，并且相邻T时间段是连续的，计算每层建筑物的能源消耗量总值SE；根据能源消耗量的时间点，将相同时间点对应的传感器设备数据也按照能源消耗量进行划分，计算每层建筑物传感器设备数据的标准差Xσ；在平面直角坐标系中，分别画出SE-t趋势曲线A和Xσ-t趋势曲线B，t表示时间点编号；

S303.针对曲线A和B进行关联分析，计算曲线A和B的每个数据点的切线斜率，根据步骤S302中每隔T时间段进行的一次划分，将曲线A和B的数据点的切线斜率进行分类，并计算曲线A数据点对应的能源消耗量总值的平均值μ，找到同时满足两个条件的T时间段的线段作为调整模板，条件1为曲线A切线斜率减小且能源消耗量总值小于μ，条件2为曲线B切线斜率平均值等于b，其中b为预设阈值。

对于条件1，当曲线A的切线斜率减小时，表示能源消耗量的增长速度减缓，即能源消耗量的变化趋势逐渐平缓或减少；同时，能源消耗量小于平均值μ，说明在该时间段内的能源消耗较低；这种情况可能代表着某种节能措施的应用或消耗设备的正常调整，因此可以作为调整模板的依据；

对于条件2，当曲线B的切线斜率等于b，假设b=0时，表示传感器设备数据的变化趋势较为平缓或基本保持稳定；这种情况可能意味着传感器设备的正常运行或处于稳定状态，不受外界因素的明显干扰；因此，当曲线B的切线斜率接近于0时，可以将其作为调整模板的一部分；

满足条件1和条件2可以作为调整模板的依据，因为这意味着在这段时间内能源消耗量相对较低且变化趋势平缓，同时传感器设备数据也保持在一定范围内；根据这样的模板进行调整可能有助于优化能源消耗和设备运行，提高能效和设备的稳定性。

进一步的，步骤S400包括：

S401.根据调整模板，将建筑物内部消耗能源设备的运行数据进行调整，根据调整后的运行数据进行一次选定周期试运行，并获取试运行数据，其中试运行数据包括建筑物内部消耗能源设备的运行数据和传感器设备数据；其中运行数据的调整主要是负载参数，且负载参数包括消耗能源设备的电流电压值、功率以及频率等；

S402.计算调整后的能源消耗量E1与设定的能源消耗量E0的偏差关系，计算公式为：

，

其中，α表示影响因子；根据计算得到的偏差指数，来进行相应的预警或处理；当偏差指数小于等于偏差阈值时，则将调整模板进行存储，在实际调整中作为参考选项；当偏差指数大于偏差阈值时，则输出预警信息，并将调整后的试运行数据与历史数据中的故障期间数据进行相似度分析，若相似度达到a%以上，则匹配到对应的故障期间数据，将匹配的故障期间数据记录的故障原因进行输出；若相似度低于a%，则不存在匹配的故障期间数据，由相关人员进行分析，找到原因并记录，其中a表示相似度阈值。

通过计算调整后的能源消耗量与设定的能源消耗量之间的偏差关系，可以及时了解实际消耗量与预期目标之间的差异，这有助于评估能源使用的效率和准确性，以便及时采取相应的措施进行调整；引入影响因子α，可以在计算偏差指数时考虑不同因素对能源消耗的影响程度，这有助于更准确地评估能源消耗的变化情况，从而更好地指导后续的预警和处理措施。

一种基于人工智能的绿色建筑数字化管理系统，系统包括：3D扫描模块、传感器设备分布模块、数据采集和处理模块、能源消耗调整模块、故障诊断模块以及用户界面和管理模块；

所述3D扫描模块利用3D扫描技术获取建筑物几何信息，得到建筑物内部消耗能源设备的分布位置和消耗能源设备的类型；

所述传感器设备分布模块，根据3D扫描模块获取的建筑物内部消耗能源设备的分布位置和消耗能源设备的类型，对传感器设备进行位置分布，得到每层建筑物内部的对应传感器设备的数量，并将传感器设备编号和位置信息与建筑物几何信息进行对应；

所述数据采集和处理模块，根据传感器设备采集到的数据，包括历史数据和试运行数据，将历史数据分为故障期间数据和正常期间数据；通过正常期间数据分析建筑物内部消耗能源设备的运行数据和传感器设备数据，得到能源消耗趋势，并将传感器设备数据与能源消耗趋势进行分析，得到调整模板；

所述能源消耗调整模块，根据传感器设备数据与能源消耗值的分析的调整模板，对建筑物内部消耗能源设备的运行数据进行调整；计算调整后的能源消耗量与设定的能源消耗量的偏差指数，根据偏差指数进行相应的预警或处理，调整模板将作为参考选项在实际调整中使用；

所述故障诊断模块，将试运行数据与历史数据中的故障期间数据进行比对分析，若匹配到对应的故障期间数据，则将匹配的故障期间数据记录的故障原因进行输出，若不存在匹配的故障期间数据，则由相关人员进行分析，找到原因并记录；

所述用户界面和管理模块，提供用户界面用于管理系统操作和显示结果，包括对建筑物内部消耗能源设备的管理、调度和监测功能，以及对调整模板的管理和更新。

进一步的，3D扫描模块包括几何信息获取单元和消耗能源设备分布位置识别单元；

所述几何信息获取单元利用3D扫描技术，获取建筑物的高精度几何信息；所述消耗能源设备分布位置识别单元，根据几何信息和建筑物内部消耗能源设备的类型，识别出每种消耗能源设备在建筑物内部的分布位置；

所述传感器设备分布模块包括子区域划分单元和传感器设备位置分布单元；所述子区域划分单元根据消耗能源设备的类型和分布位置，将建筑物的内部空间划分成若干个子区域，并给每个子区域分配对应的传感器设备；所述传感器设备位置分布单元针对每个子区域和其相邻子区域，计算传感器设备的数量和位置，使得每个子区域和其相邻子区域都能被传感器设备覆盖到。

进一步的，数据采集和处理模块包括历史数据获取单元和数据分析单元；

所述历史数据获取单元根据传感器设备的位置分布，采集选定周期内建筑物内部消耗能源设备和传感器设备的历史数据；所述数据分析单元根据历史数据，对传感器设备数据与能源消耗趋势进行分析，从而调整建筑物内部消耗能源设备的运行数据。

进一步的，能源消耗调整模块包括运行数据调整单元、试运行数据采集单元和偏差计算单元；

所述运行数据调整单元根据调整模板，对建筑物内部消耗能源设备的运行数据进行调整，从而降低能源消耗量；所述试运行数据采集单元采集试运行数据，包括建筑物内部消耗能源设备的运行数据和传感器设备数据；所述偏差计算单元根据试运行数据，计算调整后的能源消耗量与设定的能源消耗量的偏差指数，并根据阈值来进行相应的预警或处理。

进一步的，故障诊断模块包括故障信息提取单元和相似度分析单元；

所述故障信息提取单元从历史数据中提取出故障发生时刻及其前后T时间段内的运行数据和传感器设备数据标注为故障期间数据；所述相似度分析单元：将调整后的试运行数据与历史数据中的故障期间数据进行相似度分析，若匹配到对应的故障期间数据，则将匹配的故障期间数据记录的故障原因进行输出，若不存在匹配的故障期间数据，则由相关人员进行分析，找到原因并记录。

与现有技术相比，本发明所达到的有益效果是：通过利用3D扫描技术获取建筑物几何信息，结合传感器设备数据和能源消耗趋势进行分析，能够更准确地获取建筑物内部的能源消耗情况，并对传感器设备进行精确的位置分布；通过分析每个子区域和其相邻子区域之间的相交区域，根据相交区域的大小来精确分配传感器设备的数量，避免了资源的浪费，降低了传感器设备的成本；通过比较传感器设备接收数据区域的最大面积和相应网格的面积大小关系，可以采取不同的调整策略，以适应不同的实际应用场景，增强了系统的自适应性和可扩展性；通过对历史数据中的消耗能源设备的故障信息进行标注，并针对故障期间数据和正常期间数据进行分析，能够实现对建筑物内部消耗能源设备的故障检测和预警处理，从而提高了建筑物的安全性和稳定性；通过关联分析曲线A和B的数据点的切线斜率，找到调整模板并根据模板进行调整，有助于优化能源消耗和设备运行，提高了能效和设备的稳定性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于人工智能的绿色建筑数字化管理系统模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。

请参阅图1，本发明提供技术方案：

一种基于人工智能的绿色建筑数字化管理方法，方法包括以下步骤：

S100.利用3D扫描技术，获取建筑物几何信息；根据建筑物内部传感器设备的可接收数据区域的最大值和建筑物内部消耗能源设备的分布位置，得到建筑物内部的传感器设备的数量；

S200.基于建筑物内部的传感器设备的数量，结合建筑物内部消耗能源设备的分布位置和建筑物几何信息，对传感器设备进行位置分布；

S300.根据步骤S200中的传感器设备，获取选定周期的历史数据；所述历史数据包括建筑物内部消耗能源设备的运行数据和传感器设备数据；根据历史数据得到能源消耗趋势，并将传感器设备数据与能源消耗趋势进行分析；

S400.根据传感器设备数据与能源消耗值的分析结果，对建筑物内部消耗能源设备的运行数据进行调整；计算调整后的能源消耗量与设定的能源消耗量的偏差指数，根据偏差指数进行相应的预警或处理。

步骤S100包括：

S101.利用3D扫描技术，获取建筑物几何信息，从而得到建筑物内部消耗能源设备的分布位置；获取消耗能源设备的类型，针对每种类型的消耗能源设备的分布位置，都将建筑物内部空间的每一层区域进行一次划分，划分成若干个子区域，且每个子区域中有且仅有一个消耗能源设备；

其中，使用3D激光扫描仪或相机等设备，在较短的时间内对建筑物进行全面扫描，获取其三维模型和几何信息；在对大楼进行扫描时，将扫描仪或相机放置在不同的位置和角度，以覆盖整个建筑物的内部和外部；通过多次扫描和配准，获得建筑物的完整的三维点云数据；得到建筑物的三维点云数据后，使用相应的软件进行数据处理和后处理，生成建筑物的几何模型。

S102.根据消耗能源设备的类型，分配对应的传感器设备；获取对应的传感器设备的可接收数据区域的最大值V_max，以及划分的子区域的体积集合A，且A={V1,V2,...,Vn}，其中V1表示第1个子区域的体积，V2表示第2个子区域的体积，以此类推，Vn表示第n个子区域的体积，其中n表示数据编号，取正整数；且体积集合A中所有元素之和等于一层建筑物内部空间区域的总体积；

S103.针对每次子区域的划分，都计算每个子区域和其相邻子区域的体积和Vs，根据Vs和V_max计算每个子区域和其相邻子区域所需传感器设备的数量m，计算公式为：

，

其中，⌈⌉表示向上取整符号；统计每个子区域和其相邻子区域所需传感器设备的数量m，并分析每个子区域和其相邻子区域之间的相交区域，最终得到每层建筑物内部空间区域的对应的传感器设备数量M，再根据建筑物的层数C，得到建筑物内部的对应传感器设备的总数量N，且N=M*C。

其中，相交区域的分析在于：每个子区域和其相邻子区域作为一个整体，且每个子区域之间的体积大小不一，因此若给每个子区域都分配一个传感器设备就会造成浪费，因此分析每个子区域和其相邻子区域之间的相交区域就可以根据相交区域的大小来分配传感器设备的个数；这样可以避免资源的浪费，使传感器设备的分配更加精确和高效。

在本实施例中，假设一层建筑物的某种消耗能源设备有6个，因此根据6个消耗能源设备的分布位置对该层建筑物的空间区域进行划分，且每个子区域的体积并不相等，依次分为子区域1、子区域2.子区域3、子区域4、子区域5以及子区域6；

对于子区域1，子区域1和其相邻子区域作为一个整体，记为区块1，且区块1的组成为子区域1、2和6；根据计算得到区块1所需传感器设备个数为2；

对于子区域2，子区域2和其相邻子区域作为一个整体，记为区块2，且区块2的组成为子区域1、2、3、5和6；根据计算得到区块2所需传感器设备个数为4；

对于子区域3，子区域3和其相邻子区域作为一个整体，记为区块3，且区块3的组成为子区域2、3、4和5；根据计算得到区块3所需传感器设备个数为3；

对于子区域4，子区域4和其相邻子区域作为一个整体，记为区块4，且区块4的组成为子区域3、4和5；根据计算得到区块4所需传感器设备个数为2；

对于子区域5，子区域5和其相邻子区域作为一个整体，记为区块5，且区块5的组成为子区域2、3、4、5和6；根据计算得到区块5所需传感器设备个数为3；

对于子区域6，子区域6和其相邻子区域作为一个整体，记为区块6，且区块6的组成为子区域1、2、5和6；根据计算得到区块6所需传感器设备个数为3；

对于区块1和区块2来说，两者相交区域为子区域1、2和6，而区块1的传感器设备数量为2，区块2的传感器设备数量为4，因此子区域3和5需要2个传感器设备，子区域1、2和6需要2个传感器设备；

对于区块3和区块4来说，两者相交区域为子区域3、4和5，而区块4的传感器设备数量为2，区块3的传感器设备数量为3，因此子区域2需要1个传感器设备，子区域1和6需要2个传感器设备，子区域3和5需要2个传感器设备，子区域4则需要和相邻子区域2或5共用一个传感器设备；

对于区块5和6来说，两者相交区域为子区域2、5和6，而区块5的传感器设备数量为3，区块6的传感器设备数量为3；

综上所述，该层建筑物的传感器设备数量为4个，且子区域1和6公用一个传感器设备，子区域2、3和5中分别有一个传感器设备，子区域4则和相邻子区域2或5共用一个传感器设备。

步骤S200包括：

S201.对于每层建筑物，按照步骤S101中划分的子区域进行二维网格化表示，一个网格代表一个子区域，按照顺序将网格进行编号，并根据子区域内消耗能源设备的分布位置在网格中以圆点标记；根据步骤S103中每个子区域和其相邻子区域所需传感器设备的数量m，以及分析每个子区域和其相邻子区域之间的相交区域，从而得到传感器设备对应的网格编号，并对传感器设备也进行编号；

S202.统计每层建筑物的传感器设备对应的网格编号，提取传感器设备对应多个网格的传感器设备编号和相应的网格编号；根据传感器设备对应多个网格的传感器设备编号和相应的网格编号，获取传感器设备接收数据区域的最大面积S_max和相应的网格面积s，且相应的网格面积s是指多个网格面积和；

S203.比较S_max和s的大小关系，若S_max≥s，则根据网格中表示消耗能源设备的圆点坐标来确定传感器设备的坐标，且使传感器设备的坐标距圆点坐标的距离相等；

获取传感器设备对应单个网格的传感器设备编号和相应的网格编号，并根据网格中表示消耗能源设备的圆点坐标，得到传感器设备的坐标，使传感器设备接收数据区域能够覆盖单个网格区域；

若S_max＜s，则根据S_max≥s中传感器设备的坐标对传感器设备进行初步分布，并在网格中表示出传感器设备接收数据区域，从而调整传感器设备的坐标，使传感器设备接收数据总区域能够覆盖所有网格区域。

通过对每层建筑物进行二维网格化表示，并根据子区域内消耗能源设备的分布位置在网格中以圆点标记，可以更加精确地确定传感器设备的坐标位置，使其能够覆盖更广泛的区域，提高数据采集的准确性和全面性；通过分析每个子区域和其相邻子区域之间的相交区域，根据传感器设备对应的网格编号和相应的面积大小，可以更加精确地确定传感器设备的数量和分布位置，避免资源的浪费，降低了传感器设备的成本；通过比较传感器设备接收数据区域的最大面积和相应网格的面积大小关系，可以采取不同的调整策略，以适应不同的实际应用场景，增强了系统的自适应性和可扩展性。

步骤S300包括：

S301.基于步骤S203中的传感器设备的位置分布，根据选定周期获取历史数据，且历史数据包括建筑物内部消耗能源设备的运行数据、传感器设备数据以及消耗能源设备的故障信息；历史数据中还包括根据预设的多种降低能耗的调节方案运行时的数据；其中运行数据包括能源消耗量和负载参数；根据历史数据中的消耗能源设备的故障信息，将所有故障发生时刻及其前后T时间段内的运行数据和传感器设备数据标注为故障期间数据，且故障期间数据所在的时间段为故障时间段T1；将剩余的运行数据和传感器设备数据标注为正常期间数据，且正常期间数据所在的时间段为正常时间段T2，其中T1＜T2；

S302.针对每层建筑物的每种消耗能源设备，获取正常期间数据，将选定周期内的每个消耗能源设备的能源消耗量每隔T时间段进行一次划分，并且相邻T时间段是连续的，计算每层建筑物的能源消耗量总值SE；根据能源消耗量的时间点，将相同时间点对应的传感器设备数据也按照能源消耗量进行划分，计算每层建筑物传感器设备数据的标准差Xσ；在平面直角坐标系中，分别画出SE-t趋势曲线A和Xσ-t趋势曲线B，t表示时间点编号；

S303.针对曲线A和B进行关联分析，计算曲线A和B的每个数据点的切线斜率，根据步骤S302中每隔T时间段进行的一次划分，将曲线A和B的数据点的切线斜率进行分类，并计算曲线A数据点对应的能源消耗量总值的平均值μ，找到同时满足两个条件的T时间段的线段作为调整模板，条件1为曲线A切线斜率减小且能源消耗量总值小于μ，条件2为曲线B切线斜率平均值等于b，其中b为预设阈值。

对于条件1，当曲线A的切线斜率减小时，表示能源消耗量的增长速度减缓，即能源消耗量的变化趋势逐渐平缓或减少；同时，能源消耗量小于平均值μ，说明在该时间段内的能源消耗较低；这种情况可能代表着某种节能措施的应用或消耗设备的正常调整，因此可以作为调整模板的依据；

对于条件2，当曲线B的切线斜率等于b，假设b=0时，表示传感器设备数据的变化趋势较为平缓或基本保持稳定；这种情况可能意味着传感器设备的正常运行或处于稳定状态，不受外界因素的明显干扰；因此，当曲线B的切线斜率等于0时，可以将其作为调整模板的一部分；

满足条件1和条件2可以作为调整模板的依据，因为这意味着在这段时间内能源消耗量相对较低且变化趋势平缓，同时传感器设备数据也保持在一定范围内；根据这样的模板进行调整可能有助于优化能源消耗和设备运行，提高能效和设备的稳定性。

步骤S400包括：

S401.根据调整模板，将建筑物内部消耗能源设备的运行数据进行调整，根据调整后的运行数据进行一次选定周期试运行，并获取试运行数据，其中试运行数据包括建筑物内部消耗能源设备的运行数据和传感器设备数据；其中运行数据的调整主要是负载参数，且负载参数包括消耗能源设备的电流电压值、功率以及频率等；

S402.计算调整后的能源消耗量E1与设定的能源消耗量E0的偏差关系，计算公式为：

，

其中，α表示影响因子；根据计算得到的偏差指数，来进行相应的预警或处理；当偏差指数小于等于偏差阈值时，则将调整模板进行存储，在实际调整中作为参考选项；当偏差指数大于偏差阈值时，则输出预警信息，并将调整后的试运行数据与历史数据中的故障期间数据进行相似度分析，若相似度达到a%以上，则匹配到对应的故障期间数据，将匹配的故障期间数据记录的故障原因进行输出；若相似度低于a%，则不存在匹配的故障期间数据，由相关人员进行分析，找到原因并记录，其中a表示相似度阈值。

通过计算调整后的能源消耗量与设定的能源消耗量之间的偏差关系，可以及时了解实际消耗量与预期目标之间的差异，这有助于评估能源使用的效率和准确性，以便及时采取相应的措施进行调整；引入影响因子α，可以在计算偏差指数时考虑不同因素对能源消耗的影响程度，这有助于更准确地评估能源消耗的变化情况，从而更好地指导后续的预警和处理措施。

一种基于人工智能的绿色建筑数字化管理系统，系统包括：3D扫描模块、传感器设备分布模块、数据采集和处理模块、能源消耗调整模块、故障诊断模块以及用户界面和管理模块；

所述3D扫描模块利用3D扫描技术获取建筑物几何信息，得到建筑物内部消耗能源设备的分布位置和消耗能源设备的类型；

所述传感器设备分布模块，根据3D扫描模块获取的建筑物内部消耗能源设备的分布位置和消耗能源设备的类型，对传感器设备进行位置分布，得到每层建筑物内部的对应传感器设备的数量，并将传感器设备编号和位置信息与建筑物几何信息进行对应；

所述数据采集和处理模块，根据传感器设备采集到的数据，包括历史数据和试运行数据，将历史数据分为故障期间数据和正常期间数据；通过正常期间数据分析建筑物内部消耗能源设备的运行数据和传感器设备数据，得到能源消耗趋势，并将传感器设备数据与能源消耗趋势进行分析，得到调整模板；

所述能源消耗调整模块，根据传感器设备数据与能源消耗值的分析的调整模板，对建筑物内部消耗能源设备的运行数据进行调整；计算调整后的能源消耗量与设定的能源消耗量的偏差指数，根据偏差指数进行相应的预警或处理，调整模板将作为参考选项在实际调整中使用；

所述故障诊断模块，将试运行数据与历史数据中的故障期间数据进行比对分析，若匹配到对应的故障期间数据，则将匹配的故障期间数据记录的故障原因进行输出，若不存在匹配的故障期间数据，则由相关人员进行分析，找到原因并记录；

所述用户界面和管理模块，提供用户界面用于管理系统操作和显示结果，包括对建筑物内部消耗能源设备的管理、调度和监测功能，以及对调整模板的管理和更新。

3D扫描模块包括几何信息获取单元和消耗能源设备分布位置识别单元；

所述几何信息获取单元利用3D扫描技术，获取建筑物的高精度几何信息；所述消耗能源设备分布位置识别单元，根据几何信息和建筑物内部消耗能源设备的类型，识别出每种消耗能源设备在建筑物内部的分布位置；

所述传感器设备分布模块包括子区域划分单元和传感器设备位置分布单元；所述子区域划分单元根据消耗能源设备的类型和分布位置，将建筑物的内部空间划分成若干个子区域，并给每个子区域分配对应的传感器设备；所述传感器设备位置分布单元针对每个子区域和其相邻子区域，计算传感器设备的数量和位置，使得每个子区域和其相邻子区域都能被传感器设备覆盖到。

数据采集和处理模块包括历史数据获取单元和数据分析单元；

所述历史数据获取单元根据传感器设备的位置分布，采集选定周期内建筑物内部消耗能源设备和传感器设备的历史数据；所述数据分析单元根据历史数据，对传感器设备数据与能源消耗趋势进行分析，从而调整建筑物内部消耗能源设备的运行数据。

能源消耗调整模块包括运行数据调整单元、试运行数据采集单元和偏差计算单元；

所述运行数据调整单元根据调整模板，对建筑物内部消耗能源设备的运行数据进行调整，从而降低能源消耗量；所述试运行数据采集单元采集试运行数据，包括建筑物内部消耗能源设备的运行数据和传感器设备数据；所述偏差计算单元根据试运行数据，计算调整后的能源消耗量与设定的能源消耗量的偏差指数，并根据阈值来进行相应的预警或处理。

故障诊断模块包括故障信息提取单元和相似度分析单元；

所述故障信息提取单元从历史数据中提取出故障发生时刻及其前后T时间段内的运行数据和传感器设备数据标注为故障期间数据；所述相似度分析单元：将调整后的试运行数据与历史数据中的故障期间数据进行相似度分析，若匹配到对应的故障期间数据，则将匹配的故障期间数据记录的故障原因进行输出，若不存在匹配的故障期间数据，则由相关人员进行分析，找到原因并记录。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的绿色建筑数字化管理方法，其特征在于：所述方法包括以下步骤：

S100.利用3D扫描技术，获取建筑物几何信息；根据建筑物内部消耗能源设备的分布位置和传感器设备的可接收数据区域的最大值，分析得到建筑物内部的传感器设备的数量；

S200.基于建筑物内部的传感器设备的数量，结合建筑物内部消耗能源设备的分布位置和建筑物几何信息，对传感器设备进行位置分布；

S300.根据步骤S200中的传感器设备，获取选定周期的历史数据；所述历史数据包括建筑物内部消耗能源设备的运行数据和传感器设备数据；根据历史数据得到能源消耗趋势，并将传感器设备数据与能源消耗趋势进行分析；

S400.根据传感器设备数据与能源消耗趋势的分析结果，对建筑物内部消耗能源设备的运行数据进行调整；计算调整后的能源消耗量与设定的能源消耗量的偏差指数，根据偏差指数进行相应的预警或处理。

2.根据权利要求1所述的一种基于人工智能的绿色建筑数字化管理方法，其特征在于：所述步骤S100包括：

S101.利用3D扫描技术，获取建筑物几何信息，从而得到建筑物内部消耗能源设备的分布位置；获取消耗能源设备的类型，针对每种类型的消耗能源设备的分布位置，都将建筑物内部空间的每一层区域进行一次划分，划分成若干个子区域，且每个子区域中有且仅有一个消耗能源设备；

S102.根据消耗能源设备的类型，分配对应的传感器设备；获取对应的传感器设备的可接收数据区域的最大值V_max，以及划分的子区域的体积集合A，且A={V1,V2,...,Vn}，其中V1表示第1个子区域的体积，V2表示第2个子区域的体积，以此类推，Vn表示第n个子区域的体积，其中n表示数据编号，取正整数；且体积集合A中所有元素之和等于一层建筑物内部空间区域的总体积；

S103.针对每次子区域的划分，都计算每个子区域和其相邻子区域的体积和Vs，根据Vs和V_max计算每个子区域和其相邻子区域所需传感器设备的数量m，计算公式为：

，

其中，⌈ ⌉表示向上取整符号；统计每个子区域和其相邻子区域所需传感器设备的数量m，并分析每个子区域和其相邻子区域之间的相交区域，最终得到每层建筑物内部空间区域的对应的传感器设备数量M，再根据建筑物的层数C，得到建筑物内部的对应传感器设备的数量N，且N=M*C。

3.根据权利要求1所述的一种基于人工智能的绿色建筑数字化管理方法，其特征在于：所述步骤S200包括：

S201.对于每层建筑物，按照步骤S101中划分的子区域进行二维网格化表示，一个网格代表一个子区域，按照顺序将网格进行编号，并根据子区域内消耗能源设备的分布位置在网格中以圆点标记；根据步骤S103中每个子区域和其相邻子区域所需传感器设备的数量m，以及分析每个子区域和其相邻子区域之间的相交区域，从而得到传感器设备对应的网格编号，并对传感器设备也进行编号；

S202.统计每层建筑物的传感器设备对应的网格编号，提取传感器设备对应多个网格的传感器设备编号和相应的网格编号；根据传感器设备对应多个网格的传感器设备编号和相应的网格编号，获取传感器设备接收数据区域的最大面积S_max和相应的网格面积s，其中相应的网格面积s是指多个网格面积和；

S203.比较S_max和s的大小关系，若S_max≥s，则根据网格中表示消耗能源设备的圆点坐标来确定传感器设备的坐标，且使传感器设备的坐标距圆点坐标的距离相等；

获取传感器设备对应单个网格的传感器设备编号和相应的网格编号，并根据网格中表示消耗能源设备的圆点坐标，得到传感器设备的坐标，使传感器设备接收数据区域能够覆盖单个网格区域；

若S_max＜s，则根据S_max≥s中传感器设备的坐标对传感器设备进行初步分布，并在网格中表示出传感器设备接收数据区域，从而调整传感器设备的坐标，使传感器设备接收数据总区域能够覆盖所有网格区域。

4.根据权利要求1所述的一种基于人工智能的绿色建筑数字化管理方法，其特征在于：所述步骤S300包括：

S301.基于步骤S203中的传感器设备的位置分布，根据选定周期获取历史数据，且历史数据包括建筑物内部消耗能源设备的运行数据、传感器设备数据以及消耗能源设备的故障信息；其中运行数据包括能源消耗量和负载参数；根据历史数据中的消耗能源设备的故障信息，将所有故障发生时刻及其前后T时间段内的运行数据和传感器设备数据标注为故障期间数据，且故障期间数据所在的时间段为故障时间段T1；将剩余的运行数据和传感器设备数据标注为正常期间数据，且正常期间数据所在的时间段为正常时间段T2，其中T1＜T2；

S302.针对每层建筑物的每种消耗能源设备，获取正常期间数据，将选定周期内的每个消耗能源设备的能源消耗量每隔T时间段进行一次划分，并且相邻T时间段是连续的，计算每层建筑物的能源消耗量总值SE；根据能源消耗量的时间点，将相同时间点对应的传感器设备数据也按照能源消耗量进行划分，计算每层建筑物传感器设备数据的标准差Xσ；在平面直角坐标系中，分别画出SE-t趋势曲线A和Xσ-t趋势曲线B，t表示时间点编号；

S303.针对曲线A和B进行关联分析，计算曲线A和B的每个数据点的切线斜率，根据步骤S302中每隔T时间段进行的一次划分，将曲线A和B的数据点的切线斜率进行分类，并计算曲线A数据点对应的能源消耗量总值的平均值μ，找到同时满足两个条件的T时间段的线段作为调整模板，条件1为曲线A切线斜率减小且能源消耗量总值小于μ，条件2为曲线B切线斜率平均值等于b，其中b为预设阈值。

5.根据权利要求1所述的一种基于人工智能的绿色建筑数字化管理方法，其特征在于：所述步骤S400包括：

S401.根据调整模板，将建筑物内部消耗能源设备的运行数据进行调整，根据调整后的运行数据进行一次选定周期试运行，并获取试运行数据，其中试运行数据包括建筑物内部消耗能源设备的运行数据和传感器设备数据；

S402.计算调整后的能源消耗量E1与设定的能源消耗量E0的偏差关系，计算公式为：

，

其中，α表示影响因子；根据计算得到的偏差指数，来进行相应的预警或处理；当偏差指数小于等于偏差阈值时，则将调整模板进行存储，在实际调整中作为参考选项；当偏差指数大于偏差阈值时，则输出预警信息，并将调整后的试运行数据与历史数据中的故障期间数据进行相似度分析，若相似度达到a%以上，则匹配到对应的故障期间数据，将匹配的故障期间数据记录的故障原因进行输出；若相似度低于a%，则不存在匹配的故障期间数据，由相关人员进行分析，找到原因并记录，其中a表示相似度阈值。

6.一种基于人工智能的绿色建筑数字化管理系统，应用于权利要求1-5中任一项所述的一种基于人工智能的绿色建筑数字化管理方法，其特征在于：所述系统包括：3D扫描模块、传感器设备分布模块、数据采集和处理模块、能源消耗调整模块、故障诊断模块以及用户界面和管理模块；

所述3D扫描模块利用3D扫描技术获取建筑物几何信息，得到建筑物内部消耗能源设备的分布位置和消耗能源设备的类型；

所述传感器设备分布模块，根据3D扫描模块获取的建筑物内部消耗能源设备的分布位置和消耗能源设备的类型，对传感器设备进行位置分布，得到每层建筑物内部的对应传感器设备的数量，并将传感器设备编号和位置信息与建筑物几何信息进行对应；

所述数据采集和处理模块，根据传感器设备采集到的数据，包括历史数据和试运行数据，将历史数据分为故障期间数据和正常期间数据；通过正常期间数据分析建筑物内部消耗能源设备的运行数据和传感器设备数据，得到能源消耗趋势，并将传感器设备数据与能源消耗趋势进行分析，得到调整模板；

所述能源消耗调整模块，根据传感器设备数据与能源消耗值的分析的调整模板，对建筑物内部消耗能源设备的运行数据进行调整；计算调整后的能源消耗量与设定的能源消耗量的偏差指数，根据偏差指数进行相应的预警或处理，调整模板将作为参考选项在实际调整中使用；

所述故障诊断模块，将试运行数据与历史数据中的故障期间数据进行比对分析，若匹配到对应的故障期间数据，则将匹配的故障期间数据记录的故障原因进行输出，若不存在匹配的故障期间数据，则由相关人员进行分析，找到原因并记录；

所述用户界面和管理模块，提供用户界面用于管理系统操作和显示结果，包括对建筑物内部消耗能源设备的管理、调度和监测功能，以及对调整模板的管理和更新。

7.根据权利要求6所述的一种基于人工智能的绿色建筑数字化管理系统，其特征在于：所述3D扫描模块包括几何信息获取单元和消耗能源设备分布位置识别单元；

所述几何信息获取单元利用3D扫描技术，获取建筑物的高精度几何信息；所述消耗能源设备分布位置识别单元，根据几何信息和建筑物内部消耗能源设备的类型，识别出每种消耗能源设备在建筑物内部的分布位置；

所述传感器设备分布模块包括子区域划分单元和传感器设备位置分布单元；所述子区域划分单元根据消耗能源设备的类型和分布位置，将建筑物的内部空间划分成若干个子区域，并给每个子区域分配对应的传感器设备；所述传感器设备位置分布单元针对每个子区域和其相邻子区域，计算传感器设备的数量和位置，使得每个子区域和其相邻子区域都能被传感器设备覆盖到。

8.根据权利要求6所述的一种基于人工智能的绿色建筑数字化管理系统，其特征在于：所述数据采集和处理模块包括历史数据获取单元和数据分析单元；

所述历史数据获取单元根据传感器设备的位置分布，采集选定周期内建筑物内部消耗能源设备和传感器设备的历史数据；所述数据分析单元根据历史数据，对传感器设备数据与能源消耗趋势进行分析，从而调整建筑物内部消耗能源设备的运行数据。

9.根据权利要求6所述的一种基于人工智能的绿色建筑数字化管理系统，其特征在于：所述能源消耗调整模块包括运行数据调整单元、试运行数据采集单元和偏差计算单元；

所述运行数据调整单元根据调整模板，对建筑物内部消耗能源设备的运行数据进行调整，从而降低能源消耗量；所述试运行数据采集单元采集试运行数据，包括建筑物内部消耗能源设备的运行数据和传感器设备数据；所述偏差计算单元根据试运行数据，计算调整后的能源消耗量与设定的能源消耗量的偏差指数，并根据阈值来进行相应的预警或处理。

10.根据权利要求6所述的一种基于人工智能的绿色建筑数字化管理系统，其特征在于：所述故障诊断模块包括故障信息提取单元和相似度分析单元；

所述故障信息提取单元从历史数据中提取出故障发生时刻及其前后T时间段内的运行数据和传感器设备数据标注为故障期间数据；所述相似度分析单元：将调整后的试运行数据与历史数据中的故障期间数据进行相似度分析，若匹配到对应的故障期间数据，则将匹配的故障期间数据记录的故障原因进行输出，若不存在匹配的故障期间数据，则由相关人员进行分析，找到原因并记录。