一种基于物联网的酒店线上智能能耗管控与运维管理系统的制作方法
本发明涉及酒店物联网管理。
背景技术:
1、在现有的酒店物联网管理系统中,能耗监测系统与设备运维系统通常相互割裂。
2、能耗系统仅负责记录异常高耗能数据,无法精准定位设备隐性故障;同时,现有故障诊断多依赖单一阈值报警,缺乏对住客极端用能行为的识别,极易因人为因素导致误报,使得设备长期处于带病高耗能运行状态而无法触发精准运维。
3、此外,现有技术在设备故障停机维修时,缺乏动态调度补偿机制,往往导致局部区域环境失控,造成能源浪费与服务体验严重下降。
技术实现思路
1、本发明的目的在于提供一种基于物联网的酒店线上智能能耗管控与运维管理系统,能够剔除人为干扰以精准诊断隐性故障并生成运维工单,且结构简单,使用方便,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种基于物联网的酒店线上智能能耗管控与运维管理系统,包括:
4、物联网边缘感知与数据融合模块,用于采集电气参数及环境参数,采用非侵入式负荷监测技术提取各终端设备的能耗特征指纹,构建设备与能耗特征指纹的映射矩阵;
5、基于能耗特征畸变的隐性故障诊断模块,用于构建住客行为概率模型,当监测到能耗异常升高时,获取当前住客高耗能行为概率值,若该概率值大于预设第一阈值,则判定为人为因素,不进行故障预警;若该概率值小于等于预设第一阈值,则提取当前设备实时能耗特征指纹并与标准能耗特征指纹进行比对,通过实时有功功率、实时无功功率、实时电流谐波畸变率与对应标准值结合对应权重系数基于向量距离算法计算获取能耗畸变度;通过实时环境降温速率与实时有功功率的比值和标准降温速率与标准有功功率的比值相除获取制冷效率衰减率;若能耗畸变度大于预设第二阈值且制冷效率衰减率小于预设第三阈值,则判定设备存在隐性故障;
6、管维一体化智能工单生成与自愈调度模块,用于当判定设备存在隐性故障时,自动生成包含故障信息的运维工单并推送至线上运维终端;当设备隔离维修时,调用预构建的酒店数字孪生热力学模型,计算受影响区域到达舒适度下限的时间,基于该时间与周边设备出力裕度生成补偿控制指令;
7、线上能耗寻优与模型自学习模块,用于记录运维全周期数据计算全生命周期能效比,并将全生命周期能效比与维修结果作为反馈信号输入强化学习模型,更新所述预设第一阈值、预设第二阈值、预设第三阈值及对应权重系数。
8、通过采用上述技术方案,实现酒店设备能耗监测与隐性故障诊断的深度融合,通过精准区分人为高耗能与设备故障,自动生成运维工单并在维修期执行自愈调度,形成能耗管控与运维闭环,同时利用自学习机制持续优化系统诊断精度。
9、作为本发明进一步的方案:所述物联网边缘感知与数据融合模块提取能耗特征指纹包括如下子步骤:
10、s1:在酒店空场、设备单独运行条件下,采集各终端设备启停瞬间及稳态运行时的电气参数波形;
11、s2:提取稳态有功功率、稳态无功功率及暂态电流谐波特征,构成特征向量,作为该设备的能耗特征指纹;
12、s3:构建设备与能耗特征指纹的映射矩阵并存储于边缘网关。
13、通过采用上述技术方案,实现非侵入式条件下各终端设备专属能耗特征指纹的精准提取与矩阵构建,为后续无需额外加装传感器的负荷分解与故障诊断奠定数据基础。
14、作为本发明进一步的方案:所述基于能耗特征畸变的隐性故障诊断模块构建住客行为概率模型包括:
15、采集历史住客行为数据及对应环境数据作为样本集,样本特征包括时间区间、室外温度、室内温度、门磁开关状态及灯光开启数量,样本标签为是否存在异常高耗能行为,按预设比例划分为训练集、验证集及测试集;采用随机森林算法,设置预设数量的决策树,预设层数的树深度用于平衡模型精度与复杂度,预设数值的学习率用于控制模型训练速度,采用交叉熵损失函数用于衡量模型预测值与真实值的差异,经迭代至损失函数收敛完成模型训练。
16、通过采用上述技术方案,通过随机森林算法训练住客行为概率模型,精准识别住客异常高耗能行为,有效剔除人为因素干扰,大幅降低隐性故障诊断的误报率。
17、作为本发明进一步的方案:所述样本集按7比2比1划分为训练集、验证集及测试集;所述训练集包括35万条样本。
18、通过采用上述技术方案,提供合理且充足的模型训练数据规模与划分比例,确保住客行为概率模型训练的充分性,保障模型预测结果的可靠性与稳定性。
19、作为本发明进一步的方案:所述基于能耗特征畸变的隐性故障诊断模块判定设备存在隐性故障后,还用于根据畸变特征主成分进行故障分类,包括:当无功功率与谐波畸变率同时上升时判定为电机机械磨损、堵塞,当有功功率上升且制冷效率下降时判定为换热面结垢、滤网堵塞中任一项。
20、通过采用上述技术方案,基于多维电气特征畸变的主成分实现隐性故障类型的精准分类定位,为后续运维人员提供明确的故障排查方向,提升维修效率。
21、作为本发明进一步的方案:所述管维一体化智能工单生成与自愈调度模块调用预构建的酒店数字孪生热力学模型包括:
22、该模型包含各区域热容、热阻及设备出力参数,将故障设备停机信息输入数字孪生热力学模型,计算受影响区域在当前环境下的温度变化速率及到达舒适度下限的时间。
23、通过采用上述技术方案,利用数字孪生热力学模型量化计算故障停机对区域热舒适度的影响时间,为制定科学合理的自愈调度策略提供精准的数值依据。
24、作为本发明进一步的方案:所述补偿控制指令的具体执行逻辑包括:当楼层冷水泵因故障停机维修时,系统自动提升相邻楼层冷水泵的变频频率,同时微调相关楼层新风阀开度,利用建筑结构热惯性维持整体热平衡。
25、通过采用上述技术方案,在设备维修停机期间,通过跨区域设备协同与建筑热惯性补偿维持整体热平衡,保障酒店对客服务体验不中断且避免能源浪费。
26、作为本发明进一步的方案:所述管维一体化智能工单生成与自愈调度模块生成的运维工单包含故障设备位置、推断故障类型、历史维修记录及推荐备件信息。
27、通过采用上述技术方案,生成包含多维故障信息的详尽运维工单,为运维人员提供全面的维修指引,缩短故障排查时间,提升线上运维响应速度。
28、作为本发明进一步的方案:所述线上能耗寻优与模型自学习模块中强化学习模型包括:
29、构建马尔可夫决策过程,状态空间包括当前设备能耗畸变度、环境参数及设备运行时长;动作空间包括阈值调节量及权重系数调节量;奖励函数通过节省能耗金额结合第一平衡系数、减少误报次数结合第二平衡系数与舒适度违约惩罚结合第三平衡系数计算获取;采用近端策略优化算法,智能体在仿真环境中根据奖励值更新策略网络参数直至累计奖励最大化,输出最优阈值与权重组合。
30、通过采用上述技术方案,通过多维度奖惩机制优化强化学习模型,实现诊断阈值与权重参数的动态自适应调整,保障系统在长期运行中诊断精度持续提升。
31、作为本发明进一步的方案:所述电气参数包括电压、电流、有功功率、无功功率及电流谐波畸变率;所述环境参数包括温湿度及二氧化碳浓度。
32、通过采用上述技术方案,明确多维电气与环境参数的采集维度,为能耗特征提取与环境状态评估提供全面底层数据支撑,保障系统整体分析的准确性。
33、与现有技术相比,本发明的有益效果是:
34、1、本发明通过行为模型剔除人为干扰降低误报率,实现能耗异常与设备隐性故障的精准关联诊断,形成能耗监测到精准运维的闭环,避免设备带病高耗运行。
35、2、本发明通过在设备隔离维修期间,基于数字孪生模型生成自愈调度策略,通过跨区设备协同与热惯性补偿维持整体热平衡,保障维修期能效最优与服务体验不中断。
36、本发明的其他特点和优点将会在下面的具体实施方式、附图中详细的揭露。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com