建筑节能策略优化控制方法、装置、设备及可读存储介质与流程

1.本发明涉及建筑技术领域，尤其涉及建筑节能策略优化控制方法、装置、设备及可读存储介质。


背景技术：

2.能源是社会最重要的资源之一。在能源消耗总量中，建筑行业能源密集，约占能耗总量的40％。而根据美国能源信息局的数据，这些能耗中的57％来自供暖、通风、空调以及照明等环节。综合考虑整个建筑的能量消耗机制，提高建筑能效，已经成为设计师和研究人员考虑的一个国际问题。
3.在以往的建筑节能设计中，大多数的研究都致力于建筑物材料的设计或是研究建筑节能设备或装置，但是随着物联网的普及，传统建筑开始迅速向智能建筑转型，上述方式对于建筑节能策略的制定都是固定逻辑的，不够灵活，无法适应发展迅速的智能建筑。


技术实现要素：

4.本发明的主要目的在于提供一种建筑节能策略优化控制方法、装置、设备及可读存储介质，旨在解决如何改善现有的建筑节能策略，以使其能够适应发展迅速的智能建筑的技术问题。
5.为实现上述目的，本发明提供一种建筑节能策略优化控制方法，所述建筑节能策略优化控制方法包括以下步骤：
6.获取预设用能系统及预设用能设备的运行参数；
7.根据所述运行参数构建数据模型；
8.基于所述数据模型自动生成多种能耗配置方案；
9.组合所述多种能耗配置方案以建立综合节能方案；
10.基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
11.可选地，所述根据所述运行参数构建数据模型的步骤包括：
12.根据所述运行参数构建基本数据模型和用能隶属关系图。
13.可选地，所述根据所述运行参数构建数据模型的步骤之后包括：
14.根据所述数据模型配置多项系统初级指标参数。
15.可选地，所述基于所述数据模型自动生成多种能耗配置方案的步骤包括：
16.将所述多项系统初级指标参数分别代入所述数据模型，自动生成与所述多项系统指标参数对应的多种能耗配置方案。
17.可选地，所述基于所述数据模型自动生成多种能耗配置方案的步骤之后包括：
18.获取所述多种能耗配置方案所属的维度类型；
19.根据所述维度类型对所述多种能耗配置方案进行分类。
20.可选地，所述组合所述多种能耗配置方案以建立综合节能方案的步骤包括：
21.组合不同分类的所述多种能耗配置方案以建立综合节能方案。
22.可选地，所述基于所述综合节能方案构建优化数据模型以优化所述综合节能方案的步骤包括：
23.基于所述综合节能方案构建优化数据模型；
24.基于所述优化数据模型构建优化节能方案；
25.基于所述优化节能方案和综合节能方案进行对比分析；
26.获取对比分析结果，根据所述对比分析结果生成建议配置报告；
27.根据所述建议配置报告优化所述综合节能方案。
28.此外，为实现上述目的，本发明还提供一种建筑节能策略优化控制装置，所述建筑节能策略优化控制装置包括：
29.获取模块，用于获取预设用能系统及预设用能设备的运行参数；
30.构建模块，用于根据所述运行参数构建数据模型；
31.生成模块，用于基于所述数据模型自动生成多种能耗配置方案；
32.组合模块，用于组合所述多种能耗配置方案以建立综合节能方案；
33.优化模块，用于基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
34.此外，为实现上述目的，本发明还提供一种建筑节能策略优化控制设备，所述建筑节能策略优化控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建筑节能策略优化控制程序，所述建筑节能策略优化控制程序被所述处理器执行时实现如上所述的建筑节能策略优化控制方法的步骤。
35.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有建筑节能策略优化控制程序，所述建筑节能策略优化控制程序被处理器执行时实现如上所述的建筑节能策略优化控制方法的步骤。
36.本发明提出一种建筑节能策略优化控制方法、装置、设备及可读存储介质，克服了现有技术中建筑节能策略的制定都是固定逻辑的，不够灵活，无法适应发展迅速的智能建筑的问题。在所述建筑节能策略优化控制方法中，通过获取预设用能系统及预设用能设备的运行参数；根据所述运行参数构建数据模型；基于所述数据模型自动生成多种能耗配置方案；组合所述多种能耗配置方案以建立综合节能方案；基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。实现了非固定的逻辑模式的用能情况的预估和策略的制定，实现了对用能系统、用能设备的即时调整，降低了不必要的用能开支，通过对数据模型的多次优化，给出了更加准确的建筑节能调整策略，可以从耗能的各系统的各种可能结构和参数中找到最佳匹配，使整体效能最佳，从而提高系统的效率，降低投资和运行费用；还可以对系统及其过程进行定量化的状态模拟，减少控制环节，提高可靠性与稳定性，发生故障概率降到最低可能限度，系统响应输出最优化，通过优化控制方案达到节能目的，是一种主动节能方案。
附图说明
37.图1是本发明实施例方案涉及的硬件运行环境的建筑节能策略优化控制设备的结构示意图；
38.图2为本发明建筑节能策略优化控制方法第一实施例的流程示意图；
39.图3为本发明建筑节能策略优化控制装置一实施例的结构示意图。
40.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
41.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
42.本发明实施例的主要解决方案是：一种建筑节能策略优化控制方法，所述建筑节能策略优化控制方法包括以下步骤：
43.获取预设用能系统及预设用能设备的运行参数；
44.根据所述运行参数构建数据模型；
45.基于所述数据模型自动生成多种能耗配置方案；
46.组合所述多种能耗配置方案以建立综合节能方案；
47.基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
48.由于在以往的建筑节能设计中，大多数的研究都致力于建筑物材料的设计或是研究建筑节能设备或装置，但是随着物联网的普及，传统建筑开始迅速向智能建筑转型，上述方式对于建筑节能策略的制定都是固定逻辑的，不够灵活，无法适应发展迅速的智能建筑。
49.本发明提供一种建筑节能策略优化控制方法，克服了现有技术中建筑节能策略的制定都是固定逻辑的，不够灵活，无法适应发展迅速的智能建筑的技术问题。在所述建筑节能策略优化控制方法中，通过获取预设用能系统及预设用能设备的运行参数；根据所述运行参数构建数据模型；基于所述数据模型自动生成多种能耗配置方案；组合所述多种能耗配置方案以建立综合节能方案；基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。实现了非固定的逻辑模式的用能情况的预估和策略的制定，实现了对用能系统、用能设备的即时调整，降低了不必要的用能开支，通过对数据模型的多次优化，给出了更加准确的建筑节能调整策略，可以从耗能的各系统的各种可能结构和参数中找到最佳匹配，使整体效能最佳，从而提高系统的效率，降低投资和运行费用；还可以对系统及其过程进行定量化的状态模拟，减少控制环节，提高可靠性与稳定性，发生故障概率降到最低可能限度，系统响应输出最优化，通过优化控制方案达到节能目的，是一种主动节能方案。
50.参照图1，图1是本发明实施例方案涉及的硬件运行环境的建筑节能策略优化控制设备的结构示意图。
51.如图1所示，该建筑节能策略优化控制设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
52.可选地，所述建筑节能策略优化控制设备还可以包括摄像头、rf(radio frequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境
光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
53.本领域技术人员可以理解，图1中示出的结构并不构成对建筑节能策略优化控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
54.如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及建筑节能策略优化控制程序。
55.在图1所示的筑节能策略优化控制设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明建筑节能策略优化控制设备中的处理器1001、存储器1005可以设置在建筑节能策略优化控制设备中，所述建筑节能策略优化控制设备通过处理器1001调用存储器1005中存储的建筑节能策略优化控制程序，并执行以下操作：
56.获取预设用能系统及预设用能设备的运行参数；
57.根据所述运行参数构建数据模型；
58.基于所述数据模型自动生成多种能耗配置方案；
59.组合所述多种能耗配置方案以建立综合节能方案；
60.基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
61.进一步地，处理器1001可以调用存储器1005中存储的建筑节能策略优化控制程序，还执行以下操作：
62.所述根据所述运行参数构建数据模型的步骤包括：
63.根据所述运行参数构建基本数据模型和用能隶属关系图。
64.进一步地，处理器1001可以调用存储器1005中存储的建筑节能策略优化控制程序，还执行以下操作：
65.所述根据所述运行参数构建数据模型的步骤之后包括：
66.根据所述数据模型配置多项系统初级指标参数。
67.进一步地，处理器1001可以调用存储器1005中存储的建筑节能策略优化控制程序，还执行以下操作：
68.所述基于所述数据模型自动生成多种能耗配置方案的步骤包括：
69.将所述多项系统初级指标参数分别代入所述数据模型，自动生成与所述多项系统指标参数对应的多种能耗配置方案。
70.进一步地，处理器1001可以调用存储器1005中存储的建筑节能策略优化控制程序，还执行以下操作：
71.所述基于所述数据模型自动生成多种能耗配置方案的步骤之后包括：
72.获取所述多种能耗配置方案所属的维度类型；
73.根据所述维度类型对所述多种能耗配置方案进行分类。
74.进一步地，处理器1001可以调用存储器1005中存储的建筑节能策略优化控制程序，还执行以下操作：
75.所述组合所述多种能耗配置方案以建立综合节能方案的步骤包括：
76.组合不同分类的所述多种能耗配置方案以建立综合节能方案。
77.进一步地，处理器1001可以调用存储器1005中存储的建筑节能策略优化控制程序，还执行以下操作：
78.所述基于所述综合节能方案构建优化数据模型以优化所述综合节能方案的步骤包括：
79.基于所述综合节能方案构建优化数据模型；
80.基于所述优化数据模型构建优化节能方案；
81.基于所述优化节能方案和综合节能方案进行对比分析；
82.获取对比分析结果，根据所述对比分析结果生成建议配置报告；
83.根据所述建议配置报告优化所述综合节能方案。
84.本发明实施例提供了一种建筑节能策略优化控制方法，参照图2，图2为本发明一种建筑节能策略优化控制方法一实施例的流程示意图。
85.本实施例中，所述建筑节能策略优化控制方法包括：
86.步骤s10，获取预设用能系统及预设用能设备的运行参数；
87.需要说明的是，本实施例中，执行主体为建筑节能策略优化控制设备，所述预设用能系统及预设用能设备为智能建筑中的用能系统及用能设备，例如照明、供冷供暖、新风、给排水等系统及电灯、空调、暖气、热水器等设备。本实施例中，通过数据采集服务，抓取并用能系统及用能设的运行参数，建立元数据。通过低成本的关键iot(internet of things，物联网)数据，结合ai(artificial intelligence，人工智能)算法，可预测出更准确的用能数据，制定用能策略，并结合室外天气情况、室内环境情况、人流量等不确定的因素变量，即时调整各个用能系统、用能设备的运行参数，降低不必要的用能开支，达到节能减排的目的。
88.步骤s20，根据所述运行参数构建数据模型；
89.可以理解的是，在通过前述步骤s10完成数据采集后，建筑节能策略优化控制设备会基于这些采集到的数据构建出最基本的设备模型数据，以为后续的数据分析提供基础模型。
90.作为一个实例，步骤s20包括：根据所述运行参数构建基本数据模型和用能隶属关系图。
91.本实施例中，通过该过程，除构建基本数据模型外，还可以把不同系统，例如照明、供冷供暖、新风、给排水等系统建立结构维度，划分为单向关联、双向关联、多维关联、聚合关联、组合关联，建立好的关联即用能隶属关系图，包含了节能ai深度学习的基本方程式，为后续评估工作做准备。
92.作为一个实例，步骤s20之后包括：根据所述数据模型配置多项系统初级指标参数。
93.本实施例中，基于前述步骤给出的基本数据模型和各系统用能隶属关系图数据，配置系统初级指标参数，其中，初次指标作为首次元数据进行计算，包含各系统用能目标、
节能目标、各季节或季度供冷供暖目标参考参数等。
94.步骤s30，基于所述数据模型自动生成多种能耗配置方案；
95.作为一个实例，步骤s30包括：将所述多项系统初级指标参数分别代入所述数据模型，自动生成与所述多项系统指标参数对应的多种能耗配置方案。
96.作为一个实例，步骤s30之后包括：获取所述多种能耗配置方案所属的维度类型；根据所述维度类型对所述多种能耗配置方案进行分类。
97.本实施例中，将上述配置好的多项系统初级指标参数即元数据分别代入上述数据模型中，根据一次计算的数据模型，自动化生成能耗配置方案，按照不同维度多种配置方案分类，包含按季节能耗配置、季度能耗配置、天能耗配置、大中小客流能耗配置、天气能耗配置，各个配置中又分为推荐配置、严格减排配置、舒适配置。
98.步骤s40，组合所述多种能耗配置方案以建立综合节能方案；
99.作为一个实例，步骤s40包括：组合不同分类的所述多种能耗配置方案以建立综合节能方案。
100.本实施例中，基于上述步骤生成的多种能耗配置方案进行组合，建立综合节能方案，即根据上述多维度的配置，选配组合为一个整体运行方案，以该方案进行数据执行，各系统设备会依照该方案中的时间和其他配置数据进行自动化的参数控制运行。例如空调按照该方案配置的温度和模式运行，并在指定时间开启或关闭；再例如热水器按照该方案配置的快速模式或稳定模式运行，并在指定时间开启或关闭。
101.步骤s50，基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
102.作为一个实例，步骤s50包括：基于所述综合节能方案构建优化数据模型；基于所述优化数据模型构建优化节能方案；基于所述优化节能方案和综合节能方案进行对比分析；获取对比分析结果，根据所述对比分析结果生成建议配置报告；根据所述建议配置报告优化所述综合节能方案。
103.需要说明的是，本实施例中，在基于综合节能方案使智能建筑中的各用能系统开始运行一段时间之后，还会再采集一次各用能系统及用能设备的运行参数，并将新的运行参数代入到之前建立的数据模型中进行计算，基于二次计算的数据模型，得到新生成的节能方案，将新生成的节能方案与一次计算得到的综合节能方案进行对比分析，以获知各项节能策略在具体实施后的区别和不同点。
104.本实施例在完成对比分析后，会生成建议配置报告，该建议配置报告可提供给用户，使得用户能够根据报告自行更改节能方案中的配置，使得最终的建筑节能策略既能够实现更好的节能效果，也能符合用户的主观意愿。
105.在本实施例中提出了一种建筑节能策略优化控制方法，克服了现有技术中建筑节能策略的制定都是固定逻辑的，不够灵活，无法适应发展迅速的智能建筑的技术问题。在所述建筑节能策略优化控制方法中，通过获取预设用能系统及预设用能设备的运行参数；根据所述运行参数构建数据模型；基于所述数据模型自动生成多种能耗配置方案；组合所述多种能耗配置方案以建立综合节能方案；基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。实现了非固定的逻辑模式的用能情况的预估和策略的制定，实现了对用能系统、用能设备的即时调整，降低了不必要的用能开支，通过对数据模型的多次优化，给出了更加准确的建筑节能调整策略。
106.本实施例中，可以从耗能的各系统的各种可能结构和参数中找到最佳匹配，使整体效能最佳，从而提高系统的效率，降低投资和运行费用；可以对系统及其过程进行定量化的状态模拟，减少控制环节，提高可靠性与稳定性，发生故障概率降到最低可能限度，系统响应输出最优化，通过优化控制方案达到节能目的，是一种“主动节能”的技术方案。
107.本实施例通过低成本的关键iot数据，结合ai算法，可预测出更准确的用能数据，制定用能策略，并结合室外天气情况、室内环境情况、人流量等不确定的因素变量，即时调整各个用能系统、用能设备的运行参数，降低不必要的用能开支，达到节能减排的目的。
108.本实施例中对于用能情况的预估和策略的制定，不是固定的逻辑模式，系统可自行分析节能情况，建立数据模型，主动学习并尝试不同模式配置的组合方案，给出最优的节能减排策略。通过深度学习计算建立的数据模型，可快速的复用在其他项目节能减排系统中，并再次基于目标项目的因素变量、能耗实际情况等建立新的数据模型，以对目标项目的节能情况做出更准确的调整策略。
109.此外，本发明实施例还提出一种建筑节能策略优化控制装置，参照图3，图3为本发明建筑节能策略优化控制装置一实施例的结构示意图。
110.本实施例中，所述建筑节能策略优化控制装置10包括：
111.获取模块101，用于获取预设用能系统及预设用能设备的运行参数；
112.构建模块102，用于根据所述运行参数构建数据模型；
113.生成模块103，用于基于所述数据模型自动生成多种能耗配置方案；
114.组合模块104，用于组合所述多种能耗配置方案以建立综合节能方案；
115.优化模块105，用于基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
116.此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有建筑节能策略优化控制程序，所述建筑节能策略优化控制程序被处理器执行时实现如下操作：
117.获取预设用能系统及预设用能设备的运行参数；
118.根据所述运行参数构建数据模型；
119.基于所述数据模型自动生成多种能耗配置方案；
120.组合所述多种能耗配置方案以建立综合节能方案；
121.基于所述综合节能方案构建优化数据模型以优化所述综合节能方案。
122.进一步地，所述建筑节能策略优化控制程序被处理器执行时还实现如下操作：
123.所述根据所述运行参数构建数据模型的步骤包括：
124.根据所述运行参数构建基本数据模型和用能隶属关系图。
125.进一步地，所述建筑节能策略优化控制程序被处理器执行时还实现如下操作：
126.所述根据所述运行参数构建数据模型的步骤之后包括：
127.根据所述数据模型配置多项系统初级指标参数。
128.进一步地，所述建筑节能策略优化控制程序被处理器执行时还实现如下操作：
129.所述基于所述数据模型自动生成多种能耗配置方案的步骤包括：
130.将所述多项系统初级指标参数分别代入所述数据模型，自动生成与所述多项系统指标参数对应的多种能耗配置方案。
131.进一步地，所述建筑节能策略优化控制程序被处理器执行时还实现如下操作：
132.所述基于所述数据模型自动生成多种能耗配置方案的步骤之后包括：
133.获取所述多种能耗配置方案所属的维度类型；
134.根据所述维度类型对所述多种能耗配置方案进行分类。
135.进一步地，所述建筑节能策略优化控制程序被处理器执行时还实现如下操作：
136.所述组合所述多种能耗配置方案以建立综合节能方案的步骤包括：
137.组合不同分类的所述多种能耗配置方案以建立综合节能方案。
138.进一步地，所述建筑节能策略优化控制程序被处理器执行时还实现如下操作：
139.所述基于所述综合节能方案构建优化数据模型以优化所述综合节能方案的步骤包括：
140.基于所述综合节能方案构建优化数据模型；
141.基于所述优化数据模型构建优化节能方案；
142.基于所述优化节能方案和综合节能方案进行对比分析；
143.获取对比分析结果，根据所述对比分析结果生成建议配置报告；
144.根据所述建议配置报告优化所述综合节能方案。
145.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
146.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
147.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
148.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。