[發明專利]能耗控制方法、裝置、計算機設備與存儲介質

在審

• 申請號: 201911023644.1
• 申請日: 2019-10-25
• 公開（公告）號: CN110942228A
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 張勝浩
• 申請（專利權）人: 萬翼科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/08;G06F16/26;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 李姣姣

本申請涉及一種能耗控制方法、裝置、計算機設備和存儲介質，其中，方法包括：獲取建筑物內的實時影響能耗特征指標數據以及實時能耗數據，將實時影響能耗特征指標數據輸入至預設能耗預測深度學習模型，得到能耗預測數據，根據實時能耗數據以及能耗預測數據，對建筑物內各設備進行能耗控制，預設耗預測深度學習模型采用歷史影響能耗特征指標數據以及對應的歷史能耗數據訓練得到，并且引入反向傳播方式對模型中網絡參數進行修正，可以確保模型輸出的能耗預測數據準確，最終使得能夠以準確的能耗預測數據作為基準，判斷實時能耗數據情況，進一步實現對建筑物內能耗控制。

技術領域

本申請涉及智能控制技術領域，特別是涉及一種能耗控制方法、裝置、計算機設備與存儲介質。

背景技術

近年來國內大型建筑不斷增多，并且95％為高能耗建筑，導致建筑物能耗迅速增長。為了降低能耗、節約能源，需要對建筑物中的能耗設備進行監管。

由于建筑物內部的能耗設備數量很多，人工監管壓力非常大；另外，為了實時監測室內光照與溫度信息，無法對各燈具和空調運行狀態進行智能控制，難以能耗的精準控制。

因此，目前急需提供一種可以自動且準確實現能耗控制方案。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠自動且準確實現能耗控制的能耗控制方法、裝置、計算機設備與存儲介質。

一種能耗控制方法，所述方法包括：

獲取建筑物內的實時影響能耗特征指標數據以及實時能耗數據；

將所述實時影響能耗特征指標數據輸入至預設能耗預測深度學習模型，得到能耗預測數據；

根據所述實時能耗數據以及所述能耗預測數據，對建筑物內各設備進行能耗控制；

所述預設能耗預測深度學習模型由以下方式得到：獲取建筑物的歷史影響能耗特征指標數據以及對應的歷史能耗數據；以所述歷史影響能耗特征指標數據作為輸入、并以所述歷史能耗數據作為輸出訓練初始深度學習模型，通過反向傳播修正所述初始神經深度學習模型中網絡參數，得到預設能耗預測深度學習模型。

在其中一個實施例中，所述獲取建筑物內的實時影響能耗特征指標數據以及實時能耗數據包括：

建立與建筑物內能耗采集系統之間socket連接；

接收所述建筑物內能耗采集系統周期性上傳的實時影響能耗特征指標數據以及實時能耗數據。

在其中一個實施例中，上述能耗控制方法還包括：

對建筑物的歷史能耗數據進行可視化處理。

在其中一個實施例中，所述對建筑物的歷史能耗數據進行可視化處理包括：

根據所述建筑物的歷史能耗數據，獲取能耗變化趨勢數據以及建筑物中各設備能耗占比數據；

調用商業級數據圖表的API，根據所述能耗變化趨勢數據，構建能耗趨勢折線圖；

調用所述商業級數據圖表的API，根據所述建筑物中各設備能耗占比數據，構建能耗占比餅狀圖。

在其中一個實施例中，所述根據所述實時能耗數據以及所述能耗預測數據，對建筑物內各設備進行能耗控制包括：

將所述實時能耗數據以及所述能耗預測數據輸入至預設能耗狀態分類模型，得到能耗狀態分類結果；

根據所述能耗狀態分類結果，對建筑物內各設備進行能耗控制，所述能耗狀態分類結果包括能耗過低、能耗正常以及能耗過高。

在其中一個實施例中，所述將所述實時能耗數據以及所述能耗預測數據輸入至預設能耗狀態分類模型，得到能耗狀態分類結果之前，還包括：