CN114820825B - 一种地下管廊装配式结构的绿色检测方法及系统 - Google Patents
一种地下管廊装配式结构的绿色检测方法及系统 Download PDFInfo
- Publication number
- CN114820825B CN114820825B CN202210740903.8A CN202210740903A CN114820825B CN 114820825 B CN114820825 B CN 114820825B CN 202210740903 A CN202210740903 A CN 202210740903A CN 114820825 B CN114820825 B CN 114820825B
- Authority
- CN
- China
- Prior art keywords
- data
- energy consumption
- feature
- unit
- cabin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000005265 energy consumption Methods 0.000 claims abstract description 251
- 238000000605 extraction Methods 0.000 claims abstract description 102
- 238000012544 monitoring process Methods 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims description 26
- 238000004088 simulation Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000005094 computer simulation Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 11
- 238000009423 ventilation Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种地下管廊装配式结构的绿色检测方法及系统，涉及数据处理领域。所述方法包括：搭建分布式廊仓监测系统，对分布的各舱室装配区的设备进行运行环境的数据采集，对各采集数据进行预处理，进而对预处理过后的数据进行能耗特征提取，并进行正向连续时间序列的数据比对分析，对数据波动较为明显的部分进行异常标记，且进行异常能耗值的检测输出。解决了难以对各大型功率设备的能耗进行动态监测，导致无法对各能源数据进行质量控制的技术问题。达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种地下管廊装配式结构的绿色检测方法及系统。
背景技术
地下综合管廊作为城市的生命线工程，践行了绿色城市发展新理念。综合管廊的出现逐步消除了主干街道蜘蛛网式的架空线，明显改善城市地面景观。地下综合管廊是建设在城市地下，用于集中敷设电力、通信、广播电视、给水等市政管线的公共隧道。地下综合管廊可有效杜绝“拉链马路”现象，让技术人员无需反复开挖路面，在管廊中就可对各类管线进行抢修、维护、扩容改造等，同时大大缩减管线抢修时间。但此时也相继出现了包括设备的大功率能耗等问题。
然而现有技术中，在对地下综合管廊的各舱室进行正常的设备运行时，由于难以对各大型功率设备的能耗进行动态监测，导致无法对各能源数据进行质量控制，造成能耗极大浪费的同时，带来一定的事故隐患的技术问题。
发明内容
本发明的目的是提供一种地下管廊装配式结构的绿色检测方法及系统，用以解决现有技术中在对地下综合管廊的各舱室进行正常的设备运行时，由于难以对各大型功率设备的能耗进行动态监测，导致无法对各能源数据进行质量控制，造成能耗极大浪费的同时，带来一定的事故隐患的技术问题。
鉴于上述问题，本发明提供了一种地下管廊装配式结构的绿色检测方法及系统。
第一方面，本发明提供了一种地下管廊装配式结构的绿色检测方法，所述方法包括：搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出。
第二方面，本发明还提供了一种地下管廊装配式结构的绿色检测系统，用于执行如第一方面所述的一种地下管廊装配式结构的绿色检测方法，其中，所述系统包括：第一搭建单元，所述第一搭建单元用于搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；第一建模单元，所述第一建模单元用于基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；第一采集单元，所述第一采集单元用于基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；第一提取单元，所述第一提取单元用于将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；第一分析单元，所述第一分析单元用于通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；第一检测单元，所述第一检测单元用于将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出。
第三方面，一种地下管廊装配式结构的绿色检测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行上述第一方面中任一项所述方法的步骤。
第四方面，一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过搭建分布式廊仓监测系统，对分布的各舱室装配区的设备进行运行环境的数据采集，通过将采集的数据可视化的展现到目标城市地下管廊的三维仿真环境中，通过对各采集数据进行预处理，使得提高样本数据的精准性，进而对预处理过后的数据进行能耗特征提取，通过对提取到的能耗特征进行正向连续时间序列的数据比对分析，可对能耗差值数据波动较为稳定的部分进行动态监测，对数据波动较为明显的部分进行异常标记，且进行异常能耗值的检测输出，以此实现对地下管廊装配式结构设备能耗的绿色检测，达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明一种地下管廊装配式结构的绿色检测方法的流程示意图；
图2为本发明一种地下管廊装配式结构的绿色检测方法中对所述各舱室运行数据集合进行特征提取的流程示意图；
图3为本发明一种地下管廊装配式结构的绿色检测方法中通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析的流程示意图；
图4为本发明一种地下管廊装配式结构的绿色检测系统的结构示意图；
图5为本发明示例性电子设备的结构示意图。
附图标记说明：
第一搭建单元11，第一建模单元12，第一采集单元13，第一提取单元14，第一分析单元15，第一检测单元16，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本发明通过提供一种地下管廊装配式结构的绿色检测方法及系统，解决现有技术中在对地下综合管廊的各舱室进行正常的设备运行时，由于难以对各大型功率设备的能耗进行动态监测，导致无法对各能源数据进行质量控制，造成能耗极大浪费的同时，带来一定的事故隐患的技术问题。达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
本发明提供了一种地下管廊装配式结构的绿色检测方法，所述方法包括：通过搭建分布式廊仓监测系统，对分布的各舱室装配区的设备进行运行环境的数据采集，通过将采集的数据可视化的展现到目标城市地下管廊的三维仿真环境中，通过对各采集数据进行预处理，使得提高样本数据的精准性，进而对预处理过后的数据进行能耗特征提取，通过对提取到的能耗特征进行正向连续时间序列的数据比对分析，可对能耗差值数据波动较为稳定的部分进行动态监测，对数据波动较为明显的部分进行异常标记，且进行异常能耗值的检测输出，以此实现对地下管廊装配式结构设备能耗的绿色检测，达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
在介绍了本发明基本原理后，下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1，本发明提供了一种地下管廊装配式结构的绿色检测方法，所述方法具体包括如下步骤：
步骤S100：搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；
步骤S200：基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；
具体而言，地下综合管廊作为城市的生命线工程，践行了绿色城市发展新理念。综合管廊的出现逐步消除了主干街道蜘蛛网式的架空线，明显改善城市地面景观。地下综合管廊是建设在城市地下，用于集中敷设电力、通信、广播电视、给水等市政管线的公共隧道。地下综合管廊可有效杜绝“拉链马路”现象，让技术人员无需反复开挖路面，在管廊中就可对各类管线进行抢修、维护、扩容改造等，同时大大缩减管线抢修时间。但此时也相继出现了包括设备的大功率能耗等问题。
然而现有技术中，在对地下综合管廊的各舱室进行正常的设备运行时，由于难以对各大型功率设备的能耗进行动态监测，导致无法对各能源数据进行质量控制，造成能耗极大浪费的同时，带来一定的事故隐患的技术问题。
为了解决现有技术中存在的问题，本申请提出了一种地下管廊装配式结构的绿色检测方法。通过搭建分布式廊仓监测系统，对分布的各舱室装配区的设备进行运行环境的数据采集，通过将采集的数据可视化的展现到目标城市地下管廊的三维仿真环境中，通过对各采集数据进行预处理，使得提高样本数据的精准性，进而对预处理过后的数据进行能耗特征提取，通过对提取到的能耗特征进行正向连续时间序列的数据比对分析，可对能耗差值数据波动较为稳定的部分进行动态监测，对数据波动较为明显的部分进行异常标记，且进行异常能耗值的检测输出，以此实现对地下管廊装配式结构设备能耗的绿色检测，达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
具体的，所述分布式廊仓监测系统，用于对目标城市地下管廊的各舱室装配式设备进行能耗监测的综合系统，通过视频基带、光纤、微波等无线传输方式，将各舱室的监控系统采集的数据回传至该分布式廊仓监测系统，用于对采集到的数据进行能耗分析，并对异常能耗值进行标记、追踪和输出预警。其中，所述数据采集单元用于驱动各舱室的监控系统，对各舱室的设备运行环境数据进行动态采集，包括各舱室的通风数据、监控数据、照明数据、排水数据以及安防数据等；所述数据分析单元用于对采集到的数据进行能耗特征提取、提取特征的能耗数据比对分析；所述异常预警单元用于对能耗数据比对分析结果进行异常值标记，且对异常标记结果进行输出，做到对设备能耗的动态检测，进而实现地下管廊装配式结构的绿色检测。
进一步的，可基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境。通俗来讲，采用三维立体模式仿真地下综合管廊，集成了水、电、气、热、通信管道、有害气体浓度、温湿度的数据监测和视频监控，通过建模后的加载界面，可显示管廊布局的整体地图，界面两侧为监测数据，用以展现城市整体综合管廊的三维景观，对管廊主体、管线、设备等三维模型数据进行显示、编辑和存储。所述各舱室装配区覆盖了该目标城市地下管廊的各个区域节点，包括干线综合管廊和支线综合管廊，其中，干线综合管廊用于容纳城市主干工程管线采用独立分舱方式建设的综合管廊，支线综合管廊用于容纳城市配给工程管线采用单舱或双舱方式建设的综合管廊。所述立体式三维仿真环境，即对该目标城市地下管廊的各舱室进行虚拟仿真的结果，包括对管廊内部的环境参数、设备状态进行实时监测，及时处理管廊内部报警信息及远程调度工作。
步骤S300：基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；
进一步的，步骤S300包括：
步骤S310：基于所述各舱室装配区中嵌入的多种传感器监测系统，对所述各舱室运行环境进行数据采集，获得初级采集数据集合；
步骤S320：通过对所述初级采集数据集合进行数据预处理，获得处理后标准数据集合；
步骤S330：对所述处理后标准数据集合，进行时间要素的采集标记，生成所述各舱室运行数据集合。
其中，步骤S320包括：
步骤S321：根据所述初级采集数据集合，获得第一特征数据集；
步骤S322：对所述第一特征数据集进行中心化处理，获得第二特征数据集；
步骤S323：获得所述第二特征数据集的第一协方差矩阵；
步骤S324：对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
步骤S325：将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
具体而言，在仿真生成所述立体式三维仿真环境之后，需要驱动各舱室的监控系统，对各舱室的设备运行环境数据进行动态采集。具体的，可通过所述各舱室装配区中嵌入的多种传感器监测系统，对所述各舱室运行环境进行数据采集，示例性的，可利用温湿度传感器、氧气传感器、一氧化碳传感器、二氧化碳传感器、硫化氢、甲烷传感器、压力传感器等，对各舱室的气体环境进行动态监测，从而分析各舱室的通风设备的能耗情况，通过光照传感器等，对各舱室的光照环境进行动态监测，从而分析各舱室的光照设备的能耗情况等。所述初级采集数据集合，即为汇集的各功能性能耗数据集合，覆盖了通风设备的能耗数据、监控设备的能耗数据、照明设备的能耗数据、排水设备的能耗数据以及安防设备的能耗数据等。
在获得所述初级采集数据集合之后，由于其覆盖了数据量较大且较为繁琐，需要对其进行去繁处理。具体的，可对提取到的特征数据，即所述初级采集数据集合进行数值化处理，并构建特征数据集矩阵，获得所述第一特征数据集。继而对所述第一特征数据集中的各特征数据进行中心化处理，首先求解所述第一特征数据集中各特征的平均值，然后对于所有的样本，每一个特征都减去自身的均值，继而获得新的特征值，由新的特征值构成所述第二特征数据集，所述第二特征数据集为一数据矩阵。通过协方差公式：
对所述第二特征数据集进行运算，获得所述第二特征数据集的第一协方差矩阵。其中，
为所述第二特征数据集中的特征数据；
为该特征数据的平均值；
为所述第二特征数据集中的样本数据总量。继而通过矩阵运算，求出所述第一协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量。在求出的所述第一特征向量中，选取最大的前K个特征值及其对应的特征向量，并将所述第一特征数据集中的原始特征投影到所选取的特征向量之上，得到降维之后的所述第一特征数据集。通过主成分分析法对特征数据进行降维处理，在保证信息量的前提下，剔除冗余数据，使得特征数据的样本量减小，且降维后信息量损失最小，从而加快训练模型对于数据的运算速度。通过对所述初级采集数据集合进行去繁化简的预处理之后，可获得所述处理后标准数据集合。通过对其进行时间要素的采集标记，使得生成所述各舱室运行数据集合。通过对每一个处理后标准数据进行时间节点的标记，便于后续根据正向时间节点发展序列，对数据进行比对分析，所述各舱室运行数据集合即为采集数据的最终获得结果，并在此基础上，进行后续的数据分析处理。
步骤S400：将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；
进一步的，如图2所示，步骤S400包括：
步骤S410：采集获得各舱室运行数据的历史能耗特征；
步骤S420：将所述历史能耗特征作为标识信息，构建能耗特征提取模型；
步骤S430：将所述各舱室运行数据集合作为输入数据，上传至所述能耗特征提取模型，基于所述标识信息，对所述输入数据进行训练，获得训练结果，其中，所述训练结果包括模型提取特征集合；
步骤S440：获得所述模型提取特征集合对应的目标特征能耗值集合；
步骤S450：获得所述各舱室运行数据集合的各运行数据能耗值集合；
步骤S460：根据所述目标特征能耗值集合，确定预设能耗阈值；
步骤S470：基于所述预设能耗阈值，对所述各运行数据能耗值集合进行筛选，获得额外能耗特征集合；
步骤S480：将所述额外能耗特征集合输入至所述能耗特征提取模型，对所述能耗特征提取模型进行优化训练。
具体而言，在获得预处理过的所述各舱室运行数据集合，可利用数据分析单元，对其进行数据分析。具体的，可对所述各舱室运行数据集合进行特征提取，通过采集获得各舱室运行数据的历史能耗特征，其中，所述历史能耗特征可根据各舱室运行数据的历史报告日志以及不同区域相同设备的历史能耗统计特征进行采集所得，包括对于通风设备的能耗特征、监控设备的能耗特征、照明设备的能耗特征等，示例性的，不论有人或是没人，如果地下管廊的照明灯长期保持亮灯状态，对照明设备造成一定的能耗，具体的，可通过嵌入式的安装在管廊顶部的自动控制感应模块，可以设定有人经过时红外感应控制亮灯，人离开后在设定的时间内熄灯；又或是智能面板等手动控制设备，可嵌墙安装在管廊分区入口处，这样可实现自动控制，避免对照明设备造成过大能耗。
通过将所述历史能耗特征作为标识信息，构建能耗特征提取模型，所述能耗特征提取模型可对输入的通风数据、监控数据、照明数据等进行特征提取，基于所述标识信息，可对所述输入数据进行训练，获得训练结果，其中，所述训练结果包括模型提取特征集合，即通过该模型提取得到的能耗特征集合，由于模型得到的结果具有一定的局限性，因此，可通过动态变化的能耗值之间的差值，确定接近于所述模型提取特征集合的额外特征集合，示例性的，可以是排水设备的能耗特征、安防设备的能耗特征等。
具体的，可获得所述模型提取特征集合对应的目标特征能耗值集合，即获得该模型提取得到的能耗特征集合对应的具体能耗值集合，示例性一般的，平均一天通风设备的能耗趋于900KWH，监控设备的能耗趋于1700KWH等，同时，获得所述各舱室运行数据集合的各运行数据能耗值集合，所述各运行数据能耗值集合，可理解为上述的通风设备、监控设备之外的其他运行设备的运行数据能耗值集合，包括照明设备的运行能耗数据、排水设备的运行能耗数据等。一般的，平均一天照明设备的能耗趋于1350KWH、排水设备的能耗趋于600KWH，进而，根据所述目标特征能耗值集合，确定预设能耗阈值，所述预设能耗阈值，即为在目标特征能耗值集合的上下区间内正常波动的阈值区间，在此可以[1200,1800]为例进行解释说明，进而，可基于所述预设能耗阈值，对所述各运行数据能耗值集合进行筛选，获得额外能耗特征集合，即对处于[1200,1800]区间内的能耗值进行筛选，可筛选获得额外能耗特征集合，在此，所述额外能耗特征集合包括照明设备的能耗特征。由于所述能耗特征提取模型本不包含对照明设备的能耗特征的提取训练，但其能耗值接近于目标特征能耗值集合，因此，为了确保模型训练的更新性，可将所述额外能耗特征集合输入至所述能耗特征提取模型，对所述能耗特征提取模型进行优化训练，使得所述能耗特征提取模型对所述额外能耗特征集合进行增量优化，确保该模型的实时更新性。其中，所述目标提取特征集合，即为对模型提取特征集合和额外能耗特征集合进行数据融合之后得到的特征集合。
步骤S500：通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；
步骤S600：将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出。
进一步的，如图3所示，步骤S500包括：
步骤S510：对所述模型提取特征集合和所述额外能耗特征集合，进行数据融合，生成所述目标提取特征集合；
步骤S520：基于所述正向连续时间序列的逻辑，对所述目标提取特征集合的能耗数据进行逐点采集，获得各目标提取特征能耗数据集合，且所述各目标提取特征能耗数据集合具有连续时间特性；
步骤S530：通过计算所述各目标提取特征能耗数据集合中，各时间节点较上一时间节点的能耗数据差值，获得各时间节点能耗差值集合；
步骤S540：根据所述各时间节点能耗差值集合，确定所述各提取特征数据分析结果；
步骤S550：所述异常预警单元嵌入有数据波动监测响应；
步骤S560：基于所述数据波动监测响应，对输入的所述各时间节点能耗差值集合，进行数据波动的监测，获得各能耗差值数据波动结果；
步骤S570：判断所述各能耗差值数据波动结果是否满足预设数据波动阈值；
步骤S580：若所述各能耗差值数据波动结果满足所述预设数据波动阈值，对满足部分进行异常标记，且将异常能耗差值数据波动结果进行输出。
具体而言，在获得所述目标提取特征集合之后，可对提取到的特征数据进行正向连续时间序列的能耗数据比对分析，示例性的，将某一天作为第一时间节点，通过正向连续时间序列，获得改天顺延后的第二天，作为第二时间节点，直至第N时间节点。进而基于所述正向连续时间序列的逻辑，对所述目标提取特征集合的能耗数据进行逐点采集，获得各目标提取特征能耗数据集合，示例性的，即对第一时间节点-第二时间节点-直至第N时间节点的监控设备能耗值进行逐点采集，可生成监控设备能耗值在各个连续时间节点的能耗值分布，以此类推，依次采集其他设备在各个连续时间节点的能耗值分布，以此构成所述各目标提取特征能耗数据集合。
进而，可计算所述各目标提取特征能耗数据集合中，各时间节点较上一时间节点的能耗数据差值，在此以监控设备能耗值为例进行说明，可计算第二时间节点相较于第一时间节点的监控设备能耗数据差值、第三时间节点相较于第二时间节点的监控设备能耗数据差值、直至第N时间节点相较于第N-1时间节点的监控设备能耗数据差值，上述的各个时间节点的监控设备能耗数据差值构成了所述各时间节点能耗差值集合，同样表征了所述各提取特征数据分析结果。
进一步的，在确定所述各提取特征数据分析结果之后，可对其进行深入的数据波动分析。具体的，可通过异常预警单元嵌入的数据波动监测响应进行数据波动分析。所述数据波动监测响应通过集成的监测算法，对输入数据进行波动分析，可通过预设数据波动阈值，对各个时间节点能耗差值集合进行波动分析，所述预设数据波动阈值，即代表了设定的标准波动区间之外的阈值，示例性的，可将标准波动区间设定为[500，1000]，若是超出了该区间，可划分为所述预设数据波动阈值，即大于等于1000KWH的能耗差值，各能耗差值数据波动结果，即反映了各个时间节点的监控设备能耗数据差值的实际波动情况，通过判断所述各能耗差值数据波动结果是否满足预设数据波动阈值，即判断各个时间节点的监控设备能耗数据差值的实际波动情况是否超出设定的1000KWH，如果没超出，即在[500，1000]之内，说明该设备的工作正常，如果超出设定的1000KWH，则说明该设备工作异常，可对超出的时间节点的监控设备能耗数据差值进行异常标记，且将异常能耗差值数据波动结果进行输出，做到对各个设备运行状态的能耗绿色检测。
综上所述，本发明所提供的一种地下管廊装配式结构的绿色检测方法具有如下技术效果：
1、通过搭建分布式廊仓监测系统，对分布的各舱室装配区的设备进行运行环境的数据采集，通过将采集的数据可视化的展现到目标城市地下管廊的三维仿真环境中，通过对各采集数据进行预处理，使得提高样本数据的精准性，进而对预处理过后的数据进行能耗特征提取，通过对提取到的能耗特征进行正向连续时间序列的数据比对分析，可对能耗差值数据波动较为稳定的部分进行动态监测，对数据波动较为明显的部分进行异常标记，且进行异常能耗值的检测输出，以此实现对地下管廊装配式结构设备能耗的绿色检测，达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
2、在获得所述目标提取特征集合之后，可对提取到的特征数据进行正向连续时间序列的能耗数据比对分析，可计算各目标提取特征能耗数据集合中，各时间节点较上一时间节点的能耗数据差值，通过异常预警单元嵌入的数据波动监测响应进行数据波动分析，基于预设数据波动阈值，对各个时间节点能耗差值集合进行波动分析，以此评估各个设备的运行状态，通过将异常能耗差值数据波动结果进行输出，做到对各个设备运行状态的能耗绿色检测。
实施例二
基于与前述实施例中一种地下管廊装配式结构的绿色检测方法，同样发明构思，本发明还提供了一种地下管廊装配式结构的绿色检测系统，请参阅附图4，所述系统包括：
第一搭建单元11，所述第一搭建单元11用于搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；
第一建模单元12，所述第一建模单元12用于基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；
第一采集单元13，所述第一采集单元13用于基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；
第一提取单元14，所述第一提取单元14用于将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；
第一分析单元15，所述第一分析单元15用于通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；
第一检测单元16，所述第一检测单元16用于将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出。
进一步的，所述系统还包括：
第二采集单元，所述第二采集单元用于基于所述各舱室装配区中嵌入的多种传感器监测系统，对所述各舱室运行环境进行数据采集，获得初级采集数据集合；
第一处理单元，所述第一处理单元用于通过对所述初级采集数据集合进行数据预处理，获得处理后标准数据集合；
第一标记单元，所述第一标记单元用于对所述处理后标准数据集合，进行时间要素的采集标记，生成所述各舱室运行数据集合。
进一步的，所述系统还包括：
第一获得单元，所述第一获得单元用于根据所述初级采集数据集合，获得第一特征数据集；
第二处理单元，所述第二处理单元用于对所述第一特征数据集进行中心化处理，获得第二特征数据集；
第二获得单元，所述第二获得单元用于获得所述第二特征数据集的第一协方差矩阵；
第一运算单元，所述第一运算单元用于对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
第三获得单元，所述第三获得单元用于将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
进一步的，所述系统还包括：
第三采集单元，所述第三采集单元用于采集获得各舱室运行数据的历史能耗特征；
第一构建单元，所述第一构建单元用于将所述历史能耗特征作为标识信息，构建能耗特征提取模型；
第四获得单元，所述第四获得单元用于将所述各舱室运行数据集合作为输入数据，上传至所述能耗特征提取模型，基于所述标识信息，对所述输入数据进行训练，获得训练结果，其中，所述训练结果包括模型提取特征集合。
进一步的，所述系统还包括：
第五获得单元，所述第五获得单元用于获得所述模型提取特征集合对应的目标特征能耗值集合；
第六获得单元，所述第六获得单元用于获得所述各舱室运行数据集合的各运行数据能耗值集合；
第一确定单元，所述第一确定单元用于根据所述目标特征能耗值集合，确定预设能耗阈值；
第一筛选单元，所述第一筛选单元用于基于所述预设能耗阈值，对所述各运行数据能耗值集合进行筛选，获得额外能耗特征集合；
第一优化单元，所述第一优化单元用于将所述额外能耗特征集合输入至所述能耗特征提取模型，对所述能耗特征提取模型进行优化训练。
进一步的，所述系统还包括：
第一融合单元，所述第一融合单元用于对所述模型提取特征集合和所述额外能耗特征集合，进行数据融合，生成所述目标提取特征集合；
第四采集单元，所述第四采集单元用于基于所述正向连续时间序列的逻辑，对所述目标提取特征集合的能耗数据进行逐点采集，获得各目标提取特征能耗数据集合，且所述各目标提取特征能耗数据集合具有连续时间特性；
第七获得单元，所述第七获得单元用于通过计算所述各目标提取特征能耗数据集合中，各时间节点较上一时间节点的能耗数据差值，获得各时间节点能耗差值集合；
第二确定单元，所述第二确定单元用于根据所述各时间节点能耗差值集合，确定所述各提取特征数据分析结果。
进一步的，所述系统还包括：
第一嵌入单元，所述第一嵌入单元用于所述异常预警单元嵌入有数据波动监测响应；
第一监测单元，所述第一监测单元用于基于所述数据波动监测响应，对输入的所述各时间节点能耗差值集合，进行数据波动的监测，获得各能耗差值数据波动结果；
第一判断单元，所述第一判断单元用于判断所述各能耗差值数据波动结果是否满足预设数据波动阈值；
第一输出单元，所述第一输出单元用于若所述各能耗差值数据波动结果满足所述预设数据波动阈值，对满足部分进行异常标记，且将异常能耗差值数据波动结果进行输出。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种地下管廊装配式结构的绿色检测方法和具体实例同样适用于本实施例的一种地下管廊装配式结构的绿色检测系统，通过前述对一种地下管廊装配式结构的绿色检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种地下管廊装配式结构的绿色检测系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图5来描述本发明的电子设备。
图5图示了根据本发明的电子设备的结构示意图。
基于与前述实施例中一种地下管廊装配式结构的绿色检测方法的发明构思，本发明还提供一种地下管廊装配式结构的绿色检测系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种地下管廊装配式结构的绿色检测方法的任一方法的步骤。
其中，在图5中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明提供了一种地下管廊装配式结构的绿色检测方法，所述方法包括：搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出。解决现有技术中在对地下综合管廊的各舱室进行正常的设备运行时，由于难以对各大型功率设备的能耗进行动态监测，导致无法对各能源数据进行质量控制，造成能耗极大浪费的同时，带来一定的事故隐患的技术问题。通过搭建分布式廊仓监测系统，对分布的各舱室装配区的设备进行运行环境的数据采集，通过将采集的数据可视化的展现到目标城市地下管廊的三维仿真环境中，通过对各采集数据进行预处理，使得提高样本数据的精准性，进而对预处理过后的数据进行能耗特征提取，通过对提取到的能耗特征进行正向连续时间序列的数据比对分析，可对能耗差值数据波动较为稳定的部分进行动态监测，对数据波动较为明显的部分进行异常标记，且进行异常能耗值的检测输出，以此实现对地下管廊装配式结构设备能耗的绿色检测，达到了在对地下综合管廊的各舱室进行正常的设备运行时，对各大型功率设备的能耗进行动态监测，确保对各能源数据进行质量控制，实现对地下管廊装配式结构设备能耗进行绿色检测的技术效果。
本发明还提供一种电子设备，其中，包括处理器和存储器；
该存储器，用于存储；
该处理器，用于通过调用，执行上述实施例一中任一项所述的方法。
本发明还提供一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器（Read-Only Memory，简称ROM）、随机存取存储器（Random AccessMemory，简称RAM）、磁盘存储器、只读光盘（Compact Disc Read-Only Memory，简称CD-ROM）、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种地下管廊装配式结构的绿色检测方法，其特征在于，所述方法包括：
搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；
基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；
基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；
将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；
通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；
将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出；
所述对所述各舱室运行数据集合进行特征提取，包括：
采集获得各舱室运行数据的历史能耗特征；
将所述历史能耗特征作为标识信息，构建能耗特征提取模型；
将所述各舱室运行数据集合作为输入数据，上传至所述能耗特征提取模型，基于所述标识信息，对所述输入数据进行训练，获得训练结果，其中，所述训练结果包括模型提取特征集合；
获得所述模型提取特征集合对应的目标特征能耗值集合；
获得所述各舱室运行数据集合的各运行数据能耗值集合；
根据所述目标特征能耗值集合，确定预设能耗阈值；
基于所述预设能耗阈值，对所述各运行数据能耗值集合进行筛选，获得额外能耗特征集合；
将所述额外能耗特征集合输入至所述能耗特征提取模型，对所述能耗特征提取模型进行优化训练。
2.如权利要求1所述的方法，其特征在于，所述对所述立体式三维仿真环境中各舱室运行环境进行数据采集，包括：
基于所述各舱室装配区中嵌入的多种传感器监测系统，对所述各舱室运行环境进行数据采集，获得初级采集数据集合；
通过对所述初级采集数据集合进行数据预处理，获得处理后标准数据集合；
对所述处理后标准数据集合，进行时间要素的采集标记，生成所述各舱室运行数据集合。
3.如权利要求2所述的方法，其特征在于，所述通过对所述初级采集数据集合进行数据预处理，包括：
根据所述初级采集数据集合，获得第一特征数据集；
对所述第一特征数据集进行去中心化处理，获得第二特征数据集；
获得所述第二特征数据集的第一协方差矩阵；
对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
4.如权利要求1所述的方法，其特征在于，所述通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，包括：
对所述模型提取特征集合和所述额外能耗特征集合，进行数据融合，生成所述目标提取特征集合；
基于所述正向连续时间序列的逻辑，对所述目标提取特征集合的能耗数据进行逐点采集，获得各目标提取特征能耗数据集合，且所述各目标提取特征能耗数据集合具有连续时间特性；
通过计算所述各目标提取特征能耗数据集合中，各时间节点较上一时间节点的能耗数据差值，获得各时间节点能耗差值集合；
根据所述各时间节点能耗差值集合，确定所述各提取特征数据分析结果。
5.如权利要求4所述的方法，其特征在于，所述方法包括：
所述异常预警单元嵌入有数据波动监测响应；
基于所述数据波动监测响应，对输入的所述各时间节点能耗差值集合，进行数据波动的监测，获得各能耗差值数据波动结果；
判断所述各能耗差值数据波动结果是否满足预设数据波动阈值；
若所述各能耗差值数据波动结果满足所述预设数据波动阈值，对满足部分进行异常标记，且将异常能耗差值数据波动结果进行输出。
6.一种地下管廊装配式结构的绿色检测系统，其特征在于，所述系统包括：
第一搭建单元，所述第一搭建单元用于搭建分布式廊仓监测系统，所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元；
第一建模单元，所述第一建模单元用于基于BIM技术，对目标城市地下管廊的各舱室装配区进行仿真建模，生成所述目标城市地下管廊的立体式三维仿真环境；
第一采集单元，所述第一采集单元用于基于所述数据采集单元，对所述立体式三维仿真环境中各舱室运行环境进行数据采集，获得各舱室运行数据集合；
第一提取单元，所述第一提取单元用于将所述各舱室运行数据集合上传至所述数据分析单元，对所述各舱室运行数据集合进行特征提取，获得目标提取特征集合；
第一分析单元，所述第一分析单元用于通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析，获得各提取特征数据分析结果；
第一检测单元，所述第一检测单元用于将所述各提取特征数据分析结果上传至所述异常预警单元，对异常结果进行检测并输出；
第三采集单元，所述第三采集单元用于采集获得各舱室运行数据的历史能耗特征；
第一构建单元，所述第一构建单元用于将所述历史能耗特征作为标识信息，构建能耗特征提取模型；
第四获得单元，所述第四获得单元用于将所述各舱室运行数据集合作为输入数据，上传至所述能耗特征提取模型，基于所述标识信息，对所述输入数据进行训练，获得训练结果，其中，所述训练结果包括模型提取特征集合；
第五获得单元，所述第五获得单元用于获得所述模型提取特征集合对应的目标特征能耗值集合；
第六获得单元，所述第六获得单元用于获得所述各舱室运行数据集合的各运行数据能耗值集合；
第一确定单元，所述第一确定单元用于根据所述目标特征能耗值集合，确定预设能耗阈值；
第一筛选单元，所述第一筛选单元用于基于所述预设能耗阈值，对所述各运行数据能耗值集合进行筛选，获得额外能耗特征集合；
第一优化单元，所述第一优化单元用于将所述额外能耗特征集合输入至所述能耗特征提取模型，对所述能耗特征提取模型进行优化训练。
7.一种地下管廊装配式结构的绿色检测系统，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210740903.8A CN114820825B (zh) | 2022-06-28 | 2022-06-28 | 一种地下管廊装配式结构的绿色检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210740903.8A CN114820825B (zh) | 2022-06-28 | 2022-06-28 | 一种地下管廊装配式结构的绿色检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114820825A CN114820825A (zh) | 2022-07-29 |
| CN114820825B true CN114820825B (zh) | 2022-09-20 |
Family
ID=82522721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210740903.8A Active CN114820825B (zh) | 2022-06-28 | 2022-06-28 | 一种地下管廊装配式结构的绿色检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114820825B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115577020B (zh) * | 2022-12-07 | 2023-04-07 | 天津腾飞钢管有限公司 | 一种修磨周期能耗状态识别系统及识别方法 |
| CN118627930A (zh) * | 2024-06-27 | 2024-09-10 | 北方工业大学 | 地下管廊结构健康监测预警系统及其监测装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108508831A (zh) * | 2018-07-02 | 2018-09-07 | 青岛华高物联网科技有限公司 | 一种地下综合管廊智慧型管控系统 |
| CN111612018A (zh) * | 2020-04-24 | 2020-09-01 | 国网河北省电力有限公司雄安新区供电公司 | 一种基于多源异构数据融合的地下管廊监测方法和系统 |
| CN113110221A (zh) * | 2021-04-29 | 2021-07-13 | 上海智大电子有限公司 | 一种管廊系统的综合智能监控方法及系统 |
| CN113139731A (zh) * | 2021-04-29 | 2021-07-20 | 上海智大电子有限公司 | 一种地下管廊的安全感知预警方法及系统 |
| WO2022052570A1 (zh) * | 2020-09-09 | 2022-03-17 | 日立楼宇技术（广州）有限公司 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
| CN114393520A (zh) * | 2022-01-19 | 2022-04-26 | 无锡井上华光汽车部件有限公司 | 一种机器人智能化冲切工艺监测方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11513480B2 (en) * | 2018-03-27 | 2022-11-29 | Terminus (Beijing) Technology Co., Ltd. | Method and device for automatically diagnosing and controlling apparatus in intelligent building |
| CN114185959A (zh) * | 2021-11-20 | 2022-03-15 | 上海市岩土地质研究院有限公司 | 城市综合管廊与周边地质环境自动化监测与预警方法、系统、设备及存储介质 |
-
2022
- 2022-06-28 CN CN202210740903.8A patent/CN114820825B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108508831A (zh) * | 2018-07-02 | 2018-09-07 | 青岛华高物联网科技有限公司 | 一种地下综合管廊智慧型管控系统 |
| CN111612018A (zh) * | 2020-04-24 | 2020-09-01 | 国网河北省电力有限公司雄安新区供电公司 | 一种基于多源异构数据融合的地下管廊监测方法和系统 |
| WO2022052570A1 (zh) * | 2020-09-09 | 2022-03-17 | 日立楼宇技术（广州）有限公司 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
| CN113110221A (zh) * | 2021-04-29 | 2021-07-13 | 上海智大电子有限公司 | 一种管廊系统的综合智能监控方法及系统 |
| CN113139731A (zh) * | 2021-04-29 | 2021-07-20 | 上海智大电子有限公司 | 一种地下管廊的安全感知预警方法及系统 |
| CN114393520A (zh) * | 2022-01-19 | 2022-04-26 | 无锡井上华光汽车部件有限公司 | 一种机器人智能化冲切工艺监测方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| An energy consumption model and analysis tool for Cloud computing environments;FeiFei Chen等;《2012 First International Workshop on Green and Sustainable Software (GREENS)》;20120625;第45-50页 * |
| Classification and Coding of Pipe Gallery Bim Model for Operation and Maintenance;Song-Tao Lu等;《International Conference on Applications and Techniques in Cyber Security and Intelligence ATCI 2018》;20181105;第842卷;第432-442页 * |
| 基于GRU神经网络的数据中心能耗预测模型研究;杨丽娜等;《电力信息与通信技术》;20210331;第19卷(第3期);第10-18页 * |
| 基于数字孪生的城市地下综合管廊应用研究;郭杰等;《计算机仿真》;20220430;第39卷(第4期);第119-123、209页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114820825A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114820825B (zh) | 一种地下管廊装配式结构的绿色检测方法及系统 | |
| CN111352971A (zh) | 银行系统监控数据异常检测方法及系统 | |
| CN115330268B (zh) | 一种应对矿山灾难的综合性应急指挥方法及系统 | |
| CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| CN111612018A (zh) | 一种基于多源异构数据融合的地下管廊监测方法和系统 | |
| CN109905489B (zh) | 基于数据融合算法的多传感器数据关联性处理方法及系统 | |
| CN116823580B (zh) | 一种基于云计算的智慧城市节能减排管理方法及系统 | |
| CN115730684A (zh) | 一种基于lstm-cnn模型的空气质量检测系统 | |
| CN115423127B (zh) | 一种基于人工智能的电力设备现场运维方法及系统 | |
| CN117460129A (zh) | 基于物联网驱动的节能路灯控制方法及系统 | |
| CN107480698A (zh) | 基于多个监测指标的质量控制方法 | |
| CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
| Linda et al. | Computational intelligence based anomaly detection for building energy management systems | |
| CN114897241A (zh) | 一种基于数字孪生的楼宇能效智能化监管预测方法 | |
| CN117850273A (zh) | 一种用于控制建筑碳排放的数字孪生系统 | |
| CN111862558A (zh) | 一种火灾探测信号的智能处理方法 | |
| Khairulzaman et al. | Automation in civil engineering design in assessing building energy efficiency | |
| CN116467368A (zh) | 一种基于大数据分析的安全监测方法和系统 | |
| CN116336994A (zh) | 一种预报警的深基坑实时监测方法及系统 | |
| CN114372952A (zh) | 电缆隐蔽工程施工缺陷自动识别系统 | |
| CN113919170A (zh) | 一种基于多传感融合的工况环境模拟方法及系统 | |
| Hongqing et al. | Generation and detection technology of intelligent building engineering based on digital twin and deep learning | |
| Bilal et al. | Energy Efficient Buildings in the Industry 4.0 Era: A Review | |
| CN118313967B (zh) | 一种用于隧道建设的智慧隧道综合管控系统及方法 | |
| CN114415602B (zh) | 工业设备的监控方法、装置、系统和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |