一种建筑物能耗智能检测系统的制作方法

文档序号:21541259发布日期:2020-07-17 17:43阅读:来源:国知局

技术特征:

1.一种建筑物能耗智能检测系统,其特征在于:所述系统由基于无线传感器网络的建筑物能耗参数采集平台和建筑物能耗等级分类系统两部分组成,基于无线传感器网络的建筑物能耗参数采集平台实现对影响建筑物环境参数检测和监控,建筑物能耗等级分类系统由温度检测模块、光照度检测模块、湿度检测模块、能耗预测模块和区间数kohonen神经网络建筑物能耗状态分类器组成;温度检测模块、光照度检测模块、湿度检测模块和能耗预测模块的输出作为区间数kohonen神经网络建筑物能耗状态分类器的输入,区间数kohonen神经网络建筑物能耗状态分类器的输出为代表被检测建筑物能耗等级的区间数,建筑物能耗等级分类系统实现对建筑物建筑物能耗等级的检测、预测和分类;

所述温度检测模块由温度区间数神经网络模型、2个温度减法聚类分类器、2组多个elman神经网络温度预测模型和2个温度gm(1,1)灰色预测模型组成,多个检测点温度传感器的输出作为温度区间数神经网络模型的输入,温度区间数神经网络模型输出区间数的上下限值分别作为2个对应的温度减法聚类分类器的输入,2个温度减法聚类分类器输出的2组多个类型的温度区间的上下限值分别作为2组对应的多个elman神经网络温度预测模型的输入,2组多个elman神经网络温度预测模型的输出分别作为2个对应的温度gm(1,1)灰色预测模型的输入,2个温度gm(1,1)灰色预测模型的输出作为温度检测模块的输出和区间数kohonen神经网络建筑物能耗状态分类器的输入;

所述能耗预测模块由能耗减法聚类分类器、多个elman神经网络能耗预测模型、能耗gm(1,1)灰色预测模型、jordan神经网络能耗残差预测模型、2个按拍延迟线tdl和区间数rbf神经网络组成,建筑物能耗历史数据作为能耗减法聚类分类器的输入,能耗减法聚类分类器输出的多个类型的建筑物能耗历史数据分别作为对应的多个elman神经网络能耗预测模型的输入,多个elman神经网络能耗预测模型的输出作为能耗gm(1,1)灰色预测模型的输入,建筑物能耗历史数据与能耗gm(1,1)灰色预测模型输出的差作为jordan神经网络能耗残差预测模型的输入,能耗gm(1,1)灰色预测模型的输出和jordan神经网络能耗残差预测模型的输出分别作为2个对应的按拍延迟线tdl的输入,2个按拍延迟线tdl的输出作为区间数rbf神经网络的输入,区间数rbf神经网络的输出作为能耗预测模块的输出和区间数kohonen神经网络建筑物能耗状态分类器的输入;

所述区间数kohonen神经网络建筑物能耗状态分类器的输入为温度检测模块、光照度检测模块、湿度检测模块和能耗预测模块输出的区间数,区间数kohonen神经网络建筑物能耗状态分类器的输出为代表被检测建筑物能耗等级的区间数;根据建筑物气象参数对建筑物能耗的影响、建筑能耗历史数据的工程实践和国家关于建筑物建筑物能耗的认定标准,区间数kohonen神经网络建筑物能耗状态分类器构建5个区间数与建筑物5种能耗等级的对应关系表,把被检测建筑物能耗状态分为低、较低、正常状态、较高和高的5种能耗等级对应5个不同的区间数,计算区间数kohonen神经网络建筑物能耗状态分类器输出的区间数与代表5种建筑物能耗不同等级的5个区间数的相似度,其中相似度最大的区间数对应的建筑物能耗等级确定为该建筑物能耗等级。

2.根据权利要求1所述的一种建筑物能耗智能检测系统,其特征在于:所述温度区间数神经网络模型由多个rr时间递归神经网络、区间数小波神经网络和2个按拍延迟线tdl组成,区间数小波神经网络把一段时间建筑物多个温度传感器感知被测量建筑物温度值转换为建筑物温度的动态区间数值,每个检测点温度传感器的输出为各个对应的rr时间递归神经网络的输入,多个rr时间递归神经网络输出作为区间数小波神经网络的输入,2个按拍延迟线tdl的输出为区间数小波神经网络的输入,区间数小波神经网络的输出为温度区间数神经网络模型的输出和代表一段时间内建筑物温度大小的上下限值构成的区间数,区间数小波神经网络输出区间数的上下限值分别作为对应的2个按拍延迟线tdl的输入。

3.根据权利要求1所述的一种建筑物能耗智能检测系统,其特征在于:所述光照度检测模块由光照度区间数神经网络模型、2个光照度减法聚类分类器、2组多个elman神经网络光照度预测模型和2个光照度gm(1,1)灰色预测模型组成,光照度检测模块的输出作为区间数kohonen神经网络建筑物能耗状态分类器的输入。

4.根据权利要求1所述的一种建筑物能耗智能检测系统,其特征在于:所述湿度检测模块由湿度区间数神经网络模型、2个湿度减法聚类分类器、2组多个elman神经网络湿度预测模型和2个湿度gm(1,1)灰色预测模型组成,湿度检测模块的输出作为区间数kohonen神经网络建筑物能耗状态分类器的输入。

5.根据权利要求1所述的一种建筑物能耗智能检测系统,其特征在于:所述基于无线传感器网络的建筑物能耗参数采集平台由检测节点、控制节点和现场监控端组成,它们以自组织方式通过无线通信模块nrf2401构建成建筑物环境参数采集与建筑物能耗智能预测系统,检测节点分别由传感器组模块、单片机msp430和无线通信模块nrf2401组成,传感器组模块负责检测建筑物环境参数的温度、光照度、风速和湿度参数,由单片机控制采样间隔并通过无线通信模块nrf2401发送给现场监控端。

6.根据权利要求5所述的一种建筑物能耗智能检测系统,其特征在于:所述控制节点实现建筑物环境参数的调节设备进行控制;现场监控端由一台工业控制计算机组成,实现对检测节点检测建筑物环境参数进行管理和对建筑物能耗进行预警。


技术总结
本发明公开了一种建筑物能耗智能检测系统,其特征在于:所述系统由基于无线传感器网络的建筑物能耗参数采集平台和建筑物能耗等级分类系统两部分组成,基于无线传感器网络的建筑物能耗参数采集平台实现对影响建筑物环境参数检测和监控,建筑物能耗等级分类系统由温度检测模块、光照度检测模块、湿度检测模块、能耗预测模块和区间数kohonen神经网络建筑物能耗状态分类器组成;本发明有效解决了现有建筑物能耗没有根据建筑物环境因子变化的非线性、大滞后和影响建筑物能耗变化复杂等特点,对建筑物能耗进行智能化检测,从而极大的影响建筑物能够检测的精确性问题。

技术研发人员:陈亚娟;罗灏;马从国;丁晓红;马海波;王建国;金德飞;张利兵;李广浩;丁百湛
受保护的技术使用者:淮阴工学院
技术研发日:2020.03.20
技术公布日:2020.07.17
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1