Nothing Special   »   [go: up one dir, main page]

CN117633978A - 一种基于大数据的建筑能耗管理系统及方法 - Google Patents

一种基于大数据的建筑能耗管理系统及方法 Download PDF

Info

Publication number
CN117633978A
CN117633978A CN202311623822.0A CN202311623822A CN117633978A CN 117633978 A CN117633978 A CN 117633978A CN 202311623822 A CN202311623822 A CN 202311623822A CN 117633978 A CN117633978 A CN 117633978A
Authority
CN
China
Prior art keywords
energy consumption
abnormal energy
fusion
building
abnormal
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.)
Granted
Application number
CN202311623822.0A
Other languages
English (en)
Other versions
CN117633978B (zh
Inventor
蔡剑文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Nanhai Industry Group Co ltd
Original Assignee
Guangdong Nanhai Industry Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Nanhai Industry Group Co ltd filed Critical Guangdong Nanhai Industry Group Co ltd
Priority to CN202311623822.0A priority Critical patent/CN117633978B/zh
Publication of CN117633978A publication Critical patent/CN117633978A/zh
Application granted granted Critical
Publication of CN117633978B publication Critical patent/CN117633978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Strategic Management (AREA)
  • Public Health (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的建筑能耗管理系统及方法，属于建筑管理技术领域。所述系统包括介入干扰波动分析模块，所述介入干扰波动分析模块获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间。本发明能够在建筑构图阶段，预测建筑构图中可能存在的异常能够区域，分析在对建筑结构进行调整的情况下，相应异常能耗区域内能源供应管道受到的干扰，进而在建筑构图阶段实现对建筑能耗的有效管理。

Description

一种基于大数据的建筑能耗管理系统及方法
技术领域
本发明涉及建筑管理技术领域，具体为一种基于大数据的建筑能耗管理系统及方法。
背景技术
随着建筑行业不断向智能化、绿色建筑方向发展，人们对建筑能耗的管控越来越重视；现有的基于大数据的建筑能耗管理系统是用在对实体建筑的能耗监管，即在实体建筑构建完成且各个能耗供应系统中的供应管道均排布完成的基础上，通过在预设节点位置安装传感器的方式，实现对建筑能耗的监管，识别监测的建筑中各个能源供应系统的异常能耗区域，但是，该方式存在较大的弊端，由于实体建筑已经建设完成，即使对异常能耗区域的管道进行优化，也会受到固有的建筑结构的局限，影响最终的优化结果；无法在建筑构图阶段对建筑管道中可能存在的异常能耗区域进行优化管理，并对建筑构图的相应部分进行适应性调整。
发明内容
本发明的目的在于提供一种基于大数据的建筑能耗管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的建筑能耗管理方法，所述方法包括以下步骤：
S1、获取基于BIM技术的三维结构的待测建筑模型，结合数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，对待测建筑模型进行异常能耗特征节点提取，根据提取的每个异常能耗特征节点与相应的建筑结构特征构建异常能耗特征数据对，并得到所得的各个异常能耗特征数据对的汇总集合；
S2、获取所得汇总集合中各个异常能耗特征数据对之间的关联关系，结合每个异常能耗特征数据对中相应异常能耗特征节点位置，构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值；
S3、获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间；
S4、结合不同结构替换组合方案对应的介入干扰指数波动区间及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值，对相应异常能耗融合区域的建筑结构特征的替换需求进行判断，并将满足替换需求的建筑结构特征与相应的替换结构进行绑定，生成替换需求关联数据对；
S5、对所得替换需求关联数据对按顺序逐个进行汇总，生成需求预警序列，将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策。
进一步的，所述S1中获取的基于BIM技术的三维结构的待测建筑模型中包含不同能源供应系统的管道排布，所述能源供应系统包括热水供暖系统、水务供应系统及燃气供应系统；
所述数据库中每个异常能耗特征节点对应的建筑结构特征包括异常能耗特征节点对应区域周边单位距离内的各个建筑结构，及每个建筑结构相对于异常能耗特征节点对应区域中心点的最短距离；所述单位距离为数据库中预置的常数；
所述每个异常能耗特征节点为相应能源供应系统中出现故障的管道区域；
所述S1中对待测建筑模型进行异常能耗特征节点提取的方法包括以下步骤：
S11、获取数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征；每个异常能耗特征节点对应的一个建筑结构特征，所述同一能源供应系统中的各个异常能耗特征节点汇总到同一个空白集合中；将第i个能源供应系统对应的异常能耗特征节点汇总集合记为Ai；
S12、对Ai中各个元素分别对应的建筑结构特征进行融合，得到第i个能源供应系统对应异常能耗特征节点判定条件集合，记为Bi；
所述Bi中每个元素对应Ai中的一个或多个元素对应的建筑结构特征，
当Bi中每个元素对应Ai中一个元素对应的建筑结构特征时，则Bi中相应元素对应的异常能耗特征节点判定条件包括多个判定子条件，所述判定子条件的个数与Ai中相应元素对应建筑结构特征中对应的建筑结构个数，每个判定子条件为相应建筑结构相对于待判定区域中心点的最短距离小于等于Ai中相应元素对应的建筑结构特征中相应建筑结构相对于异常能耗特征节点对应区域中心的最短距离；
当Bi中每个元素对应Ai中多个元素对应的建筑结构特征时，则Bi中相应元素对应的异常能耗特征节点判定条件包括多个判定子条件，所述判定子条件的个数与Ai中融合前的各个相应元素分别对应建筑结构特征中对应建筑结构的个数，且融合前的各个元素分别对应建筑结构特征中对应建筑结构均相同；融合后的每个判定子条件为相应建筑结构相对于待判定区域中心点的最短距离小于等于融合前Ai中各个相应元素分别对应的建筑结构特征中相应建筑结构相对于异常能耗特征节点对应区域中心的最短距离的最大值；
S13、将待测建筑模型中第i个能源供应系统对应的管道划分成不同的区域，将第j个划分区域记为Cj；并获取Cj对应的建筑结构特征；
S14、将Cj对应的建筑结构特征与Bi中元素进行比较，
当Cj对应的建筑结构特征均不满足Bi中每个元素对应的判定条件时，则判定Cj不为异常能耗特征节点；反之，则判定Cj为一个异常能耗特征节点。
本发明在生成异常能耗特征节点判定条件集合Bi时，考虑到历史数据中不同异常能耗特征节点对应的建筑结构特征中，建筑结构种类相同，但是其建筑结构对应的距离不同的情况，该情况下，通过对建筑结构特征中建筑结构种类相同的异常能耗特征节点融合的方式，能够确保生成的异常能耗特征节点判定条件更加准确，进而预测的待测建筑模型中的异常建筑特征节点更加精准。
进一步的，所述S2中构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域时，获取每个异常能耗特征数据对中相应异常能耗特征节点位置及所得汇总集合中各个异常能耗特征数据对之间的关联关系；
判断任意两个异常能耗特征数据对之间是否存在关联关系的过程中，将这两个异常能耗特征数据对分别记为U1与U2，获取U1及已经与U1存在关联关系的异常能耗数据对分别对应区域的并集，记为UB1；获取U2及已经与U2存在关联关系的异常能耗数据对分别对应区域的并集，记为UB2；若UB1与UB2之间的交集不为空集，则判定U1与U2之间存在关联关系；反之，则判定U1与U2之间不存在关联关系；
得到存在关联关系的不同异常能耗数据对对应的异常能耗融合区域，所述异常能够融合区域为存在关联关系的所有异常能耗数据对分别对应的异常能耗特征节点相应区域的并集；
所述S2中构建存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征的融合影响干扰值的方法包括以下步骤：
S21、获取存在关联关系的不同异常能耗数据对对应的异常能耗融合区域，将所得异常能耗融合区域的面积记为M；
S22、获取存在关联关系的不同异常能耗数据对中的建筑结构特征；
S23、得到存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征的融合影响干扰值，记为G，
所述
其中，n1表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中建筑结构的种类个数；
an表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构出现的次数；
Pn表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构对应的判定距离偏差量；Pn＝PLn－PTn，
PLn表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构相对于相应异常能耗特征节点对应区域中心的最短距离的平均值；
PTn表示Bi中含有存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征内第n种建筑结构的各个判定子条件中，各个判定子条件分别对应的各个最大判定阈值的平均值。
进一步的，所述S3中生成不同的结构替换组合方案时，获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，将异常能耗融合区域内的第k个建筑结构在数据库预置表单内的替换结构个数记为Dk，将所得结构替换组合方案个数记为ZD，
所述ZD＝2D1+D2+...+Dk+...+Dk1-1；其中，k1表示相应异常能耗融合区域内建筑结构个数；
所述S3中分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间的方法包括以下步骤：
S31、获取任意一个异常能耗融合区域H的第g个结构替换组合方案；并用所得结构替换组合方案中的各个建筑结构替换相应异常能耗融合区域H中相应的原有建筑结构；
S32、按S1中步骤执行，识别出相应异常能耗融合区域H内的异常能耗特征节点及相应的异常能耗特征数据对；并按照S2中步骤执行，得到相应异常能耗融合区域H内分别对应的各个融合影响干扰值；
本发明中所述异常能耗融合区域H内执行第g个结构替换方案后，执行S1中步骤所得的异常能耗特征节点与替换前所得的异常能耗特征节点存在差异，进而替换后所得的异常能耗特征数据对执行S2中步骤时，可能生成不同的异常能耗融合区域且每个异常能耗融合区域均对应一个融合异常干扰值；
S33、得到异常能耗融合区域H的第g个结构替换组合方案对相应异常能耗融合区域的介入干扰指数波动区间，所得介入干扰指数波动区间中的最小值为S32中所得各个融合影响干扰值的最小值，所得介入干扰指数波动区间中的最大值为S32中所得各个融合影响干扰值的最大值。
进一步的，所述S4中对相应异常能耗融合区域的建筑结构特征的替换需求进行判断的方法包括以下步骤：
S41、获取异常能耗融合区域H的各个结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间，将异常能耗融合区域H的第g个结构替换组合方案对相应异常能耗融合区域的介入干扰指数波动区间记为RHg；
S42、获取执行结构替换组合方案前异常能耗融合区域H对应的融合影响干扰值，记为GH；
S43、得到异常能耗融合区域H对应的第g个结构替换组合方案相对于异常能耗融合区域H的替换需求指数，记为FRHg，
其中，f1表示异常能耗融合区域H对应的第g个结构替换组合方案中替换建筑结构的总个数；
表示异常能耗融合区域H内实施第g个结构替换组合方案的过程中，替换前后的两个建筑结构在数据库预置表单内对应的实施转换难度系数；
表示异常能耗融合区域H内实施第g个结构替换组合方案的过程中，替换第f个建筑结构在异常能耗融合区域H内的建筑结构变化面积；
PDRHg表示需求判定系数；当GH小于等于RHg中的最大值时，则判定PDRHg＝β1，反之，则PDRHg＝β2，且β1与β2均为数据库中预置的常数；
QRHg表示异常能耗融合区域H对应的第g个结构替换组合方案相对于异常能耗融合区域H的替换需求指标偏差量；
其中，表示介入干扰指数波动区间RHg对应的状态稳定性系数；WSRHg表示异常能耗融合区域H在执行第g个结构替换组合方案后，得到的构成RHg的各个融合影响干扰值的平均值；WYRHg表示介入干扰指数波动区间RHg中最大值与最小值的平均值；LRHg表示介入干扰指数波动区间RHg的区间长度；
mHg表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的融合影响干扰值个数；G(m，RHg)表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的第m个融合影响干扰值；M(m，RHg)表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的第m个融合影响干扰值对应的异常能耗融合区域的面积；MH表示异常能耗融合区域H对应的面积；
S44、当FRHg大于等于需求判定阈值时，则判定异常能耗融合区域H的第g个结构替换组合方案满足替换需求；反之，则判定异常能耗融合区域H的第g个结构替换组合方案不满足替换需求。
本发明在对每个异常能耗融合区域的结构替换组合方案的筛选过程中，可能一个异常能耗融合区域存在多个满足替换需求的结构替换组合方案，也可能一个异常能耗融合区域不存在满足替换需求的结构替换组合方案。
进一步的，所述S5中将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策时，管理员能够查看需求预警序列中每个替换需求关联数据对对应的融合干扰影响值及相应的介入干扰指数波动区间。
一种基于大数据的建筑能耗管理系统，所述系统通过上述基于大数据的建筑能耗管理方法实现，所述系统包括以下模块：
异常能耗特征分析模块，所述异常能耗特征分析模块获取基于BIM技术的三维结构的待测建筑模型，结合数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，对待测建筑模型进行异常能耗特征节点提取，根据提取的每个异常能耗特征节点与相应的建筑结构特征构建异常能耗特征数据对，并得到所得的各个异常能耗特征数据对的汇总集合；
建筑结构特征融合影响分析模块，所述建筑结构特征融合影响分析模块获取所得汇总集合中各个异常能耗特征数据对之间的关联关系，结合每个异常能耗特征数据对中相应异常能耗特征节点位置，构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值；
介入干扰波动分析模块，所述介入干扰波动分析模块获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间；
替换需求关联构建模块，所述替换需求关联构建模块结合不同结构替换组合方案对应的介入干扰指数波动区间及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值，对相应异常能耗融合区域的建筑结构特征的替换需求进行判断，并将满足替换需求的建筑结构特征与相应的替换结构进行绑定，生成替换需求关联数据对；
需求预警反馈管理模块，所述需求预警反馈管理模块对所得替换需求关联数据对按顺序逐个进行汇总，生成需求预警序列，将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策。
进一步的，所述介入干扰波动分析模块包括替换组合方案生成单元及干扰分析单元，
所述替换组合方案生成单元获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案；
所述干扰分析单元结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间。
与现有技术相比，本发明所达到的有益效果是：本发明能够在建筑构图阶段，结合数据库中历史建筑数据内各个异常能耗区域的建筑结构特征，预测建筑构图中可能存在的异常能够区域，进而分析异常能耗区域对相应区域内相应能源供应管道的影响，分析在对建筑结构进行调整的情况下，相应异常能耗区域内能源供应管道受到的干扰，进而在建筑构图阶段实现对建筑能耗的有效管理；降低建筑实体结构对各个能耗供应管道造成的影响。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的建筑能耗管理方法的流程示意图；
图2是本发明一种基于大数据的建筑能耗管理系统的结构示意图。
具体实施方式
请参阅图1，本发明提供技术方案：一种基于大数据的建筑能耗管理方法，所述方法包括以下步骤：
S1、获取基于BIM技术的三维结构的待测建筑模型，结合数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，对待测建筑模型进行异常能耗特征节点提取，根据提取的每个异常能耗特征节点与相应的建筑结构特征构建异常能耗特征数据对，并得到所得的各个异常能耗特征数据对的汇总集合；
本实施例中的不同能源供应系统包括电力、供热、水务及燃气供应系统，所述不同能源供应系统内的异常能耗特征节点为相应能源供应系统中出现故障的区域，
所述S1中获取的基于BIM技术的三维结构的待测建筑模型中包含不同能源供应系统的管道排布，所述能源供应系统包括热水供暖系统、水务供应系统及燃气供应系统；
所述数据库中每个异常能耗特征节点对应的建筑结构特征包括异常能耗特征节点对应区域周边单位距离内的各个建筑结构，及每个建筑结构相对于异常能耗特征节点对应区域中心点的最短距离；所述单位距离为数据库中预置的常数；
所述每个异常能耗特征节点为相应能源供应系统中出现故障的管道区域；
所述S1中对待测建筑模型进行异常能耗特征节点提取的方法包括以下步骤：
S11、获取数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征；每个异常能耗特征节点对应的一个建筑结构特征，所述同一能源供应系统中的各个异常能耗特征节点汇总到同一个空白集合中；将第i个能源供应系统对应的异常能耗特征节点汇总集合记为Ai；
S12、对Ai中各个元素分别对应的建筑结构特征进行融合，得到第i个能源供应系统对应异常能耗特征节点判定条件集合，记为Bi；
所述Bi中每个元素对应Ai中的一个或多个元素对应的建筑结构特征，
当Bi中每个元素对应Ai中一个元素对应的建筑结构特征时，则Bi中相应元素对应的异常能耗特征节点判定条件包括多个判定子条件，所述判定子条件的个数与Ai中相应元素对应建筑结构特征中对应的建筑结构个数，每个判定子条件为相应建筑结构相对于待判定区域中心点的最短距离小于等于Ai中相应元素对应的建筑结构特征中相应建筑结构相对于异常能耗特征节点对应区域中心的最短距离；
当Bi中每个元素对应Ai中多个元素对应的建筑结构特征时，则Bi中相应元素对应的异常能耗特征节点判定条件包括多个判定子条件，所述判定子条件的个数与Ai中融合前的各个相应元素分别对应建筑结构特征中对应建筑结构的个数，且融合前的各个元素分别对应建筑结构特征中对应建筑结构均相同；融合后的每个判定子条件为相应建筑结构相对于待判定区域中心点的最短距离小于等于融合前Ai中各个相应元素分别对应的建筑结构特征中相应建筑结构相对于异常能耗特征节点对应区域中心的最短距离的最大值；
S13、将待测建筑模型中第i个能源供应系统对应的管道划分成不同的区域，将第j个划分区域记为Cj；并获取Cj对应的建筑结构特征；
S14、将Cj对应的建筑结构特征与Bi中元素进行比较，
当Cj对应的建筑结构特征均不满足Bi中每个元素对应的判定条件时，则判定Cj不为异常能耗特征节点；反之，则判定Cj为一个异常能耗特征节点。
S2、获取所得汇总集合中各个异常能耗特征数据对之间的关联关系，结合每个异常能耗特征数据对中相应异常能耗特征节点位置，构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值；
所述S2中构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域时，获取每个异常能耗特征数据对中相应异常能耗特征节点位置及所得汇总集合中各个异常能耗特征数据对之间的关联关系；
判断任意两个异常能耗特征数据对之间是否存在关联关系的过程中，将这两个异常能耗特征数据对分别记为U1与U2，获取U1及已经与U1存在关联关系的异常能耗数据对分别对应区域的并集，记为UB1；获取U2及已经与U2存在关联关系的异常能耗数据对分别对应区域的并集，记为UB2；若UB1与UB2之间的交集不为空集，则判定U1与U2之间存在关联关系；反之，则判定U1与U2之间不存在关联关系；
得到存在关联关系的不同异常能耗数据对对应的异常能耗融合区域，所述异常能够融合区域为存在关联关系的所有异常能耗数据对分别对应的异常能耗特征节点相应区域的并集；
所述S2中构建存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征的融合影响干扰值的方法包括以下步骤：
S21、获取存在关联关系的不同异常能耗数据对对应的异常能耗融合区域，将所得异常能耗融合区域的面积记为M；
S22、获取存在关联关系的不同异常能耗数据对中的建筑结构特征；
S23、得到存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征的融合影响干扰值，记为G，
所述
其中，n1表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中建筑结构的种类个数；
an表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构出现的次数；
Pn表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构对应的判定距离偏差量；Pn＝PLn－PTn，
PLn表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构相对于相应异常能耗特征节点对应区域中心的最短距离的平均值；
PTn表示Bi中含有存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征内第n种建筑结构的各个判定子条件中，各个判定子条件分别对应的各个最大判定阈值的平均值。
本实施例中若存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征内第n种建筑结构为甲，
若Bi中含有建筑结构甲的判定子条件有三个，分别为甲相对于待判定区域中心点的最短距离小于等于L1、甲相对于待判定区域中心点的最短距离小于等于L2及甲相对于待判定区域中心点的最短距离小于等于L3，
则PTn＝(L1+L2+L3)/3。
S3、获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间；
所述S3中生成不同的结构替换组合方案时，获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，将异常能耗融合区域内的第k个建筑结构在数据库预置表单内的替换结构个数记为Dk，将所得结构替换组合方案个数记为ZD，
所述ZD＝2D1+D2+...+Dk+...+Dk1-1；其中，k1表示相应异常能耗融合区域内建筑结构个数；
本实施例中若异常能耗融合区域内存在的两个建筑结构，若第一个建筑结构在数据库预置表单内的替换结构个数为3，分别为r1及r2；
若第二个建筑结构在数据库预置表单内的替换结构个数为2，分别为r3及r4；
则生成的结构替换组合方案的个数为2(2+2)-1＝24-1＝15；分别为：
{r1，r2，r3，r4}、
及
所述S3中分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间的方法包括以下步骤：
S31、获取任意一个异常能耗融合区域H的第g个结构替换组合方案；并用所得结构替换组合方案中的各个建筑结构替换相应异常能耗融合区域H中相应的原有建筑结构；
S32、按S1中步骤执行，识别出相应异常能耗融合区域H内的异常能耗特征节点及相应的异常能耗特征数据对；并按照S2中步骤执行，得到相应异常能耗融合区域H内分别对应的各个融合影响干扰值；
所述异常能耗融合区域H内执行第g个结构替换方案后，执行S1中步骤所得的异常能耗特征节点与替换前所得的异常能耗特征节点存在差异，进而替换后所得的异常能耗特征数据对执行S2中步骤时，可能生成不同的异常能耗融合区域且每个异常能耗融合区域均对应一个融合异常干扰值；
S33、得到异常能耗融合区域H的第g个结构替换组合方案对相应异常能耗融合区域的介入干扰指数波动区间，所得介入干扰指数波动区间中的最小值为S32中所得各个融合影响干扰值的最小值，所得介入干扰指数波动区间中的最大值为S32中所得各个融合影响干扰值的最大值。
S4、结合不同结构替换组合方案对应的介入干扰指数波动区间及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值，对相应异常能耗融合区域的建筑结构特征的替换需求进行判断，并将满足替换需求的建筑结构特征与相应的替换结构进行绑定，生成替换需求关联数据对；
所述S4中对相应异常能耗融合区域的建筑结构特征的替换需求进行判断的方法包括以下步骤：
S41、获取异常能耗融合区域H的各个结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间，将异常能耗融合区域H的第g个结构替换组合方案对相应异常能耗融合区域的介入干扰指数波动区间记为RHg；
S42、获取执行结构替换组合方案前异常能耗融合区域H对应的融合影响干扰值，记为GH；
S43、得到异常能耗融合区域H对应的第g个结构替换组合方案相对于异常能耗融合区域H的替换需求指数，记为FRHg，
其中，f1表示异常能耗融合区域H对应的第g个结构替换组合方案中替换建筑结构的总个数；
表示异常能耗融合区域H内实施第g个结构替换组合方案的过程中，替换前后的两个建筑结构在数据库预置表单内对应的实施转换难度系数；
表示异常能耗融合区域H内实施第g个结构替换组合方案的过程中，替换第f个建筑结构在异常能耗融合区域H内的建筑结构变化面积；
PDRHg表示需求判定系数；当GH小于等于RHg中的最大值时，则判定RDRHg＝β1，反之，则PDRHg＝β2，且β1与β2均为数据库中预置的常数；
QRHg表示异常能耗融合区域H对应的第g个结构替换组合方案相对于异常能耗融合区域H的替换需求指标偏差量；
其中，表示介入干扰指数波动区间RHg对应的状态稳定性系数；WSRHg表示异常能耗融合区域H在执行第g个结构替换组合方案后，得到的构成RHg的各个融合影响干扰值的平均值；WYRHg表示介入干扰指数波动区间RHg中最大值与最小值的平均值；LRHg表示介入干扰指数波动区间RHg的区间长度；
mHg表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的融合影响干扰值个数；G(m，RHg)表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的第m个融合影响干扰值；M(m，RHg)表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的第m个融合影响干扰值对应的异常能耗融合区域的面积；MH表示异常能耗融合区域H对应的面积；
S44、当FRHg大于等于需求判定阈值时，则判定异常能耗融合区域H的第g个结构替换组合方案满足替换需求；反之，则判定异常能耗融合区域H的第g个结构替换组合方案不满足替换需求。
S5、对所得替换需求关联数据对按顺序逐个进行汇总，生成需求预警序列，将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策。
所述S5中将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策时，管理员能够查看需求预警序列中每个替换需求关联数据对对应的融合干扰影响值及相应的介入干扰指数波动区间。
如图2所示，一种基于大数据的建筑能耗管理系统，所述系统通过上述基于大数据的建筑能耗管理方法实现，所述系统包括以下模块：
异常能耗特征分析模块，所述异常能耗特征分析模块获取基于BIM技术的三维结构的待测建筑模型，结合数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，对待测建筑模型进行异常能耗特征节点提取，根据提取的每个异常能耗特征节点与相应的建筑结构特征构建异常能耗特征数据对，并得到所得的各个异常能耗特征数据对的汇总集合；
建筑结构特征融合影响分析模块，所述建筑结构特征融合影响分析模块获取所得汇总集合中各个异常能耗特征数据对之间的关联关系，结合每个异常能耗特征数据对中相应异常能耗特征节点位置，构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值；
介入干扰波动分析模块，所述介入干扰波动分析模块获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间；
替换需求关联构建模块，所述替换需求关联构建模块结合不同结构替换组合方案对应的介入干扰指数波动区间及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值，对相应异常能耗融合区域的建筑结构特征的替换需求进行判断，并将满足替换需求的建筑结构特征与相应的替换结构进行绑定，生成替换需求关联数据对；
需求预警反馈管理模块，所述需求预警反馈管理模块对所得替换需求关联数据对按顺序逐个进行汇总，生成需求预警序列，将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策。
所述介入干扰波动分析模块包括替换组合方案生成单元及干扰分析单元，
所述替换组合方案生成单元获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案；
所述干扰分析单元结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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保护范围之内。

Claims (8)

1.一种基于大数据的建筑能耗管理方法，其特征在于，所述方法包括以下步骤：
S1、获取基于BIM技术的三维结构的待测建筑模型，结合数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，对待测建筑模型进行异常能耗特征节点提取，根据提取的每个异常能耗特征节点与相应的建筑结构特征构建异常能耗特征数据对，并得到所得的各个异常能耗特征数据对的汇总集合；
S2、获取所得汇总集合中各个异常能耗特征数据对之间的关联关系，结合每个异常能耗特征数据对中相应异常能耗特征节点位置，构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值；
S3、获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间；
S4、结合不同结构替换组合方案对应的介入干扰指数波动区间及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值，对相应异常能耗融合区域的建筑结构特征的替换需求进行判断，并将满足替换需求的建筑结构特征与相应的替换结构进行绑定，生成替换需求关联数据对；
S5、对所得替换需求关联数据对按顺序逐个进行汇总，生成需求预警序列，将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策。
2.根据权利要求1所述的一种基于大数据的建筑能耗管理方法，其特征在于：所述S1中获取的基于BIM技术的三维结构的待测建筑模型中包含不同能源供应系统的管道排布，所述能源供应系统包括热水供暖系统、水务供应系统及燃气供应系统；
所述数据库中每个异常能耗特征节点对应的建筑结构特征包括异常能耗特征节点对应区域周边单位距离内的各个建筑结构，及每个建筑结构相对于异常能耗特征节点对应区域中心点的最短距离；所述单位距离为数据库中预置的常数；
所述每个异常能耗特征节点为相应能源供应系统中出现故障的管道区域；
所述S1中对待测建筑模型进行异常能耗特征节点提取的方法包括以下步骤：
S11、获取数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征；每个异常能耗特征节点对应的一个建筑结构特征，所述同一能源供应系统中的各个异常能耗特征节点汇总到同一个空白集合中；将第i个能源供应系统对应的异常能耗特征节点汇总集合记为Ai；
S12、对Ai中各个元素分别对应的建筑结构特征进行融合，得到第i个能源供应系统对应异常能耗特征节点判定条件集合，记为Bi；
所述Bi中每个元素对应Ai中的一个或多个元素对应的建筑结构特征，
当Bi中每个元素对应Ai中一个元素对应的建筑结构特征时，则Bi中相应元素对应的异常能耗特征节点判定条件包括多个判定子条件，所述判定子条件的个数与Ai中相应元素对应建筑结构特征中对应的建筑结构个数，每个判定子条件为相应建筑结构相对于待判定区域中心点的最短距离小于等于Ai中相应元素对应的建筑结构特征中相应建筑结构相对于异常能耗特征节点对应区域中心的最短距离；
当Bi中每个元素对应Ai中多个元素对应的建筑结构特征时，则Bi中相应元素对应的异常能耗特征节点判定条件包括多个判定子条件，所述判定子条件的个数与Ai中融合前的各个相应元素分别对应建筑结构特征中对应建筑结构的个数，且融合前的各个元素分别对应建筑结构特征中对应建筑结构均相同；融合后的每个判定子条件为相应建筑结构相对于待判定区域中心点的最短距离小于等于融合前Ai中各个相应元素分别对应的建筑结构特征中相应建筑结构相对于异常能耗特征节点对应区域中心的最短距离的最大值；
S13、将待测建筑模型中第i个能源供应系统对应的管道划分成不同的区域，将第j个划分区域记为Cj；并获取Cj对应的建筑结构特征；
S14、将Cj对应的建筑结构特征与Bi中元素进行比较，
当Cj对应的建筑结构特征均不满足Bi中每个元素对应的判定条件时，则判定Cj不为异常能耗特征节点；反之，则判定Cj为一个异常能耗特征节点。
3.根据权利要求1所述的一种基于大数据的建筑能耗管理方法，其特征在于：所述S2中构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域时，获取每个异常能耗特征数据对中相应异常能耗特征节点位置及所得汇总集合中各个异常能耗特征数据对之间的关联关系；
判断任意两个异常能耗特征数据对之间是否存在关联关系的过程中，将这两个异常能耗特征数据对分别记为U1与U2，获取U1及已经与U1存在关联关系的异常能耗数据对分别对应区域的并集，记为UB1；获取U2及已经与U2存在关联关系的异常能耗数据对分别对应区域的并集，记为UB2；若UB1与UB2之间的交集不为空集，则判定U1与U2之间存在关联关系；反之，则判定U1与U2之间不存在关联关系；
得到存在关联关系的不同异常能耗数据对对应的异常能耗融合区域，所述异常能够融合区域为存在关联关系的所有异常能耗数据对分别对应的异常能耗特征节点相应区域的并集；
所述S2中构建存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征的融合影响干扰值的方法包括以下步骤：
S21、获取存在关联关系的不同异常能耗数据对对应的异常能耗融合区域，将所得异常能耗融合区域的面积记为M；
S22、获取存在关联关系的不同异常能耗数据对中的建筑结构特征；
S23、得到存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征的融合影响干扰值，记为G，
所述
其中，n1表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中建筑结构的种类个数；an表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构出现的次数；Pn表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构对应的判定距离偏差量；Pn＝PLn－PTn，
PLn表示存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征中，第n种建筑结构相对于相应异常能耗特征节点对应区域中心的最短距离的平均值；
PTn表示Bi中含有存在关联关系的不同异常能耗数据对对应异常能耗融合区域的建筑结构特征内第n种建筑结构的各个判定子条件中，各个判定子条件分别对应的各个最大判定阈值的平均值。
4.根据权利要求1所述的一种基于大数据的建筑能耗管理方法，其特征在于：所述S3中生成不同的结构替换组合方案时，获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，将异常能耗融合区域内的第k个建筑结构在数据库预置表单内的替换结构个数记为Dk，将所得结构替换组合方案个数记为ZD，
所述ZD＝2D1+D2+...+Dk+...+Dk1-1；其中，k1表示相应异常能耗融合区域内建筑结构个数；
所述S3中分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间的方法包括以下步骤：
S31、获取任意一个异常能耗融合区域H的第g个结构替换组合方案；并用所得结构替换组合方案中的各个建筑结构替换相应异常能耗融合区域H中相应的原有建筑结构；
S32、按S1中步骤执行，识别出相应异常能耗融合区域H内的异常能耗特征节点及相应的异常能耗特征数据对；并按照S2中步骤执行，得到相应异常能耗融合区域H内分别对应的各个融合影响干扰值；
S33、得到异常能耗融合区域H的第g个结构替换组合方案对相应异常能耗融合区域的介入干扰指数波动区间，所得介入干扰指数波动区间中的最小值为S32中所得各个融合影响干扰值的最小值，所得介入干扰指数波动区间中的最大值为S32中所得各个融合影响干扰值的最大值。
5.根据权利要求1所述的一种基于大数据的建筑能耗管理方法，其特征在于：所述S4中对相应异常能耗融合区域的建筑结构特征的替换需求进行判断的方法包括以下步骤：
S41、获取异常能耗融合区域H的各个结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间，将异常能耗融合区域H的第g个结构替换组合方案对相应异常能耗融合区域的介入干扰指数波动区间记为RHg；
S42、获取执行结构替换组合方案前异常能耗融合区域H对应的融合影响干扰值，记为GH；
S43、得到异常能耗融合区域H对应的第g个结构替换组合方案相对于异常能耗融合区域H的替换需求指数，记为FRHg，
其中，f1表示异常能耗融合区域H对应的第g个结构替换组合方案中替换建筑结构的总个数；
表示异常能耗融合区域H内实施第g个结构替换组合方案的过程中，替换前后的两个建筑结构在数据库预置表单内对应的实施转换难度系数；
表示异常能耗融合区域H内实施第g个结构替换组合方案的过程中，替换第f个建筑结构在异常能耗融合区域H内的建筑结构变化面积；
PDRHg表示需求判定系数；当GH小于等于RHg中的最大值时，则判定PDRHg＝β1，反之，则PDRHg＝β2，且β1与β2均为数据库中预置的常数；
QRHg表示异常能耗融合区域H对应的第g个结构替换组合方案相对于异常能耗融合区域H的替换需求指标偏差量；
其中，表示介入干扰指数波动区间RHg对应的状态稳定性系数；WSRHg表示异常能耗融合区域H在执行第g个结构替换组合方案后，得到的构成RHg的各个融合影响干扰值的平均值；WYRHg表示介入干扰指数波动区间RHg中最大值与最小值的平均值；LRHg表示介入干扰指数波动区间RHg的区间长度；
mHg表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的融合影响干扰值个数；G(m,RHg)表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的第m个融合影响干扰值；M(m,RHg)表示异常能耗融合区域H执行第g个结构替换组合方案后，得到的第m个融合影响干扰值对应的异常能耗融合区域的面积；MH表示异常能耗融合区域H对应的面积；
S44、当FRHg大于等于需求判定阈值时，则判定异常能耗融合区域H的第g个结构替换组合方案满足替换需求；反之，则判定异常能耗融合区域H的第g个结构替换组合方案不满足替换需求。
6.根据权利要求1所述的一种基于大数据的建筑能耗管理方法，其特征在于：所述S5中将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策时，管理员能够查看需求预警序列中每个替换需求关联数据对对应的融合干扰影响值及相应的介入干扰指数波动区间。
7.一种基于大数据的建筑能耗管理系统，所述系统通过权利要求1-6中任意一项所述的一种基于大数据的建筑能耗管理方法实现，其特征在于，所述系统包括以下模块：
异常能耗特征分析模块，所述异常能耗特征分析模块获取基于BIM技术的三维结构的待测建筑模型，结合数据库中存储的历史数据内不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，对待测建筑模型进行异常能耗特征节点提取，根据提取的每个异常能耗特征节点与相应的建筑结构特征构建异常能耗特征数据对，并得到所得的各个异常能耗特征数据对的汇总集合；
建筑结构特征融合影响分析模块，所述建筑结构特征融合影响分析模块获取所得汇总集合中各个异常能耗特征数据对之间的关联关系，结合每个异常能耗特征数据对中相应异常能耗特征节点位置，构建存在关联关系的不同异常能耗数据对对应的异常能耗融合区域及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值；
介入干扰波动分析模块，所述介入干扰波动分析模块获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案，结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间；
替换需求关联构建模块，所述替换需求关联构建模块结合不同结构替换组合方案对应的介入干扰指数波动区间及相应异常能耗融合区域的建筑结构特征对应的融合影响干扰值，对相应异常能耗融合区域的建筑结构特征的替换需求进行判断，并将满足替换需求的建筑结构特征与相应的替换结构进行绑定，生成替换需求关联数据对；
需求预警反馈管理模块，所述需求预警反馈管理模块对所得替换需求关联数据对按顺序逐个进行汇总，生成需求预警序列，将所得需求预警序列反馈给管理员，辅助管理员进行建筑能耗结构调整决策。
8.根据权利要求7所述的一种基于大数据的建筑能耗管理系统，其特征在于：所述介入干扰波动分析模块包括替换组合方案生成单元及干扰分析单元，
所述替换组合方案生成单元获取异常能耗融合区域内的每个建筑结构在数据库预置表单内的替换结构，并生成不同的结构替换组合方案；
所述干扰分析单元结合历史数据中的不同能源供应系统的各个异常能耗特征节点分别对应的建筑结构特征，分析不同结构替换组合方案分别对相应异常能耗融合区域的介入干扰指数波动区间。
CN202311623822.0A 2023-11-30 2023-11-30 一种基于大数据的建筑能耗管理系统及方法 Active CN117633978B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311623822.0A CN117633978B (zh) 2023-11-30 2023-11-30 一种基于大数据的建筑能耗管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311623822.0A CN117633978B (zh) 2023-11-30 2023-11-30 一种基于大数据的建筑能耗管理系统及方法

Publications (2)

Publication Number Publication Date
CN117633978A true CN117633978A (zh) 2024-03-01
CN117633978B CN117633978B (zh) 2024-07-23

Family

ID=90036179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311623822.0A Active CN117633978B (zh) 2023-11-30 2023-11-30 一种基于大数据的建筑能耗管理系统及方法

Country Status (1)

Country Link
CN (1) CN117633978B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203012939U (zh) * 2012-12-03 2013-06-19 北京中诚盛源技术发展有限公司 一种能耗监测系统
CN108279622A (zh) * 2017-12-25 2018-07-13 陈剑桃 一种基于无线传感器网络的大型建筑能耗实时监控系统
CN111932137A (zh) * 2020-08-17 2020-11-13 安徽科达智慧能源科技有限公司 一种基于物联网的智慧园区能源管理系统
CN113036913A (zh) * 2021-03-03 2021-06-25 国网信息通信产业集团有限公司 一种综合能源设备状态监测方法及装置
CN113269522A (zh) * 2021-05-19 2021-08-17 江苏星月测绘科技股份有限公司 一种基于bim技术的建筑智能化管理方法及系统
CN113536440A (zh) * 2021-07-28 2021-10-22 国家电网有限公司 一种基于bim运维管理系统的数据处理方法
CN113919409A (zh) * 2021-08-20 2022-01-11 平高集团有限公司 综合能源数据融合方法、装置及设备
CN114781779A (zh) * 2022-02-25 2022-07-22 江苏鼋博群智能技术有限公司 一种无监督能耗异常检测方法、装置及存储介质
CN116090641A (zh) * 2023-01-17 2023-05-09 上海正弘建设工程顾问有限公司 一种基于数据平台的建造资源智能化管理系统及方法
WO2023080507A1 (ko) * 2021-11-03 2023-05-11 우송대학교 산학협력단 Bim 기반 철도 인프라 사업 설계 성과품 납품관리 시스템
CN116258239A (zh) * 2022-12-08 2023-06-13 江苏巨亘建筑科技有限公司 智控能源碳排管理集成系统及碳排管理方法
CN116796202A (zh) * 2023-07-17 2023-09-22 上海朗晖慧科技术有限公司 一种基于大数据的设备数据匹配方法及异常数据处理系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203012939U (zh) * 2012-12-03 2013-06-19 北京中诚盛源技术发展有限公司 一种能耗监测系统
CN108279622A (zh) * 2017-12-25 2018-07-13 陈剑桃 一种基于无线传感器网络的大型建筑能耗实时监控系统
CN111932137A (zh) * 2020-08-17 2020-11-13 安徽科达智慧能源科技有限公司 一种基于物联网的智慧园区能源管理系统
CN113036913A (zh) * 2021-03-03 2021-06-25 国网信息通信产业集团有限公司 一种综合能源设备状态监测方法及装置
CN113269522A (zh) * 2021-05-19 2021-08-17 江苏星月测绘科技股份有限公司 一种基于bim技术的建筑智能化管理方法及系统
CN113536440A (zh) * 2021-07-28 2021-10-22 国家电网有限公司 一种基于bim运维管理系统的数据处理方法
CN113919409A (zh) * 2021-08-20 2022-01-11 平高集团有限公司 综合能源数据融合方法、装置及设备
WO2023080507A1 (ko) * 2021-11-03 2023-05-11 우송대학교 산학협력단 Bim 기반 철도 인프라 사업 설계 성과품 납품관리 시스템
CN114781779A (zh) * 2022-02-25 2022-07-22 江苏鼋博群智能技术有限公司 一种无监督能耗异常检测方法、装置及存储介质
CN116258239A (zh) * 2022-12-08 2023-06-13 江苏巨亘建筑科技有限公司 智控能源碳排管理集成系统及碳排管理方法
CN116090641A (zh) * 2023-01-17 2023-05-09 上海正弘建设工程顾问有限公司 一种基于数据平台的建造资源智能化管理系统及方法
CN116796202A (zh) * 2023-07-17 2023-09-22 上海朗晖慧科技术有限公司 一种基于大数据的设备数据匹配方法及异常数据处理系统

Also Published As

Publication number Publication date
CN117633978B (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
US11982409B2 (en) Safety monitoring methods and Internet of Things systems of pipe network reliability degree based on intelligent gas
Bang et al. Novel real-time model-based fault detection method for automatic identification of abnormal energy performance in building ventilation units
Frank et al. Hybrid model-based and data-driven fault detection and diagnostics for commercial buildings
CN117436700B (zh) 一种基于bim的新能源工程数据管理系统及方法
CN111582700B (zh) 一种配电网设备故障率计算方法
CN105893700A (zh) 基于物理-大数据混合模型的化工生产在线故障检测与诊断技术
CN117035513A (zh) 一种智慧工业园区能源运行智能监测管理系统及方法
US20180366979A1 (en) Defect detection in power distribution system
CN116257809A (zh) 一种基于机器学习算法的供热管网异常诊断方法
CN109919432A (zh) 一种基于大数据的变电站设备故障影响因素分析方法
CN117633978B (zh) 一种基于大数据的建筑能耗管理系统及方法
CN103218535B (zh) 电力通信设备检测方案的选择方法及装置
CN111951125B (zh) 一种基于大数据分析的台区异常户变关系识别方法
Zhang et al. Real-time burst detection based on multiple features of pressure data
CN117474250A (zh) 一种新能源多功能集成智能应用系统
CN113837604A (zh) 一种多源异构数据融合与多维度数据相关性分析系统
Bucher et al. Life Expectancy of PV Inverters and Optimizers in Residential PV Systems
CN116032003A (zh) 一种基于电力专网数据处理的电网巡检方法及系统
CN110807916B (zh) 一种基于路网拓扑结构的交通状态评定方法及系统
CN108872730A (zh) 一种低压停电智能管理方法
Shoukas et al. Analysis of fault data collected from automated fault detection and diagnostic products for packaged rooftop units
CN116545377A (zh) 一种基于锁相技术的光伏组件监测方法
Pedersen et al. Data Validation for Digitally Enabled Operation & Maintenance of District Heating Systems
CN114110716A (zh) 一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质
TWI748672B (zh) 自動讀表異常分析系統及其方法

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