一种楼宇能耗控制节能系统及其方法与流程

本发明属于控制系统技术领域，具体涉及一种楼宇能耗控制节能系统及其方法。

背景技术：

近些年来楼宇自动系统在建筑工程项目建设中得到了广泛的应用，不仅实现了智能建筑信息化的目标还从一定程度上起到了节能的作用，大大结束了我国能源短缺的状况，然而就我国楼宇自控水平而言与其他发达国家还存在一定差距。

目前传统的楼宇能耗控制节能系统复杂多样，但在设备方面的巡检，控制系统和能源管理系统相互独立，绝大部分只能做到数据收集和数据采集，无法实现楼宇能耗的控制节能。

技术实现要素：

本发明在于提供一种楼宇能耗控制节能系统及其方法，以解决目前传统的楼宇能耗控制节能系统复杂多样，但在设备方面的巡检，数据方面的抄录都是通过人工操作，效率低且成本高，控制系统和能源管理系统相互独立，绝大部分只能做到数据收集和数据采集，无法实现楼宇能耗控制节能的问题。

本发明是这样实现的，本发明提供一种楼宇能耗控制节能系统，包括信息获取模块和数据处理模块，以及将信息获取模块获取的信息传输到数据处理模块的无线传输模块；

所述信息获取模块用于获取信息，所述信息获取模块包含空气质量检测单元和设施信息获取单元，

其中，所述空气质量检测单元用于收集环境信息，所述空气质量检测单元包括温度传感器、湿度传感器、移动传感器、pm2.5浓度检测器、二氧化碳浓度检测器、烟雾传感器和照度传感器，

所述设施信息获取单元用于采集设备的参数信息及所在楼宇间的位置信息和楼宇参数信息，所述楼宇参数信息包括楼宇的窗口面积、光照面积、灯具数量信息、发热设备信息和人员流动信息，其中所述设备的参数信息及所在楼宇间的位置信息通过控制器获取，所述楼宇参数信息通过人工采集的方式获取，

所述无线传输模块用于接受信息获取模块中收集的信息，并将所收集到信息发送到数据处理模块中，

所述数据处理模块用于对获取信息进行处理，并实现楼宇能耗控制节能，

所述数据处理模块包含数据清洗单元、数据储存单元和智能化控制单元，

其中，所述数据清洗单元用于对获取的信息进行数据清洗和整理，

所述数据储存单元用于储存经过数据清洗后的信息，

所述智能化控制单元根据数据储存单元中储存的信息生成神经网络模型，所述神经网络模型通过决策树算法、反向传播算法和设备所在楼宇位置控制设备的运行，以及楼宇的各参数信息调节控制设备的运行，完成楼宇间设备智能化控制。

优选的，所述环境信息具体包括空气中的氧气浓度、pm2.5、二氧化碳浓度、温度和湿度数据。

优选的，所述设备为冷冻机组、水泵、冷却塔、风机盘管和新风系统。

优选的，所述无线传输模块通过mqtt协议将将所收集到的空气质量模块和设备信息模块中的信息发送到数据处理模块中。

优选的，所述神经网络模型通过反向传播算法进行训练，直到神经网络模型的输出误差值小于0.00015426时，停止反向传播算法。

优选的，所述神经网络模型为三层神经网络模型，所述三层神经网络模型包含输入层、隐藏层和输出层，

其中，所述输入层的输入值为环境信息，

所述隐藏层由多个偏置节点组成，所述偏置节点用于对环境信息进行范化，

所述输出层输出设备的出水温度、冷却塔温度、新风系统开启档位、风机盘管开启模式和风机转速。

优选的，所述决策树算法用于获取设备的运转信息。

一种楼宇能耗控制节能方法，其特征在于：包括如下步骤，

步骤s1：通过环境检测设备获取当地的环境信息，

步骤s2：通过在设备上连接控制器，通过控制器获取设备所在楼宇的位置信息、设备参数信息和楼宇参数信息，

步骤s3：通过无线传输将步骤s1和步骤s2中获取的信息发送到管理服务器，

步骤s4：管理服务器接收步骤s3发送的信息，对信息进行数据清洗，并将经过数据清洗后的信息进行储存，

步骤s5：根据步骤s4中储存的信息生成神经网络模型，并通过反向传播算法对神经网络模型进行训练，神经网络模型根据决策树算法、反向传播算法和设备所在楼宇位置信息控制设备的运行，实现楼宇间设备智能化控制。

优选的，所述步骤s1中的环境检测设备为温度传感器、湿度传感器、移动传感器、pm2.5浓度检测器、二氧化碳浓度检测器、烟雾传感器和照度传感器。

优选的，所述控制器为smartbox专用互联网模块。

与现有的技术相比，本发明的有益效果是：通过设置空气检测单元和设施信息获取单元获取环境信息和设备所在楼宇位置信息，以实现对数据信息的采集，通过设置数据清洗单元对获取的信息进行重新审查和校验，目的在于删除重复的信息，纠正错误，并提供数据的一致性，然后通过智能化控制单元生成神经网络模型，通过神经网络模型控制设备的运行，从而实现楼宇能耗的控制节能，已解决目前传统的楼宇能耗控制节能系统复杂多样，但在设备方面的巡检，控制系统和能源管理系统相互独立，绝大部分只能做到数据收集和数据采集，无法实现楼宇能耗的控制节能的问题。

附图说明

图1为本发明的系统图；

图2为本发明的方法流程示意图；

具体实施方式

下面将结合发明实施例中的附图，对发明实施例中的技术方法进行清楚、完整地描述，显然，所描述的实施例仅仅是发明一部分实施例，而不是全部的实施例。基于发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于发明保护的范围。

实施例1

请参阅图1，本发明提供一种楼宇能耗控制节能系统，包括信息获取模块和数据处理模块，以及将信息获取模块获取的信息传输到数据处理模块的无线传输模块；

所述信息获取模块用于获取信息，所述信息获取模块包含空气质量检测单元和设施信息获取单元，

其中，所述空气质量检测单元用于收集环境信息，所述空气质量检测单元包括温度传感器、湿度传感器、移动传感器、pm2.5浓度检测器、二氧化碳浓度检测器、烟雾传感器和照度传感器，

所述设施信息获取单元用于采集设备的参数信息及所在楼宇间的位置信息和楼宇参数信息，所述楼宇参数信息包括楼宇的窗口面积、光照面积、灯具数量信息、发热设备信息和人员流动信息，其中所述设备的参数信息及所在楼宇间的位置信息通过控制器获取，所述楼宇参数信息通过人工采集的方式获取，所述无线传输模块用于接受信息获取模块中收集的信息，并将所收集到信息发送到数据处理模块中，

所述数据处理模块用于对获取信息进行处理，并实现楼宇能耗控制节能，

所述数据处理模块包含数据清洗单元、数据储存单元和智能化控制单元，

其中，所述数据清洗单元用于对获取的信息进行数据清洗和整理，

所述数据储存单元用于储存经过数据清洗后的信息，

所述智能化控制单元根据数据储存单元中储存的信息生成神经网络模型，所述神经网络模型通过决策树算法、反向传播算法和设备所在楼宇位置控制设备的运行，以及楼宇的各参数信息调节控制设备的运行，完成楼宇间设备智能化控制。

在本实施方式中，通过设置信息获取模块获取信息，所述信息获取模块中的空气质量检测单元用于获取环境信息，所述信息获取模块中的设备信息获取模块用于获取设备所在楼宇位置信息，所述设施信息获取单元用于获取设施的窗口面积、关照面积、灯具数量信息、发热设备信息和人员流动信息，通过无线传输模块将环境信息和设备所在楼宇位置信息发送到数据处理模块，通过数据处理模块中的数据清洗单元对环境信息和设备所在楼宇位置信息进行重新审查和校验，提高信息的一致性，通过数据储存单元储存信息，智能化控制单元对数据储存单元中的数据进行分析，生成神经网络模型，神经网络模型根据决策树算法、反向传播算法和设备所在楼宇位置信息对设备进行控制，从而实现楼宇能耗控制节能。

进一步的，所述环境信息具体包括空气中的氧气浓度、pm2.5、二氧化碳浓度、温度和湿度数据。

在本实施方式中，所述环境信息具体包括空气中的氧气浓度、pm2.5、二氧化碳浓度、温度和湿度数据，通过将获取到外界环境信息与设备运行状态进行对照，从而判断是否需要对设备进行节能控制，实现楼宇能耗控制节能功能。

进一步的，所述设备为冷冻机组、水泵、冷却塔、风机盘管和新风系统。

在本实施方式中，冷冻机组的回水温度、出水温度和机组效率对冷冻机组进行控制，水泵中获取的数据用于获取水泵流量并不控制水泵，根据冷却塔的水散热效率，从室内到冷却塔以后的水降温情况对冷冻机塔进行控制，根据室内温度要求对风机盘管进行控制。

进一步的，所述无线传输模块通过mqtt协议将将所收集到的空气质量模块和设备信息模块中的信息发送到数据处理模块中。

在本实施方式中，所述无线传输模块通过mqtt协议将将所收集到的空气质量模块和设备信息模块中的信息发送到数据处理模块中，mqtt协议可以用极少的代码和有限的宽带，为远程设备提供实时可靠的消息服务，作为一种低带宽占用的即时通讯协议，mqtt协议在物联网、小型设备、移动应用等方面均有广泛的作用。

进一步的，所述神经网络模型通过反向传播算法进行训练，直到神经网络模型的输出误差值小于0.00015426时，停止反向传播算法。

在本实施方式中，神经网络模型的训练过程由正向传播过程和反向传播过程组成。在正向传播过程中，输入信息通过输入层经隐含层，逐层处理并传向输出层。如果在输出层得不到期望的输出值，则取输出与期望的误差的平方和作为目标函数，转入反向传播，逐层求出目标函数对各神经元权值的偏导数，构成目标函数对权值向量的梯量，作为修改权值的依据，网络的学习在权值修改过程中完成。误差达到所期望值0.00015426时，神经网络模型训练结束。

进一步的，所述神经网络模型为三层神经网络模型，所述三层神经网络模型包含输入层、隐藏层和输出层，

其中，所述输入层的输入值为环境信息，

所述隐藏层由多个偏置节点组成，所述偏置节点用于对环境信息进行范化，

所述输出层输出设备的出水温度、冷却塔温度、新风系统开启档位、风机盘管开启模式和风机转速。

在本实施方式中，三层神经网络模型实质上实现了一个从输入到输出的映射功能，能够以任何精度逼近任何非线性连续函数，三层神经网络模型在训练师，能够通过学习自动提取输出，输出数据间的合理规则，并自适应的将训练内容记忆于网络的权值中，同时，三层神经网络模型还具有泛化能力和容错能力。

进一步的，所述决策树算法用于获取设备的运转信息。

在本实施方式中，决策树算法是一种十分常用的分类方法。也是监督学习的一种，是在已知各种情况发生概率的基础上，通过决策树算法获取设备的运转信息，评价设备的运转信息，并判断楼宇能耗控制节能可行性的决策分析方法。

在本实施方式中，信息获取模块获取信息，所述信息获取模块中的空气质量检测单元用于获取环境信息，所述环境信息具体包括空气中的氧气浓度、pm2.5、二氧化碳浓度、温度和湿度数据，所述信息获取模块中的设备信息获取模块用于获取设备所在楼宇位置信息，通过无线传输模块利用mqtt协议将环境信息和设备所在楼宇位置信息发送到数据处理模块，通过数据处理模块中的数据清洗单元对环境信息和设备所在楼宇位置信息进行重新审查和校正正，纠正存在的错误，智能化控制单元对数据储存单元中的数据进行分析，生成神经网络模型，神经网络模型根据决策树算法、反向传播算法和设备所在楼宇位置信息对设备进行控制，完成楼宇能耗控制节能。

实施例2

请参阅图2，本发明提供一种楼宇能耗控制节能方法，包括如下步骤，

步骤s1：通过环境检测设备获取当地的环境信息，

步骤s2：通过在设备上连接控制器，通过控制器获取设备所在楼宇的位置信息，

步骤s3：通过无线传输将步骤s1中获取的环境信息和步骤s2中获取的所在楼宇的位置信息发送到管理服务器，

步骤s4：管理服务器接收步骤s3发送的信息，对信息进行数据清洗，并将经过数据清洗后的信息进行储存，

步骤s5：根据步骤s4中储存的信息生成神经网络模型，并通过反向传播算法对神经网络模型进行训练，神经网络模型根据决策树算法、反向传播算法和设备所在楼宇位置信息控制设备的运行，完成楼宇间设备智能化控制。

在本实施方式中，通过设置控制器与设备所在楼宇的位置信息，通过网络获取当地的环境信息，在通过无限传输将获取到的设备所在楼宇的位置信息和环境信息传送到管理服务器中，通过管理服务器对设备所在楼宇位置和环境信息进行数据清洗，提高数据的一致性，纠正数据存在的错误，管理服务器对信息进行储存分析，并生成神经网络模型，最后神经网络模型根据决策树算法、反向传播算法和设备所在楼宇位置信息控制设备的运行，实现楼宇能耗控制节能。

进一步的，所述步骤s1中的环境检测设备为温度传感器、湿度传感器、移动传感器、pm2.5浓度检测器、二氧化碳浓度检测器、烟雾传感器和照度传感器。

在本实施方式中，所述步骤s1中的环境检测设备为温度传感器、湿度传感器、移动传感器、pm2.5浓度检测器、二氧化碳浓度检测器、烟雾传感器和照度传感器，通过每一小时获取依次当地的空气中的氧气浓度、pm2.5、二氧化碳浓度、温度和湿度数据，增加所获取数据的准确性，从而加大楼宇能耗控制节能的精确性。

进一步的，所述控制器为smartbox专用互联网模块。

在本实施方式中，通过在设备上连接smartbox专用互联网模块，通过smartbox专用互联网模块对设备进行对接，从而获取设备的所在楼宇位置信息，然后smartbox专用互联网模块通过4g无线网络利用mqtt协议将获取到的信息发送到管理服务器端中。

在本实施方式中，通过网络获取当地的环境信息，所述环境信息具体包括空气中的氧气浓度、pm2.5、二氧化碳浓度、温度和湿度数据，通过在设备上连接smartbox专用互联网模块，通过smartbox专用互联网模块获取设备所在楼宇的位置信息，通过4g网络利用mqtt协议将获取的环境信息和获取的所在楼宇的位置信息发送到管理服务器，管理服务器接收发送的信息，对信息进行数据清洗，并将经过数据清洗后的信息进行储存，管理服务器根据储存的信息生成神经网络模型，并通过反向传播算法对神经网络模型进行训练，神经网络模型根据决策树算法、反向传播算法和设备所在楼宇位置信息控制设备的运行，实现楼宇能耗控制节能。

尽管已经示出和描述了发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，发明的范围由所附权利要求及其等同物限定。