[發明專利]一種基于物聯傳感的建筑節能方法和系統

有效

• 申請號: 201911421848.0
• 申請日: 2019-12-31
• 公開（公告）號: CN111191939B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 重慶特斯聯智慧科技股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/08;G06N3/04;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

1.一種基于物聯傳感的建筑節能方法，其特征在于，包括以下步驟：

感知步驟，實時感知群組內傳感器提供的數據信息，并將其傳輸至調控決策步驟中；所述傳感器包括照度傳感器和/或溫度傳感器；所述數據信息包括照度傳感數據和/或溫度傳感數據；

調控決策步驟，根據所述數據信息確定所述群組的調控策略，并下達調控指令至執行步驟中；所述群組內還設立調控決策的軟硬件以便進行調控決策步驟的操作；在調控決策步驟中，調控決策的軟硬件根據感知步驟中所述群組內的傳感器提供的數據信息執行計算、分析和決策，以確定所述群組的調控策略，并向執行步驟中的所述群組內的執行設備下達調控指令；

此時，中心服務器僅需處理群組無法處理、沒有權限處理的任務；進行跨群組之間的數據信息和指令的中轉；對各個群組的運行狀態進行監控，調整群組的組織，包括向群組增減傳感器或執行設備、合并群組、以及撤銷群組；

采用多決策備份的機制，在每一群組內設置若干調控決策；根據群組中的傳感器和執行設備的總數量、和/或群組所對應的建筑空間面積和復雜度來決定群組中配置的調控決策的軟硬件的數量；所述群組所對應的建筑空間面積和復雜度由建筑空間中障礙物的數量來評估；

執行步驟，執行設備根據所述調控指令進行工作；

所述執行設備包括空調供暖設備和照明燈具，所述調控指令包括調節溫度到達某一值，以及調節照度到達某一值；

所述調控決策步驟包括：建立BP神經網絡模型；所述BP神經網絡模型以所述群組內的數據信息作為輸入量，以所述群組的若干決策結果作為輸出量；所述決策結果為執行的工作目標的設定值；所述決策結果包括調控本群組內的照明燈具亮度至某一亮度值,或者包括調控本群組內的空調暖風設備溫度至某一溫度值；

所述調控決策步驟包括以下步驟：

步驟1，分析所述若干決策結果的得分，當得分最高的所述決策結果對應的調控決策為主決策時，執行步驟2，當得分最高的所述決策結果對應的所述調控決策為備份決策時，執行步驟3；

步驟2，下達所述調控指令；

步驟3，將所述備份決策升級為所述主決策，并下達所述調控指令，將原有的所述主決策變更為所述備份決策；

所述主決策在作出決策結果后，根據決策結果向所述群組的執行步驟中的執行設備下達調控指令；所述備份決策僅需作出決策結果，而無需下達調控指令；

主決策和備份決策交換決策結果或者決策結果的得分；通過投票機制實現主決策與備份決策之間的地位切換；具體來說，群組的每個調控決策中都具有投票過程，若干投票過程具有相同的投票規則；從而根據彼此交換的各個調控決策的決策結果，按投票規則給出投票得分結果；確定投票得分最高的決策結果為本群組的調控策略，當投票得分最高的決策結果對應的調控決策為備份決策而非當前的主決策時，則將投票得分最高的備份決策自動升級為主決策，并由其下達調控指令，而原來的主決策則變更為備份決策；

所述步驟1包括以下步驟：

步驟1.1，根據預定的時間間隔采集所述群組內的數據信息；

步驟1.2，根據所述數據信息作出所述若干決策結果，并分析所述決策結果的可執行度，從而獲得調控決策得分；在步驟1.2中，調控決策根據自身采集的數據信息輸入BP神經網絡模型而做出決策結果；根據每一調控決策的決策結果，分析群組內的執行設備的可執行度；當決策結果超出了執行設備允許執行的范圍，或者執行設備在有效時間內無法達到決策結果要求的工作目標的設定值時，則認為可執行度為0，相應的，如果執行設備達到決策結果要求的工作目標所需的有效時間越長，那么可執行度就越低，可執行度越低則該調控決策的得分就越低；當執行設備在有效時間內無法達到決策結果為預定的溫度值或者亮度值時，可執行度為0；

步驟1.3，根據所述若干決策結果計算所述決策結果的決策相似度指數，以此獲得調控決策得分；如果一個調控決策對應的決策結果與其它決策結果的相似度指數低則該調控決策的得分低；

步驟1.4，根據所述步驟1.2的所述調控決策得分、或者所述步驟1.2和所述步驟1.3的所述調控決策得分的總和，確定所述決策結果的得分。

2.根據權利要求1所述的建筑節能方法，其特征在于，所述BP神經網絡模型以若干樣本進行訓練，訓練之后的所述BP神經網絡模型根據所述群組內的數據信息輸出所述若干決策結果；所述樣本包括數據信息和決策結果，能夠使得訓練之后的BP神經網絡模型根據本群組內的傳感器提供的數據信息輸出所述決策結果。

3.一種基于物聯傳感的建筑節能系統，其特征在于，包括：

傳感器，用于實時感知群組內傳感器提供的數據信息，并將其傳輸至調控決策模塊中；所述傳感器包括照度傳感器和/或溫度傳感器；所述數據信息包括照度傳感數據和/或溫度傳感數據；

若干調控決策模塊，用于根據所述數據信息確定所述群組的調控策略，并下達調控指令至執行設備中；所述群組內還設立調控決策的軟硬件以便進行調控決策模塊的操作；在調控決策模塊中，調控決策的軟硬件根據所述群組內的傳感器提供的數據信息執行計算、分析和決策，以確定所述群組的調控策略，并向所述群組內的執行設備下達調控指令；

中心服務器僅需處理群組無法處理、沒有權限處理的任務；進行跨群組之間的數據信息和指令的中轉；對各個群組的運行狀態進行監控，調整群組的組織，包括向群組增減傳感器或執行設備、合并群組、以及撤銷群組；

采用多決策備份的機制，在每一群組內設置若干調控決策；根據群組中的傳感器和執行設備的總數量、和/或群組所對應的建筑空間面積和復雜度來決定群組中配置的調控決策的軟硬件的數量；所述群組所對應的建筑空間面積和復雜度由建筑空間中障礙物的數量來評估；

執行設備，用于根據所述調控指令進行工作；所述執行設備包括空調供暖設備和照明燈具，所述調控指令包括調節溫度到達某一值，以及調節照度到達某一值；

所述調控決策模塊包括：BP神經網絡模型；所述BP神經網絡模型以所述群組內的數據信息作為輸入量，以所述群組的若干決策結果作為輸出量；所述決策結果為執行的工作目標的設定值；所述決策結果包括調控本群組內的照明燈具亮度至某一亮度值,或者包括調控本群組內的空調暖風設備溫度至某一溫度值；

所述若干調控決策模塊包括：主決策模塊和若干備份決策模塊；所述主決策模塊用于根據所述數據信息計算分析作出所述決策結果，并根據所述決策結果向所述執行設備下達所述調控指令；所述備份決策模塊用于根據所述數據信息計算分析作出所述決策結果；所述主決策模塊在作出決策結果后，根據決策結果向所述群組的執行步驟中的執行設備下達調控指令；所述備份決策模塊僅需作出決策結果，而無需下達調控指令；所述主決策模塊和所述備份決策模塊均包括：投票模塊；所述投票模塊用于確定所述決策結果的得分；

若所述主決策模塊的所述決策結果的得分最高，則由所述主決策模塊下達所述調控指令；若所述備份決策模塊的所述決策結果的得分最高，則將所述備份決策模塊升級為所述主決策模塊，并由其下達所述調控指令，從而將原有的所述主決策模塊變更為所述備份決策模塊；

在所述投票模塊中，投票規則的得分機制包括：信息獲取單元、第一得分單元、第二得分單元和得分確定單元；

所述信息獲取單元，用于通過所述主決策模塊和若干備份決策模塊按照預定的時間間隔采集所述群組內的數據信息；

所述第一得分單元，用于通過所述主決策模塊和若干備份決策模塊根據所述數據信息作出所述若干決策結果，并分析所述決策結果的可執行度，從而獲得調控決策得分；調控決策根據自身采集的數據信息輸入BP神經網絡模型而做出決策結果；根據每一調控決策的決策結果，分析群組內的執行設備的可執行度；當決策結果超出了執行設備允許執行的范圍，或者執行設備在有效時間內無法達到決策結果要求的工作目標的設定值時，則認為可執行度為0，相應的，如果執行設備達到決策結果要求的工作目標所需的有效時間越長，那么可執行度就越低，可執行度越低則該調控決策的得分就越低；當執行設備在有效時間內無法達到決策結果為預定的溫度值或者亮度值時，可執行度為0；

所述第二得分單元，用于根據所述若干決策結果計算所述決策結果的決策相似度指數，并以此獲得調控決策得分；如果一個調控決策對應的決策結果與其它決策結果的相似度指數低則該調控決策的得分低；

所述得分確定單元，用于根據所述第一得分單元的所述調控決策得分、或者所述第一得分單元和所述第二得分單元的所述調控決策得分的總和，確定所述決策結果的得分。