AC米兰官网-一种公共建筑运行能耗监控系统

　　AC米兰·(中文)官方网站-Milan brand-

　　导航：X技术最新专利计算;推算;计数设备的制造及其应用技术

　　1.本发明涉及能耗监控及网络通信技术领域，尤其涉及一种公共建筑运行能耗监控系统。

　　3.目前我国城镇建设发展迅速，人们对建筑环境的要求也不断提高。在满足建筑环境要求的基础上降低建筑能耗以实现建筑节能，已成为建筑可持续发展的最重要课题之一，各项数据表明，我国在公共建筑用能上仍然存在很大的优化空间。

　　4.传统的用于建筑能耗监控领域的传感器节点采用有线方式将数据传输给中继器，再上传到服务器进行处理。如果安装多个中继器，就会造成布线困难，施工难度大。近年来使用的能耗监控技术，难以完成多区域同时监测以及局部的重点监测，许多人力物力都被过度消耗。。

　　6.本发明的目的是为了解决现有技术中的能耗监控技术难以完成多区域同时检测以及局部的重点检测的技术问题。

　　7.为了实现上述目的，本发明采用了如下技术方案：一种公共建筑运行能耗监控系统，包括传感器节点、执行器节点及建筑能耗监控中心，还包括移动边缘网关及云端服务器，所述移动边缘网关在各个房间内移动设置，所述传感器节点用于监测对应房间的环境参数及能耗数据，所述执行器节点用于实现照明及空调系统的控制，所述移动边缘网关通过wi-fi连接云端服务器、建筑能耗监控中心。

　　8.优选的，还包括轨道，所述轨道安装在公共区域的天花板上，所述移动边缘网关滑移设置在轨道上。

　　9.优选的，所述移动边缘网关包括数据获取模块、数据处理模块、边云协同模块及命令下发模块，其中，所述数据获取模块用于对各房间的环境参数以及能耗数据进行获取，所述数据处理模块用于实现各房间节点的分级检测，所述边云协同模块通过知识蒸馏技术获取云端服务器的专用建筑能耗预测模型，实现模型的迁移，再结合历史信息，协同云端服务器，得到预测情况，并完成模型的参数更新；所述命令下发模块用于根据更新后的网络模型进行命令下发。

　　10.优选的，所述数据处理模块包括数据压缩系统及分级检测系统，所述数据压缩系统用于实现无损压缩，所述分级检测系统用于对各房间节点进行分级检测。

　　s1：采用k-means聚类方法将建筑能耗参数划分为不同的聚类，从而评估各房间节点的优先级；s2：根据评估结果对各房间节点的优先级进行划分，依次划分为一级优先节点、二级优先节点、三级优先节点；s3：根据划分结果对各节点进行数据获取，先获取优先级最高的节点数据，再依次获取下一优先级的数据。

　　12.优选的，所述传感器包括摄像头，所述摄像头采用帧间差分法实时采集来客数量。

　　13.优选的，所述帧间差分法的步骤包括：所述摄像头在获取视频图像后，对序列图像进行3

　　3中值滤波预处理，去掉图像随机噪声，减少运算的复杂度，克服噪声对图像处理结果的干扰；然后从视频图像序列中选取连续的两帧，计算当前帧与背景帧的差，从图像中提取出完整的目标，从而得到人流量。

　　14.优选的，所述执行器节点包括照明控制节点、空调控制节点以及新风控制节点。

　　15.优选的，所述云端服务器包括数据存储模块及能耗预测模块，所述数据存储模块及所述能耗预测模块分别于所述移动边缘网关通过wi-fi连通，所述云端服务器通过wi-fi获取参数，并存储在数据存储模块中；所述能耗预测模块为基于粗糙集理论和深度学习算法的建筑能耗预测模型。

　　16.优选的，所述建筑能耗监控中心包括监控员，所述监控员对云端服务器进行初始化设计，并获取现场设备能耗参数与相关能耗预测情况，实现远程建筑能耗监控，从而实现边、云、端协同。

　　17.与现有技术相比，本发明的有益效果是：（1）用移动边缘网关取代传统的中继器，通过wi-fi从传感器节点获取参数并进行能耗预测，根据能耗预测情况，控制执行器节点。

　　18.（2）在天花板的轨道上安装移动边缘网关，有效的提高了监测的实时性和多区域性，实现了对商场能耗参数的较好监测。

　　19.（3）采用分级检测的方法，对建筑能耗进行分级，得到各节点的优先级，从而进行电力系统的相应控制，更有针对性。

　　20.（4）采用基于dbn的专用建筑能耗预测模型，有五层以上的神经网络，引入了更有效的算法，提高了人流量和能耗预测的准确性。

　　21.（5）监控员访问云端服务器，建立专用建筑能耗预测模型，并基于知识蒸馏技术，将预测模型下发至移动边缘网关，实现边、云、端协同。

　　23.图1为本发明一实施方式中一种公共建筑运行能耗监控系统应用场景俯视图；图2为本发明一实施方式中一种公共建筑运行能耗监控系统整体框架示意图；图3为本发明一实施方式中一种公共建筑运行能耗监控系统中分级检测系统的工作流程图；图4为本发明一实施方式中一种公共建筑运行能耗监控系统中专用建筑能耗预测模型工作流程；

　　图5为本发明一实施方式中一种公共建筑运行能耗监控系统中具体的数据处理过程。

　　24.图例说明：1、云端服务器；2、执行器节点；3、传感器节点；4、建筑能耗监控中心；5、电梯；6、暖通空调；7、新风空调；8、照明灯；9、摄像头；10、传感器；11、远传电表；12、移动边缘网关。

　　26.为使本发明的目的、技术方案和优点更加清楚，以下结合具体实施例，对本发明作进一步地详细说明。

　　27.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。

　　28.请参阅图1和图2，一种公共建筑运行能耗监控系统，包括轨道、移动边缘网关12、传感器节点3、执行器节点2、云端服务器1及建筑能耗监控中心4，所述轨道安装在公共区域的天花板上，用于固定所述移动边缘网关12，所述移动边缘网关12沿所述轨道滑移以循环获取每个房间的信息，所述移动边缘网关12通过wi-fi连接云端服务器1、建筑能耗监控中心4。所述传感器节点3用于监测房间内人流量、温湿度等检测，所述执行器节点2用于实现照明系统及空调系统的控制，运行过程中，通过传感器节点3获取人流量、温度、湿度、光强以及用电量等参数并预处理，再通过wi-fi将数据传输给移动边缘网关12，通过移动边缘网关12获取预处理后的数据并将数据传输到执行器节点2以通过执行器节点2对各房间的照明系统及空调系统进行控制。

　　29.在一实施方式中，所述移动边缘网关12包括数据获取模块、数据处理模块、边云协同模块及命令下发模块，其中，所述数据获取模块用于对各房间的信息进行获取，具体的，所述数据获取模块通过无线进行交互，并通过传感器节点3获取对应房间的环境参数及能耗数据，所述环境参数及所述能耗数据包括人流量、温湿度、co2含量、光强及用电量等信息。

　　30.所述数据处理模块用于实现各房间节点的分级检测，并通过边云协同模块与云端服务器1实现知识蒸馏，在一实施方式中，所述数据处理模块包括数据压缩系统及分级检测系统，所述数据压缩系统用于减少对宽带的占用，并除去数据中间冗余成分，以完成无损压缩；所述分级检测系统通过对各节点的优先级进行划分以提高监控效率；具体的，请参阅图3，在一实施方式中，所述分级检测系统划分优先级包含以下步骤：s1：采用k-means聚类方法将建筑能耗参数划分为不同的聚类，从而评估各房间节点的优先级；s2：根据评估结果对各房间节点的优先级进行划分，依次划分为一级优先节点、二级优先节点、三级优先节点；s3：根据划分结果对各节点进行数据获取，先获取优先级最高的节点数据，再依次获取下一优先级的数据。

　　31.在一实施方式中，所述边云协同模块通过知识蒸馏技术获取云端服务器1的专用建筑能耗预测模型，实现模型的迁移，再结合历史信息，协同云端服务器1，得到预测情况，并完成模型的参数更新。

　　32.所述命令下发模块用于根据更新后的网络模型进行命令下发，在一实施方式中，所述命令下发模块通过wi-fi向各节点发送命令，完成对照明系统、空调系统以及新风系统等的控制。

　　33.在一实施方式中，所述传感器节点3包括摄像头9、传感器10及远传电表11等装置，在一实施方式中，所述传感器10包括温度传感器、湿度传感器、光强传感器等传感器，所述传感器节点3用于实现人流量、温湿度、co2含量、光强及用电量信息的采集，并通过wi-fi发送到移动边缘网关12进行相应的处理。在一实施方式中，所述摄像头9采用帧间差分法实时采集来客数量，具体的，所述摄像头9在获取视频图像后，对序列图像进行3

　　3中值滤波预处理，去掉图像随机噪声，减少运算的复杂度，克服噪声对图像处理结果的干扰；然后从视频图像序列中选取连续的两帧，计算当前帧与背景帧的差，从图像中提取出完整的目标，从而得到人流量。所述温度传感器、湿度传感器、光强传感器和远传电表11等装置读取各房间的温度、湿度、光强以及用电量，并进行预处理。移动边缘网关12通过无线进行交互，获取对应房间的环境参数以及能耗数据。

　　34.在一实施方式中，所述执行器节点2包括照明控制节点、空调控制节点以及新风控制节点，所述执行器节点2通过移动边缘网关12的命令下发模块通过wi-fi向各节点发送命令，完成对照明系统、空调系统以及新风系统等的控制。具体的，在一实施方式中，所述执行器节点2包括电梯5、暖通空调6、新风空调7及照明灯8。

　　35.在一实施方式中，所述云端服务器1包括数据存储模块及能耗预测模块，所述数据存储模块及所述能耗预测模块分别于所述移动边缘网关12通过wi-fi连通，所述云端服务器1通过wi-fi获取参数，并存储在数据存储模块中。在一实施方式中，所述能耗预测模块是基于粗糙集理论和深度学习算法的建筑能耗预测模块，所述能耗预测模块基于知识蒸馏技术，将预测模型下发至移动边缘网关12，实现边云协同。在一实施方式中，所述能耗预测模块先对粗糙集进行属性约简，得到无冗余属性的建筑能耗数据最优样本集，再训练样本。在一实施方式中，所述训练样本是通过dbn来进行的，根据实时的人流量和建筑能耗数据对未来的人流量、建筑能耗数据进行预测，并给出相应的指导意见。在一实施方式中，请参阅图4，具体实施过程如下所示：首先通过粗糙集属性约简，得到建筑能耗的重要输入。然后将数据样本集分为训练数据和测试数据。训练数据用于dbn模型训练，测试数据用于验证模型的准确性。dbn模型的训练首先初始化rbm的三个参数w、b和c。这项研究然后进行了无监督前训练和无监督微调dbn。从而得到了映射整个dbn的最优权值。本技术使用粗糙集软件rosetta对样本数据形成的粗糙集决策表中的属性进行约简，并在matlab中进行神经网络的建立、训练和测试。

　　36.在一实施方式中，所述建筑能耗监控中心4包括监控员，由监控员实时监控移动边缘网关12传输过来的实时参数，向执行器发送报文。具体的，所述监控员对云端服务器1进行初始化设计，并获取现场设备能耗参数与相关能耗预测情况，实现远程建筑能耗监控，从而实现边、云、端协同。

　　37.工作原理：请参阅图5，先通过传感器节点3采集当前人流量、温度、湿度、用电量等

　　参数并进行预处理；移动边缘网关12的数据获取模块向传感器节点3发送请求，获取预处理过后的参数并发送到数据处理模块完成分级检测，再根据分级检测的结果进行相应的能耗预测；能耗预测基于dbn，根据实时的人流量和建筑能耗参数对未来的人流量、建筑能耗参数进行预测；所述的分级检测，基于能耗预测参数对人流量进行评估，再根据评估结果对人流的优先级进行划分。最后，移动边缘网关12的数据获取模块根据优先级向执行器节点2发送命令，控制现场设备。即依次查看n个房间，在光强足够的房间控制照明灯8熄灭；依次查看n个房间的co2含量，在空气质量不佳的房间增强新风系统供风；依次查看n个房间的温湿度是否在适宜温湿度区间内，不符合的则通过暖通空调6来作出调整。

　　38.本技术所提供的一种公共建筑运行能耗监控系统，通过移动边缘网关12取代传统的中继器，并通过wi-fi从传感器节点3获取参数并进行能耗预测，根据能耗预测情况，控制执行器节点2。且所述移动边缘网关12安装在轨道上，通过移动边缘网关12的移动，有效的提高了监测的实时性和多区域性，实现了对公共建筑能耗参数的较好监测。且本技术采用分级检测的方法，对建筑能耗进行分级，得到各节点的优先级，从而进行电力系统的相应控制，更有针对性。

　　39.需要注意的是，本发明中使用的多种标准件均是可以从市场上得到的，非标准件则是可以特别定制，本发明所采用的连接方式比如螺栓连接、焊接等也是机械领域中非常常见的手段，发明人在此不再赘述。

　　40.以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围。

　　1.计算机网络安全 2.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用