[发明专利]基于人工智能技术的校园能效与电气安全管理方法和系统在审

专利信息
申请号: 202111567123.X 申请日: 2021-12-20
公开(公告)号: CN114239972A 公开(公告)日: 2022-03-25
发明(设计)人: 谭福太;谢方静;余昭胜;林海;陈庆文;张渊晟;马晓茜 申请(专利权)人: 广州汇锦能效科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/10;G06Q50/06;G06N3/00;G06N3/08;G01D21/02
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 禹小明
地址: 511455 广东省广州*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 人工智能 技术 校园 能效 电气 安全管理 方法 系统
【说明书】:

本发明公开了一种基于人工智能技术的校园能效与电气安全管理方法和系统,方法包括以下步骤:S1:采集前端实时用能数据和环境信息;S2:将步骤S1采集的前端实时用能数据和环境信息与历史用能数据进行分类存储;S3:根据所述实时用能数据,建立BP神经网络模型,并采用粒子群算法优化所述BP神经网络模型来进行校园能源用量的预测,根据所述校园能源用量的预测,得到能源浪费位置和原因;S4:根据能源浪费位置找到对应的耗能设备,自动化控制耗能设备的工作状态。本发明为学校管理部门提供能源动态监控信息和能耗数据分析和信息发布、设备节能分析、电力安全防范等智慧化能源管理技术。

技术领域

本发明涉及校园的能源和电气安全问题领域,更具体地,涉及一种基于人工智能技术的校园能效与电气安全管理方法和系统。

背景技术

随着教学环境的变化和教学技术的发展,学校的能源消耗总量持续上升,存在比较严重的能源资源浪费现象,并且学校属于人员密度比较高的场合,对电气安全必须高度重视。因此节能减排和安全预防的工作对于学校非常重要。但是由于学校建筑类型和数量多,占地面积大,校园不仅有教学楼、科研楼、行政办公楼等公共建筑,而且有宿舍楼等居住建筑和食堂、浴室等生活辅助建筑。故其能源管理和火灾预防工作存在如下局限:学校设备多,很难统一监测实际使用情况、异常用电情况难定位主要原因、学校场景大,缺少统一设备管控平台、场景用电缺乏统一管理分析、学校人员多,对大功率危险设备管控难,所以很多学校没有合理的能源管理和电气火灾预防系统。

目前,现有的学校能耗和安全的管理系统和方法存在以下缺陷:能耗指标不明确,无法对实时指标进行动态监控,可操作性差,未进一步开发节能空间,并且电气火灾预警和自动管理技术不完善。因此,亟需研发一种基于人工智能技术进行学校能源和安全方面的一体化管理系统。

现有技术中公开了一种基于云计算大数据的校园能耗监测系统,包括数据采集层、数据处理层和显示层,所述数据采集层通讯连接所述数据处理层,所述数据处理层通讯连接所述显示层;本发明的有益效果:通过数据采集层准确采集校园内水、电、气的消耗数据,通过数据处理层对数据采集层采集的数据进行计算和存储,显示层通过数据处理层的计算结果,直观的环比显示能耗监测结果。该专利同样存在自动管理技术不完善等的缺陷。

发明内容

本发明的首要目的是提供一种基于人工智能技术的校园能效与电气安全管理方法,促进学校节能管理精细化,达到安全用能、节能减排的目的。

本发明的进一步目的是提供一种基于人工智能技术的校园能效与电气安全管理系统。

为解决上述技术问题,本发明的技术方案如下:

一种基于人工智能技术的校园能效与电气安全管理方法,包括以下步骤:

S1:采集前端实时用能数据和环境信息;

S2:将步骤S1采集的前端实时用能数据和环境信息与历史用能数据进行分类存储;

S3:根据所述实时用能数据,建立BP神经网络模型,并采用粒子群算法优化所述BP神经网络模型来进行校园能源用量的预测,根据所述校园能源用量的预测,得到能源浪费位置和原因;

S4:根据能源浪费位置找到对应的耗能设备,自动化控制耗能设备的工作状态。

优选地,步骤S1中采集前端实时用能数据和环境信息,具体包括:

用电量、太阳辐射值、太阳能用能、风速、风能用能、用水量、天然气用量、直接供热量、室内温度、万历表、人数和水泵用电量。

优选地,步骤S3中建立BP神经网络模型,具体包括以下步骤:

S201:设置输入神经元,输出神经元和隐含层神经元;

S202:设置最大训练步数、学习率和停止训练参数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州汇锦能效科技有限公司,未经广州汇锦能效科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111567123.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top