CN117494032B 建筑能耗實時監測控制系統及方法 （長春市鳴璽科技有限公司）

A,2011.09.21A,2014.09.24A,2020.06.12A,2021.01.29A,2023.04.07A,2023.05.09A,2023.12.05技術如自回歸積分滑動平均模型或長短期記憶效標準，邊緣計算優化模塊實現本地化數據處2所述時間序列分析模塊基于實時能耗數據，采用自回歸積分滑所述異常檢測模塊基于能耗趨勢預測，采用基于統計學的異常檢測所述故障預警模塊基于異常檢測報告，采用規則引擎和敏感度分析所述協同優化模塊基于故障預警通知，采用深度學習和強化學習，進所述邊緣計算優化模塊基于能效基準標準，結合邊緣計算和機器學習所述溫度傳感子模塊基于物聯網環境，采用熱電偶技術和信號處理算所述濕度傳感子模塊基于物聯網環境，采用電容式傳感技術和自適應校所述能耗監測子模塊基于環境溫度和濕度數據，采用智能電力測量技術和所述信號處理算法包括峰值檢測和噪聲消除，所述自適應校準算法包所述歷史數據分析子模塊基于實時能耗數據，采用線性和非線性時間序所述趨勢預測子模塊基于能耗預測模型，采用統計預測方法和蒙特卡所述時間序列分析包括自回歸模型和趨勢分解，所述循環神經網絡包括LSTM和GRU算3所述統計分析子模塊基于能耗趨勢預測，采用離群值檢測和偏差分所述機器學習處理子模塊基于初步異常檢測結果，采用異常模式識所述異常模式識別子模塊基于深度異常分析結果，采用聚類所述離群值檢測包括Z得分方法和四分位數范圍檢測，所述異常模式識別算法包括所述預警生成子模塊基于異常檢測報告，采用規則引擎和敏所述通知分發子模塊基于初步故障預警結果，采用消息隊列和推所述故障診斷子模塊基于預警通知分發記錄，采用因果分析和故障樹所述規則引擎包括條件觸發規則和邏輯推理，所述推送技術包括即時所述協同優化模塊包括深度學習分析子模塊、強化學習優化子模塊、協所述深度學習分析子模塊基于故障預警通知，采用所述協同策略制定子模塊基于初步能源優化策略，采所述卷積神經網絡用于提取時間序列特征，所述遞歸神經網絡用于處理序列依賴性，所述標準設定子模塊基于能耗數據聚類結果，采用所述數據對比子模塊基于初步能效標準，采用趨勢分析和方差分析方法所述邊緣計算優化模塊包括邊緣計算架構子模塊、實時機器學習分析子模塊、快所述邊緣計算架構子模塊基于能效基準標準，采用分布式數據處理4所述實時機器學習分析子模塊基于邊緣計算數據處理結果，采用在線學習所述快速調整策略子模塊基于實時數據分析結果，采用自適應控制和即時決策策略，所述分布式數據處理和邊緣節點優化算法包括數據分片和負載均衡技基于所述實時能耗數據，采用自回歸積分滑動平均模型和長短期基于所述能耗趨勢預測，采用統計學方法和機器學習進行異基于所述異常檢測報告，采用規則引擎和敏感度分析進行故基于所述故障預警通知，采用深度學習和強化學習進行能耗優化基于所述能耗優化策略，采用邊緣計算技術和實時機器學習進行本地數據分析和調5[0001]本發明涉及實時監測控制技術領域，尤其涉及建筑能耗實時監測控制系統及方6[0010]所述故障預警模塊基于異常檢測報告，采用規則引擎和敏感度分析進行風險評[0016]所述濕度傳感子模塊基于物聯網環境，采用電容式傳感[0018]所述數據傳輸子模塊基于能耗使用數據，采用ZigBee通[0021]所述歷史數據分析子模塊基于實時能耗數據，采用線性[0024]所述時間序列分析包括自回歸模型和趨勢分解，所述循環神經網絡包括LSTM和7[0029]所述離群值檢測包括Z得分方法和四分位數范圍檢測，所述異常模式識別算法包[0036]所述深度學習分析子模塊基于故障預警通知，采用卷積神經網絡和遞歸神經網[0038]所述協同策略制定子模塊基于初步能源優化策略，采用多變量分析和決策樹模[0042]所述標準設定子模塊基于能耗數據聚類結果，采用性能指標評定和閾值設定方89示的方位或位置關系，僅是為了便于描述本發明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發明的限正，用電模式分析包括負載識別和能效評估，數據加密技術包括AES加密和數據完整性校[0102]離群值檢測包括Z得分方法和四分位數范圍檢測，異常模式識別算法包括支持向[0110]規則引擎包括條件觸發規則和邏輯推理，推送技術包括即時消息推送和郵件通[0120]ifdetecti[0146]defperform_fault_diagnosis(distribution_record):[0152]fault_diagnosis_report=perform_fault_diagnosis(distribution_[0165]聚類分析子模塊基于已制定的能耗優化策略，采用K均值聚類和譜聚類等聚類分比子模塊生成了能效基準標準，標準反映了實際能耗數據與初步標準之間的差異和變化，[0171]快速調整策略子模塊基于實時數據分析結果，采用自適[0175]快速調整策略子模塊基于實時數據分析結果，采用自適本專業的技術人員可能利用上述揭示的技術內容加以變更或改型為等同變化的等效實施