CN117989676A - 基于大数据的空调能耗数据监管方法及*** - Google Patents
基于大数据的空调能耗数据监管方法及*** Download PDFInfo
- Publication number
- CN117989676A CN117989676A CN202410405784.XA CN202410405784A CN117989676A CN 117989676 A CN117989676 A CN 117989676A CN 202410405784 A CN202410405784 A CN 202410405784A CN 117989676 A CN117989676 A CN 117989676A
- Authority
- CN
- China
- Prior art keywords
- control area
- environment control
- air conditioner
- central air
- temperature
- 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 42
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 122
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000001105 regulatory effect Effects 0.000 claims abstract description 14
- 230000001276 controlling effect Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 91
- 230000008569 process Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims 3
- 238000007726 management method Methods 0.000 claims 2
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调能耗监管技术领域,具体为基于大数据的空调能耗数据监管方法及***,包括构建空调监管云平台,对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;对标记相同的历史运行记录内的环境控制区域集取交集;分析人流量对分机的环境控制区域内温度调节状态的影响程度;对中央空调的环境控制区域内的人流量变化趋势进行预测,对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;对公共场所在当前周期内,中央空调的环境控制区域内的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控。
Description
技术领域
本发明涉及空调能耗监管技术领域,具体为基于大数据的空调能耗数据监管方法及***。
背景技术
大数据是指规模庞大、多样化且高速增长的数据集合,通常包括结构化数据和半结构化数据和非结构化数据,使用大数据对空调的能耗进行监管,可以通过大数据分析技术,实时监测和分析空调设备的能耗情况,可以追踪能耗的变化趋势、以及不同区域、不同时段的能耗消耗情况,及时发现能耗异常的情况,并且还能预测空调的能耗趋势和变化,根据历史数据和模型、提前去制定节能计划和优化方案,从而避免能耗的无端浪费。
在商场和办公大楼这些需要使用大量中央空调的产所,通常对中央空调进行调节只是通过控制***,向中央空调内输入相应的温度和湿度等参数对应的数值,让中央空调进行自动运行,使商场和办公大楼等产所内环境参数,达到控制***中预先输入的数值,但是这样方式却存在不少缺点,使得控制***无法根据实际情况去对各个中央空调进行整体调节,这样不仅仅会导致商场和办公大楼这些产所对环境调节能力较差,而且还会导致中央空调内的能耗大幅度增加。
发明内容
本发明的目的在于提供基于大数据的空调能耗数据监管方法及***,以解决上述背景技术中存在的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于大数据的空调能耗数据监管方法,方法包括:
步骤S100:构建空调监管云平台,获取公共场所内中央空调运行后,中央空调中分机的环境控制区域内的历史温度变化记录,并从中提取出环境控制区域内的温度变化数据,获取中央空调的历史运行记录,基于中央空调运行后中央空调的各环境控制区域中温度变化状态,对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;
步骤S200:基于环境控制区域集中的环境控制区域的数量分布状态,对中央空调的历史运行记录进行分类,从历史运行记录中提取出中央空调在运行时的耗电量,并对历史运行记录进行标记,对标记相同的历史运行记录内的环境控制区域集取交集,将获得的环境控制区域进行标记;
步骤S300:将标记的环境控制区域从环境控制区域集中剔除,对环境控制区域集中各个环境控制区域内的历史人流量记录进行获取,并从中提取出各个环境控制区域内的人流量信息,分析人流量对分机的环境控制区域内温度调节状态的影响程度;
步骤S400:对中央空调的环境控制区域内的人流量变化趋势进行预测,并结合人流量对环境控制区域内温度调节状态的影响程度,对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;
步骤S500:对公共场所在当前周期内,中央空调的环境控制区域内的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控。
进一步的,步骤S100包括:
步骤1.1:从历史温度变化记录中提取出环境控制区域的初始温度和目标温度,并记为的环境控制区域的温度数据;
步骤1.2:设置第一单位时长,获取历史温度变化记录中环境控制区域内温度变化至目标温度时,分机所花费的时长,计算中央空调的环境控制区域内温度的标记变化值,其中,第a个环境控制区域内温度的标记变化值,/>为历史温度变化记录内中央空调的第a个环境控制区域内初始温度到目标温度时,分机所花费的时长,/>为历史温度变化记录内中央空调的第a个环境控制区域的目标温度,/>为历史温度变化记录内中央空调的第a个环境控制区域的初始温度;
步骤1.3:获取历史运行记录内中央空调的各个环境控制区域内温度的标记变化值,并将其中大于零的进行保留,获取各个环境控制区域内温度的标记变化值的中位数;
步骤1.4:将标记变化值大于标记变化值的中位数的环境控制区域进行汇集,得到分机的第一环境控制区域集,将标记变化值小于等于标记变化值的中位数的环境控制区域进行汇集,得到第二环境控制区域集。
进一步的,步骤S200包括:
步骤2.1:对各个历史运行记录中第一环境控制区域集内的环境控制区域的数量进行获取,并取数量的平均数,对各个历史运行记录中第二环境控制区域集内的环境控制区域的数量进行获取,并取数量的平均数/>;
步骤2.2:对历史运行记录进行分类,具体分类过程为,当某一历史运行记录内中央空调的分机的第一环境控制区域集,符合分类条件1时,将某一历史运行记录记为第一历史运行记录,其中,分类条件1:,/>为在某一历史运行记录内第一环境控制区域集中环境控制区域的区域数量,/>为预设第一阈值;
步骤2.3:当某一历史运行记录内中央空调的分机的第二环境控制区域集,符合分类条件2时,将某一历史运行记录记为第二历史运行记录,其中,分类条件2:,为在某一历史运行记录内第二环境控制区域集中环境控制区域的区域数量,/>为预设第二阈值;
步骤2.4:从历史运行记录中提取出中央空调在运行时的耗电量和运行时长,将耗电量除以中央空调的运行时长,得到中央空调的耗电量平均值,再取中央空调的耗电量平均值的平均值,当中央空调在历史运行记录内的耗电量平均值/>>/>,并且同时历史运行记录为第二历史运行记录时,对第二历史运行记录进行标记,获取中央空调在各个历史运行记录内的耗电量平均值的中位数/>,当中央空调在历史运行记录内耗电量平均值,并且同时历史运行记录为第一历史运行记录时,对第一历史运行记录进行标记;
步骤2.5:获取中央空调中各个被标记的第一历史运行记录和第二历史运行记录,并分别进行汇集,对中央空调中被标记的各个第一历史运行记录内的第一环境控制区域集取交集,将获得的环境控制区域进行标记,并记为标记第一环境控制区域,对中央空调中被标记的各个第一历史运行记录的第一环境控制区域集取交集,将获得的环境控制区域进行标记,并记为标记第二环境控制区域;
上述步骤中通过中央空调的第一环境控制区域集内环境控制区域的区域数量,与第一环境控制区域集中区域数量平均值之差,来判定这部分区域是否为第一历史运行记录,是因为当差值的数值很大时,就表面这个历史运行记录内中央空调的很多分机的环境控制区域,都是温度上升很快,然后再对这个历史运行记录内中央空调的耗电情况进行分析,一旦历史运行记录内中央空调的耗电很少,那么这个历史运行记录中众多分机的区域温度上升快,与中央空调耗电少存在关联,这就为后面对减少空调耗电,减低空调能耗提供的有利的数据支持。
进一步的,步骤S300包括:
步骤3.1:获取中央空调内被标记的各个第一历史运行记录的第一环境控制区域集,将标记第一环境控制区域从其中剔除,并获取保留的环境控制区域,在中央空调的各个历史运行记录内的历史人流量记录;
步骤3.2:分析人流量对分机对环境控制区域内温度调节状态的影响程度,设置第二单位时长,具体分析过程包括,从被标记的第一历史运行记录所对应的历史人流量记录中提取出环境控制区域内的人流量信息,其中,人流量信息为环境控制区域内温度变化至目标温度期间,环境控制区域内的人流量的总数;
步骤3.3:计算被标记的第一历史运行记录中环境控制区域内的人流的温度影响值,其中,/>为被标记的第一历史运行记录中环境控制区域内初始温度和分机上预设的目标温度之差,/>为被标记的第一历史运行记录中环境控制区域内温度变化至目标温度期间,分机的环境控制区域内人流量的总数;
步骤3.4:计算出人流量对分机对环境控制区域内的温度影响值,其中,j为环境控制区域中被标记的第一历史运行记录的总个数,/>为第i个标记的第一历史运行记录中,环境控制区域内的人流的温度影响值,获取第一环境控制区域集中各个分机的环境控制区域的温度影响值。
进一步的,步骤S400包括:
步骤4.1:将第一环境控制区域集中各个环境控制区域,在被标记的第一历史运行记录内的人流量信息进行获取,并分为训练组和测试组,对深度学习算法进行训练和准确性校准;
步骤4.2:使用训练并校准后的深度学习算法,对分机的第一环境控制区域集中各个分机的环境控制区域,进行有效人流的总个数进行预测,并将预测的人流量与人流量对分机的环境控制区域内的温度影响值相乘,并将相乘得到的数值,记为特征温度变化值,当某一环境控制区域的特征温度变化值大于预设的特征温度变化值阈值,将某一环境控制区域记为分机的特征环境控制区域。
进一步的,步骤S500包括:
步骤5.1:对公共场所内中央空调内分机的环境控制区域内的环境参数进行监测,并获取公共场所中各个中央空调在当前周期内的特征环境控制区域,获取获取公共场所中各个中央空调,在当前周期内的标记第一环境控制区域和标记第二环境控制区域;
步骤5.2:将中央空调启动,并将特征环境控制区域和标记第一环境控制区域对应中央空调的分机温度和风速调低,对标记第二环境控制区域对应的中央空调的分机的温度和风速进行调高,对空调能耗进行智能监管。
为了更好的实现上述方法还提出了空调能耗数据监管***,监管***包括环境控制区域集模块、特征环境控制区域模块、智能监管模块;
环境控制区域集模块,用于对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;
特征环境控制区域模块,用于对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;
智能监管模块,用于对中央空调内的分机进行智能调控,并对空调能耗进行智能监管。
进一步的,环境控制区域集模块包括标记变化值单元、环境控制区域集单元;
标记变化值单元,用于对中央空调的环境控制区域内温度的标记变化值进行计算;
环境控制区域集单元,用于从历史温度变化记录中提取出分机的环境控制区域内的温度数据,并对历史运行记录内中央空调的环境控制区域进行划分,得到中央空调的分机的环境控制区域集。
进一步的,特征环境控制区域模块包括标记单元、特征环境控制区域单元;
标记单元,用于对分机的环境控制区域的温度调节状态,对中央空调电量消耗的影响程度进行分析,对分机的环境控制区域进行标记;
特征环境控制区域单元,用于对中央空调的环境控制区域温度变化进行分析,得到特征环境控制区域。
进一步的,智能监管模块包括智能监管单元;
智能营销服务单元,用于对公共场所在当前周期内中央空调的环境控制区域的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控,并对空调能耗进行智能监管。
与现有技术相比,本发明所达到的有益效果是:本发明实现了中央空调的各个分机的智能调控,通过中央空调中各个分机的环境控制区域内的在历史运行记录温度变化,并结合中央空调在历史运行记录内电量消耗量,对环境控制区域进行细分,并从中找出在分机对环境控制区域进行制热或者控制温度操作时人流量的影响,因为中央空调作用对象主要是人,而人在中央空调的分机的环境控制区域内会因为自身温度和呼出气体,从而提高环境控制区域温度,所以分机在温度等参数的设置时,可以适当的将温度进行调低,本发明正是考虑到这一点,实现了对不同分机的温度等运行参数的中农调节,从而达到降低中央空调在运行时的电能消耗,从而实现对中央空调的能耗管理。
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是本发明基于大数据的空调能耗数据监管方法及***的方法流程图;
图2是本发明基于大数据的空调能耗数据监管方法及***的模块示意图。
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-图2,本发明提供技术方案:基于大数据的空调能耗数据监管方法,方法包括:
步骤S100:构建空调监管云平台,获取公共场所内中央空调运行后,中央空调中分机的环境控制区域内的历史温度变化记录,并从中提取出环境控制区域内的温度变化数据,获取中央空调的历史运行记录,基于中央空调运行后中央空调的各环境控制区域中温度变化状态,对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;
其中,步骤S100包括:
步骤1.1:从历史温度变化记录中提取出环境控制区域的初始温度和目标温度,并记为的环境控制区域的温度数据;
步骤1.2:设置第一单位时长,获取历史温度变化记录中环境控制区域内温度变化至目标温度时,分机所花费的时长,计算中央空调的环境控制区域内温度的标记变化值,其中,第a个环境控制区域内温度的标记变化值,/>为历史温度变化记录内中央空调的第a个环境控制区域内初始温度到目标温度时,分机所花费的时长,/>为历史温度变化记录内中央空调的第a个环境控制区域的目标温度,/>为历史温度变化记录内中央空调的第a个环境控制区域的初始温度;
例如,历史温度变化记录内中央空调的第1个环境控制区域的目标温度为25度,历史温度变化记录内,历史温度变化记录内中央空调的第1个环境控制区域的初始温度/>为15度,历史温度变化记录内中央空调的第1个环境控制区域内初始温度到目标温度时,分机所花费的时长/>为1h,第1个环境控制区域内温度的标记变化值/>=10;
步骤1.3:获取历史运行记录内中央空调的各个环境控制区域内温度的标记变化值,并将其中大于零的进行保留,获取各个环境控制区域内温度的标记变化值的中位数;
步骤1.4:将标记变化值大于标记变化值的中位数的环境控制区域进行汇集,得到分机的第一环境控制区域集,将标记变化值小于等于标记变化值的中位数的环境控制区域进行汇集,得到第二环境控制区域集;
步骤1.5:基于环境控制区域集中的环境控制区域的数量分布状态,对中央空调的历史运行记录进行分类,从历史运行记录中提取出中央空调在运行时的耗电量,并对历史运行记录进行标记,对标记相同的历史运行记录内的环境控制区域集取交集,将获得的环境控制区域进行标记;
其中,步骤S200包括:
步骤2.1:对各个历史运行记录中第一环境控制区域集内的环境控制区域的数量进行获取,并取数量的平均数,对各个历史运行记录中第二环境控制区域集内的环境控制区域的数量进行获取,并取数量的平均数/>;
步骤2.2:对历史运行记录进行分类,具体分类过程为,当某一历史运行记录内中央空调的分机的第一环境控制区域集,符合分类条件1时,将某一历史运行记录记为第一历史运行记录,其中,分类条件1:,/>为在某一历史运行记录内第一环境控制区域集中环境控制区域的区域数量,/>为预设第一阈值;
步骤2.3:当某一历史运行记录内中央空调的分机的第二环境控制区域集,符合分类条件2时,将某一历史运行记录记为第二历史运行记录,其中,分类条件2:,为在某一历史运行记录内第二环境控制区域集中环境控制区域的区域数量,/>为预设第二阈值;
步骤2.4:从历史运行记录中提取出中央空调在运行时的耗电量和运行时长,将耗电量除以中央空调的运行时长,得到中央空调的耗电量平均值,再取中央空调的耗电量平均值的平均值,当中央空调在历史运行记录内的耗电量平均值/>>/>,并且同时历史运行记录为第二历史运行记录时,对第二历史运行记录进行标记,获取中央空调在各个历史运行记录内的耗电量平均值的中位数/>,当中央空调在历史运行记录内耗电量平均值,并且同时历史运行记录为第一历史运行记录时,对第一历史运行记录进行标记;
步骤2.5:获取中央空调中各个被标记的第一历史运行记录和第二历史运行记录,并分别进行汇集,对中央空调中被标记的各个第一历史运行记录内的第一环境控制区域集取交集,将获得的环境控制区域进行标记,并记为标记第一环境控制区域,对中央空调中被标记的各个第一历史运行记录的第一环境控制区域集取交集,将获得的环境控制区域进行标记,并记为标记第二环境控制区域;
步骤S300:将标记的环境控制区域从环境控制区域集中剔除,对环境控制区域集中各个环境控制区域内的历史人流量记录进行获取,并从中提取出各个环境控制区域内的人流量信息,分析人流量对分机的环境控制区域内温度调节状态的影响程度;
其中,步骤S300包括:
步骤3.1:获取中央空调内被标记的各个第一历史运行记录的第一环境控制区域集,将标记第一环境控制区域从其中剔除,并获取保留的环境控制区域,在中央空调的各个历史运行记录内的历史人流量记录;
步骤3.2:分析人流量对分机对环境控制区域内温度调节状态的影响程度,设置第二单位时长,具体分析过程包括,从被标记的第一历史运行记录所对应的历史人流量记录中提取出环境控制区域内的人流量信息,其中,人流量信息为环境控制区域内温度变化至目标温度期间,环境控制区域内的人流量的总数;
步骤3.3:计算被标记的第一历史运行记录中环境控制区域内的人流的温度影响值,其中,/>为被标记的第一历史运行记录中环境控制区域内初始温度和分机上预设的目标温度之差,/>为被标记的第一历史运行记录中环境控制区域内温度变化至目标温度期间,分机的环境控制区域内人流量的总数;
例如,被标记的第一历史运行记录中环境控制区域内初始温度和分机上预设的目标温度之差为20,被标记的第一历史运行记录中环境控制区域内温度变化至目标温度期间,分机的环境控制区域内人流量的总数/>为100,被被标记的第一历史运行记录中环境控制区域内的人流的温度影响值/>;
步骤3.4:计算出人流量对分机对环境控制区域内的温度影响值,其中,j为环境控制区域中被标记的第一历史运行记录的总个数,/>为第i个标记的第一历史运行记录中,环境控制区域内的人流的温度影响值,获取第一环境控制区域集中各个分机的环境控制区域的温度影响值;
步骤S400:对中央空调的环境控制区域内的人流量变化趋势进行预测,并结合人流量对环境控制区域内温度调节状态的影响程度,对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;
其中,步骤S400包括:
步骤4.1:将第一环境控制区域集中各个环境控制区域,在被标记的第一历史运行记录内的人流量信息进行获取,并分为训练组和测试组,对深度学习算法进行训练和准确性校准;
步骤4.2:使用训练并校准后的深度学习算法,对分机的第一环境控制区域集中各个分机的环境控制区域,进行有效人流的总个数进行预测,并将预测的人流量与人流量对分机的环境控制区域内的温度影响值相乘,并将相乘得到的数值,记为特征温度变化值,当某一环境控制区域的特征温度变化值大于预设的特征温度变化值阈值,将某一环境控制区域记为分机的特征环境控制区域;
步骤S500:对公共场所在当前周期内,中央空调的环境控制区域内的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控;
其中,步骤S500包括:
步骤5.1:对公共场所内中央空调内分机的环境控制区域内的环境参数进行监测,并获取公共场所中各个中央空调在当前周期内的特征环境控制区域,获取获取公共场所中各个中央空调,在当前周期内的标记第一环境控制区域和标记第二环境控制区域;
步骤5.2:将中央空调启动,并将特征环境控制区域和标记第一环境控制区域对应中央空调的分机温度和风速调低,对标记第二环境控制区域对应的中央空调的分机的温度和风速进行调高,对空调能耗进行智能监管;
为了更好的实现上述方法还提出了空调能耗数据监管***,监管***包括环境控制区域集模块、特征环境控制区域模块、智能监管模块;
环境控制区域集模块,用于对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;
特征环境控制区域模块,用于对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;
智能监管模块,用于对中央空调内的分机进行智能调控,并对空调能耗进行智能监管;
其中,环境控制区域集模块包括标记变化值单元、环境控制区域集单元;
标记变化值单元,用于对中央空调的环境控制区域内温度的标记变化值进行计算;
环境控制区域集单元,用于从历史温度变化记录中提取出分机的环境控制区域内的温度数据,并对历史运行记录内中央空调的环境控制区域进行划分,得到中央空调的分机的环境控制区域集;
其中,特征环境控制区域模块包括标记单元、特征环境控制区域单元;
标记单元,用于对分机的环境控制区域的温度调节状态,对中央空调电量消耗的影响程度进行分析,对分机的环境控制区域进行标记;
特征环境控制区域单元,用于对中央空调的环境控制区域温度变化进行分析,得到特征环境控制区域;
其中,智能监管模块包括智能监管单元;
智能营销服务单元,用于对公共场所在当前周期内中央空调的环境控制区域的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控,并对空调能耗进行智能监管。
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.基于大数据的空调能耗数据监管方法,其特征在于,所述方法包括:
步骤S100:构建空调监管云平台,获取公共场所内中央空调运行后,中央空调中分机的环境控制区域内的历史温度变化记录,并从中提取出环境控制区域内的温度变化数据,获取中央空调的历史运行记录,基于中央空调运行后中央空调的各环境控制区域中温度变化状态,对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;
步骤S200:基于环境控制区域集中的环境控制区域的数量分布状态,对中央空调的历史运行记录进行分类,从历史运行记录中提取出中央空调在运行时的耗电量,并对历史运行记录进行标记,对标记相同的历史运行记录内的环境控制区域集取交集,将获得的环境控制区域进行标记;
步骤S300:将标记的环境控制区域从环境控制区域集中剔除,对环境控制区域集中各个环境控制区域内的历史人流量记录进行获取,并从中提取出各个环境控制区域内的人流量信息,分析人流量对分机的环境控制区域内温度调节状态的影响程度;
步骤S400:对中央空调的环境控制区域内的人流量变化趋势进行预测,并结合人流量对环境控制区域内温度调节状态的影响程度,对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;
步骤S500:对公共场所在当前周期内,中央空调的环境控制区域内的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控。
2.根据权利要求1所述的基于大数据的空调能耗数据监管方法,其特征在于,所述步骤S100包括:
步骤1.1:从历史温度变化记录中提取出环境控制区域的初始温度和目标温度,并记为的环境控制区域的温度数据;
步骤1.2:设置第一单位时长,获取历史温度变化记录中环境控制区域内温度变化至目标温度时,分机所花费的时长,计算中央空调的环境控制区域内温度的标记变化值,其中,第a个环境控制区域内温度的标记变化值,/>为历史温度变化记录内中央空调的第a个环境控制区域内初始温度到目标温度时,分机所花费的时长,/>为历史温度变化记录内中央空调的第a个环境控制区域的目标温度,/>为历史温度变化记录内中央空调的第a个环境控制区域的初始温度;
步骤1.3:获取历史运行记录内中央空调的各个环境控制区域内温度的标记变化值,并将其中大于零的进行保留,获取各个环境控制区域内温度的标记变化值的中位数;
步骤1.4:将标记变化值大于所述标记变化值的中位数的环境控制区域进行汇集,得到分机的第一环境控制区域集,将标记变化值小于等于所述标记变化值的中位数的环境控制区域进行汇集,得到第二环境控制区域集。
3.根据权利要求2所述的基于大数据的空调能耗数据监管方法,其特征在于,所述步骤S200包括:
步骤2.1:对各个历史运行记录中第一环境控制区域集内的环境控制区域的数量进行获取,并取数量的平均数,对各个历史运行记录中第二环境控制区域集内的环境控制区域的数量进行获取,并取数量的平均数/>;
步骤2.2:对历史运行记录进行分类,具体分类过程为,当某一历史运行记录内中央空调的分机的第一环境控制区域集,符合分类条件1时,将所述某一历史运行记录记为第一历史运行记录,其中,分类条件1:,/>为在某一历史运行记录内第一环境控制区域集中环境控制区域的区域数量,/>为预设第一阈值;
步骤2.3:当某一历史运行记录内中央空调的分机的第二环境控制区域集,符合分类条件2时,将所述某一历史运行记录记为第二历史运行记录,其中,分类条件2:,为在某一历史运行记录内第二环境控制区域集中环境控制区域的区域数量,/>为预设第二阈值;
步骤2.4:从历史运行记录中提取出中央空调在运行时的耗电量和运行时长,将耗电量除以中央空调的运行时长,得到中央空调的耗电量平均值,再取所述中央空调的耗电量平均值的平均值,当中央空调在历史运行记录内的耗电量平均值/>>/>,并且同时历史运行记录为第二历史运行记录时,对第二历史运行记录进行标记,获取中央空调在各个历史运行记录内的耗电量平均值的中位数/>,当中央空调在历史运行记录内耗电量平均值,并且同时历史运行记录为第一历史运行记录时,对第一历史运行记录进行标记;
步骤2.5:获取中央空调中各个被标记的第一历史运行记录和第二历史运行记录,并分别进行汇集,对中央空调中被标记的各个第一历史运行记录内的第一环境控制区域集取交集,将获得的环境控制区域进行标记,并记为标记第一环境控制区域,对中央空调中被标记的各个第一历史运行记录的第一环境控制区域集取交集,将获得的环境控制区域进行标记,并记为标记第二环境控制区域。
4.根据权利要求3所述的基于大数据的空调能耗数据监管方法,其特征在于,所述步骤S300包括:
步骤3.1:获取中央空调内被标记的各个第一历史运行记录的第一环境控制区域集,将标记第一环境控制区域从其中剔除,并获取保留的环境控制区域,在中央空调的各个历史运行记录内的历史人流量记录;
步骤3.2:分析人流量对分机对环境控制区域内温度调节状态的影响程度,设置第二单位时长,具体分析过程包括,从被标记的第一历史运行记录所对应的历史人流量记录中提取出环境控制区域内的人流量信息,其中,人流量信息为环境控制区域内温度变化至目标温度期间,环境控制区域内的人流量的总数;
步骤3.3:计算被标记的第一历史运行记录中环境控制区域内的人流的温度影响值,其中,/>为被标记的第一历史运行记录中环境控制区域内初始温度和分机上预设的目标温度之差,/>为被标记的第一历史运行记录中环境控制区域内温度变化至目标温度期间,分机的环境控制区域内人流量的总数;
步骤3.4:计算出人流量对分机对环境控制区域内的温度影响值,其中,j为所述环境控制区域中被标记的第一历史运行记录的总个数,/>为第i个标记的第一历史运行记录中,环境控制区域内的人流的温度影响值,获取第一环境控制区域集中各个分机的环境控制区域的温度影响值。
5.根据权利要求4所述的基于大数据的空调能耗数据监管方法,其特征在于,所述步骤S400包括:
步骤4.1:将第一环境控制区域集中各个环境控制区域,在被标记的第一历史运行记录内的人流量信息进行获取,并分为训练组和测试组,对深度学习算法进行训练和准确性校准;
步骤4.2:使用训练并校准后的深度学习算法,对分机的第一环境控制区域集中各个分机的环境控制区域,进行有效人流的总个数进行预测,并将预测的人流量与人流量对分机的环境控制区域内的温度影响值相乘,并将相乘得到的数值,记为特征温度变化值,当某一环境控制区域的特征温度变化值大于预设的特征温度变化值阈值,将所述某一环境控制区域记为分机的特征环境控制区域。
6.根据权利要求5所述的基于大数据的空调能耗数据监管方法,其特征在于,所述步骤S500包括:
步骤5.1:对公共场所内中央空调内分机的环境控制区域内的环境参数进行监测,并获取公共场所中各个中央空调在当前周期内的特征环境控制区域,获取获取公共场所中各个中央空调,在当前周期内的标记第一环境控制区域和标记第二环境控制区域;
步骤5.2:将中央空调启动,并将特征环境控制区域和标记第一环境控制区域对应中央空调的分机温度和风速调低,对标记第二环境控制区域对应的中央空调的分机的温度和风速进行调高,对空调能耗进行智能监管。
7.应用权利要求1-6中任意一项所述的基于大数据的空调能耗数据监管方法的空调能耗数据监管***,其特征在于,所述监管***包括环境控制区域集模块、特征环境控制区域模块、智能监管模块;
所述环境控制区域集模块,用于对历史运行记录内环境控制区域进行分类,得到中央空调在历史运行记录内的环境控制区域集;
所述特征环境控制区域模块,用于对中央空调的环境控制区域内温度变化状态进行评估,得到特征环境控制区域;
所述智能监管模块,用于对中央空调内的分机进行智能调控,并对空调能耗进行智能监管。
8.根据权利要求7所述的空调能耗数据监管***,其特征在于,所述环境控制区域集模块包括标记变化值单元、环境控制区域集单元;
所述标记变化值单元,用于对中央空调的环境控制区域内温度的标记变化值进行计算;
所述环境控制区域集单元,用于从历史温度变化记录中提取出分机的环境控制区域内的温度数据,并对历史运行记录内中央空调的环境控制区域进行划分,得到中央空调的分机的环境控制区域集。
9.根据权利要求7所述的空调能耗数据监管***,其特征在于,所述特征环境控制区域模块包括标记单元、特征环境控制区域单元;
所述标记单元,用于对分机的环境控制区域的温度调节状态,对中央空调电量消耗的影响程度进行分析,对分机的环境控制区域进行标记;
所述特征环境控制区域单元,用于对中央空调的环境控制区域温度变化进行分析,得到特征环境控制区域。
10.根据权利要求7所述的空调能耗数据监管***,其特征在于,所述智能监管模块包括智能监管单元;
所述智能营销服务单元,用于对公共场所在当前周期内中央空调的环境控制区域的环境参数进行监测,获取公共场所内的特征环境控制区域,对中央空调内的分机进行智能调控,并对空调能耗进行智能监管。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410405784.XA CN117989676B (zh) | 2024-04-07 | 2024-04-07 | 基于大数据的空调能耗数据监管方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410405784.XA CN117989676B (zh) | 2024-04-07 | 2024-04-07 | 基于大数据的空调能耗数据监管方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117989676A true CN117989676A (zh) | 2024-05-07 |
CN117989676B CN117989676B (zh) | 2024-06-25 |
Family
ID=90901069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410405784.XA Active CN117989676B (zh) | 2024-04-07 | 2024-04-07 | 基于大数据的空调能耗数据监管方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117989676B (zh) |
Citations (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01134145A (ja) * | 1987-11-19 | 1989-05-26 | Matsushita Electric Ind Co Ltd | 空気調和機のタイマー運転制御方法 |
JP2000266388A (ja) * | 1999-03-17 | 2000-09-29 | Mitsubishi Electric Corp | マルチ形冷凍サイクル装置の制御方法および制御装置 |
JP2003194389A (ja) * | 2001-12-28 | 2003-07-09 | Daikin Ind Ltd | 空気調和機 |
JP2005261050A (ja) * | 2004-03-10 | 2005-09-22 | Ntt Data Corp | エネルギー管理装置、施設監視制御装置、エネルギー管理プログラムおよび施設監視制御プログラム |
CN101504169A (zh) * | 2008-02-05 | 2009-08-12 | Lg电子株式会社 | 空调机及其控制方法 |
US20100174414A1 (en) * | 2009-01-07 | 2010-07-08 | Mitsubishi Electric Corporation | Air-conditioning system |
JP2011231946A (ja) * | 2010-04-23 | 2011-11-17 | Panasonic Electric Works Co Ltd | 資源管理システム |
EP2410253A2 (en) * | 2010-07-21 | 2012-01-25 | Kabushiki Kaisha Toshiba | Energy consumption management system and energy consumption management apparatus |
JP2012063055A (ja) * | 2010-09-15 | 2012-03-29 | Taisei Corp | 空調環境モニタリングシステム |
US20120290164A1 (en) * | 2011-05-12 | 2012-11-15 | Bruce Hanson | Multi-role unmanned vehicle system and associated methods |
EP2543934A2 (en) * | 2011-07-06 | 2013-01-09 | Mitsubishi Electric Corporation | Air-conditioning apparatus |
JP2013140523A (ja) * | 2012-01-05 | 2013-07-18 | Seiko Epson Corp | 空調環境調整システム、プログラム、記録媒体及び空調環境調整方法 |
CN103486650A (zh) * | 2013-09-05 | 2014-01-01 | 深圳市广宁股份有限公司 | 一种应用于暖通计费及负载优化节能***的智能温控器 |
JP2014173775A (ja) * | 2013-03-07 | 2014-09-22 | Toshiba Corp | 空調制御装置、システム、及び方法 |
CN104279710A (zh) * | 2014-10-08 | 2015-01-14 | 广东美的制冷设备有限公司 | 空调控制方法、***及空调设备 |
KR101495481B1 (ko) * | 2014-11-25 | 2015-02-23 | 서전엔지니어링(주) | 재실인원 정보를 활용한 에너지절감 자동제어시스템 및 그 제어방법 |
JP6099112B1 (ja) * | 2016-09-12 | 2017-03-22 | 株式会社 テクノミライ | デジタルスマート省エネシステム、方法及びプログラム |
CN107023967A (zh) * | 2017-04-17 | 2017-08-08 | 嘉鸿(上海)信息科技咨询有限公司 | 一种暖通空调节能控制*** |
CN107576015A (zh) * | 2017-09-21 | 2018-01-12 | 新智能源***控制有限责任公司 | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 |
CN107781947A (zh) * | 2017-09-21 | 2018-03-09 | 新智能源***控制有限责任公司 | 一种建筑空调***冷热源预测控制方法和装置 |
CN208579472U (zh) * | 2017-12-29 | 2019-03-05 | 广州市互邻空调设备有限公司 | 基于人体感应的空调集中智能控制*** |
CN110736248A (zh) * | 2019-10-29 | 2020-01-31 | 珠海格力电器股份有限公司 | 空调出风温度的控制方法和装置 |
JP2020133963A (ja) * | 2019-02-15 | 2020-08-31 | パナソニックIpマネジメント株式会社 | 空気調和機の最適オン/オフ時刻算出処理を実行するサーバ、および最適オン/オフ時刻算出処理システム |
CN111609539A (zh) * | 2020-05-21 | 2020-09-01 | 安徽天达网络科技有限公司 | 一种用于办公室湿度调节的自适应控制***及其方法 |
JP2020186826A (ja) * | 2019-05-10 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | 空調制御システム及びプログラム |
CN111998505A (zh) * | 2020-08-10 | 2020-11-27 | 武汉蜗牛智享科技有限公司 | 基于RSM-Kriging-GA算法的泛园区空调***能耗优化方法及*** |
CN112268347A (zh) * | 2020-12-09 | 2021-01-26 | 苏州集畅自动化科技发展有限公司 | 一种节能楼宇暖通*** |
US20210107662A1 (en) * | 2019-10-14 | 2021-04-15 | Hamilton Sundstrand Corporation | Environmental control system |
CN113654200A (zh) * | 2021-07-29 | 2021-11-16 | 中国水利水电第六工程局有限公司 | 钢管生产车间温控*** |
CN113847712A (zh) * | 2021-09-15 | 2021-12-28 | 珠海格力电器股份有限公司 | 空调的控制方法、控制装置和空调*** |
WO2022227610A1 (zh) * | 2021-04-26 | 2022-11-03 | 广东美的暖通设备有限公司 | 基于空调***的空间推荐方法、装置、***及存储介质 |
CN115388527A (zh) * | 2022-09-08 | 2022-11-25 | 合肥美的暖通设备有限公司 | 空调的轮转控制方法、装置、空调及介质 |
CN115540275A (zh) * | 2022-10-12 | 2022-12-30 | 广东美的暖通设备有限公司 | 建筑热负荷的分析方法、装置和电子设备 |
CN115751625A (zh) * | 2022-11-07 | 2023-03-07 | 中冶南方城市建设工程技术有限公司 | 智慧园区室内温度控制方法 |
CN116085955A (zh) * | 2023-01-10 | 2023-05-09 | 深圳市拓普瑞电子有限公司 | 一种环境温度监控方法、***、终端设备及存储介质 |
CN116109011A (zh) * | 2023-04-10 | 2023-05-12 | 知鱼智联科技股份有限公司 | 一种智慧园区的能耗管理方法及终端 |
CN116792911A (zh) * | 2023-07-24 | 2023-09-22 | 广东鲲鹏精能源智慧城市科技集团股份有限公司 | 一种中央空调***大数据分析节能控制方法 |
CN117091216A (zh) * | 2023-09-14 | 2023-11-21 | 重庆佳宏数视科技有限公司 | 一种基于5g技术应用的水冷柜式空调*** |
CN117134480A (zh) * | 2023-10-26 | 2023-11-28 | 常州满旺半导体科技有限公司 | 一种基于大数据分析的电源调节监测***及方法 |
CN117146382A (zh) * | 2023-10-31 | 2023-12-01 | 西华大学 | 一种智能化调适***优化方法 |
CN117190393A (zh) * | 2023-10-18 | 2023-12-08 | 广州河东科技有限公司 | 一种空调温度智能调节方法、装置、设备及介质 |
CN117490193A (zh) * | 2023-11-01 | 2024-02-02 | 深圳市大冲绿源科技有限公司 | 一种中央空调水***群控方法 |
-
2024
- 2024-04-07 CN CN202410405784.XA patent/CN117989676B/zh active Active
Patent Citations (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01134145A (ja) * | 1987-11-19 | 1989-05-26 | Matsushita Electric Ind Co Ltd | 空気調和機のタイマー運転制御方法 |
JP2000266388A (ja) * | 1999-03-17 | 2000-09-29 | Mitsubishi Electric Corp | マルチ形冷凍サイクル装置の制御方法および制御装置 |
JP2003194389A (ja) * | 2001-12-28 | 2003-07-09 | Daikin Ind Ltd | 空気調和機 |
JP2005261050A (ja) * | 2004-03-10 | 2005-09-22 | Ntt Data Corp | エネルギー管理装置、施設監視制御装置、エネルギー管理プログラムおよび施設監視制御プログラム |
CN101504169A (zh) * | 2008-02-05 | 2009-08-12 | Lg电子株式会社 | 空调机及其控制方法 |
US20100174414A1 (en) * | 2009-01-07 | 2010-07-08 | Mitsubishi Electric Corporation | Air-conditioning system |
JP2011231946A (ja) * | 2010-04-23 | 2011-11-17 | Panasonic Electric Works Co Ltd | 資源管理システム |
EP2410253A2 (en) * | 2010-07-21 | 2012-01-25 | Kabushiki Kaisha Toshiba | Energy consumption management system and energy consumption management apparatus |
JP2012063055A (ja) * | 2010-09-15 | 2012-03-29 | Taisei Corp | 空調環境モニタリングシステム |
US20120290164A1 (en) * | 2011-05-12 | 2012-11-15 | Bruce Hanson | Multi-role unmanned vehicle system and associated methods |
EP2543934A2 (en) * | 2011-07-06 | 2013-01-09 | Mitsubishi Electric Corporation | Air-conditioning apparatus |
JP2013140523A (ja) * | 2012-01-05 | 2013-07-18 | Seiko Epson Corp | 空調環境調整システム、プログラム、記録媒体及び空調環境調整方法 |
JP2014173775A (ja) * | 2013-03-07 | 2014-09-22 | Toshiba Corp | 空調制御装置、システム、及び方法 |
CN103486650A (zh) * | 2013-09-05 | 2014-01-01 | 深圳市广宁股份有限公司 | 一种应用于暖通计费及负载优化节能***的智能温控器 |
CN104279710A (zh) * | 2014-10-08 | 2015-01-14 | 广东美的制冷设备有限公司 | 空调控制方法、***及空调设备 |
KR101495481B1 (ko) * | 2014-11-25 | 2015-02-23 | 서전엔지니어링(주) | 재실인원 정보를 활용한 에너지절감 자동제어시스템 및 그 제어방법 |
JP6099112B1 (ja) * | 2016-09-12 | 2017-03-22 | 株式会社 テクノミライ | デジタルスマート省エネシステム、方法及びプログラム |
CN107023967A (zh) * | 2017-04-17 | 2017-08-08 | 嘉鸿(上海)信息科技咨询有限公司 | 一种暖通空调节能控制*** |
CN107576015A (zh) * | 2017-09-21 | 2018-01-12 | 新智能源***控制有限责任公司 | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 |
CN107781947A (zh) * | 2017-09-21 | 2018-03-09 | 新智能源***控制有限责任公司 | 一种建筑空调***冷热源预测控制方法和装置 |
CN208579472U (zh) * | 2017-12-29 | 2019-03-05 | 广州市互邻空调设备有限公司 | 基于人体感应的空调集中智能控制*** |
JP2020133963A (ja) * | 2019-02-15 | 2020-08-31 | パナソニックIpマネジメント株式会社 | 空気調和機の最適オン/オフ時刻算出処理を実行するサーバ、および最適オン/オフ時刻算出処理システム |
JP2020186826A (ja) * | 2019-05-10 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | 空調制御システム及びプログラム |
US20210107662A1 (en) * | 2019-10-14 | 2021-04-15 | Hamilton Sundstrand Corporation | Environmental control system |
CN110736248A (zh) * | 2019-10-29 | 2020-01-31 | 珠海格力电器股份有限公司 | 空调出风温度的控制方法和装置 |
CN111609539A (zh) * | 2020-05-21 | 2020-09-01 | 安徽天达网络科技有限公司 | 一种用于办公室湿度调节的自适应控制***及其方法 |
CN111998505A (zh) * | 2020-08-10 | 2020-11-27 | 武汉蜗牛智享科技有限公司 | 基于RSM-Kriging-GA算法的泛园区空调***能耗优化方法及*** |
CN112268347A (zh) * | 2020-12-09 | 2021-01-26 | 苏州集畅自动化科技发展有限公司 | 一种节能楼宇暖通*** |
WO2022227610A1 (zh) * | 2021-04-26 | 2022-11-03 | 广东美的暖通设备有限公司 | 基于空调***的空间推荐方法、装置、***及存储介质 |
CN113654200A (zh) * | 2021-07-29 | 2021-11-16 | 中国水利水电第六工程局有限公司 | 钢管生产车间温控*** |
CN113847712A (zh) * | 2021-09-15 | 2021-12-28 | 珠海格力电器股份有限公司 | 空调的控制方法、控制装置和空调*** |
CN115388527A (zh) * | 2022-09-08 | 2022-11-25 | 合肥美的暖通设备有限公司 | 空调的轮转控制方法、装置、空调及介质 |
CN115540275A (zh) * | 2022-10-12 | 2022-12-30 | 广东美的暖通设备有限公司 | 建筑热负荷的分析方法、装置和电子设备 |
CN115751625A (zh) * | 2022-11-07 | 2023-03-07 | 中冶南方城市建设工程技术有限公司 | 智慧园区室内温度控制方法 |
CN116085955A (zh) * | 2023-01-10 | 2023-05-09 | 深圳市拓普瑞电子有限公司 | 一种环境温度监控方法、***、终端设备及存储介质 |
CN116109011A (zh) * | 2023-04-10 | 2023-05-12 | 知鱼智联科技股份有限公司 | 一种智慧园区的能耗管理方法及终端 |
CN116792911A (zh) * | 2023-07-24 | 2023-09-22 | 广东鲲鹏精能源智慧城市科技集团股份有限公司 | 一种中央空调***大数据分析节能控制方法 |
CN117091216A (zh) * | 2023-09-14 | 2023-11-21 | 重庆佳宏数视科技有限公司 | 一种基于5g技术应用的水冷柜式空调*** |
CN117190393A (zh) * | 2023-10-18 | 2023-12-08 | 广州河东科技有限公司 | 一种空调温度智能调节方法、装置、设备及介质 |
CN117134480A (zh) * | 2023-10-26 | 2023-11-28 | 常州满旺半导体科技有限公司 | 一种基于大数据分析的电源调节监测***及方法 |
CN117146382A (zh) * | 2023-10-31 | 2023-12-01 | 西华大学 | 一种智能化调适***优化方法 |
CN117490193A (zh) * | 2023-11-01 | 2024-02-02 | 深圳市大冲绿源科技有限公司 | 一种中央空调水***群控方法 |
Non-Patent Citations (1)
Title |
---|
张微;: "外界参数对房间空调器运行能耗与能效影响分析", 门窗, no. 09, 20 September 2015 (2015-09-20), pages 271 * |
Also Published As
Publication number | Publication date |
---|---|
CN117989676B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103853106B (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
CN115095907B (zh) | 基于深度学习的智慧供热节能调控方法、***及存储介质 | |
CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和*** | |
CN115762169B (zh) | 一种环卫车无人驾驶的智能控制***及方法 | |
CN116109011B (zh) | 一种智慧园区的能耗管理方法及终端 | |
CN116992246B (zh) | 一种矿井下风流参数智能感知方法及*** | |
CN110598902A (zh) | 一种基于支持向量机与knn相结合的水质预测方法 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN107036238A (zh) | 动态预测外气与负载智慧节能控制方法 | |
CN117989676B (zh) | 基于大数据的空调能耗数据监管方法及*** | |
CN117172625A (zh) | 一种对既有建筑进行节能改造的综合化分析方法 | |
CN108446783A (zh) | 一种新风机运行功率的预测及监控方法 | |
CN112686442A (zh) | 基于运行多样性空调末端能耗预测方法和*** | |
CN112347648A (zh) | 面向供暖负荷温度异常综合分析算法 | |
CN116085937B (zh) | 智能中央空调节能控制方法及*** | |
CN116821855A (zh) | 一种基于多元线性回归模型的污泥干化状态智能预测方法 | |
CN112052983B (zh) | 一种基于信息物理融合的分布式电储热装置负荷预测方法 | |
CN117114368B (zh) | 一种基于人工智能的工业大数据数据安全监测***及方法 | |
CN117556192B (zh) | 一种基于人工智能的用户增长式运营***及方法 | |
CN117474710B (zh) | 中空玻璃全过程信息化管理*** | |
CN117520797B (zh) | 基于集群式电热泵需求侧响应潜力评价*** | |
CN118350512A (zh) | 基于超短期数据的水量智能预测模型的数据分析方法 | |
CN118171873A (zh) | 一种机房节能运维管理方法和*** | |
CN118293536A (zh) | 空调变流量水***节能自控***及其控制方法 | |
CN118429141A (zh) | 一种公路施工能耗分析优化方法 |
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 |