CN117666448A - 基于物联网能耗预测的节能方法、装置、设备及介质 - Google Patents
基于物联网能耗预测的节能方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117666448A CN117666448A CN202410133178.7A CN202410133178A CN117666448A CN 117666448 A CN117666448 A CN 117666448A CN 202410133178 A CN202410133178 A CN 202410133178A CN 117666448 A CN117666448 A CN 117666448A
- Authority
- CN
- China
- Prior art keywords
- data
- energy consumption
- building
- prediction
- detection
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 217
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 88
- 238000005286 illumination Methods 0.000 claims abstract description 63
- 230000033001 locomotion Effects 0.000 claims abstract description 57
- 238000004378 air conditioning Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims description 22
- 238000012795 verification Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 9
- 239000002699 waste material Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000004134 energy conservation Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000009467 reduction Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/80—Homes; Buildings
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
- G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Structural Engineering (AREA)
- Mathematical Physics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Architecture (AREA)
- Fuzzy Systems (AREA)
- Civil Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Toxicology (AREA)
- Environmental & Geological Engineering (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种基于物联网能耗预测的节能方法、装置、设备及介质。方法包括根据分别设置在建筑内外检测点的检测设备采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的两个基础数据库；对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验得到匹配校验结果；分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测得到能耗预测结果；根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。通过实施本申请实施例的方法可实现建筑能耗的精确预测和智能化管理，有效降低能源消耗，提高能源使用效率，具有良好的社会和经济效益。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种基于物联网能耗预测的节能方法、装置、设备及介质。
背景技术
建筑物使用过程中需要提供相应能源，现有的智能楼宇管理***通常是采用人工方式对房间的各种设备进行控制，导致对建筑内各种设备进行控制调节的灵活性不足，难以确保对建筑物高效准确地进行节能控制。在建筑物的使用过程中，需要提供持续的能源供应以维持各种设施和设备的正常运行。然而，大量的能源浪费现象存在于建筑物使用过程中，这既增加了能源消耗，也提高了能源成本。尽管现有的智能楼宇管理***可以有效地控制能源使用，但这些***通常采用人工方式对房间的各种设备进行控制，无法适应快速变化的办公环境以及个性化需求。这种传统的控制方式往往缺乏灵活性，难以确保对建筑物高效准确地进行节能控制。此外，由于无法实时响应环境变化和用户需求，这种控制方式可能导致能源的浪费和不必要的成本支出。因此，在现有技术方法中，存在无法对建筑物高效准确地进行节能控制的问题。
发明内容
本申请实施例提供了一种基于物联网能耗预测的节能方法、装置、设备及介质，旨在解决对建筑物内部能耗调控成效差的问题。
第一方面，本申请实施例提供了一种基于物联网能耗预测的节能方法，应用于智能控制终端中，智能控制终端与建筑内以及建筑外分别设置的温度传感器、湿度传感器、光照传感器及运动传感器进行通信连接，智能控制终端还与建筑内配置的照明灯及空气调节设备进行通信连接；智能控制终端与用户终端进行通信连接以实现数据信息的传输；
具体方法包括根据设置在建筑外检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；根据设置在建筑内检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；根据预置的数据分析规则对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；若匹配校验结果符合预设的能耗控制规则，根据预置的预测模型分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果；根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。
第二方面，本申请实施例还提供了一种基于物联网能耗预测的节能装置，其包括第一数据库生成单元，用于根据设置在建筑外检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；第二数据库生成单元，用于根据设置在建筑内检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；校验结果获取单元，用于根据预置的数据分析规则对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；预测结果获取单元，用于根据预置的预测模型分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果；能耗调整单元，用于根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。
第三方面，本申请实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述方法。
本申请实施例提供了一种基于物联网能耗预测的节能方法、装置、计算机设备及存储介质。其中，所述方法包括根据设置在建筑外检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；根据设置在建筑内检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；根据预置的数据分析规则对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；若匹配校验结果符合预设的能耗控制规则，根据预置的预测模型分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果；根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。上述技术方法通过物联网技术实时采集并整合建筑内外的温度、湿度、光照和运动等多种数据，结合先进的预测模型，能够更准确地进行能耗预测。根据能耗预测结果，智能控制照明灯和空气调节设备的使用，可以有效降低能源消耗，实现节能降耗的目标。通过智能控制终端与各种传感器的通信连接，实时监控并分析建筑内外的环境数据，实现了建筑能耗的智能化管理。通过对能耗的预测和调整，能够及时发现并解决能源浪费的问题，提高能源使用效率。通过与用户终端的通信连接，用户可以实时了解能耗情况，并根据需要调整能耗设置，提高了用户的参与度和满意度。适应不同类型的建筑和用户需求，具有很好的灵活性，实现建筑能耗的精确预测和智能化管理，有效降低能源消耗，提高能源使用效率，具有良好的社会和经济效益。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于物联网能耗预测的节能方法的应用场景示意图；
图2为本申请实施例提供的基于物联网能耗预测的节能方法的流程示意图；
图3为本申请实施例提供的基于物联网能耗预测的节能方法的子流程示意图；
图4为本申请实施例提供的基于物联网能耗预测的节能方法的另一子流程示意图；
图5为本申请实施例提供的基于物联网能耗预测的节能装置的示意性框图；
图6为本申请实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请实施例提供了一种基于物联网能耗预测的节能方法、装置、设备及介质。
该基于物联网能耗预测的节能方法的执行主体可以是本申请实施例提供的基于物联网能耗预测的节能装置，或者集成了该基于物联网能耗预测的节能装置的计算机设备，其中，该基于物联网能耗预测的节能装置可以采用硬件或者软件的方式实现，该计算机设备可以为终端或服务器，该终端可以是智能手机、平板电脑、掌上电脑、或者笔记本电脑等。
请参阅图1，图1为本申请实施例提供的基于物联网能耗预测的节能方法的应用场景示意图。该基于物联网能耗预测的节能方法应用于图6中的计算机设备500中。该方法应用于智能控制终端10中，该方法通过安装于智能控制终端10中的应用软件进行执行，智能控制终端10与分别设置在建筑内以及建筑外的两套能耗监测设备进行通信连接，设备包括温度传感器101、湿度传感器102、光照传感器103及运动传感器104，智能控制终端10还与建筑内配置的照明灯105及空气调节设备106进行通信连接；其中，温度传感器101、湿度传感器102、光照传感器103及运动传感器104均为装配于建筑内的物联网传感器，建筑内可装配同一传感器类型的一个或多个传感器，各传感器可采集得到对应的检测数值并传输至智能控制终端10；建筑内配置有照明灯105及空气调节设备106。其中，每一房间内均装配有至少一个照明灯105，则照明灯105可用于对房间进行补光照明，智能控制终端10可对建筑内设置的照明灯105进行控制；智能控制终端10即是用于执行基于物联网技术的建筑节能控制方法以对建筑中各房间的光照及空间环境进行控制的终端设备，智能控制终端10管理服务器、台式电脑、笔记本电脑、平板电脑或手机等。智能控制终端10与用户终端20进行通信连接以实现数据信息的传输，用户终端20可供位于建筑内的用户进行使用，用户可通过用户终端20发送数据信息（如控制指令或房间的偏好设定信息）至智能控制终端10，智能控制终端10可发送控制反馈信息或报警提示信息至用户终端，其中，用户终端20可以是台式电脑、笔记本电脑、平板电脑、手机或手持遥控器。
图2是本申请实施例提供的基于物联网能耗预测的节能方法的流程示意图。如图2所示，该方法包括以下步骤S110-S150。
S110、根据设置在建筑外检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库。
S120、根据设置在建筑内检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库。
S130、根据预置的数据分析规则对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果。
S140、根据预置的预测模型分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果。
具体地，若匹配校验结果符合预设的能耗控制规则，
S150、根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。
具体地，在建筑外设置检测点，通过温度传感器、湿度传感器、光照传感器及运动传感器等设备采集温度数据、湿度数据、光照数据及运动数据。将这些数据进行整理，生成第一基础数据库。这一步骤的技术效果主要体现在实时收集建筑外环境数据，为后续的能耗预测提供数据支持。在建筑内设置检测点，通过温度传感器、湿度传感器、光照传感器及运动传感器等设备采集温度数据、湿度数据、光照数据及运动数据。将这些数据进行整理，生成第二基础数据库。这一步骤的技术效果主要体现在实时收集建筑内环境数据，为后续的能耗预测提供数据支持。根据预置的数据分析规则，对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果。这一步骤的技术效果主要体现在通过数据对比校验，保证数据的准确性，提高后续能耗预测的准确性。根据预置的预测模型，分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果。这一步骤的技术效果主要体现在通过预测模型，对建筑能耗进行预测，为能耗调整提供依据。若匹配校验结果符合预设的能耗控制规则，根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备，以进行建筑物能耗进行调整。这一步骤的技术效果主要体现在根据预测结果，实时调整建筑能耗，实现节能降耗的目标。
预测模型及算法是能耗预测***的核心部分，其主要作用是根据历史和现有的数据，预测未来的能耗情况。预测模型是根据历史和现有的数据，对未来能耗情况进行预测的数学模型。这个模型通常包括输入变量、隐藏层和输出变量三部分。输入变量是影响能耗的各种因素，如温度、湿度、光照等；隐藏层是模型对输入变量进行处理的部分，其具体结构和参数需要通过训练来确定；输出变量是预测的能耗结果。算法是模型训练和预测的具体步骤和过程。常用的算法包括机器学***均模型（ARIMA）、季节性自回归移动平均模型（SARIMA）等。这些算法通过分析历史数据的时间序列特征，建立输入变量和输出变量之间的关系，从而进行预测。
在实际应用中，预测模型和算法的选择需要根据具体的问题和数据情况进行确定。同时，预测模型的训练和预测过程需要大量的计算资源和时间，因此，提高算法的效率和准确性也是能耗预测研究的重要方向。预测模型主要用于根据建筑内外环境数据（如温度、湿度、光照等）预测建筑能耗。这个模型可以是机器学习模型、深度学习模型或时间序列分析模型等。模型输入为建筑内外环境数据，输出为能耗预测结果。在模型训练之前，需要对收集到的建筑内外环境数据进行预处理，包括数据清洗、去噪、特征选择等，以提高数据质量和模型训练效果。根据选定的预测模型，使用预处理后的数据对模型进行训练。训练过程中需要调整模型参数，以使模型在训练数据上达到较好的预测效果。在模型训练完成后，使用训练好的模型对新的建筑内外环境数据进行能耗预测。预测结果可以为建筑能耗调整提供依据。为了提高模型预测效果和适应性，需要定期对模型进行优化和更新。这可以通过调整模型结构、引入新特征、使用更多数据等方式实现。预测模型和相关算法需要根据实际需求和数据情况进行选择和调整。同时，模型的训练、预测和优化过程需要大量的计算资源和时间，通过合理的预测模型和相关算法选择和优化可以实现对建筑能耗的有效预测和调整，从而实现节能降耗的目标。
综上，在建筑外和建筑内设置检测点，采集温度、湿度、光照和运动数据，整理数据并生成基础数据库，对两个基础数据库中的数据进行对比校验，基于预测模型进行能耗预测，根据预测结果发送能耗调整指令。通过设置检测点采集建筑内外环境数据可以实现对建筑环境的实时监测，为能耗预测提供准确的数据支持。通过整理采集到的数据并生成基础数据库可以实现对建筑环境数据的统一管理和分析，提高数据利用率。通过对比校验建筑内外基础数据库中的数据可以保证数据的准确性，提高能耗预测的准确性。基于预测模型进行能耗预测可以预测建筑未来的能耗情况，为能耗调整提供依据。根据能耗预测结果发送能耗调整指令可以实现建筑物能耗的实时调整，从而达到节能降耗的目标。实现实时监测、数据整理与分析、数据校验、能耗预测和能耗调整等技术效果，有助于提高建筑能源利用效率，实现节能降耗。
在更具体的实施例中，执行步骤S110还具体包括执行步骤S111-S114：
S111、对获取到的温度数据、湿度数据、光照数据及是运动数据进行分类整理，以获取建筑外检测点的多项检测数据。
S112、判断建筑外检测点的同一项检测数据是否包含多个检测数值。
S113、若建筑外检测点的同一项检测数据包含多个检测数值，对同一项检测数据包含的多个检测数值进行整合得到整合检测数值。
S114、根据各项检测数据分别对应的检测数值生成第一基础数据库。
具体地，在更具体的实施例中将不同类型的数据分开，如将温度数据、湿度数据、光照数据和运动数据分别放在一起，以便于后续的处理和分析。检查在同一个检测点，如温度传感器，是否有多组温度数据。将同一检测点的多组数据合并在一起，如将多个温度传感器测得的数据求平均，得到该检测点的整合温度数据。将整理和整合后的数据存储在数据库中，以便于后续的查询和使用。通过以上步骤，可以在建筑外设置检测点，通过各类传感器设备采集环境数据，并将这些数据进行整理和整合，生成第一基础数据库，为后续的能耗预测提供数据支持。
在更具体的实施过程中，执行步骤S120还具体包括执行步骤S121-S124：
S121、对获取到的温度数据、湿度数据、光照数据及是运动数据进行分类整理，以获取建筑内检测点的多项检测数据。
S122、判断建筑内检测点的同一项检测数据是否包含多个检测数值。
S123、若建筑内检测点的同一项检测数据包含多个检测数值，对同一项检测数据包含的多个检测数值进行整合得到整合检测数值。
S124、根据各项检测数据分别对应的检测数值生成第二基础数据库。
具体地，将不同类型的数据分开，如将温度数据、湿度数据、光照数据和运动数据分别放在一起，以便于后续的处理和分析。检查在同一个检测点，如温度传感器，是否有多组温度数据。将同一检测点的多组数据合并在一起，如将多个温度传感器测得的数据求平均，得到该检测点的整合温度数据。将整理和整合后的数据存储在数据库中，以便于后续的查询和使用。通过以上步骤，可以在建筑内设置检测点，通过各类传感器设备采集环境数据，并将这些数据进行整理和整合，生成第二基础数据库，为后续的能耗预测提供数据支持。
如图3所示，在更具体的实施过程中，执行步骤S130之前，还须执行步骤S1301-S1303：
S1301、根据数据分析规则中清洗规则分别对第一基础数据库以及第二基础数据库中的数据信息进行数据清洗，分别得到第一样本数据集以及第二样本数据集。
S1302、根据数据分析规则中的筛选规则对第一样本数据集中的样本数据进行筛选得到待校验样本数据。
S1303、根据数据分析规则中的标记规则对待校验样本数据进行标记添加。
具体地，检查并去除重复数据，考虑到方案中涉及到建筑内外的传感器数据，需要确保数据集的准确性。对第一基础数据库和第二基础数据库中的数据进行扫描，查找相同的数据记录，并将重复的记录删除或合并。方案中可能存在部分传感器在某些时间段内未采集到数据的情况。对于这些缺失值，可以采用插值法、平均数填充等方法进行填充，以便在后续分析中不会遗漏这些数据。方案中可能存在传感器采集到的异常值或错误数据。例如，如果温度数据明显偏离正常范围，可以进行异常值检测并予以删除或更正。方案中涉及到的数据类型可能包括字符串、数值等。将数据集中的数据类型转换为适合后续分析的类型，例如，将字符串类型的数据转换为数值类型，以便进行数值计算。考虑到方案中可能需要分析特定时间段内的数据，例如选择最近一个月的数据、某个季节的数据等。方案中可能需要分析特定设备类型的数据，例如选择空调设备的数据、照明设备的数据等。根据方案中的数据质量要求，筛选出质量较高的数据，例如筛选出误差范围内的数据、完整的数据等。需要对不同类型的能耗进行分类分析。根据数据的特点和属性，将数据集划分为不同的能耗类型，例如电力能耗、水能耗等。考虑到方案中可能需要重点关注某些关键数据，根据数据的重要性和监测需求，将数据集中的关键数据标记为优先监测。通过执行步骤S1301-S1303，结合方案的实际细节，可以对第一基础数据库和第二基础数据库中的数据进行清洗、筛选和标记，为后续的数据分析处理提供准确、高效的数据支持。
如图4所示，在更具体的实施过程中，执行步骤S130包括执行步骤S131-S133：
S131、根据筛选规则对第二样本数据集中的样本数据进行筛选得到待调节样本数据。
例如，根据设备类型、时间范围等条件筛选出需要调节的样本数据。
S132、根据标记规则对待调节样本数据进行标记添加。
例如，为待调节样本数据添加能耗类型标记、优先级标记等，以便在后续分析中快速识别数据类型和优先级。
S133、获取与待调节样本数据具有相同能耗类型标记的待校验样本数据进行对比校验得到调节参考数据，同时生成匹配校验结果。
例如，对于具有相同能耗类型标记的待校验样本数据和待调节样本数据，进行对比校验，找出调节参考数据，以便在后续分析中根据这些参考数据进行能耗预测和优化。
具体地，根据筛选规则对第二样本数据集中的样本数据进行筛选得到待调节样本数据，在此步骤中需要根据预设的筛选规则对待调节样本数据集中的样本数据进行筛选。根据设备类型筛选出特定类型的设备数据，例如仅筛选空调设备或照明设备的数据。根据时间范围筛选出特定时间段内的数据，例如选择最近一个月的数据或某个特定季节的数据。根据数据质量要求筛选出质量较高的数据，例如筛选出误差范围内的数据或完整的数据。通过这些筛选规则，可以从第二样本数据集中筛选出与能耗预测和优化相关的待调节样本数据。需要根据预设的标记规则对待调节样本数据进行标记添加。这些标记规则可以包括但不限于：根据数据的能耗类型添加相应的标记，例如电力能耗、水能耗等。这有助于在后续分析中快速识别数据的能耗类型。根据数据的重要性和监测需求添加优先级标记，例如将关键数据标记为高优先级。这有助于在后续分析中重点关注这些高优先级的数据。通过这些标记规则可以对待调节样本数据进行标记添加，以便在后续分析中快速识别和分类数据。从第一基础数据库和第二基础数据库中获取与待调节样本数据具有相同能耗类型标记的待校验样本数据。将待调节样本数据和待校验样本数据进行对比校验，找出匹配的数据记录。这可以通过比较数据的时间戳、设备ID等信息来实现。根据对比校验的结果，从待校验样本数据中筛选出与待调节样本数据匹配的记录，作为调节参考数据。根据对比校验的结果，生成匹配校验结果，例如记录匹配的数据记录数、匹配率等指标。通过执行这些操作可以得到调节参考数据和匹配校验结果，以便在后续分析中根据这些参考数据进行能耗预测和优化。
综上所述，步骤S131-S133包括筛选待调节样本数据、标记待调节样本数据以及获取调节参考数据和生成匹配校验结果。这些步骤有助于对待调节样本数据进行细致具体完善的分析和处理，为后续的能耗预测和优化提供准确、高效的数据支持。
更具体地，需要根据预置的预测模型对待处理的数据进行预测。预测模型可以是机器学***等。在此步骤中需要根据预测模型中的预测规则将理想能耗数据信息进行数值转换，以生成对应的预测特征。预测特征可以是能耗预测值、设备运行状态等。通过数值转换可以将理想能耗数据信息转换为具体的预测结果。需要判断生成的预测特征是否符合用户终端预设的偏好设定特征。偏好设定特征可以是能耗预算、设备运行时间等。通过判断预测特征与偏好设定特征的匹配程度可以评估预测结果的准确性和满意度。综上所述，上述步骤包括获取调节参考数据、解析调节参考数据、生成预测特征以及判断预测特征与偏好设定特征的匹配程度。这些步骤有助于对待处理的数据进行细致具体完善的分析和预测，为能耗管理和优化提供准确、高效的数据支持。
更具体地，执行步骤S150还进一步包括执行步骤S151：
S151、根据预置的设备异常校验规则对建筑内是否存在设备异常进行校验。
若建筑内不存在设备异常，则生成对应的浪费提示信息发送至用户终端；若建筑内存在设备异常，则生成对应的设备报警提示信息发送至用户终端。
具体地，需要根据预置的设备异常校验规则对建筑内是否存在设备异常进行校验。设备异常校验规则可以是基于设备的运行状态、能耗水平、故障历史等条件的判断规则。通过执行校验规则可以确定建筑内是否存在设备异常。需要根据校验结果生成对应的提示信息，并将提示信息发送至用户终端。根据校验结果可以判断建筑内是否存在设备异常。若建筑内不存在设备异常，则生成对应的浪费提示信息发送至用户终端。浪费提示信息可以是关于设备能耗过高、运行时间过长等问题的提示，以帮助用户了解并优化设备的运行状态。若建筑内存在设备异常，则生成对应的设备报警提示信息发送至用户终端。设备报警提示信息可以是关于设备故障、异常运行等问题的提示，以便用户及时采取措施解决问题，确保设备正常运行。通过执行上述步骤可以对建筑内是否存在设备异常进行校验，并根据校验结果生成相应的提示信息发送至用户终端。这有助于用户及时发现和解决设备异常问题，提高建筑内设备的运行效率和安全性。
综上，本发明实施例所公开技术方案中的基于物联网能耗预测的节能方法，基于物联网进行能耗分析预测的节能方法，主要是通过物联网技术收集和分析建筑内外的各种能耗数据，以此预测能耗并制定节能策略。首先，通过在建筑内外的各个关键位置安装传感器，如温度传感器、湿度传感器、光照传感器和运动传感器等，实时收集建筑内外的环境数据。这些传感器会将收集到的数据传输给智能控制终端。智能控制终端会根据这些数据生成基础数据库，然后通过预置的数据分析规则对这些数据进行分析和校验，检测是否存在能耗异常。如果存在异常，智能控制终端会生成对应的提示信息发送至用户终端。如果能耗正常，智能控制终端会根据预置的预测模型，结合建筑内外的环境数据，对能耗进行预测。预测结果会用于生成能耗调整指令，发送给照明灯和空气调节设备，从而实时调整建筑物的能耗。本技术方案具有以下技术优势：1.高效节能：通过实时监测和预测建筑物的能耗，以及根据预测结果调整能耗设备的工作状态，能够有效降低能耗，实现节能减排，提高能源利用效率。2.精准预测：通过物联网技术收集大量的环境数据，并结合预置的预测模型进行能耗预测，能够实现较高的预测精度，为能耗管理提供有效的数据支持。3.智能化：通过智能控制终端与各类传感器的配合，能够实现对建筑内能耗的自动监测、预测和调整，无需人工干预，提高了管理效率。4.灵活性和可扩展性：物联网技术的应用使得数据收集和分析更加灵活，能够适应不同的建筑环境和能耗设备。同时，该技术方案也具有良好的可扩展性，可以方便地添加或修改传感器和能耗设备。5.安全可靠：物联网技术具有高度的数据安全性和设备可靠性，能够确保数据的安全传输和设备的稳定运行。6.用户友好：通过将能耗数据和分析结果发送至用户终端，用户可以实时了解建筑物的能耗状况，提高了用户的满意度和交互体验。
总之，本技术方案具有高效节能、精准预测、智能化、灵活性和可扩展性、安全可靠以及用户友好等优势，能够为建筑物提供有效的能耗管理解决方案。通过这样的方法，不仅可以实时监测和预测建筑物的能耗，还可以及时发现和解决能耗异常，从而实现节能减排，提高能源利用效率。同时，由于所有的数据收集、分析和预测都是通过物联网技术实现的，因此这种方法也具有数据收集精准灵活、可监可控、科学决策等优势。整体解决了建筑物能耗管理问题，包括能耗预测、异常检测和能耗调整等。通过物联网技术、传感器和智能控制终端的配合，实现对建筑物能耗的高效管理，从而实现节能减排、降低运行成本、提高能源利用效率。通过采集建筑内外的温度、湿度、光照和运动等数据，结合预置的预测模型，对建筑物的能耗进行预测。这有助于了解建筑物的能耗趋势，为能耗管理提供数据支持。通过对比校验建筑内外传感器采集的数据，检测是否存在设备异常或能耗异常。发现异常情况后，及时生成提示信息发送至用户终端，有助于用户及时解决问题，确保设备正常运行。根据能耗预测结果，发送能耗调整指令至照明灯和空气调节设备，实现对建筑物能耗的实时调整。这有助于降低能耗，实现节能减排，提高能源利用效率。智能控制终端与用户终端进行通信连接，使用户能够实时了解建筑物的能耗状况，提高用户满意度和交互体验。通过整理建筑内外传感器采集的数据，生成基础数据库，为能耗预测和异常检测提供数据支持。同时，也有利于数据的存储、分析和挖掘，为建筑物的能耗管理提供更有价值的信息。总之，方案整体实现了建筑物能耗的高效管理，提高了能源利用效率，降低了运行成本，同时也提高了用户满意度和交互体验。
图5是本申请实施例提供的一种基于物联网能耗预测的节能装置的示意性框图。如图5所示，对应于以上基于物联网能耗预测的节能方法，本申请还提供一种基于物联网能耗预测的节能装置100。该基于物联网能耗预测的节能装置包括用于执行上述基于物联网能耗预测的节能方法的单元，该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地，请参阅图5，该基于物联网能耗预测的节能装置100包括第一数据库生成单元110，用于根据设置在建筑外检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；第二数据库生成单元120，用于根据设置在建筑内检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；校验结果获取单元130，用于根据预置的数据分析规则对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；预测结果获取单元140，用于根据预置的预测模型分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果；能耗调整单元150，用于根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述基于物联网能耗预测的节能装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述基于物联网能耗预测的节能装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。
请参阅图6，图6是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图6，该计算机设备500包括通过***总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种基于物联网能耗预测的节能方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种基于物联网能耗预测的节能方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图 中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解，在本申请实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本申请还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤：
根据设置在建筑外检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；根据设置在建筑内检测点的温度传感器、湿度传感器、光照传感器及运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；根据预置的数据分析规则对第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；若匹配校验结果符合预设的能耗控制规则，根据预置的预测模型分别基于第一基础数据库中的数据信息以及第二基础数据库中的数据信息进行预测，得到能耗预测结果；根据能耗预测结果发送能耗调整指令至照明灯及空气调节设备以进行建筑物能耗进行调整。
所述存储介质可以是U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本申请实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，终端，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于物联网能耗预测的节能方法，其特征在于，所述方法应用于智能控制终端中，所述智能控制终端与建筑内以及建筑外分别设置的温度传感器、湿度传感器、光照传感器及运动传感器进行通信连接，所述智能控制终端还与建筑内配置的照明灯及空气调节设备进行通信连接；所述智能控制终端与用户终端进行通信连接以实现数据信息的传输，所述方法包括：
根据设置在建筑外检测点的所述温度传感器、所述湿度传感器、所述光照传感器及所述运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；
根据设置在建筑内检测点的所述温度传感器、所述湿度传感器、所述光照传感器及所述运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；
根据预置的数据分析规则对所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；
若所述匹配校验结果符合预设的能耗控制规则，根据预置的预测模型分别基于所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行预测，得到能耗预测结果；
根据所述能耗预测结果发送能耗调整指令至所述照明灯及所述空气调节设备以进行建筑物能耗进行调整。
2.根据权利要求1所述的基于物联网能耗预测的节能方法，其特征在于，所述根据设置在建筑外检测点的所述温度传感器、所述湿度传感器、所述光照传感器及所述运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库，包括：
对获取到的所述温度数据、所述湿度数据、所述光照数据及是运动数据进行分类整理，以获取建筑外检测点的多项检测数据；
判断建筑外检测点的同一项检测数据是否包含多个检测数值；
若建筑外检测点的同一项检测数据包含多个检测数值，对同一项检测数据包含的多个检测数值进行整合得到整合检测数值；
根据各项检测数据分别对应的检测数值生成所述第一基础数据库。
3.根据权利要求2所述的基于物联网能耗预测的节能方法，其特征在于，所述根据设置在建筑内检测点的所述温度传感器、所述湿度传感器、所述光照传感器及所述运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库，包括：
对获取到的所述温度数据、所述湿度数据、所述光照数据及是运动数据进行分类整理，以获取建筑内检测点的多项检测数据；
判断建筑内检测点的同一项检测数据是否包含多个检测数值；
若建筑内检测点的同一项检测数据包含多个检测数值，对同一项检测数据包含的多个检测数值进行整合得到整合检测数值；
根据各项检测数据分别对应的检测数值生成所述第二基础数据库。
4.根据权利要求1所述的基于物联网能耗预测的节能方法，其特征在于，所述根据预置的数据分析规则对所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行对比校验，得到匹配校验结果之前，所述方法包括：
根据所述数据分析规则中清洗规则分别对所述第一基础数据库以及所述第二基础数据库中的数据信息进行数据清洗，分别得到第一样本数据集以及第二样本数据集；
根据所述数据分析规则中的筛选规则对所述第一样本数据集中的样本数据进行筛选得到待校验样本数据；
根据所述数据分析规则中的标记规则对所述待校验样本数据进行标记添加，所述标记包括能耗类型标记以及优先监测标记。
5.根据权利要求4所述的基于物联网能耗预测的节能方法，其特征在于，所述根据预置的数据分析规则对所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行对比校验，得到匹配校验结果，包括：
根据所述筛选规则对所述第二样本数据集中的样本数据进行筛选得到待调节样本数据；
根据所述标记规则对所述待调节样本数据进行标记添加，所述标记包括能耗类型标记以及优先调节标记；
获取与所述待调节样本数据具有相同能耗类型标记的所述待校验样本数据进行对比校验得到调节参考数据，同时生成匹配校验结果。
6.根据权利要求5所述的基于物联网能耗预测的节能方法，其特征在于，所述根据预置的预测模型分别基于所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行预测，得到能耗预测结果，包括：
根据所述匹配校验结果获取对应的调节参考数据；
根据所述预测模型中的解析规则对所述调节参考数据进行解析，得到理想能耗数据信息；
根据所述预测模型中的预测规则将所述理想能耗数据信息进行数值转换以生成对应的预测特征；
判断所述预测特征是否符合预设的偏好设定特征，所述偏好设定特征来自所述用户终端；
若所述预测特征符合所述偏好设定特征，则获取与所述预测特征对应的能耗预测结果。
7.根据权利要求6所述的基于物联网能耗预测的节能方法，其特征在于，所述根据所述能耗预测结果发送能耗调整指令至所述照明灯及所述空气调节设备以对建筑内检测点的能耗进行调整之后，所述方法包括：
根据预置的设备异常校验规则对建筑内是否存在设备异常进行校验；
若建筑内不存在设备异常，生成对应的浪费提示信息发送至所述用户终端；
若建筑内存在设备异常，生成对应的设备报警提示信息发送至所述用户终端。
8.一种基于物联网能耗预测的节能装置，应用权利要求1-7任一项所述的基于物联网能耗预测的节能方法，其特征在于，包括：
第一数据库生成单元，用于根据设置在建筑外检测点的所述温度传感器、所述湿度传感器、所述光照传感器及所述运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第一基础数据库；
第二数据库生成单元，用于根据设置在建筑内检测点的所述温度传感器、所述湿度传感器、所述光照传感器及所述运动传感器采集得到的温度数据、湿度数据、光照数据及运动数据进行整理，以生成对应的第二基础数据库；
校验结果获取单元，用于根据预置的数据分析规则对所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行对比校验，得到匹配校验结果；
预测结果获取单元，用于根据预置的预测模型分别基于所述第一基础数据库中的数据信息以及所述第二基础数据库中的数据信息进行预测，得到能耗预测结果；
能耗调整单元，用于根据所述能耗预测结果发送能耗调整指令至所述照明灯及所述空气调节设备以进行建筑物能耗进行调整。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133178.7A CN117666448B (zh) | 2024-01-31 | 2024-01-31 | 基于物联网能耗预测的节能方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133178.7A CN117666448B (zh) | 2024-01-31 | 2024-01-31 | 基于物联网能耗预测的节能方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117666448A true CN117666448A (zh) | 2024-03-08 |
| CN117666448B CN117666448B (zh) | 2024-04-09 |
Family
ID=90082842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410133178.7A Active CN117666448B (zh) | 2024-01-31 | 2024-01-31 | 基于物联网能耗预测的节能方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117666448B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014084648A1 (ko) * | 2012-11-30 | 2014-06-05 | 단국대학교 산학협력단 | 설계 및 운영 단계에서 건물 에너지를 예측하여 건물을 제어하는 방법 및 이를 위한 시스템 |
| CN103885420A (zh) * | 2014-03-25 | 2014-06-25 | 无锡凌创传感网智能科技有限公司 | 一种建筑节能光热风*** |
| CN105182923A (zh) * | 2015-08-06 | 2015-12-23 | 国网山东省电力公司 | 一种建筑综合智能用电***及用电方法 |
| CN115435453A (zh) * | 2022-09-15 | 2022-12-06 | 成都况氏豪杰建材有限公司 | 一种建筑节能控制方法、***及存储介质 |
| CN116579506A (zh) * | 2023-07-13 | 2023-08-11 | 陕西通信规划设计研究院有限公司 | 一种基于大数据的建筑能耗数据智能管理方法及*** |
-
2024
- 2024-01-31 CN CN202410133178.7A patent/CN117666448B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014084648A1 (ko) * | 2012-11-30 | 2014-06-05 | 단국대학교 산학협력단 | 설계 및 운영 단계에서 건물 에너지를 예측하여 건물을 제어하는 방법 및 이를 위한 시스템 |
| CN103885420A (zh) * | 2014-03-25 | 2014-06-25 | 无锡凌创传感网智能科技有限公司 | 一种建筑节能光热风*** |
| CN105182923A (zh) * | 2015-08-06 | 2015-12-23 | 国网山东省电力公司 | 一种建筑综合智能用电***及用电方法 |
| CN115435453A (zh) * | 2022-09-15 | 2022-12-06 | 成都况氏豪杰建材有限公司 | 一种建筑节能控制方法、***及存储介质 |
| CN116579506A (zh) * | 2023-07-13 | 2023-08-11 | 陕西通信规划设计研究院有限公司 | 一种基于大数据的建筑能耗数据智能管理方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117666448B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11392096B2 (en) | Heuristic method of automated and learning control, and building automation systems thereof | |
| CN110335168B (zh) | 基于gru优化用电信息采集终端故障预测模型的方法及*** | |
| US20230108309A1 (en) | Methods and systems for gas meter replacement prompt based on a smart gas internet of things | |
| Sharma | Exploring the Predictive Power of Machine Learning for Energy Consumption in Buildings | |
| CN111340269B (zh) | 用于流程工业过程的实时优化方法 | |
| CN113726559B (zh) | 基于人工智能网络安全分析预警*** | |
| CN116466672B (zh) | 基于人工智能的数据中心机房参数调控方法及相关装置 | |
| CN117993556A (zh) | 一种智能化生态环境分区管控*** | |
| CN117666448B (zh) | 基于物联网能耗预测的节能方法、装置、设备及介质 | |
| CN117543835A (zh) | 一种配电柜智能配电控制方法及装置 | |
| CN117346129A (zh) | 锅炉高温过热器外包低温受热面的温度调控*** | |
| CN116976862A (zh) | 一种工厂设备信息化管理***及方法 | |
| CN116859839A (zh) | 基于模型训练的工业控制方法和装置 | |
| Yang et al. | An intelligent human behavior-based reasoning model for service prediction in smart home | |
| CN117076260B (zh) | 一种参数及设备异常检测方法及装置 | |
| CN116760033B (zh) | 一种基于人工智能的实时电力需求预测*** | |
| CN117332992B (zh) | 一种用于产业互联网的协同制造方法及*** | |
| CN117973431B (zh) | 一种最优二分共识控制方法、装置、设备及存储介质 | |
| CN117976081B (zh) | 基于模型预测优化的堆肥配方方法、***、设备及介质 | |
| CN118134293B (zh) | 一种用户端能源管理***及方法 | |
| CN113778028B (zh) | 基于边云协同与双增量的智能混凝算法 | |
| KR102388579B1 (ko) | 에너지 관리 장치 및 그 방법 | |
| CN118211417A (zh) | 基于数字孪生的数据处理方法、装置、电子设备及存储介质 | |
| CN117201558A (zh) | 一种基于物联网的电子信息产品的智能管理方法 | |
| CN118246617A (zh) | 一种基于机器学习算法的建筑节能管理方法 |
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 |