一种医院节能措施质量分析方法及其实施的云端运营系统与流程

本发明涉及能源管理领域，特别是涉及一种医院节能措施质量分析方法及其实施的云端运营系统。

背景技术：

1、节能是指在保证医院正常业务运作的前提下，节省或者节约其他不必要的能源消耗。

2、目前医院可通过技改节能或者管理节能措施进行节能，但是节能措施的效果是否达到最佳效果，或者能否继续挖掘某项措施的节能量缺少一个评价标准，只能靠现场执行人员的专业知识或者经验，节能措施没有发挥到最大效用。主要通过流程管理上调节各设备的使用管理，实现节能，但是并不适用于现代化医院的节能减排需求。

3、各医院项目上的节能措施的执行都是独立的，数据也仅存于项目本地，医院之间的节能措施数据无法进行互相的对标，医院场景下的数据相对孤立，无法产生更大价值。因此，可以研发利用云端数据，打破孤岛让数据产生更多的价值，帮助医院提高管理水平。

技术实现思路

1、本发明的目的是提供一种医院节能措施质量分析方法及其实施的云端运营系统，以提供医院节能措施质量分析，由此提高医院节能措施执行的效果，提高医院能源管理水平，避免能源浪费，提升现场节能率，实现节能减排的目的。

2、为实现上述目的，本发明提供了如下方案：

3、一种医院节能措施质量分析方法，包括以下步骤：

4、(一)在云端运营系统建立节能措施及相关因子库，将节能措施及相关因子库按照专业系统和一般系统进行分类管理；专业系统的节能措施及相关因子内置于云端运营系统中，一般系统的节能措施及相关因子由后续的数据经过训练得出；其中：所述专业系统包括中央空调系统、vrv系统(冷剂式空调系统)、锅炉系统、照明系统，因此，专业系统的因子库如中央空调系统的节能量影响因子为环境温度、主机负载率、水泵频率、冷冻水供回水温度、冷却水供回水温度等；所述一般系统指将专业系统除外的其他节能措施，此类系统由于没有业界通用的因子，因此根据后续的数据训练得出；

5、(二)根据节能措施库及相关因子库，通过云端运营系统持续抽取医院侧的运营数据，形成能耗数据库；按照节能措施系统名称、节能量数据、对应的因子数据对所述能耗数据库进行分类管理，作为节能措施节能量测算的数据来源；

6、(三)拟合形成节能量测算曲线

7、对于专业系统，根据内置于云端运营系统的节能措施及相关因子库因子，通过图神经网络算法进行拟合，对具体节能措施的节能量和因子进行拟合，拟合出专业系统的节能量测算曲线；

8、对于一般系统，先使用皮尔森相关系数进行节能措施的节能量的关联分析，筛选出影响节能量较高的关联因子，即0.7≤相关系数绝对值≤1的关联因子，再通过图神经网络算法进行拟合，对具体节能措施的节能量和高关联因子进行拟合，拟合出一般系统的节能量测算曲线；

9、(四)根据专业系统的节能量测算曲线和一般系统的节能量测算曲线，建立节能措施节能量标准库，根据节能措施节能量标准库实现：

10、发布不同类型节能措施的理论节能量，可以是一个节能量区间，如中央空调群控、除湿机参数调整、净化空调间歇运行等，用于现场节能量的质量评估；

11、结合现场上传的实际工况数据，计算出常规工况下的节能量标准值，发布典型工况节能措施节能量；

12、在获取到现场的实际参数值后，也可以根据节能措施对应的节能量测算曲线，计算下发理论值给现场用以对标。

13、在上述质量分析过程中，所述云端运营系统持续抽取医院侧的运营数据时，针对性抽取的能耗相关因子数据包括：(1)各医院节能措施的实际节能量；(2)节能措施执行过程中涉及到的医院类型、医院等级、供应面积、环境温度、湿度、风速、人流量、设备信息、设备运行参数、运行时间、关闭时间。其中，第(2)项涉及的能耗相关因子数据由气象网站、以及医院本地系统中获取。

14、在拟合专业系统的节能量测算曲线时，通过图神经网络算法进行拟合的过程如下：

15、(1)图构建：将关联因子作为图的节点，并根据所述关联因子之间的相互关系构建连接；进一步的，在拟合专业系统节能量测算曲线中的图构建时，可以将不同时间点的关联因子作为图的节点，并根据它们之间的关系构建边，构建出具有拓扑结构的图。

16、(2)特征表示：将节点和边的特征转换为向量，以向量方式表示为图的特征，用于构建图的输入神经网络；

17、(3)神经网络架构：选择适合医院节能量测算的神经网络架构，并将图的特征输入神经网络架构进行训练。

18、(4)训练模型：定义损失函数，用于衡量预测值和真实值之间的差异；所定义的损失函数是均方误差(mean squared error,mse)；通过反向传播算法和优化算法(如梯度下降)来更新网络参数，以最小化损失函数；

19、(5)模型评估和调优：使用验证集评估模型的性能，验证集可使用实验局的实际运行数据，并根据需要进行调优；该步骤可以尝试不同的网络架构、超参数和优化算法，以找到最佳模型，本步骤最终选择的模型是图卷积网络算法。

20、(6)预测：训练完成后，可以使用图神经网络进行预测。

21、进一步的，在拟合专业系统节能量测算曲线中的特征表示时，可以使用图卷积网络(graph convolutional networks,gcn)来提取节点和边的特征。

22、进一步的，在拟合专业系统节能量测算曲线中，常见的神经网络架构，包括图卷积网络(gcn)、图注意力网络(graph attention networks,gat)等。

23、进一步的，在拟合专业系统节能量测算曲线中的预测，可以给定新的关联因子，网络将输出对应的节能量预测。

24、在拟合一般系统的节能量测算曲线时，皮尔森相关系数用于度量两个变量之间的相关程度，计算公式如下：

25、

26、两个变量指a和b，其中：a是节能措施的具体节能量值；b为某类关联因子的值；n代表样本数量；ai和bi代表a、b对应的第i组样本。

27、通过公式(1)计算出每类关联因子和节能措施节能量之间的相关系数(即p(a,b))后，对该值取绝对值；当0.7≤绝对值≤1的，定为强相关因子，保留进行该节能措施下一步的拟合。

28、用于所述医院节能措施质量分析方法实施的云端运营系统，其包括：

29、数据中台模块，用于抽取医院侧与节能措施相关的能耗数据及关联因子数据，并对抽取的数据进行脱敏和异常清洗，主要包括重复值处理、空缺值处理、异常值处理、数据标准化等，并对医院关键信息进行加密或者截断等，保证数据可用性和稳定性；

30、ai中台模块，用于建立算法能力中心，支撑业务的大量数据的训练，利用皮尔森相关系数及图神经网络算法，为节能措施建立合理的测算曲线；

31、节能措施及相关因子库模块，根据专业系统及一般系统建立有各系统独立的因子库；其中，专业系统的因子内置于该模块中，一般系统的关联因子通过数据训练产生反向填补，支持查询节能措施及其对应的相关因子；

32、能耗数据库模块，建立有能耗数据库，可从医院侧抽取的数据经数据中台模块不断填入到能耗数据库中；填入到能耗数据库的数据包括医院的信息、能耗的信息、节能措施信息等，每条数据都建立起唯一的标识编码，保证数据的真实性和唯一性；通过能耗数据库可有效对数据进行管理和展示；

33、节能量标准库模块，可根据数据训练，不断获取不同节能措施的节能量测算曲线，形成并不断更新节能量标准库；所述节能量标准库，用于现场节能量的质量评估，并可在获取现场的实际参数值后，下发理论值给现场用以对标；

34、典型工况节能量模块，对于节能措施的常见工况，根据工况中影响因子的具体数据，计算常见工况下的节能量参考值，进行公示，用于节能措施实施前的预估等作用；

35、实际工况标准值下发模块，医院侧上送节能措施的现场实际工况，与节能量标准库进行匹配后，由节能量标准库给出实际工况下的标准节能量，由此模块进行收集并下发给医院侧，便于医院侧对实际节能量进行评价，如节能量不达标，则因对现场运行情况进行查检，以确定改进措施。

36、根据上述技术方案，本发明的技术效果如下：

37、本发明在为医院提供能源管理的背景下，利用云端运营系统，汇集海量医院专业数据，打破医院之间的数据壁垒，使医院的节能措施执行数据产生更大价值，通过对大数据的清洗和分析，找出每类节能措施的影响关联因子，并通过拟合获得节能量测算曲线，使节能措施的质量数据可测算可对比，利用大数据，建立医院的节能措施的质量评价标准，使现场的执行节能动作有标准可量化，充分挖掘医院的节能空间，有效提高医院能源管理的节能率。