CN117668700A - 基于在线变化点检测的医院综合能源边界识别方法及系统 - Google Patents
基于在线变化点检测的医院综合能源边界识别方法及系统 Download PDFInfo
- Publication number
- CN117668700A CN117668700A CN202311795998.4A CN202311795998A CN117668700A CN 117668700 A CN117668700 A CN 117668700A CN 202311795998 A CN202311795998 A CN 202311795998A CN 117668700 A CN117668700 A CN 117668700A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy consumption
- hospital
- boundary
- change point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005265 energy consumption Methods 0.000 claims abstract description 129
- 238000010219 correlation analysis Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000151 deposition Methods 0.000 claims description 2
- 239000003245 coal Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- -1 electricity Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010027336 Menstruation delayed Diseases 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供基于在线变化点检测的医院综合能源边界识别方法及系统,系统包含智慧医院管理平台、能源管理模块和相关性分析模块;智慧管理平台用于集成医院多个系统模块,统一数据;能源管理模块用于采集用能设备数据,建立用能节点模型,建立用能节点与设备的关联关系,统计节点能耗数据;相关性分析模块用于建立影响因子库,建立影响因子与用能节点的关联关系,通过Person相关系数分析能源边界与影响因子之间的关联性;其中,基于贝叶斯在线变化点检测、二次阈值判断的边界自动识别方法,找出出现能耗抬升的时间点。本发明能够自动识别医院能耗变化点,并对出现变点的原因进行识别的系统,实现医院综合能源领域的用能监控与分析。
Description
技术领域
本发明涉及医院综合能源领域,特别是基于在线变化点检测的医院综合能源边界识别系统和方法。
背景技术
由于医院建筑功能定位多样、医疗和辅助设备设施多、人流量大,医院的各项能耗尤为突出。在智慧医院建设的大趋势下,医院对能源系统要求较高,如何帮助医院实现用能管理,实现降本增效成为了很多医院探讨的重要课题,在智慧医院建设的大趋势下,基于能源托管的综合能源服务模式成为了比较好的解决方案。
在能源托管服务中,做好用能数据管理、及时发现能源边界调整、分析用能习惯,对于帮助医院推进节能降耗工作、降低万元收入,有着至关重要的作用。同时能源边界是影响托管合同履行非常重要的一环,边界的变化会带来项目盈亏的重大变化,因此识别能源边界对于能源托管来说变得尤为重要。
目前能源边界变化的识别主要靠项目上运维服务人员主观识别,有以下几个特点:(1)比较容易识别的边界包括医院有新增用能区域、新增某些业务、就诊量突增;(2)新增一些功率较大的医疗大型设备、冷暖供应时段等,运维人员无法及时感知;(3)对于有多个场景共同导致出现边界变化的情况,运维人员无法识别。边界的定位分析对于运维人员来说是一件比较困难的事情。
发明内容
本发明目的在于解决现在依赖工作人员去识别能源边界变更的现状,提供一种基于在线变化点检测的医院综合能源边界识别方法,能够自动检测医院用能变化点,实现对能源管理项目的边界自动识别,既能减少运维人员的工作量,也能分析出现边界的原因,实现医院综合能源领域的用能监控与分析。
为了达成上述目的,本发明提出一种基于在线变化点检测的医院综合能源边界识别系统和方法,其技术方案如下:
基于在线变化点检测的医院综合能源边界识别系统,包括有:
智慧医院管理平台,用于集成医院多个管理子系统,打破数据孤岛,将关键数据沉淀到智慧医院管理平台上;所述多个管理子系统,指医院信息系统、天气服务、医疗设备管理系统、门诊预约系统、手术预约系统等;所述关键数据包括医院门诊数据、住院数据、手术数据、医疗设备数据等,特别是其中的能源数据。
能源管理模块,置于智慧医院管理平台上,用于采集实时值,建立医院的用能树模型,统计和分析所述用能树模型中各个用能节点的能耗值情况,通过在线检测并进行展示,为自动识别能源边界点提供可靠性支撑。
相关性分析模块,置于智慧医院管理平台上,根据能源边界产生的时间,用于推断产生能源边界发生变化的原因。
本发明中所述的能源边界,是指用能能源类型、用能对象、用能设备、用能区域的集合。在用能过程中,某个时间由于某些原因使得能源边界发生变化导致能耗发生稳定抬升,即为能源边界事件。
进一步的,所述能源管理系统的采集实时值,是指通过能源测量设备采集医院的水、电、燃气、蒸汽这些能源类型的能耗数据。
进一步的,所述医院的用能树模型,是按照用能节点和关联设备建立关联关系,得到能耗统计逻辑;其中,所述关联设备指能源测量设备,例如电能表、水表、流量计、燃气表。
进一步的,所述医院的用能树模型中建立的关联关系中,用能节点的能耗用量=关联设备的能耗总和。
进一步的,所述医院的用能树模型中,如果父节点没有对应的关联设备,则该父节点的能耗用量=子节点能耗之和。
进一步的,所述相关性分析模块,建立有能耗的影响因子库,再建立影响因子与用能节点的关联关系,最后通过计算Person(皮尔逊)相关系数,来判断用能节点的能耗与每个影响因子的关联性。
进一步的,所述影响因子库,是基于医院智慧管理平台上集成的医院多个管理子系统数据而形成的可能会影响能耗的影响因子集合,包括重大医疗设备使用情况、门诊作息时间、就诊量、手术台数、冷暖用能时间、用能面积中的一项或多项。所述影响因子的参数可以从医院智慧管理平台获得,如重大设备台数/使用时长/设备使用功率、节点用能设备、设备负载率、气候数据、手术台数等。
所述相关性分析模块中Person相关系数的计算公式为:
其中,xi表示每天的能耗数据,yi表示影响因子参数,x表示能耗数据的平均值,y表示影响因子参数值的平均值,i表示选取的样本数。
根据上述公式计算出相关系数后,通过对应的取值范围判断相关的强度。
基于在线变化点检测的医院综合能源边界识别方法,是一种基于贝叶斯在线变化点检测的算法,结合医院智慧管理平台统计到的能耗消耗数据,分析用能节点的能耗数据,识别能耗数据发生明显抬升时间点。
对于该医院综合能源边界识别方法,其步骤如下:
1、对于医院智慧管理平台建立的用能树模型,检测用能节点去重;
由于用能节点之间存在挂的表计相同、父子节点能耗统计逻辑相同的情况,所以对检测节点做了过滤,避免产生重复的能源边界。
2、贝叶斯在线变化点检测
1)对窗口期内的能耗异常值进行过滤处理;窗口期为预设的一定时间长度,系统每天分析当天之前窗口期的各用能节点能耗;
2)基于贝叶斯在线变化点检测方法,检测到能耗均值开始发生显著变化,且持续较长一段时间(比如1周或1个月)的时间点,识别出能耗变化点;
在时间序列领域,该问题对应step detection(台阶检测)与changepointdetection(变化点检测)。
3、对步骤2中识别出的能耗变化点,进行二次阈值判断;
提取能耗变化点的前期中位数与后期中位数,判断是否发生了能耗抬升,如果确定发生了能耗抬升并且抬升的偏差值超过一定阈值,则初步识别是发生了能源边界事件。
根据用能特点,设置分段阈值,即不同的用能区间使用不同的阈值。
4、对初步识别出的能源边界事件,进行相关性分析,通过计算得到的Person相关系数,自动识别发生能源边界的可能原因。
5、收集可能导致能源边界事件发生的原因,建立边界因子库;随着系统运行逐渐积累,边界因子库可作为能耗抬升点的可靠性提供支撑。
本发明的有益效果如下:
本发明用于医院的能源托管业务中时,可有效根据能源边界制定用能预算,及时发现用能事件变更,自动识别能源边界事件,有助于协助医院及时调整用能预算、做好用能的审计核定管理工作,从而达到节能降耗的目的。
附图说明
图1为本发明的识别原理图。
图2为本发明的智慧医院管理平台架构图。
图3为本发明的用能节点树模型示例图。
图4为本发明中基于贝叶斯在线变化点的检测效果图,其中横坐标为时间,纵坐标是能耗值。
图5为本发明中根据用能特点设置分段阈值的示意图。
图6为实施例中台州中心医院2023.09.01-2023.10.31的能耗和室外温度1的数值表。
图7为本发明应用于台州中心医院识别能源边界的关联系数示意图。
图8为本发明具体的识别流程图。
具体实施方式
本发明的基于在线变化点检测的医院综合能源边界识别系统,包含一个智慧医院管理平台,一个能源管理模块,一个相关性分析模块。如图1所示,智慧医院管理,用于集成医院多个管理子系统(比如his系统、天气服务、医疗设备管理系统等),打破数据孤岛,将关键信息沉淀到平台上;能耗管理模块,用于设备采集实时值,建立医院用能树模型,统计和分析各个用能节点的能耗使用情况;相关性分析模块,用于根据能源边界产生的时间,推断产生能源边界发生变化的原因。
所述智慧医院管理平台会根据医院实际运行的情况,将各子系统集成到平台上,比如his系统、天气服务、医疗设备管理系统等,打破数据孤岛,可以打通各业务模块,抽取业务数据并沉淀关键信息,进行统计分析,如图2所示。
所述智慧医院管理平台上配置的能源管理系统,用于采集实时值,包括采集医院水、电、燃气、蒸汽等能源数据,建立医院的用能树模型,统计和分析所述用能树模型中各个用能节点的能耗值情况,通过在线检测并进行展示分析,为自动识别能源边界点提供可靠性支撑。
如图3所示,所述医院的用能树模型,是按照用能节点和关联设备建立关联关系,得到能耗统计逻辑;其中,所述关联设备指能源测量设备,例如:电能表、水表、流量计、燃气表。
所述用能树模型中建立的关联关系中,用能节点的能耗用量=关联设备的能耗总和;如果父节点没有对应的关联设备,则该父节点的能耗用量=子节点能耗之和。对应本发明系统,每日统计各用能节点的昨日能耗。
所述相关性分析模块,建立有能耗的影响因子库,再建立影响因子与用能节点的关联关系,最后通过计算Person相关系数,来判断用能节点的能耗与每个影响因子的关联性。其中,所述影响因子库,是基于医院智慧管理平台上集成的医院多个管理子系统数据而形成的可能会影响能耗的影响因子集合,包括重大医疗设备使用情况、门诊作息时间、就诊量、手术台数、冷暖用能时间、用能面积中的一项或多项。所述影响因子的参数可以从医院智慧管理平台获得,如重大设备台数/使用时长/设备使用功率、节点用能设备、设备负载率、气候数据、手术台数等。对于影响因子发生的场景,如表1所示。
表1
所述相关性分析模块中Person相关系数的计算公式为:
其中,xi表示每个颗粒度的能耗数据,yi表示影响因子参数,表示能耗数据的平均值,/>表示影响因子参数值的平均值,i表示选取的样本数。
根据上述公式计算出相关系数后,通过表2的取值范围判断相关的强度:
|ρ| | 相关强度 |
0.8-1.0 | 极强相关 |
0.6-0.8 | 强相关 |
0.4-0.6 | 中等程度相关 |
0.2-0.4 | 弱相关 |
0.0-0.2 | 极弱相关或无相关 |
表2
上述表格中,|ρ|表示相关系数的绝对值。
以台州中心医院2023.09.01-2023.10.31的数据为例,如图6-7所示。
xi表示每天的能耗数据,yi表示每天的温度,表示能耗数据的平均值,/>表示这段时间温度的平均值,i表示选取的样本数即61。根据Person相关系数的计算公式计算得到相关性系数|ρ|=0.94,判断得到台州中心医院的能耗与室外温度是极强相关的。
对应上述医院综合能源边界识别系统实现的识别方法,是基于贝叶斯在线变化点检测的算法,结合医院智慧管理平台中沉淀的能耗数据,分析用能节点的能耗数据,识别能耗数据发生明显抬升时间点。
如图8所示,对于该医院综合能源边界识别方法,其步骤如下:
1、对于医院智慧管理平台建立的用能树模型,遍历用能节点,进行用能节点去重;
由于用能节点之间存在挂的能源测量设备相同、父子节点能耗统计逻辑相同的情况,所以对检测节点做了过滤,避免产生重复的能源边界。
2、贝叶斯在线变化点检测
1)对窗口期内的能耗异常值进行过滤处理;
比如,考虑医院用能特点,选择窗口期为80天,系统每天分析当天之前80天的各用能节点能耗。
2)基于贝叶斯在线变化点检测方法,检测到能耗均值开始发生显著变化,且持续较长一段时间(比如1周或1个月)的时间点,识别出能耗变化点;
比如:同前一周能耗数据均值相比,后一周能耗数据均值变化超过一定阈值,本实施例中使用的是百分比偏差,详细指标见下述步骤3。在时间序列领域,该问题对应stepdetection(台阶检测)与changepoint detection(变化点检测)。变化点检测效果参考图如图4所示。
3、对步骤2中识别出的能耗变化点,进行二次阈值判断;
提取能耗变化点的前期中位数与后期中位数,判断是否发生了能耗抬升,如果确定发生了能耗抬升并且抬升的偏差值超过一定阈值,则初步识别是发生了能源边界事件。
根据用能特点,设置分段阈值,即不同的用能区间使用不同的阈值。图5为具体的分段阈值的数据示例,解释为:当变化点后期中位数处于0-60kwh时,使用百分比偏差的比例是20%,具体如图8中展示,如果相较于前期中位数能耗抬升了超过20%,则初步识别发生了能源边界事件;当后期中位数处于60-90kwh时,使用百分比偏差的比例是14%;当后期中位数处于90-120kwh时,使用百分比偏差的比例是12%;当后期中位数大于120时,使用百分比偏差的比例是10%;
4、对初步识别出的能源边界事件,进行相关性分析,通过计算得到的Person相关系数,自动识别发生能源边界的可能原因。
5、收集可能导致能源边界事件发生的原因,建立边界因子库;随着系统运行逐渐积累,边界因子库可作为能耗抬升点的可靠性提供支撑。
Claims (12)
1.基于在线变化点检测的医院综合能源边界识别系统,其特征在于包括有:
智慧医院管理平台,用于集成医院多个管理子系统,打破数据孤岛,将关键数据沉淀到智慧医院管理平台上;所述管理子系统至少包括医院信息系统、天气服务、医疗设备管理系统、门诊预约系统、手术预约系统;所述关键数据至少包括有医院门诊数据、住院数据、手术数据、医疗设备数据;
能源管理模块,置于智慧医院管理平台上,用于采集实时值,建立医院的用能树模型,统计和分析所述用能树模型中各个用能节点的能耗值情况,通过在线检测并进行展示,为自动识别能源边界点提供可靠性支撑;
相关性分析模块,置于智慧医院管理平台上,根据能源边界产生的时间,用于推断产生能源边界发生变化的原因;
所述能源边界,是指用能能源类型、用能对象、用能设备、用能区域的集合;在用能过程中,某个时间由于某些原因使得能源边界发生变化导致能耗发生稳定抬升,即为能源边界事件。
2.根据权利要求1所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述能源管理系统采集的实时值,至少包括医院的水、电、煤的能源数据。
3.根据权利要求1所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述医院的用能树模型,是按照用能节点和关联设备建立关联关系,得到能耗统计逻辑;所述关联设备指能源测量设备。
4.根据权利要求3所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述医院的用能树模型中建立的关联关系中,用能节点的能耗用量=关联设备的能耗总和。
5.根据权利要求3所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述医院的用能树模型中,如果父节点没有对应的关联设备,则该父节点的能耗用量=子节点能耗之和。
6.根据权利要求1所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述相关性分析模块,建立有能耗的影响因子库,再建立影响因子与用能节点的关联关系,最后通过计算Person相关系数,来判断用能节点的能耗与每个影响因子的关联性。
7.根据权利要求6所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述影响因子库,是基于医院智慧管理平台上集成的医院多个管理子系统数据而形成的可能会影响能耗的影响因子集合;所述影响因子至少包括重大医疗设备台数/使用时间/使用功率、门诊作息时间、就诊量、手术台数、冷暖用能时间和/或用能面积。
8.根据权利要求6所述的基于在线变化点检测的医院综合能源边界识别系统,其特征在于:所述相关性分析模块中Person相关系数的计算公式为:
其中,xi表示每个颗粒度的能耗数据,yi表示影响因子参数,表示能耗数据的平均值,表示影响因子参数值的平均值,i表示选取的样本数;根据上述公式计算出相关系数后,通过对应的取值范围判断相关的强度。
9.基于权利要求1-8任意一项所述基于在线变化点检测的医院综合能源边界识别系统实现的识别方法,其特征在于:基于贝叶斯在线变化点检测的算法,结合医院智慧管理平台中统计到的能耗消耗数据,识别能耗数据发生明显抬升的时间点。
10.根据权利要求9所述基于在线变化点检测的医院综合能源边界识别方法,其特征在于,步骤如下:
S1、对于医院智慧管理平台建立的用能树模型,检测用能节点去重;
S2、对窗口期内的能耗异常值进行过滤处理;窗口期为预设的一定时间长度,系统每天分析当天之前窗口期的各用能节点能耗;基于贝叶斯在线变化点检测方法,检测到能耗均值开始发生显著变化,且持续一段时间的时间点,识别出能耗变化点;显著变化是前一段时间和后一段时间的能耗数据均值相比,后一段时间的能耗数据均值变化超过一定阈值,即属于显著变化;
S3、对步骤S2中识别出的能耗变化点,进行二次阈值判断,初步识别是否发生能源边界事件;
S4、对初步识别出的能源边界事件,进行相关性分析,通过计算得到的Person相关系数,自动识别发生能源边界的可能原因;
S5、收集可能导致能源边界事件发生的原因,建立边界因子库;边界因子库作为能耗抬升点的可靠性提供支撑。
11.根据权利要求10所述基于在线变化点检测的医院综合能源边界识别方法,其特征在于:步骤S3中的二次阈值判断,是提取能耗变化点的前期中位数与后期中位数,判断是否发生了能耗抬升,如果确定发生了能耗抬升并且抬升的偏差值超过一定阈值,则初步识别是发生了能源边界事件。
12.根据权利要求11所述基于在线变化点检测的医院综合能源边界识别方法,其特征在于:所述一定阈值,是根据用能特点设置分段阈值,即不同的用能区间使用不同的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311795998.4A CN117668700A (zh) | 2023-12-25 | 2023-12-25 | 基于在线变化点检测的医院综合能源边界识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311795998.4A CN117668700A (zh) | 2023-12-25 | 2023-12-25 | 基于在线变化点检测的医院综合能源边界识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117668700A true CN117668700A (zh) | 2024-03-08 |
Family
ID=90077044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311795998.4A Pending CN117668700A (zh) | 2023-12-25 | 2023-12-25 | 基于在线变化点检测的医院综合能源边界识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668700A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014030930A2 (ko) * | 2012-08-21 | 2014-02-27 | 대우정보시스템 주식회사 | 에너지 관리 대상 모델링을 통한 에너지 관리 방법 |
KR20160076927A (ko) * | 2014-12-23 | 2016-07-01 | 이승철 | 섹터그래프로 구성한 시계모양의 에너지 사용상황 제시 기법과 나무자료구조를 활용한 에너지관리시스템 |
CN111127253A (zh) * | 2019-12-30 | 2020-05-08 | 河北荣毅通信有限公司 | 一种综合能源信息网系统 |
CN115954092A (zh) * | 2022-12-26 | 2023-04-11 | 南京天溯自动化控制系统有限公司 | 基于XGBoost回归算法的医院科室自适应动态能耗分摊核算管理方法及系统 |
CN116386822A (zh) * | 2022-12-07 | 2023-07-04 | 南京天溯自动化控制系统有限公司 | 一种基于云端和本地端的医院能源托管方法和系统 |
CN117060401A (zh) * | 2023-08-31 | 2023-11-14 | 长沙理工大学 | 新能源功率预测方法、装置、设备和计算机可读存储介质 |
CN117082105A (zh) * | 2023-10-16 | 2023-11-17 | 湖南尚医康医疗科技有限公司 | 一种绿色智慧医院设施监控系统及方法 |
-
2023
- 2023-12-25 CN CN202311795998.4A patent/CN117668700A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014030930A2 (ko) * | 2012-08-21 | 2014-02-27 | 대우정보시스템 주식회사 | 에너지 관리 대상 모델링을 통한 에너지 관리 방법 |
KR20160076927A (ko) * | 2014-12-23 | 2016-07-01 | 이승철 | 섹터그래프로 구성한 시계모양의 에너지 사용상황 제시 기법과 나무자료구조를 활용한 에너지관리시스템 |
CN111127253A (zh) * | 2019-12-30 | 2020-05-08 | 河北荣毅通信有限公司 | 一种综合能源信息网系统 |
CN116386822A (zh) * | 2022-12-07 | 2023-07-04 | 南京天溯自动化控制系统有限公司 | 一种基于云端和本地端的医院能源托管方法和系统 |
CN115954092A (zh) * | 2022-12-26 | 2023-04-11 | 南京天溯自动化控制系统有限公司 | 基于XGBoost回归算法的医院科室自适应动态能耗分摊核算管理方法及系统 |
CN117060401A (zh) * | 2023-08-31 | 2023-11-14 | 长沙理工大学 | 新能源功率预测方法、装置、设备和计算机可读存储介质 |
CN117082105A (zh) * | 2023-10-16 | 2023-11-17 | 湖南尚医康医疗科技有限公司 | 一种绿色智慧医院设施监控系统及方法 |
Non-Patent Citations (2)
Title |
---|
周永;: "浅谈建筑智能化系统在医院的应用", 现代医院, no. 06, 15 June 2007 (2007-06-15) * |
朱晓军;柴建军;侯国强;邱杰;唐蔚蔚;李海东;李清新;: "北京协和医院建筑能耗监管系统的建设与应用", 现代物业(中旬刊), no. 1, 15 March 2017 (2017-03-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742127B (zh) | 一种改进的防窃电智能预警系统及方法 | |
CN106022592B (zh) | 一种用电行为异常检测与治安风险预警方法及装置 | |
CN111291076B (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
CN108647328B (zh) | 可靠性停电事件采集完整性分析与自动补全方法 | |
CN108765004A (zh) | 一种基于数据挖掘识别用户窃电行为的方法 | |
CN109447107B (zh) | 基于信息熵的办公建筑空调日用能模式异常在线检测方法 | |
CN113267692A (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、系统、终端及可读存储介质 | |
WO2018209913A1 (zh) | 一种考虑电压质量的配电网台区缺供电量预测方法 | |
CN110045194B (zh) | 高压供电线路反窃电方法 | |
CN109947815B (zh) | 一种基于离群点算法的窃电辨识方法 | |
CN110739686A (zh) | 一种基于总表异常分析的台区线损治理方法及系统 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
CN117035513A (zh) | 一种智慧工业园区能源运行智能监测管理系统及方法 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN112383630A (zh) | 一种基于生产线切面的分布式可插拔工序数据上报系统 | |
CN110047013A (zh) | 反专变用户间断型窃电方法 | |
CN112036725B (zh) | 一种电能表故障识别方法 | |
CN106651093A (zh) | 一种用于低压集抄系统的智能复核管控方法 | |
CN117668700A (zh) | 基于在线变化点检测的医院综合能源边界识别方法及系统 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN116050716A (zh) | 基于互联网的智慧园区管理控制平台 | |
CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
CN114167837A (zh) | 一种铁路信号系统的智能故障诊断方法及系统 | |
CN104714205B (zh) | 电表错置侦测系统及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |