CN113535233A - 用于暖通云边协同的人工智能*** - Google Patents
用于暖通云边协同的人工智能*** Download PDFInfo
- Publication number
- CN113535233A CN113535233A CN202110657534.1A CN202110657534A CN113535233A CN 113535233 A CN113535233 A CN 113535233A CN 202110657534 A CN202110657534 A CN 202110657534A CN 113535233 A CN113535233 A CN 113535233A
- Authority
- CN
- China
- Prior art keywords
- heating
- control
- edge server
- ventilation
- cloud
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 140
- 238000009423 ventilation Methods 0.000 title claims abstract description 134
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 56
- 238000011217 control strategy Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims description 34
- 238000003745 diagnosis Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000001816 cooling Methods 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004134 energy conservation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/30094—Condition code generation, e.g. Carry, Zero flag
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/30003—Arrangements for executing specific machine instructions
- G06F9/30076—Arrangements for executing specific machine instructions to perform miscellaneous control operations, e.g. NOP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及暖通智能控制领域,公开了一种用于暖通云边协同的人工智能***,包括云端服务器、边缘服务器、采集终端、控制终端和暖通设备,其中,采集终端采集暖通设备在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器;边缘服务器对存储的传感数据进行分析,并根据分析结果,选取相应的控制算法和控制策略,以及将分析结果上传至云端服务器进行存储;云端服务器根据存储的分析结果,对选取的控制算法和控制策略进行参数调整,边缘服务器采用调整参数后的控制算法和控制策略生成控制指令并下发至控制终端;控制终端根据控制指令,调整暖通设备的执行过程。本发明降低了暖通设备的智能控制周期,提升智能控制的可靠性。
Description
技术领域
本发明涉及暖通智能控制领域,尤其涉及一种用于暖通云边协同的人工智能***。
背景技术
随着暖通技术的高速发展,与我们的生活结合越来越紧密,也侧面突显耗能体量也在逐级提升。暖通设备向节能方向发展是必然趋势,绿色节能环保是当今世界的主题,在市场迅猛增长、竞争激烈、节能和环保迫切要求的背景下,现代制冷技术取得重大突破性,也开辟新的发展前景。目前,以节能环保为主要优势的产品迅速发展,开始逐步被市场认可。
通过在暖通设备执行过程中,通过对其进行实时的人工智能调控,以调整整个项目周期内的节能率,工业上现有的人工智能***对暖通设备的调控方式都偏向传统,即在云端服务器上部署控制算法和控制策略,直接对暖通设备实现调控,但是通过如此的云边协同***对暖通设备进行人工智能控制,存在建模难,时效性差的问题,即控制周期长,更需重视的问题是控制可靠性差。
发明内容
本发明的主要目的在于解决现有云边协同***对暖通设备进行人工智能控制存在可靠性差的技术问题。
本发明提供了一种用于暖通云边协同的人工智能***,该人工智能***包括云端服务器、边缘服务器、采集终端、控制终端和暖通设备,其中,所述边缘服务器分别与云端服务器、采集终端和控制终端无线连接;
所述采集终端采集暖通设备在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器;
所述边缘服务器对存储的传感数据进行分析,并根据分析结果,选取相应的控制算法和控制策略,以及将分析结果上传至云端服务器进行存储;
所述云端服务器根据存储的分析结果,对选取的控制算法和控制策略进行参数调整,所述边缘服务器采用调整参数后的控制算法和控制策略生成控制指令并下发至控制终端;
所述控制终端根据控制指令,调整暖通设备的执行过程。
可选的,在本发明的第一种实现方式中,所述采集终端包括传感器、第一数据处理单元、第一通信模块;其中,
所述采集终端通过传感器检测暖通设备在执行过程中的环境参数,并通过第一数据处理单元将环境参数转换成传感数据;
所述采集终端通过第一通信模块与边缘服务器无线连接并进行无线通信,将传感数据发送至边缘服务器。
可选的,在本发明的第二种实现方式中,所述边缘服务器包括数据库,其中,
所述边缘服务器通过数据库存储暖通设备的历史传感数据和实时发送的传感数据;
所述边缘服务器对数据库中存储的历史传感数据和实时发送的传感数据进行分析,得到分析结果。
可选的,在本发明的第三种实现方式中,所述边缘服务器还包括模型库、算法库和策略库,其中,
所述边缘服务器从算法库中选取相应的控制算法以及从策略库中选取相应的控制策略,根据选取的控制算法和控制策略从模型库中选取暖通设备对应的暖通控制模型,并根据选取的暖通控制模型生成控制指令
可选的,在本发明的第四种实现方式中,所述边缘服务器还包括节能优化模块,在所述边缘服务器对存储的传感数据进行分析时,所述边缘服务器通过所述优化模块对暖通设备进行节能优化处理。
可选的,在本发明的第五种实现方式中,所述边缘服务器还包括故障诊断模块,在所述边缘服务器对存储的传感数据进行分析时,所述边缘服务器通过所述故障诊断模块对暖通设备进行故障诊断处理,并根据故障诊断结果,判断暖通设备是否发生故障;若暖通设备发生故障,则将故障诊断结果发送至云端服务器。
可选的,在本发明的第六种实现方式中,所述云端服务器包括人工智能计算模块和数据库,其中,
所述云端服务器的数据库存储有边缘服务器对传感数据的分析结果,所述云端服务器根据分析结果,通过人工智能计算模块计算出暖通设备对应控制算法和控制策略的最优节能参数调整方案。
可选的,在本发明的第七种实现方式中,若所述云端服务器接收到暖通设备的故障诊断结果,则根据故障诊断结果,通过所述人工智能计算模块计算出暖通设备对应控制算法和控制策略的故障排除参数调整方案。
可选的,在本发明的第八种实现方式中,所述控制终端包括第二数据处理单元、执行器和第二通信模块,其中,
所述控制终端通过第二通信模块与边缘服务器连接并进行无线通信,接收边缘服务器下发的控制指令;
所述控制终端通过第二数据处理单元对控制指令进行逻辑判别,并根据逻辑判别结果,通过执行器调整暖通设备的执行过程。
可选的,在本发明的第九种实现方式中,所述边缘服务器还包括第三通信模块,其中,所述边缘服务器通过所述第三通信模块与采集终端和控制终端进行局域网连接,并通过所述第三通信模块与云端服务器进行广域网连接。
本发明提供的技术方案中,在人工智能***中,通过采集终端采集暖通设备在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器;然后,人工智能***将控制算法和控制策略下沉至边缘服务器,通过边缘服务器即可实现对传感数据的分析,并选取相应的控制算法和控制策略生成控制指令,直接控制暖通设备的执行;而云端服务器不参与暖通设备的直接控制,仅根据边缘服务器上传的对传感数据的分析结果,调整控制算法和控制策略的参数,以降低暖通设备人工智能控制的时延,提升控制的可靠性,不会因为发生断网或者网络延迟的情况时,无法对暖通设备进行实时控制;最后在下发控制指令后,通过控制终端执行控制指令,以调整暖通设备的执行过程,实现对暖通设备的人工智能控制,提升暖通设备的节能率。
附图说明
图1为本发明中用于暖通云边协同的人工智能***的第一个实施例结构示意图;
图2为本发明中用于暖通云边协同的人工智能***的第二个实施例结构示意图。
具体实施方式
本发明实施例提供了一种用于暖通云边协同的人工智能***,该人工智能***包括云端服务器、边缘服务器、采集终端、控制终端和暖通设备,其中,采集终端采集暖通设备在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器;边缘服务器对存储的传感数据进行分析,并根据分析结果,选取相应的控制算法和控制策略,以及将分析结果上传至云端服务器进行存储;云端服务器根据存储的分析结果,对选取的控制算法和控制策略进行参数调整,边缘服务器采用调整参数后的控制算法和控制策略生成控制指令并下发至控制终端;控制终端根据控制指令,调整暖通设备的执行过程。本发明降低对暖通设备的智能控制周期,提升智能控制的可靠性。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的***结构示意图进行描述,请参阅图1和图2,本发明实施例中用于暖通云边协同的人工智能***包括:包括云端服务器100、边缘服务器200、采集终端300、控制终端400和暖通设备500,其中,所述边缘服务器200分别与云端服务器100、采集终端300和控制终端400无线连接;其中,所述采集终端300采集暖通设备500在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器200;边缘服务器200对存储的传感数据进行分析,并根据分析结果,选取相应的控制算法和控制策略,以及将分析结果上传至云端服务器100进行存储;云端服务器100根据存储的分析结果,对选取的控制算法和控制策略进行参数调整,边缘服务器200采用调整参数后的控制算法和控制策略生成控制指令并下发至控制终端400;控制终端400根据控制指令,调整暖通设备500的执行过程。
本实施例中,边缘服务器、采集终端、控制终端和暖通设备通过局域网连接,边缘服务器和云端服务器通过广域网连接,通常情况下,边缘服务器可以直接在局域网内通过采集终端和控制终端实现对暖通设备的本地控制,而云端服务器仅需调控暖通的节能率即可,不参与具体的执行控制。
在一实施例中,边缘服务器200还包括第三通信模块270,其中,边缘服务器200通过第三通信模块270与采集终端300和控制终端400进行局域网连接,并通过第三通信模块270与云端服务器100进行广域网连接。
本实施例中,暖通设备主要包括采暖、通风、空调等三类设备,各暖通设备亦由多个零部件组成,比如对于空调,可以包括水冷主机、风冷主机、传输管道、参数显示器、开关控制器、指示灯等,空调通过水冷主机和风冷主机制冷和制热,调整空调的输出空气温度。
本实施例中,采集终端也包括多个零部件,包括不同类型的传感器、数据采集器等,部署在暖通设备不同的位置中,比如流量计、温度计、湿度计、压力计等传感器,可以部署在空调的传输管道中,以用于测量管道中水流量、空气温度、空气湿度、气压等参数,并将参数传输到数据采集器中进行预处理,比如进行模电转换,即可得到各传感器的传感数据。其中,采集终端通过数据采集器与边缘服务器连接,将传感数据发送至边缘服务器。
本实施例中,边缘服务器可以根据不同的暖通云协同项目,自动选择并部署相应的控制算法和控制策略;在接收到传感数据后,可以直接根据该暖通设备对应的暖通云协同项目,选取对应的控制算法和控制策略对传感数据进行分析并生成控制指令,实现本地控制,减少控制流程的节点数量,避免了因网络问题引起的控制时延长的问题。
本实施例中,在边缘服务器生成控制指令后,下发至控制终端,由控制终端对暖通设备的执行进行具体控制。控制终端可以包括远程控制器和网关,其中,远程控制器可以根据控制指令控制暖通设备中可控零部件的开启或关闭;网关可以根据控制指令调整暖通设备中可控零部件的参数,比如风冷主机功率、传输通道中开关控制器的开启程度等。
本实施例中,云端服务器不需要与暖通设备的状态信息和属性信息实时映射,对暖通设备进行实时控制,本发明将暖通设备的控制算法和控制策略下沉至边缘服务器,云端服务器只需调整边缘服务器中控制算法和控制策略的参数,确保暖通设备在整个项目周期内的节能率符合预设的节能条件即可,减少对暖通设备的控制时延。
在一实施例中,采集终端300包括传感器310、第一数据处理单元320、第一通信模块330;其中,采集终端300通过传感器310检测暖通设备500在执行过程中的环境参数,并通过第一数据处理单元320将环境参数转换成传感数据;采集终端300通过第一通信模块330与边缘服务器200无线连接并进行无线通信,将传感数据发送至边缘服务器200。
本实施例中,采集终端中的传感器、第一数据处理单元和第一通信模块可以集成部署在暖通设备中,并进行有线连接,也可以仅传感器部署在暖通设备中,第一数据处理单元和第一通信模块独立部署,传感器与第一数据处理单元进行无线连接。
进一步的,传感器直接检查暖通设备在执行过程中的各项环境参数,比如传输管道中空气温度、空气湿度、水流量、水压等,传感器采集到的初始的环境参数,需要发送到第一数据处理单元进行数据预处理,比如环境参数为模拟电信号,需要通过第一数据处理单元将模拟电信号的环境参数转化为数字信号的传感数据。
另外,采集终端通过第一通信模块与边缘服务器通信,通过第一通信模块将转化后的传感数据发送至边缘服务器。其中,第一通信模块与边缘服务器的通信网络可以为Rola网络进行本地数据传输。
在一实施例中,边缘服务器200包括数据库210,其中,边缘服务器200通过数据库210存储暖通设备500的历史传感数据和实时发送的传感数据;边缘服务器200对数据库中存储的历史传感数据和实时发送的传感数据进行分析,得到分析结果。
本实施例中,边缘服务器上部署有至少一个数据库,通过数据库存储暖通设备的历史传感数据和实时传感数据,本发明的目的在于保证整个周期的节能率,所以在对暖通设备进行实时控制时,除了考虑实时发送的传感数据,还会考虑历史传感数据,根据预置运行周期的传感数据,选择控制算法和控制策略制定满足节能条件的控制方式。
在一实施例中,边缘服务器200包括模型库220、算法库230和策略库240,其中,所述边缘服务器200从算法库230中选取相应的控制算法以及从策略库240中选取相应的控制策略,根据选取的控制算法和控制策略从模型库220中选取暖通设备500对应的暖通控制模型,并根据选取的暖通控制模型生成控制指令。
本实施例中,边缘服务器还有针对暖通控制领域的多个模型库、算法库和策略库,统一管理不同暖通云边协同项目所需用到的暖通控制模型、控制算法和控制策略。
其中,控制算法和控制策略处于同一控制层级,而暖通控制模型则处于下一控制层级,控制算法和控制策略用于确定暖通设备中需要进行调整的零部件,比如需要调整水冷主机、风冷主机的输出功率,而控制算法和控制策略可以调用模型库中的暖通控制模型生成具体的控制指令。
进一步的,暖通控制算法可以为一组方程,是暖通设备中一些基本的具有输入输出特性的单元,比如水泵模型、水冷主机模型、风冷主机模型等,也可以是多个单元的组合,被控制算法或控制策略调用生成控制指令。
另外,在边缘服务器控制新的暖通云边协同项目时,云端服务器将未部署在边缘服务器的控制算法、控制策略或者暖通控制模型下发至边缘服务器中进行部署。
在一实施例中,所述边缘服务器200还包括节能优化模块250,在所述边缘服务器200对存储的传感数据进行分析时,所述边缘服务器200通过所述优化模块250对暖通设备500进行节能优化处理。
本实施例中,边缘服务器上还部署有节能优化模块,其中节能优化模块中可以包括当前执行的暖通云端协同项目的分析算法模型,通过该分析算法模型,根据输入的传感数据和历史传感数据,分析如何调控暖通设备中各可控零部件,使得暖通设备整个执行周期的节能率满足节能条件。
比如检测到室温低于设置温度,而暖通设备中传输管道的温度低于室温,再根据空间大小、环境等固定的暖通云边协同项目的背景参数,计算主机是否关闭、调小出风口或者水循环速度等。
在一实施例中,所述边缘服务器200还包括故障诊断模块260,在所述边缘服务器200对存储的传感数据进行分析时,所述边缘服务器200通过所述边缘服务器260对暖通设备500进行故障诊断处理,并根据故障诊断结果,判断暖通设备500是否发生故障;若暖通设备500发生故障,则将故障诊断结果发送至云端服务器100。
本实施例中,边缘服务器可以根据传感数据分析暖通设备是否存在运行故障,比如其他环境参数不变的情况下,出现了与上一个控制指令相反的控制效果,其中,暖通设备中风冷主机应该关闭,但是在风冷主机的输出通道检测到空气温度仍在持续下降,则可以预测风冷主机的开关控制器发生故障。故障诊断结果通过故障代码的形式发送至云端服务器中,云端服务器根据故障代码进行故障排除。
在一实施例中,云端服务器100包括人工智能计算模块110和数据库120,其中,云端服务器100的数据库120存储有边缘服务器200对传感数据的分析结果,云端服务器100根据分析结果,通过人工智能计算模块110计算出暖通设备500对应控制算法和控制策略的最优节能参数调整方案。
在一实施例中,若云端服务器100接收到暖通设备500的故障诊断结果,则根据故障诊断结果,通过人工智能计算模块110计算出暖通设备500对应控制算法和控制策略的故障排除参数调整方案。
本实施例中,云端服务器由人工智能计算模块和数据库组成,其中,人工智能计算模块存储有不同暖通云边协同项目的人工智能调控模型,云端服务器根据传感数据的分析结果,先确定目标暖通云边相同项目,并调用相应的人工智能调控模型,分析当前分析结果下可以使得暖通设备的整个执行周期节能率最优的参数调整方案,即最优节能参数调整方案。
其中,人工智能计算模块由开发人员模拟暖通云边协同项目的运行环境,进行模拟执行,根据不同模拟环境参数、状态参数和动作参数进行迭代和训练,进行智能体学习,后续只需将传感数据的分析结果输入人工智能计算模块,即可输出最优节能参数调整方案,对边缘服务器中的控制算法和控制策略的参数进行调整。
另外,人工智能计算模块中还存储有故障代码和故障排除参数调整方案的映射,接收到边缘服务器发送的故障诊断结果后,根据故障诊断结果中的故障代码,查找相应的故障排除参数调整方案,对边缘服务器中的控制算法和控制策略进行参数调整。
在一实施例中,控制终端400包括第二数据处理单元410、执行器420和第二通信模块430,其中,控制终端400通过第二通信模块430与边缘服务器200连接并进行无线通信,接收边缘服务器200下发的控制指令;控制终端400通过第二数据处理单元410对控制指令进行逻辑判别,并根据逻辑判别结果,通过执行器430调整暖通设备500的执行过程。
本实施例中,控制指令后,包括暖通设备的采集周期、上传周期、通信参数、逻辑配置等信息,暖通设备可以根据逻辑配置中逻辑块的数目,创建对应数目的线程,处理对应逻辑块;然后在每个线程,顺序进行每个条件的逻辑判断,并结合条件间逻辑来确认条件块的总体真假,如果条件判断为真,则依次执行动作指令,反之则不执行。
具体的,在逻辑配置中,至少包括逻辑块数量以及逻辑块的具体内容,每一个逻辑块包含一个条件块和一个动作块,每个条件块和动作块包含多个控制条件和多个控制动作,其中,控制条件包括条件逻辑、端口种类、从站ID、数据索引和目标值,条件逻辑包括逻辑块之内的与/或逻辑,以及与其他逻辑块之间的比较逻辑,控制动作包括动作码、端口种类、从站ID、数据索引、目标值和延时。
本发明实施例中,通过采集终端采集暖通设备在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器;然后,人工智能***将控制算法和控制策略下沉至边缘服务器,通过边缘服务器即可实现对传感数据的分析,并选取相应的控制算法和控制策略生成控制指令,直接控制暖通设备的执行;而云端服务器不参与暖通设备的直接控制,仅根据边缘服务器上传的对传感数据的分析结果,调整控制算法和控制策略的参数,以降低暖通设备人工智能控制的时延,提升控制的可靠性,不会因为发生断网或者网络延迟的情况时,无法对暖通设备进行实时控制;最后在下发控制指令后,通过控制终端执行控制指令,以调整暖通设备的执行过程,实现对暖通设备的人工智能控制,提升暖通设备的节能率。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于暖通云边协同的人工智能***,其特征在于,所述用于暖通云边协同的人工智能***包括云端服务器、边缘服务器、采集终端、控制终端和暖通设备,其中,所述边缘服务器分别与云端服务器、采集终端和控制终端无线连接;
所述采集终端采集暖通设备在执行过程中的各项传感数据,并将各项传感数据发送至边缘服务器;
所述边缘服务器对存储的传感数据进行分析,并根据分析结果,选取相应的控制算法和控制策略,以及将分析结果上传至云端服务器进行存储;
所述云端服务器根据存储的分析结果,对选取的控制算法和控制策略进行参数调整,所述边缘服务器采用调整参数后的控制算法和控制策略生成控制指令并下发至控制终端;
所述控制终端根据控制指令,调整暖通设备的执行过程。
2.根据权利要求1所述的用于暖通云边协同的人工智能***,其特征在于,所述采集终端包括传感器、第一数据处理单元、第一通信模块;其中,
所述采集终端通过传感器检测暖通设备在执行过程中的环境参数,并通过第一数据处理单元将环境参数转换成传感数据;
所述采集终端通过第一通信模块与边缘服务器无线连接并进行无线通信,将传感数据发送至边缘服务器。
3.根据权利要求1所述的用于暖通云边协同的人工智能***,其特征在于,所述边缘服务器包括数据库,其中,
所述边缘服务器通过数据库存储暖通设备的历史传感数据和实时发送的传感数据;
所述边缘服务器对数据库中存储的历史传感数据和实时发送的传感数据进行分析,得到分析结果。
4.根据权利要求1所述的用于暖通云边协同的人工智能***,其特征在于,所述边缘服务器还包括模型库、算法库和策略库,其中,
所述边缘服务器从算法库中选取相应的控制算法以及从策略库中选取相应的控制策略,根据选取的控制算法和控制策略从模型库中选取暖通设备对应的暖通控制模型,并根据选取的暖通控制模型生成控制指令。
5.根据权利要求4所述的用于暖通云边协同的人工智能***,其特征在于,所述边缘服务器还包括节能优化模块,在所述边缘服务器对存储的传感数据进行分析时,所述边缘服务器通过所述优化模块对暖通设备进行节能优化处理。
6.根据权利要求4所述的用于暖通云边协同的人工智能***,其特征在于,所述边缘服务器还包括故障诊断模块,在所述边缘服务器对存储的传感数据进行分析时,所述边缘服务器通过所述故障诊断模块对暖通设备进行故障诊断处理,并根据故障诊断结果,判断暖通设备是否发生故障;若暖通设备发生故障,则将故障诊断结果发送至云端服务器。
7.根据权利要求6所述的用于暖通云边协同的人工智能***,其特征在于,所述云端服务器包括人工智能计算模块和数据库,其中,
所述云端服务器的数据库存储有边缘服务器对传感数据的分析结果,所述云端服务器根据分析结果,通过人工智能计算模块计算出暖通设备对应控制算法和控制策略的最优节能参数调整方案。
8.根据权利要求7所述的用于暖通云边协同的人工智能***,其特征在于,若所述云端服务器接收到暖通设备的故障诊断结果,则根据故障诊断结果,通过所述人工智能计算模块计算出暖通设备对应控制算法和控制策略的故障排除参数调整方案。
9.根据权利要求1所述的用于暖通云边协同的人工智能***,其特征在于,所述控制终端包括第二数据处理单元、执行器和第二通信模块,其中,
所述控制终端通过第二通信模块与边缘服务器连接并进行无线通信,接收边缘服务器下发的控制指令;
所述控制终端通过第二数据处理单元对控制指令进行逻辑判别,并根据逻辑判别结果,通过执行器调整暖通设备的执行过程。
10.根据权利要求1-9中任一项所述的用于暖通云边协同的人工智能***,其特征在于,所述边缘服务器还包括第三通信模块,其中,所述边缘服务器通过所述第三通信模块与采集终端和控制终端进行局域网连接,并通过所述第三通信模块与云端服务器进行广域网连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657534.1A CN113535233B (zh) | 2021-06-12 | 2021-06-12 | 用于暖通云边协同的人工智能*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657534.1A CN113535233B (zh) | 2021-06-12 | 2021-06-12 | 用于暖通云边协同的人工智能*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113535233A true CN113535233A (zh) | 2021-10-22 |
CN113535233B CN113535233B (zh) | 2023-03-14 |
Family
ID=78095936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110657534.1A Active CN113535233B (zh) | 2021-06-12 | 2021-06-12 | 用于暖通云边协同的人工智能*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113535233B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019920A (zh) * | 2021-10-29 | 2022-02-08 | 碳纪科技(北京)有限公司 | 一种设备控制***及方法 |
CN115962543A (zh) * | 2022-12-21 | 2023-04-14 | 天津大学 | 一种基于边缘计算终端的智能楼宇空调节能***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9513971B1 (en) * | 2015-12-07 | 2016-12-06 | International Business Machines Corporation | Managing provisioning for cloud resource allocations |
CN108826579A (zh) * | 2018-05-08 | 2018-11-16 | 苏州尚能物联网科技有限公司 | 一种暖通空调***设备振动数据采集与处理*** |
CN110440396A (zh) * | 2019-07-11 | 2019-11-12 | 雄安达实智慧科技有限公司 | 云边端协同的中央空调全局优化节能控制方法和*** |
CN110887173A (zh) * | 2019-11-27 | 2020-03-17 | 国网冀北电力有限公司 | 一种对中央空调***进行远程控制的方法和装置 |
CN111486555A (zh) * | 2020-04-21 | 2020-08-04 | 数方节能科技(烟台)有限公司 | 一种人工智能ai专家***进行中央空调节能调控的方法 |
CN111649449A (zh) * | 2020-04-29 | 2020-09-11 | 上海上塔软件开发有限公司 | 基于用户侧泛在电力物联网的空调故障感知方法 |
US20210117191A1 (en) * | 2020-12-23 | 2021-04-22 | Intel Corporation | Methods and apparatus to control execution of tasks in a computing system |
-
2021
- 2021-06-12 CN CN202110657534.1A patent/CN113535233B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9513971B1 (en) * | 2015-12-07 | 2016-12-06 | International Business Machines Corporation | Managing provisioning for cloud resource allocations |
CN108826579A (zh) * | 2018-05-08 | 2018-11-16 | 苏州尚能物联网科技有限公司 | 一种暖通空调***设备振动数据采集与处理*** |
CN110440396A (zh) * | 2019-07-11 | 2019-11-12 | 雄安达实智慧科技有限公司 | 云边端协同的中央空调全局优化节能控制方法和*** |
CN110887173A (zh) * | 2019-11-27 | 2020-03-17 | 国网冀北电力有限公司 | 一种对中央空调***进行远程控制的方法和装置 |
CN111486555A (zh) * | 2020-04-21 | 2020-08-04 | 数方节能科技(烟台)有限公司 | 一种人工智能ai专家***进行中央空调节能调控的方法 |
CN111649449A (zh) * | 2020-04-29 | 2020-09-11 | 上海上塔软件开发有限公司 | 基于用户侧泛在电力物联网的空调故障感知方法 |
US20210117191A1 (en) * | 2020-12-23 | 2021-04-22 | Intel Corporation | Methods and apparatus to control execution of tasks in a computing system |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019920A (zh) * | 2021-10-29 | 2022-02-08 | 碳纪科技(北京)有限公司 | 一种设备控制***及方法 |
CN115962543A (zh) * | 2022-12-21 | 2023-04-14 | 天津大学 | 一种基于边缘计算终端的智能楼宇空调节能***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113535233B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113535233B (zh) | 用于暖通云边协同的人工智能*** | |
CN102865647B (zh) | 基于云计算技术具备云适应功能的云空调及其云适应方法 | |
CN102607143B (zh) | 基站空调设备的远程监控方法及*** | |
CN115220351B (zh) | 一种基于云边端的建筑空调***智能节能优化控制方法 | |
CN104515271A (zh) | 中央空调冷冻站***的节能优化控制***及其控制方法 | |
CN109269036B (zh) | 多联机空调的云端控制方法以及多联机空调*** | |
CN107734029A (zh) | 绿化***的控制***、绿化***的控制***的控制方法 | |
CN215724029U (zh) | 一种中央空调自适应控制*** | |
CN107991964A (zh) | 一种室内环境智能监测控制方法及实现该方法的*** | |
CN112413831A (zh) | 一种中央空调节能控制***及方法 | |
CN204331419U (zh) | 一种基于物联网的植物工厂自动监控*** | |
CN107504646A (zh) | 中央空调智能节能监控***及方法 | |
CN105115100A (zh) | 基于智能优化的中央空调设备控制***及方法 | |
CN110848896A (zh) | 基于神经网络的空调冷却***智能节能控制***及方法 | |
CN104571034A (zh) | 暖通空调***冷热联合供给的智能管控设备及其控制方法 | |
CN109857177B (zh) | 一种建筑电气节能监测方法 | |
CN114266187B (zh) | 一种办公建筑用电网络优化方法及*** | |
CN115307297A (zh) | 多形式中央空调节能控制*** | |
CN101684962B (zh) | 用于变电站单品牌空调机的空调通风自动控制***及方法 | |
CN113803853A (zh) | 变电站分布式空调节能***及方法 | |
CN114017900A (zh) | 一种基于WIFI-mesh自组网中央空调的集群控制技术 | |
CN211177306U (zh) | 基于神经网络的空调冷却***智能节能控制*** | |
CN211526662U (zh) | 一种基于负荷预测的地铁车站通风空调节能*** | |
CN111208729B (zh) | 一种绝缘斗温控装置自适应控制方法及装置 | |
CN116907076A (zh) | 一种中央空调冷水机组负荷的柔性调控***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |