CN117057126A - 一种园区节能管控***和节能管控方法 - Google Patents

Abstract

本发明提供了一种园区节能管控***和节能管控方法，一种园区节能管控***，包括数据采集模块，用于采集园区硬件设备的数据；边缘计算模块，用于控制调节园区设备；基础平台模块，用于提高基础支撑；仿真优化模块，用于构建能耗分析模型和进行可视化配置；数据可视化模块，用于将***和设备运行的状况可视化呈现。本发明的有益效果是：通过建立多场景、多设备、可配置的能耗动态仿真平台，融合设备机理和数学分析模型，建立面向高能耗设备的能耗分析模型库，通过可视化的配置工具，设定边界条件、调整模型参数，实现园区、***和设备级能耗仿真优化。

Description

一种园区节能管控***和节能管控方法

技术领域

本发明涉及节能管控技术领域，尤其涉及一种园区节能管控***和节能管控方法。

背景技术

随着我国经济的高速发展，产业园区、楼宇、商业街、办公楼以及公共建筑等都经历了长期蓬勃发展。伴随着这些园区、楼宇的建造，带来的是碳排放和高能耗问题。而建筑能耗涉及到建材生产、建筑施工、以及建筑运行多个阶段，不仅与碳排放息息相关，还对能源的有效利用有重大影响，特别是对于高耗能的大型公共建筑，国家科技部数据中心统计，全国各种产业园区共有15000多家，园区二氧化碳排放占全国总排放的31％，国内大部分园区的能源生产和分配管理模式不够先进，节能优化和降低能碳强度的空间巨大；随着我国智慧城市建设加速和信息化技术趋向成熟，智慧园区建设需求将持续增大，未来发展空间广阔。

目前的园区管理存在以下问题：

(1)能源管理方式粗放，只从保障设备能正常运行角度对电能进行管理，没有从末端环境、使用效率、生产成本和设备使用寿命等角度，对电能进行精益管理；

(2)管控经验沉淀困难，依靠人力进行设备管控，对专业人员的经验和责任心要求非常高，人力成本投入大，并且基层物业人员流动性强，能耗管理经验难以沉淀；

(3)能耗管理优化困难，园区中的智能终端设备种类和品牌繁多，部分设备及供电线路陈旧、生产工艺落后，效率低、耗电多、浪费非常严重，但由于缺乏科学有效的电能利用及电能质量管理手段，很难通过人力进行全局思考、宏观调控；

(4)绿电接入比例较低，从园区能源结构分析，由于受我国电能生产现状所限，采用电网供电的园区电力供应仍然主要依靠化石能源。

发明内容

为克服现有技术中存在的上述问题，本发明提供了一种园区节能管控***和方法。

本发明公开一种园区节能管控***，包括数据采集模块，用于采集园区硬件设备的数据；边缘计算模块，用于控制调节园区设备；基础平台模块，用于提高基础支撑；仿真优化模块，用于构建能耗分析模型和进行可视化配置；数据可视化模块，用于将***和设备运行的状况可视化呈现。

在此基础上，园区节能管控***还包括数据处理模块，用于接入、分析、存储数据采集和边缘计算模块采集的数据。

在此基础上，所述基础平台包括前端模块、微服务模块和持久层，所述前端模块，用于展示相应应用的计算分析结果；所述微服务模块，用于根据不同业务场景需要进行计算分析管理；所述持久层，用于为基础平台前端及微服务，仿真优化模块和数据可视化提供数据支撑。

在此基础上，所述前端模块包含数据展示、设备检测、异常监控、运行考核、报警分析、统计报表和***管理，所述微服务模块包括定时任务、实时数据服务、用户服务、统计报表服务、监控报警服务、数据管理服务，所述持久层采用MySQL和工业时序数据库SIPHD。

在此基础上，所述数据处理模块包括数据接入、数据存储、数据分析、AI和CDH集群，所述数据接入、数据存储、数据分析和AI采用云端代理集群和Kafka集群，所述CDH集群包括实时分析、批处理和分布式存储***HBase。

在此基础上，所述仿真优化模块包括能耗分析模型库构建和可视化配置，所述仿真优化模块连接所述数据可视化模块。

在此基础上，所述数据可视化模块采用GIS、BIM和WEBGL。

一种园区节能管控方法，包括以下步骤：

S1、获取园区设备场景信息；

S2、基于园区设备场景信息，通过仿真优化模块构建仿真优化模型和模型参数调整；

S3、仿真优化模型部署到边缘计算模块中；

S4、基于数据采集获取园区设备***的实时运行数据，通过仿真优化模型进行实时计算；

S5、基于节能管控指标，通过边缘计算对园区设备控制调节；

S6、仿真优化模块实时计算数据传输到大数据集群中；

S7、基于园区设备场景信息，通过三维可视化引擎和和开发框架，构建三维可视化场景；

S8、通过数据可视化模块展示三维可视化场景。

与现有技术相比，本发明的有益效果是：

(1)本发明，通过建立多场景、多设备、可配置的能耗动态仿真平台，融合设备机理和数学分析模型，建立面向高能耗设备的能耗分析模型库，通过可视化的配置工具，设定边界条件、调整模型参数，实现园区、***和设备级能耗仿真优化。

(2)本发明，在保证建筑舒适度和生产用能需求的前提下，基于设备和***动态能耗仿真模型，建立园区节能控制策略，通过实时自动控制，降低园区能耗。

(3)本发明，向复杂场景的多协议物联网数据采集技术，GIS+BIM+仿真跨平台跨场景的融合渲染与数据可视化引擎。

附图说明

图1是本发明大数据应用场景节能管控***结构示意图；

图2是本发明非大数据应用场景节能管控***结构示意图；

图3是本发明节能管控方法步骤流程图。

具体实施方式

以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明披露了一种园区节能管控***，包括数据采集模块，用于采集园区硬件设备的数据；边缘计算模块，用于控制调节园区设备；基础平台模块，用于提供基础支撑；仿真优化模块，用于构建能耗分析模型和进行可视化配置；数据可视化模块，用于将***和设备运行的状况可视化呈现。

实施例一

基于大数据应用的场景，

基础平台模块包括前端、微服务和持久层，前端，用于展示计算分析结果，微服务，用于计算分析管理，持久层，用于为基础平台前端及微服务，仿真优化模块和数据可视化模块提供数据支撑，前端是根据业务展示需要开发的前端应用，微服务是基础平台根据业务开发的后端基础应用，

前端包含数据展示、设备检测、异常监控、运行考核、报警分析、统计报表和***管理；微服务模块包括定时任务、实时数据服务、用户服务、统计报表服务、监控报警服务、数据管理服务；持久层采用MySQL和工业时序数据库SIPHD，MySQL用于存储基础平台微服务和仿真优化模块的的关系型数据，SIPHD用于存储设备运行的时序数据。

节能管控***还包括数据处理模块，用于接入、分析、存储边缘计算模块采集的数据；数据处理模块包括数据接入、数据存储、数据分析、AI和CDH集群，数据接入、数据存储、数据分析和AI采用云端代理集群和Kafka集群，CDH集群包括实时分析、批处理和分布式存储***HBase，数据处理模块中的数据存储是用于大数据场景下的数据存储，HBase是依赖hadoop的一个分布式、可伸缩的大数据存储，Hadoop分布式文件***(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件***，基于大数据平台下的数据采集将设备运行数据、日志等不同数据来源、数据结构的数据通过kafka传递，Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写，存储在HDFS、MongoDB、Redis中。HDFS是分布式文件***，MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算，hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运行，Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎。通过MapReduce、Hive、Spark等计算任务读取HDFS上的数据进行计算，再将结果写入HDFS、MongoDB、Redis中，MongoDB是一个基于分布式文件存储的数据库，Redis是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API，仿真优化模块、微服务和数据可视化模块可以从MongoDB、redis获取，进行分析、计算和展示。

仿真优化模块包括能耗分析模型库构建和可视化配置，能耗分析模型库构建是基于仿真优化模块的物性组件、数学组件、连接器组件、数据组件、机器学习组件、求解器组件构建能耗分析模型的过程，在web界面通过拖动各类组件下的模型可视化连接组合成能耗分析模型，模型构建完成后，再对模型***进行初始化，通过与数据服务的连接获取设备的实时或者历史运行数据启动模型计算，也可选择需要进行仿真的时间范围进行重算；完成仿真后，可通过趋势图展示指标、原始测点及对比图，或只显示部分所需参数的趋势图，也可将仿真数据导出。

仿真优化模块连接数据可视化模块，数据可视化模块采用GIS、BIM和WEBGL，通过构建基于WebGL技术的轻量化、GIS和BIM融合引擎来实现不同维度查看园区信息以及节能数据的3D可视化；以园区中各类建筑为基础使用BIM技术建立建筑模型，通过后期软件处理对生产的模型进行优化，获得高清三维模型数据，再结合关联GIS地图及数据服务的数据，实现将园区场景、设备***、运行数据、节能参数等场景或关键信息以三维可视化形式展示。

将园区硬件设备的各个***通过网线、光纤或WiFi接入交换机，与采集服务器连通，数据采集和边缘计算模块通过Modbus协议对园区设备的数据进行采集，并将数据传送至云端的数据处理模块，现场端通过5G网络连接至云端，部署防火墙保证网络安全；云端部署数据储存模块、基础平台模块、仿真优化模块、数据可视化模块。

数据服务采用大数据平台，大数据平台数据采集将设备运行数据、日志等不同数据来源、数据结构的数据通过kafka传递，存储在HDFS、MongoDB、Redis中；MapReduce、Hive、Spark等计算任务读取HDFS上的数据进行计算，再将结果写入HDFS、MongoDB、Redis中，数据服务为仿真优化模块运行数据，用户模型参数优化。

仿真优化模块完成模型建立和模型优化过程后生成特定场景下的仿真模型，建立的仿真模型下发至边缘计算模块，边缘计算模块结合实时运行数据和模型完成计算和设备控制。在仿真优化模块上结合大数据平台的实时运行数据与模型进行优化计算，将计算结果写入大数据平台数据库或基础平台模块的数据库，并根据优化结果完成对设备的控制优化。

数据服务为基础平台上的应用提供数据，基础平台采用微服务及前后端分离的架构，基础平台的应用服务根据业务需要持续集成，应用服务的计算分析结果数据可以存储于大数据平台数据库或持久层，数据服务为数据可视化提供展示数据，将设备、***的数据通过GIS、BIM、WEBGL等技术完成展示，数据可视化服务的数据也可能来源于基础平台的持久层数据库。

实施例二

基于非大数据应用的场景，与实施例一的区别在于没有数据处理模块。

园区硬件设备的各个***运行数据采集后传输至持久层的数据库，持久层为仿真优化模块提供数据，完成模型参数优化工作，创建好的仿真模型的应用与控制流程与大数据场景下的相同，持久层一方面为数据可视化模块提供数据，将设备、***的数据通过GIS、BIM、WEBGL的技术完成展示，另一方面为基础平台的应用服务和前端提供数据，并保持应用的分析计算结果。

实施例三

一种节能管控方法，包含以下步骤：

S1、获取园区设备场景信息；

S2、基于园区设备场景信息，通过仿真优化模块构建能耗分析模型，进行仿真优化模型和模型参数调整；

S3、仿真优化模型部署到边缘计算模块中；

S4、基于数据采集获取园区设备***的实时运行数据，通过步骤S3中的仿真优化模型进行实时计算；

S5、基于节能管控指标，通过边缘计算对园区设备控制调节；

S6、仿真优化模块实时计算数据传输到大数据集群中；

S7、基于园区设备场景信息，通过三维可视化引擎和和开发框架，构建三维可视化场景；

S8、通过数据可视化模块展示三维可视化场景。

园区设备场景信息包括工作设备***信息和期望节能效果，工作设备***包括照明***，如办公照明LED相关设备；暖通***，如空调、热泵；空压站***，如空压站。设备***信息包含设备***组成、位置分布、作用空间范围、设备环境工况信息，根据季节变化以及设备工况环境不同所设定期望节能效果，可以设定为10％～15％。

根据设备***信息和期望节能效果，在可视化管理界面上，通过基于仿真优化模块的物性组件、数学组件、连接器组件、数据组件、机器学习组件、求解器组件下的模型可视化连接组合成设备***的能耗分析模型，完成仿真优化***模型的构建；

设备***的历史工作数据和设备环境工况信息，是基于数据采集模块通过通信协议与园区硬件设备连接后采集数据，并将数据通过网络传输到数据库中，实现***的横向与纵向数据透明交互，大数据模块实现设备***数据信息的存储和分析，研究大数据集群和数据分析算法，支撑海量的数据规模和快速实时的数据流转，仿真优化模块中所建立的面向高能耗设备的能耗分析优化***模型则通过获取大数据模块中的实时和/或历史数据进行计算，完成仿真优化***模型的参数调整和功能迭代完善；

通过将迭代完善的仿真优化模型部署到边缘计算模块当中，数据采集模块通过通信协议与园区硬件设备连接，采集数据，并将数据通过网络传输到边缘计算模块实现实时计算，基于边缘计算实现数据在园区内的轻量级运算和实时分析达到低延迟控制快速智能调节中的设备***，实现设备***的期望节能效果；

边缘计算端中所部署的设备仿真优化模型将实时计算的数据传输到数据处理模块进行存储，仿真优化模块中所创建好的设备仿真优化模型从数据模块获取实时和/或历史数据，不断的进行模型计算实现模型的实时迭代升级和完善以达到所期望的控制优化效果，并将计算数据和模型参数传输到数据模块进行存储，也可以在有需要时再将设备优化模型同步更新到边缘计算端升级对设备***的调节优化；

以园区中各类建筑为基础使用BIM技术建立建筑模型，通过后期软件处理对生产的模型进行优化，获得高清三维模型数据，再结合关联GIS地图及数据服务的数据，通过构建基于WebGL技术的轻量化GIS+BIM融合引擎来实现三维可视化的呈现；基于数据处理模块存储的实时和/或历史数据和基础平台模块所包含的预警、监控和管理功能数据，通过可视化模块查看不同维度的园区信息和节能数据等，并实现将园区场景、设备***、运行数据、节能参数等场景或关键信息以三维可视化形式展示。

在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋接”、“垫设”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

上述说明示出并描述了本发明的优选实施例，如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

1.一种园区节能管控***，其特征在于：包括

数据采集模块，用于采集园区硬件设备的数据；

边缘计算模块，用于控制调节园区设备；

基础平台模块，用于提高基础支撑；

仿真优化模块，用于构建能耗分析模型和进行可视化配置；

数据可视化模块，用于将***和设备运行的状况可视化呈现。

2.根据权利要求1所述的园区节能管控***，其特征在于：还包括数据处理模块，用于接入、分析、存储数据采集和边缘计算模块采集的数据。

3.根据权利要求1所述的园区节能管控***，其特征在于：所述基础平台包括前端模块、微服务模块和持久层，

所述前端模块，用于展示相应应用的计算分析结果；

所述微服务模块，用于根据不同业务场景需要进行计算分析管理；

所述持久层，用于为基础平台前端及微服务，仿真优化模块和数据可视化提供数据支撑。

4.根据权利要求3所述的园区节能管控***，其特征在于：所述前端模块包含数据展示、设备检测、异常监控、运行考核、报警分析、统计报表和***管理，所述微服务模块包括定时任务、实时数据服务、用户服务、统计报表服务、监控报警服务、数据管理服务，所述持久层采用MySQL和工业时序数据库SIPHD。

5.根据权利要求2所述的园区节能管控***，其特征在于：所述数据处理模块包括数据接入、数据存储、数据分析、AI和CDH集群，所述数据接入、数据存储、数据分析和AI采用云端代理集群和Kafka集群，所述CDH集群包括实时分析、批处理和分布式存储***HBase。

6.根据权利要求1所述的园区节能管控***，其特征在于：所述仿真优化模块包括能耗分析模型库构建和可视化配置，所述仿真优化模块连接所述数据可视化模块。

7.根据权利要求1所述的园区节能管控***，其特征在于：所述数据可视化模块采用GIS、BIM和WEBGL。

8.一种园区节能管控方法，其特征在于，包括以下步骤：

S1、获取园区设备场景信息，

S2、基于园区设备场景信息，通过仿真优化模块构建仿真优化模型和模型参数调整

S3、仿真优化模型部署到边缘计算模块中；

S4、基于数据采集获取园区设备***的实时运行数据，通过仿真优化模型进行实时计算；

S5、基于节能管控指标，通过边缘计算对园区设备控制调节；

S6、仿真优化模块实时计算数据传输到大数据集群中；

S7、基于园区设备场景信息，通过三维可视化引擎和和开发框架，构建三维可视化场景；

S8、通过数据可视化模块展示三维可视化场景。