TWI536282B - 校園節能類神經網路決策支援系統及其方法 - Google Patents
校園節能類神經網路決策支援系統及其方法 Download PDFInfo
- Publication number
- TWI536282B TWI536282B TW104121429A TW104121429A TWI536282B TW I536282 B TWI536282 B TW I536282B TW 104121429 A TW104121429 A TW 104121429A TW 104121429 A TW104121429 A TW 104121429A TW I536282 B TWI536282 B TW I536282B
- Authority
- TW
- Taiwan
- Prior art keywords
- neural network
- signal
- power
- power consumption
- output
- Prior art date
Links
Landscapes
- Air Conditioning Control Device (AREA)
Description
本發明係一種校園節能決策系統,特別係一種利用前饋式類神經網路架構搭配倒傳遞類神經網路學習法進行用電量類神經網路推論及舒適度類神經網路推論,以獲得用電效能評估輸出結果的節能決策系統。
現行校園電力系統評估單位空間內的用電效能指標都是以累計用電量方式呈現,此方法對於電能是否被有效利用並不適用。以教室為例,教室坪數大小、每周上課節次、教室內平均上課人次等,都是影響用電效能的關鍵因素,單就用電量數據評估教室用電效能,容易忽略無效利用的耗電資料,例如:上百人於大教室上課,用電結果呈現高耗電量,雖在數據統計上可能被視為不具節能的用電行為,但於每人平均的使用用電卻係相當低,仍然係屬於合理的用電範圍。而若單人開啟10人小教室冷氣及電燈自習,用電量雖低,但此用電方式係沒有效率,惟,目前在實務上很難察覺這種細小的用電浪費行為。
有鑑於上述習知技藝之問題,本發明之目的就是在提供一種校園節能類神經網路決策支援系統及其方法,以解決目前校園用電管理方
法較單一之問題,且無法依據各校園之空間實際用電情形而改變用電管理方法之問題。
本發明係一種校園節能類神經網路決策支援系統,包含:用電感測單元、濕度感測單元、溫度感測單元、照明感測單元、資料庫及處理模組。
其中,用電感測單元係感測用電感測單元係感測區域中之空間之用電量,以傳送用電訊號,其中用電訊號係可例如為區域中之空間之用電人數及耗電資訊。濕度感測單元係感測區域中之空間之濕度,以傳送濕度訊號。溫度感測單元係感測區域中之空間之溫度,以傳送溫度訊號。照明感測單元係感測區域中之空間之亮度,以傳送亮度訊號。
續言之,本發明之資料庫係用以儲存複數筆用電基準數據。處理模組係分別連接用電感測單元、濕度感測單元、溫度感測單元、照明單元及資料庫,其中處理模組係接收且將用電訊號、濕度訊號、溫度訊號及亮度訊號進行格式統一及正規化後,將正規化後之用電訊號進行用電量類神經網路推論,以獲得用電量輸出結果及將正規化後之溫度訊號、濕度訊號及亮度訊號進行舒適度類神經網路推論,以獲得舒適度輸出結果,其中處理模組將用電量輸出結果及舒適度輸出結果與資料庫中之用電基準數據進行比對,以獲得用電效能評估輸出結果。
較佳者,本發明之校園節能類神經網路決策支援系統之用電量類神經網路推論及舒適度類神經網路推論可例如係使用前饋式類神經網路架構搭配倒傳遞類神經網路學習法。
較佳者,本發明之校園節能類神經網路決策支援系統之資料庫中之用電基準數據可例如為經濟部能源局學校節約能源技術手冊內耗能指標基準及區域中之空間之歷史用電基準。
較佳者,本發明之校園節能類神經網路決策支援系統之用電量類神經網路推論公式、舒適度類神經網路推論公式及用電效能評估推論公式可例如為a k =g k (b k +Σ j g j (b j +Σ i a i w ij )w jk ),其中a為神經元(neuron)的輸出,a i 是輸入層(input layer)的輸出(例如:用電量、人數、溫濕度及光照度等),a j 是隱藏層(hidden layer)的輸出,a k 是輸出層(output layer)的輸出(例如:用電量效能指標、舒適度指標),b j 與b k 為偏移值(bias),g j 與g k 為轉移函數(transfer function),w ij 與w jk 為神經元之間的權重值(weights)。
本發明係一種校園節能類神經網路決策支援之方法,包含下列步驟:(1)利用電感測單元感測區域中之空間之用電量,以傳送用電訊號,其中用電訊號係為區域中之空間之用電人數及耗電資訊;(2)利用濕度感測單元感測區域中之空間之濕度,以傳送濕度訊號;(3)利用溫度感測單元感測區域中之空間之溫度,以傳送溫度訊號;(4)利用照明感測單元感測區域中之空間之亮度,以傳送亮度訊號;(5)藉由資料庫儲存複數筆用電基準數據;(6)透過處理模組接收且將用電訊號、濕度訊號、溫度訊號及亮度訊號進行格式統一及正規化後,將正規化後之用電訊號進行用電量類神經網路推論,以獲得用電量輸出結果及將正規化後之溫度訊號、濕度訊號及亮度訊號進行舒適度類神經網路推論,以獲得舒適度輸出結果,其中處理模組將用電量輸出結果及舒適度輸出結果與資料庫中之用電基準數據進行比對,以獲得用電效能評估輸出結果。
較佳者,本發明係一種校園節能類神經網路決策支援之方法之用電量類神經網路推論及舒適度類神經網路推論可例如係使用前饋式類神經網路架構搭配倒傳遞類神經網路學習法。
較佳者,本發明係一種校園節能類神經網路決策支援之資料庫中之該用電基準數據可例如為經濟部能源局學校節約能源技術手冊內耗能指標基準及該區域中之該空間之歷史用電基準。
較佳者,本發明係一種校園節能類神經網路決策支援之用電量類神經網路推論公式、舒適度類神經網路推論公式及用電效能評估推論公式可例如為a k =g k (b k +Σ j g j (b j +Σ i a i w ij )w jk ),其中a為神經元(neuron)的輸出,a i 是輸入層(input layer)的輸出(例如:用電量、人數、溫濕度及光照度等),a j 是隱藏層(hidden layer)的輸出,a k 是輸出層(output layer)的輸出(例如:用電量效能指標、舒適度指標),b j 與b k 為偏移值(bias),g j 與g k 為轉移函數(transfer function),w ij 與w jk 為神經元之間的權重值(weights)。
綜上述,本發明之校園節能類神經網路決策支援系統及其方法具有下列優點:
(1)透過本發明之處理模組接收且將用電訊號、濕度訊號、溫度訊號及亮度訊號進行格式統一及正規化後,將正規化後之用電訊號進行用電量類神經網路推論,以獲得用電量輸出結果及將正規化後之溫度訊號、濕度訊號及亮度訊號進行舒適度類神經網路推論,以獲得舒適度輸出結果。且本發明之用電量類神經網路推論及舒適度類神經網路推論係前饋式類神經網路架構搭配倒傳遞類神經網路學習法進行推論,以將複雜用電數據化零為整,有效提醒校園各單位及使用者用電情形,降低校園用電量。
(2)本發明之處理模組更可將用電量輸出結果及舒適度輸出結果與資料庫中之用電基準數據進行比對,以獲得用電效能評估輸出結果,且本發明之用電基準數據可例如為學校節約能源技術手冊內耗能指標基準及區域中之空間之歷史用電基準,以獲得明確地用電量評估值,使得校園用電管理單位可以更有系統地管理校園各處之用電情形。
10‧‧‧用電感測單元
11‧‧‧用電訊號
20‧‧‧濕度感測單元
21‧‧‧濕度訊號
30‧‧‧溫度感測單元
31‧‧‧溫度訊號
40‧‧‧照明感測單元
41‧‧‧亮度訊號
50‧‧‧資料庫
51‧‧‧用電基準數據
60‧‧‧處理模組
S10~S50‧‧‧步驟
第1圖係為本發明之校園節能類神經網路決策支援系統之系統方塊圖。
第2圖係為本發明之校園節能類神經網路決策支援方法之步驟流程圖。
第3圖係為本發明之校園節能類神經網路決策支援方法及其方法之用電量類神經網路推論架構圖。
請參閱第1及3圖,其係為本發明之校園節能類神經網路決策支援系統之系統方塊圖。本發明之校園節能類神經網路決策支援系統,包含用電感測單元10、濕度感測單元20、溫度感測單元30、照明感測單元40、資料庫50及處理模組60。
其中,本發明之用電感測單元10係感測區域中之空間中之用電量,以傳送用電訊號11,其中用電訊號11可例如為區域中之空間之用電人數及耗電資訊。本發明之濕度感測單元20感測區域中之空間之濕度,以傳送濕度訊號21。本發明之溫度感測單元30係感測區域中之空間之溫度,以傳送溫度訊號31。本發明之照明感測單元40係感測區域中之空間之亮
度,以傳送亮度訊號41。上述之區域之空間可例如為一棟教學大樓中之各樓層之各個教室,而用電感測單元10、濕度感測單元20、溫度感測單元30及照明感測單元40係設置於各個教室中,以感測該教室之用電量、溫度、濕度及亮度。
續言之,本發明之資料庫50係用以儲存複數筆用電基準數據51,其中用電基準數據51可例如為經濟部能源局學校節約能源技術手冊內耗能指標基準及區域中之空間之歷史用電基準。
再言之,本發明之校園節能類神經網路決策支援系統之處理模組60係分別以有線傳輸方式或是無線傳輸方式連接用電感測單元10、濕度感測單元20、溫度感測單元30、照明單元40及資料庫50,其中處理模組60係接收且將用電訊號11、濕度訊號21、溫度訊號31及亮度訊號41進行格式統一及正規化後,將正規化後之用電訊號11進行用電量類神經網路推論,以獲得用電量輸出結果及將正規化後之溫度訊號21、濕度訊號31及亮度訊號41進行舒適度類神經網路推論,以獲得舒適度輸出結果,其中處理模組60將用電量輸出結果及舒適度輸出結果與資料庫中之用電基準數據進行比對,以獲得用電效能評估輸出結果。上述之用電量類神經網路推論公式、舒適度類神經網路推論公式及用電效能評估推論公式可例如為a k =g k (b k +Σ j g j (b j +Σ i a i w ij )w jk ),其中a為神經元(neuron)的輸出,a i 是輸入層(input layer)的輸出(例如:用電量、人數、溫濕度及光照度等),a j 是隱藏層(hidden layer)的輸出,a k 是輸出層(output layer)的輸出(例如:用電量效能指標、舒適度指標),b j 與b k 為偏移值(bias),g j 與g k 為轉移函數(transfer function),w ij 與w jk 為神經元之間的權重值(weights)。
本發明之校園節能類神經網路決策支援系統之介面可例如以HTML5與手機的應用程式(Application)方式呈現,具實用價值,且本發明可例如使用私有雲(Private Cloud)概念,例如校園中的各樓層架設有叢集伺服器,以放置各樓層所感測到的用電量、溫度、濕度及照明亮度等資料,意旨上述之資料都是儲存在雲端上。利用進階精簡指令集機器(Advanced RISC Machine,ARM)高性能處理器設計此本發明所使用的嵌入式系統,在此平台上安裝即時作業系統(Real-Time Operating System,RTOS)。透過每一樓層中的伺服器所感測到的該些資料往雲端伺服器傳送,以達到即時的訊號資料傳遞,省電性能高一大區域的資料。
請參閱第2圖,其係為本發明之校園節能類神經網路決策支援方法之步驟流程圖。本發明之用電感測單元、濕度感測單元、溫度感測單元及照明感測單元可例如設置於一校園中之各教室中,以感測教室中的用電量、濕度、溫度及照明亮度。首先,本發明係利用用電感測單元感測區域中之空間之用電量,以傳送用電訊號(S10),此用電訊號係可例如為區域中之空間之用電人數及耗電資訊;利用濕度感測單元感測區域中之空間之濕度,以傳送濕度訊號(S20);利用溫度感測單元感測區域中之空間之溫度,以傳送溫度訊號(S30);利用照明感測單元感測區域中之空間之亮度,以傳送亮度訊號(S40)。
接著,本發明更透過處理模組先接收且將上述之用電訊號、濕度訊號、溫度訊號及亮度訊號進行格式統一及正規化後,再將正規化後之用電訊號進行用電量類神經網路推論,以獲得用電量輸出結果及將正規化後之溫度訊號、濕度訊號及亮度訊號進行舒適度類神經網路推論,以獲
得舒適度輸出結果,其中該處理模組將上述之用電量輸出結果及舒適度輸出結果與資料庫中所儲存之複數筆用電基準數據進行比對,以獲得用電效能評估輸出結果(S50)。
請繼續參閱第1~3圖。在生活或工作環境中有效地管理用電,以用電力監測、電腦圖控、用電資訊資料庫、網路通訊等技術,提供校園電力管理部門一個資訊化的用電管理與控制工具,是目前各機關努力推動的方向。不同於一般機關行號用電時間、人員與場景較為固定,校園內主要用電場景都發生於教室、實驗室、禮堂等大型公眾場合,用電行為也都以流動型的學生為主,電器設備與使用習性均不相同,即時且自動化電力監控與資料蒐集,可輔助校園用電管理單位供電管理與決策,達成節能效益並減少費用支出。
舉例來說,本發明之類神經網路決策方法主要係應用於一校園中,以管理校園中各教室及各教室中流動之學生人數,進而推論出一用電效能評估輸出結果。首先,校園用電管理單位需於校園中各教室設置有用電感測單元10、濕度感測單元20、溫度感測單元30及亮度感測單元40,並將感測到的用電訊號11、濕度訊號21、溫度訊號31及亮度訊號41以有線方式或是無線方式傳送至處理模組60。上述之無線傳輸方式可例如為利用ZigBee或是WiFi進行傳輸,但於此並不設限,只要可穩定地傳輸訊號之無線傳輸方式皆適用本發明。
續言之,本發明之校園節能類神經網路決策支援系統及其方法之處理模組60接收用電訊號11、濕度訊號21、溫度訊號31及亮度訊號41後,處理模組60會先將各種不同通訊協定與資料格式的感測訊號,即時轉
換為統一格式並將資料正規化,並將正規化後的用電訊號11進行用電類神經網路推論,以獲得用電量輸出結果,此用電量輸出結果可例如為一個0~1的數值,其中該數值可對應低用電、中用電或高用電等指標;以及將正規化後的溫度訊號21、濕度訊號31及亮度訊號41進行舒適度類神經網路推論,以獲得舒適度輸出結果,此舒適度輸出結果可例如為一個0~1的數值,其中該數值可對應低舒適、中舒適或高舒適等指標。本發明之用電量類神經網路推論及舒適度類神經網路推論可例如利用前饋式類神經網路架構搭配倒傳遞類神經網路學習法,但本發明於此並不拘限上述之類神經網路架構及學習法,只要任何可計算出用電量及舒適度之類神經網路架構及學習法皆適用本發明。且,本發明之用電量類神經網路推論公式、舒適度類神經網路推論公式及用電效能評估推論公式為a k =g k (b k +Σ j g j (b j +Σ i a i w ij )w jk ),其中a為神經元(neuron)的輸出,a i 是輸入層(input layer)的輸出(例如:用電量、人數、溫濕度及光照度等),a j 是隱藏層(hidden layer)的輸出,a k 是輸出層(output layer)的輸出(例如:用電量效能指標、舒適度指標),b j 與b k 為偏移值(bias),g j 與g k 為轉移函數(reansfer function),w ij 與w jk 為神經元之間的權重值(weights)。上述之權重值與偏移值可以利用學習演算法,例如:倒傳遞演算法配合學習資料(例如:用電基準資料庫)所習得。
再言之,本發明之校園節能類神經網路決策支援系統及其方法之處理模組60更可將上述所獲得之用電量輸出結果及舒適度輸出結果與設置於雲端上的資料庫50中之複數筆用電基準數據51進行比對,以獲得用電效能評估輸出結果,讓校園用電管理單位可依據用電效能評估輸出結
果進行各教室之用電管理。上述之用電效能評估輸出結果可例如為一個0~1的數值,其中該數值可對應節能、低耗能、正常、耗能及高耗能等指標。
此外,本發明之用電量評估可例如依據該區域之該空間中的用電人數、耗電量、空間大小、是否為西曬空間、是否為實驗室等基準以進行用電量之評估;而舒適度評估可例如依據該區域之該空間中的溫度、濕度、照明亮度、二氧化碳濃度、室內空氣品質等環境感測以進行舒適度之評估,讓校園用電管理單位可以更準確地掌握校園中之各教室之空間情形,進而對該教室之空間進行用電之管控。
承上述,詳言之,本發明之校園節能類神經網路決策支援系統及其方法之流程可例如分為下列三個階段:
(1)用電量系統:將在校園內所收集之耗電資訊用電人數等數據,經由資料前處理並配合經濟部能源局學校節約能源技術手冊內耗能指標公式運算,將計算後之數據輸入用電量系統,取得其明確輸出之用電量評估值。
(2)舒適度指標:將溫濕度、照明度及二氧化碳濃度等環境感測資訊使用相同方式演算,以決定其舒適度。一般而言,高舒適度將伴隨著高耗能。
(3)用電評估系統:依據上述兩項類神經網路之推論結果作為輸入值,再加入大教室、西曬空間、實驗室等不同的用電基準線及舒適度規則庫運算用電效能評估數值,預期可提供節能、低耗能、正常、耗能及
高耗能五種分級數據,本發明之用電級距的建立有助於更清楚檢視校園內單位用電,同時本數據也將應用於建置後續耗能評估資訊報告。
另外,本發明更可將以此整合系統結合教室排課、活動舉辦場地使用、實驗室借用等既有之空間使用資訊系統,再用電行為發生前估算用電效益比,以期達到最佳電能利用。本發明亦可利用Android作業手機應用程式,提醒用電管理單位使用,當發生用電效益不佳,或是空間內無人使用的無效用電發生時,可即時透過資訊系統關閉用電,再配合校園既有之用電量統計網頁系統,呈現上述所有用電效能資訊,以報表形式提供後續用電檢討。
總言之,透過本發明之校園節能類神經網路決策支援系統及其方法於設計上之巧思,讓校園用電管理單位可以明確地掌握各教室之用電情形及學生人數,進而對各教室進行用電管理,以達到節能之效果。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
10‧‧‧用電感測單元
11‧‧‧用電訊號
20‧‧‧濕度感測單元
21‧‧‧濕度訊號
30‧‧‧溫度感測單元
31‧‧‧溫度訊號
40‧‧‧照明感測單元
41‧‧‧亮度訊號
50‧‧‧資料庫
51‧‧‧用電基準數據
60‧‧‧處理模組
Claims (6)
- 一種校園節能類神經網路決策支援系統,包含:一用電感測單元,該用電感測單元係感測一區域中之至少一空間之用電量,以傳送一用電訊號,其中該用電訊號係為該區域中之該空間之用電人數及耗電資訊;一濕度感測單元,該濕度感測單元係感測該區域中之該空間之濕度,以傳送一濕度訊號;一溫度感測單元,該溫度感測單元係感測該區域中之該空間之溫度,以傳送一溫度訊號;一照明感測單元,該照明感測單元係感測該區域中之該空間之亮度,以傳送一亮度訊號;一資料庫,該資料庫係用以儲存複數筆用電基準數據;以及一處理模組,該處理模組係分別連接該用電感測單元、該濕度感測單元、該溫度感測單元、該照明單元及該資料庫,其中該處理模組係接收且將該用電訊號、該濕度訊號、該溫度訊號及該亮度訊號進行格式統一及正規化後,將正規化後之該用電訊號進行用電量類神經網路推論,以獲得一用電量輸出結果及將正規化後之該溫度訊號、該濕度訊號及該亮度訊號進行舒適度類神經網路推論,以獲得一舒適度輸出結果,其中該處理模組將該用電量輸出結果及該舒適度輸出結果與該資料庫中之該些用電基準數據進行比對,以獲得一用電效能評估輸出結果;其中,該用電量類神經網路推論及該舒適度類神經網路推論係使用前饋式類神經網路架構搭配倒傳遞類神經網路學習法。
- 如申請專利範圍第1項所述之校園節能類神經網路決策支援系統,其中該資料庫中之該用電基準數據為經濟部能源局學校節約能源技術手冊內耗能指標基準及該區域中之該空間之歷史用電基準。
- 如申請專利範圍第1項所述之校園節能類神經網路決策支援系統,其中該用電量類神經網路推論公式、該舒適度類神經網路推論公式及該用電效能評估推論公式為a k =g k (b k +Σ j g j (b j +Σ i a i w ij )w jk ),其中a為神經元(neuron)的輸出,a i 是輸入層(input layer)的輸出(例如:用電量、人數、溫濕度及光照度等),a j 是隱藏層(hidden layer)的輸出,a k 是輸出層(output layer)的輸出(例如:用電量效能指標、舒適度指標),b j 與b k 為偏移值(bias),g j 與g k 為轉移函數(transfer function),w ij 與w jk 為神經元之間的權重值(weights)。
- 一種校園節能類神經網路決策支援之方法,包含下列步驟:利用一用電感測單元感測一區域中之至少一空間之用電量,以傳送一用電訊號,其中該用電訊號係為該區域中之該空間之用電人數及耗電資訊;利用一濕度感測單元感測該區域中之該空間之濕度,以傳送一濕度訊號;利用一溫度感測單元感測該區域中之該空間之溫度,以傳送一溫度訊號;利用一照明感測單元感測該區域中之該空間之亮度,以傳送一亮度訊號;藉由一資料庫儲存複數筆用電基準數據;以及 透過一處理模組接收且將該用電訊號、該濕度訊號、該溫度訊號及該亮度訊號進行格式統一及正規化後,將正規化後之該用電訊號進行用電量類神經網路推論,以獲得一用電量輸出結果及將正規化後之該溫度訊號、該濕度訊號及該亮度訊號進行舒適度類神經網路推論,以獲得一舒適度輸出結果,其中該處理模組將該用電量輸出結果及該舒適度輸出結果與該資料庫中之該些用電基準數據進行比對,以獲得一用電效能評估輸出結果;其中,該用電量類神經網路推論及該舒適度類神經網路推論係使用前饋式類神經網路架構搭配倒傳遞類神經網路學習法。
- 如申請專利範圍第4項所述之校園節能類神經網路決策支援之方法,其中該資料庫中之該用電基準數據為經濟部能源局學校節約能源技術手冊內耗能指標基準及該區域中之該空間之歷史用電基準。
- 如申請專利範圍第4項所述之校園節能類神經網路決策支援之方法,其中該用電量類神經網路推論公式、該舒適度類神經網路推論公式及該用電效能評估推論公式為a k =g k (b k +Σ j g j (b j +Σ i a i w ij )w jk ),其中a為神經元(neuron)的輸出,a i 是輸入層(input layer)的輸出(例如:用電量、人數、溫濕度及光照度等),a j 是隱藏層(hidden layer)的輸出,a k 是輸出層(output layer)的輸出(例如:用電量效能指標、舒適度指標),b j 與b k 為偏移值(bias),g j 與g k 為轉移函數(transfer function),w ij 與w jk 為神經元之間的權重值(weights)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104121429A TWI536282B (zh) | 2015-07-02 | 2015-07-02 | 校園節能類神經網路決策支援系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104121429A TWI536282B (zh) | 2015-07-02 | 2015-07-02 | 校園節能類神經網路決策支援系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI536282B true TWI536282B (zh) | 2016-06-01 |
TW201702941A TW201702941A (zh) | 2017-01-16 |
Family
ID=56755781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104121429A TWI536282B (zh) | 2015-07-02 | 2015-07-02 | 校園節能類神經網路決策支援系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI536282B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI662485B (zh) * | 2016-12-31 | 2019-06-11 | 大陸商上海兆芯集成電路有限公司 | 裝置,運作裝置之方法與其電腦程式產品 |
CN112134962A (zh) * | 2020-10-17 | 2020-12-25 | 广东鉴面智能科技有限公司 | 一种智能教室排课及分配***和方法 |
-
2015
- 2015-07-02 TW TW104121429A patent/TWI536282B/zh not_active IP Right Cessation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI662485B (zh) * | 2016-12-31 | 2019-06-11 | 大陸商上海兆芯集成電路有限公司 | 裝置,運作裝置之方法與其電腦程式產品 |
CN112134962A (zh) * | 2020-10-17 | 2020-12-25 | 广东鉴面智能科技有限公司 | 一种智能教室排课及分配***和方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201702941A (zh) | 2017-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105446139A (zh) | 基于bp神经网络的建筑能耗分析方法与*** | |
TWI526852B (zh) | 基於電器使用狀態的人數計算方法及其監控系統 | |
CN103984316A (zh) | 能源管理设备和*** | |
CN105956752A (zh) | 用于绿色公共建筑运营阶段的能效评估与诊断分析方法 | |
CN114239972A (zh) | 基于人工智能技术的校园能效与电气安全管理方法和*** | |
CN115528817A (zh) | 一种用户端智能配用电***、方法、介质、设备及终端 | |
CN110658725A (zh) | 一种基于人工智能的能源监管和预测***及其方法 | |
CN107657339A (zh) | 家庭能效管理方法和*** | |
CN115423301A (zh) | 一种基于物联网的电力能源智能管控方法、装置及*** | |
CN114897241A (zh) | 一种基于数字孪生的楼宇能效智能化监管预测方法 | |
CN112987617A (zh) | 近零能耗建筑数字化管理***及能效监测方法 | |
Ren et al. | Design and optimization of integrated energy management network system based on internet of things technology | |
CN114564683B (zh) | 园区智慧用电监测*** | |
TWI536282B (zh) | 校園節能類神經網路決策支援系統及其方法 | |
CN116681177A (zh) | 一种基于建筑能耗碳积分减免制的建筑节能方法和*** | |
Fan et al. | Study on load monitoring and demand side management strategy based on Elman neural network optimized by sparrow search algorithm | |
TWM510485U (zh) | 校園節能類神經網路決策支援系統 | |
CN105005623A (zh) | 基于关键词检索指数相关性分析的用电需求预测方法 | |
CN105956683A (zh) | 公共机构电力需求侧管理***以及电能质量预测方法 | |
CN103838194A (zh) | 一种基于无线网络的智能能耗数据采集*** | |
Zhou et al. | Secure and intelligent energy data management scheme for smart IoT devices | |
Nichiforov et al. | Embedded on-line system for electrical energy measurement and forecasting in buildings | |
Li et al. | Electricity consumption forecast of hunan province using combined model based on multivariate linear regression and BP neural network | |
Singh et al. | Energy efficiency | |
Zheng et al. | Design of Energy Consumption Monitoring System for Group Building Construction Based on Mobile Node |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |