本发明属于智能建筑技术领域，特别涉及一种智能楼宇设施管理系统。
背景技术：
目前的智慧园区或智慧楼宇中一般会由IBMS系统集成建筑物内的多个弱电信息系统，每个弱电系统均包含种类不一、数量繁多的机电设施设备。物业运行和维护人员面临的一个重要任务就是确保这些设施设备运行于正常工况中。
这些设施设备中，有一些数量稀少但单体价值较高，对智慧园区、楼宇起着举足轻重的作用，还有一些设施设备数量众多但型号单一，通过数量和网络组织了一个复杂的弱电传感器体系。有如此差异巨大特点的硬件对于物业运行和维护人员来说意味着什么？
场景1：平日运行监控期间，工作人员只能面对和关注各弱电系统中的核心重点设施设备运行状态及其报警信息，而无法拓展到其它需要关注的敏感(关键、经常报警、易损、高负荷等设施设备)信息；
场景2：工作人员收到某硬件设备发出的报警信息后，他们需要理解硬件报警信息并进行及时进行相应的处置，但无法得知该设备报警的同时，其附近同型其他设备或关联设备的实时运行情况；
场景3：工作人员发现某硬件设备有故障后，他们需要赶到现场对硬件予以分析和处置，但无法对该设备附近其他同型设备的运行数据、性能压力、环境等方面进行比对，从而无法判断设备运行是否正常，及是否需要更换设备等；
以上3个场景中的无法精细化监控、报警设备关联监控、快速比对分析判断的问题，在一个集成并管理有数量众多且特性不同设施设备的IBMS系统中是尤为突出的现实管理问题，随着智慧园区、大厦等的建筑体内部署越来越多的智能弱电系统，附带而来的是更多的智能设施设备、有线或无线的网络、海量的运行数据，但是物业设施设备运维人员不会按设施设备数量增加的比例而增加，如何降低设施设备运维人员的工作强度，让其可以更加高效的认识、管理和维护这些智能系统、设施设备？是否可以有一种方式或方法来解决以上的困境呢？
本发明涉及的术语有：
①IBMS：意指智能大厦管理系统(Intelligent Building Management System)，它把各种子系统集成为一个“有机”的统一系统，其接口界面标准化、规范化，完成各子系统的信息交换和通讯协议转换。
②模式识别：Pattern Recognition，指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，也就是将处理对象进行“分类”，是信息科学和人工智能的重要组成部分。
③二值化：本文中的二值化特指把现有数据依据某特定阈值变为两个值，非0即1。
技术实现要素：
本发明提供一种智能楼宇设施管理系统，利用了IBMS系统所集成的弱电系统设备台账及运行数据，设计了一套全新的模式识别系统。该系统完成后可自动从设施设备的数据中抽象出对应的“设备画像”，解决了现有技术中的问题。
一种智能楼宇设施管理系统，基于IBMS系统，利用IBMS系统所集成的弱电信息系统及其设施设备的台账信息及海量实时运行数据，模式识别方法，提取出设施设备的多重特征，进而组而成设备各自的标签组，其中，模式识别包括步骤：
A1，特征提取，从数据集中提取词汇符号、数据、波形，按照设施设备运维需求所需确认标签种类，该步骤采用有监督的分类方式；
A2，特征选择，确定有效特征，据此进行特征分类；
A3，学习和训练，利用已知样本建立分类和特征识别规则，并进行训练和测试，以保证模式识别的准确率；
A4，分类识别，对所获得样本按建立的分类和特征识别规则进行分类识别。
特征提取、选择和最终自动输出多维标签组的过程，可分为特征分析阶段和实时标签运行阶段，
实时标签运行阶段又分为：冷标签、温标签与热标签三个不同的过程，且这三个过程又相对独立运行，
特征分析阶段，首先基于具体业务需要，通过人工干预的方式对数据进行特征提取和选择，并通过已有的设备台账数据和历史运行数据，训练、测试并最终确认设施设备特征标签体系，然后仍需继续通过人工的方式，逐一确认数据的ETL过程、合适的特征识别算法、实时数据运算及存储的过程；
实时标签运行阶段，通过实时计算且不断更新设施设备的特征，进而保持设备画像的多维数据特征，冷、温、热标签形象化说明了标签所需更新的周期，该步骤具体包括：
a)冷标签，该冷标签过程处理的数据来源于设备台账及其关联关系数据，即反映了设施设备相对静止不变的信息，当然若设施设备替换，信息将会更新诸如使用日期、维护费用等；冷标签处理过程运行一次后，视设备台账的更新频率可不定时的运行更新；
b)温标签，该温标签过程处理的数据来源于一年的设施设备运行数据，即反映了设施设备较长周期的综合工况，可包含：工作周期、日常运行曲线、报警次数、故障及维护费用、能耗、寿命；温标签处理过程一般每月运行一次进行数据更新；
c)热标签，该热标签过程处理的数据来源于一天的设施设备运行数据，即反映了设施设备最近的工况，可包含：是否开启、是否正常、状态动作、能耗、性能压力、最近报警，热标签处理过程每小时定时运行更新。
本系统针对大型智慧园区、楼宇中的IBMS系统所集成的多个弱电信息系统及其相关设施设备，充分利用其台账信息及海量实时运行数据，使用多种现代的数学模式识别技术，精炼出设施设备的多重“特征”，进而组合成设备各自的标签组，通过这些多维度的语义化和图形化的“标签”形成“设备画像”。
本系统产生的设施设备“画像”，使得物业设施设备运维人员可以以前所未有的方式来管理大量具体的设施设备，同时使得设施设备的针对性管理、预见性管理、全生命周期管理成为可能，不仅可以检索并关联分析硬件常发故障等，从而帮助进一步分析同款设备的性能、寿命、性价比并影响设备的更新采购选型等，还可应用于典型金字塔体系的弱电系统异动分析、故障路径分析等。
本发明将描述、认知、理解设施设备的方法提升到更丰富的维度和更抽象的层次，以此摆脱以往陈旧的设施设备认知和运维管理方式，缩短了分析设施设备故障及处置过程的响应时间，减轻运维人员工作强度，辅助IBMS系统帮助运维人员以更高效、更人性化的模式来运维弱电系统及其设施设备，实现更高效率的设施设备管理新模式，即可以在设施设备运维工作面的宽泛性和精准性的平衡上提升到新水平，同时兼顾了效率。
具体实施方式
本系统利用IBMS系统的设施设备数据并进行实时数据处理、最后将数据(特征、标签、画像)存储并供IBMS系统使用的一种信息系统，从简化系统技术复杂度的角度出发，本系统与IBMS系统的软硬件、开发技术框架保持一致。
本系统中最特别也是最关键的技术是“模式识别”，其实施主要分为以下4个步骤：
1)特征提取：从数据集中提取词汇符号、数据、波形等，本步骤需要人工干预，可确保特征的语义化及工作效率，因本系统可按照设施设备运维需求所需确认标签种类，故特征提取部分采用有监督的分类方式(Supervised classification)；
2)特征选择：确定有效的特征，后期模式识别可以据此进行分类，本步骤仍需人工干预；
3)学习和训练：利用已知样本建立分类和特征识别规则，并进行训练和测试，以保证模式识别的准确率；
4)分类识别：对所获得样本按建立的分类和特征识别规则进行分类识别。
特征提取算法很多，举例部分说明如下：
●提取语义化词汇特征：用数学的方法对文本内容进行过滤和聚类处理，通常根据某个特征评估函数计算各个特征词的评分值，然后按评分值对这些特征进行排序，选取若干个评分值最高的作为特征词，适合于文本自动分类的应用；可首先利用设施设备的台账信息通过分词算法和词频统计方法进行内容过滤，再通过文本聚类来建立特征标签，如：品牌、功能、位置等；
●提取设备活跃度、负荷特征；利用线性判别式分析(LDA)将样本投影到鉴别矢量空间，分析是否有最大类间距离和最小类内距离；
●提取设备周期性行为：利用设施设备运行数据(能耗或信息输出)进行二值化处理后，辅以时间维度可得出设施设备的事件、运行、能耗、维护等的周期(日、月、年)标签；
●提取设备位置关联性特征：利用K最临近结点算法，把数据集中与给定样本距离最近(最相似)的K个样本提取出来产生关联性标签，亦可推广到设备维护保养及寿命提示等方面。
特征提取、选择和最终自动输出多维标签组的整体过程，可分为“特征分析阶段”和“实时标签运行阶段”。“实时标签运行阶段”又分为：冷标签、温标签与热标签三个不同的过程，且这三个过程又相对独立运行，下面具体说明：
1.特征分析阶段：首先基于具体业务需要，通过人工干预的方式对数据进行特征提取和选择，并通过已有的设备台账数据和历史运行数据，训练、测试并最终确认设施设备特征标签体系，然后仍需继续通过人工的方式，逐一确认数据的ETL过程、合适的特征识别算法、实时数据运算及存储的过程等；
2.实时标签运行阶段：在此阶段，通过软件开发实现通过实时计算且不断更新设施设备的特征，进而保持设备画像的多维数据特征，冷、温、热标签形象化说明了标签所需更新的周期，说明如下：
a)冷标签：
冷标签处理的数据来源于设备台账及其关联关系数据，即反映了设施设备相对静止不变的信息，当然若设施设备替换，信息将会更新诸如使用日期、维护费用等；冷标签处理过程运行一次后，视设备台账的更新频率可不定时的运行更新；
b)温标签：
温标签处理的数据来源于较长一段时间(一般是一年)的设施设备运行数据，即反映了设施设备较长周期的综合工况，可包含：工作周期、日常运行曲线、报警次数、故障及维护费用、能耗、寿命等；温标签处理过程一般每月运行一次进行数据更新；温标签数据计算量较大；
c)热标签：
与温标签处理过程类似，但热标签处理的数据来源于最近一段时间(一般是一天)的设施设备运行数据，即反映了设施设备最近的工况，可包含：是否开启、是否正常、状态动作、能耗、性能压力、最近报警等；热标签处理过程每小时定时运行更新。
基于本系统的“提炼特征”功能，可产生出多维度符合物业设施设备监控及运维业务需求的、源于数据但高于数据的标签。从概念上来说，每个标签都是观察、认识、描述设施设备的一个角度，是便于用户识别的高度精炼的语义化、特征化标签，但画像是一个立体的描述，可以多维度的标签组合来多角度的展现“画像”，并且标签之间是可以有密切联系的。按照业务范围的不同，可将标签分为如下几个大的维度：
●基本信息：台账类的信息标签，如：品牌、型号、功能、位置、重要性、作用范围、安装日期等，此类标签的设置需要一定人工干预，确保更有效率及语义化；
●关联信息：有关联性的其他设备的信息标签，如网络，电能，上、下级设备，附近设备，联动设备等，此类标签依靠数据直接生成较难，需要一定人工辅助；
●事件信息：设备事件类的信息标签，如：启动、挂起、关闭、动作、报警、事件规律等；
●运行信息：设备运行类的信息标签，如：状态、负荷、动作、运行规律、能耗规律等；
●故障信息：设备故障类的信息标签，如：故障描述、处置、牵连、故障规律等；
●维护信息：设备维护维修保养类的信息标签，如：维护描述、小修、大修、替换、维护规律等；
●财务信息：资金费用类的信息标签，如：购置费用、安装费用、维护费用、维修费用、更换费用等。