[發(fā)明專利]一種基于智能建筑AI的能耗分析診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111097662.1
• 申請(qǐng)日: 2021-09-18
• 公開（公告）號(hào): CN113835341A
• 公開（公告）日: 2021-12-24
• 發(fā)明（設(shè)計(jì)）人: 陳書熙;吳先利;朱國來;蒙龍
• 申請(qǐng)（專利權(quán)）人: 中郵科通信技術(shù)股份有限公司
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04;G06N3/04;G06N3/08;G08B21/18
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

本發(fā)明涉及一種基于智能建筑AI的能耗分析診斷方法。其核心是根據(jù)海量數(shù)據(jù)構(gòu)建的AI模型，通過AI模型生成的相應(yīng)信息進(jìn)行后續(xù)的處理。在系統(tǒng)已授權(quán)AI模型進(jìn)行設(shè)備操作的情況下，配合自生成的異常問題診斷的報(bào)告書進(jìn)行后續(xù)的設(shè)備調(diào)度處理，例如空調(diào)設(shè)備，在通過智能建筑采集網(wǎng)關(guān)采集人體感應(yīng)器判斷某個(gè)房間或區(qū)域是否存在人員的設(shè)備下發(fā)關(guān)閉或自動(dòng)化調(diào)節(jié)溫度及功能模式等指令，通過類似這樣的調(diào)度方式可以降低能耗以達(dá)到減少成本、節(jié)能減排的效果。

技術(shù)領(lǐng)域

本發(fā)明可應(yīng)用于高鐵站、政府辦公大樓、酒店、醫(yī)院、園區(qū)、寫字樓等大型商用建筑系統(tǒng)的能耗分析領(lǐng)域，具體涉及一種基于智能建筑AI的能耗分析診斷方法。

背景技術(shù)

現(xiàn)有的智能建筑能耗管理模式：

(1)只能根據(jù)現(xiàn)有數(shù)據(jù)生成的圖表及運(yùn)維人員的經(jīng)驗(yàn)去判斷能耗是否有問題，指標(biāo)定制不夠靈活多變且往往是已產(chǎn)生能耗異常過后的一段時(shí)間內(nèi)才發(fā)現(xiàn)問題。

(2)發(fā)生能耗相關(guān)問題時(shí)無法快速定位問題原因，需要咨詢各個(gè)設(shè)備的運(yùn)維人員。

(3)需要人員對(duì)設(shè)備進(jìn)行確認(rèn)后逐個(gè)進(jìn)行調(diào)度，容易發(fā)生疏漏或下發(fā)錯(cuò)誤指令等問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于智能建筑AI的能耗分析診斷方法，通過在智能建筑中引入AI模塊，根據(jù)能耗趨勢(shì)預(yù)測(cè)達(dá)到提前預(yù)警，縮短能耗異常問題診斷的時(shí)間及響應(yīng)時(shí)間，同一規(guī)范的執(zhí)行設(shè)備操作，達(dá)成從能耗分析到能耗異常及異常定位、診斷最后解決的一體化服務(wù)。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種基于智能建筑AI的能耗分析診斷方法，通過智能建筑的采集網(wǎng)關(guān)采集設(shè)備能耗使用數(shù)據(jù)，使用數(shù)據(jù)分析算法+AI深度學(xué)習(xí)模型進(jìn)行可視化處理及異常分析，實(shí)現(xiàn)數(shù)據(jù)透明、智能運(yùn)維和設(shè)備智能調(diào)度的服務(wù)。

在本發(fā)明一實(shí)施例中，所述AI深度學(xué)習(xí)模型包括LSTM、GRU和DNN。

在本發(fā)明一實(shí)施例中，通過數(shù)據(jù)分析算法中的數(shù)據(jù)挖掘技術(shù)和LSTM對(duì)設(shè)備能耗使用數(shù)據(jù)進(jìn)行可視化處理，其中LSTM公式如下：

其中表示張量里的數(shù)據(jù)對(duì)應(yīng)相乘相加，L_t為長期記憶流數(shù)據(jù)，H_t為短期記憶流數(shù)據(jù)，X_t為輸入流數(shù)據(jù)，Y_t為輸出流數(shù)據(jù)，下標(biāo)t代表當(dāng)前時(shí)間步，t-1代表上一個(gè)時(shí)間步，a、b、c、d代表四個(gè)內(nèi)部神經(jīng)單元，σ即S函數(shù)、tanh即雙曲正切函數(shù)均為激活函數(shù)，W_xi、W_hi為i神經(jīng)單元的權(quán)重張量，b_i為i神經(jīng)單元的偏置，i＝a、b、c、d。

在本發(fā)明一實(shí)施例中，通過數(shù)據(jù)分析算法和GRU對(duì)設(shè)備能耗使用數(shù)據(jù)進(jìn)行趨勢(shì)預(yù)測(cè)并對(duì)可能發(fā)生的異常值進(jìn)行預(yù)警，并使用DNN與大數(shù)據(jù)技術(shù)實(shí)現(xiàn)的專家模型生成異常檢測(cè)報(bào)告和處理方案，而后使用IBMS的樓宇自控技術(shù)在已授權(quán)的情況下根據(jù)處理方案進(jìn)行一鍵式控制，調(diào)整設(shè)備運(yùn)行功能以達(dá)到減少能耗的目的，GRU的基本公式如下：

其中X_t為輸入流數(shù)據(jù)，Y_t為輸出流數(shù)據(jù)，GRU為LSTM的變體，G_t為將LSTM中的長期記憶流與短期記憶流的數(shù)據(jù)合并的算法。

相較于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：本發(fā)明方法通過在智能建筑中引入AI模塊，根據(jù)能耗趨勢(shì)預(yù)測(cè)達(dá)到提前預(yù)警，縮短能耗異常問題診斷的時(shí)間及響應(yīng)時(shí)間，同一規(guī)范的執(zhí)行設(shè)備操作，達(dá)成從能耗分析到能耗異常及異常定位、診斷最后解決的一體化服務(wù)。

附圖說明

圖1為本發(fā)明方法流程示意圖。