本技術(shù)涉及物聯(lián)網(wǎng)能耗分析的，尤其是涉及一種基于多模態(tài)的能耗預(yù)測與節(jié)能方案生成方法及系統(tǒng)。

背景技術(shù)：

1、近些年開展節(jié)能降耗，對倡導(dǎo)節(jié)能降耗好習(xí)慣意義重大。但是如何對能耗做預(yù)算，并且如何管理能耗的使用成為迫在眉睫的問題。

2、公開號為cn118211721a的中國發(fā)明公開了一種基于人工智能的建筑能耗預(yù)測方法，具體利用溫度傳感器和濕度傳感器并通過原始數(shù)據(jù)采集站點(diǎn)輸入能源賬單以及連接能源供應(yīng)管理系統(tǒng)、氣象站點(diǎn)獲取建筑能耗相關(guān)數(shù)據(jù),有助于提高建筑能耗預(yù)測模型的準(zhǔn)確性和全面性,對建筑能耗相關(guān)數(shù)據(jù)進(jìn)行檢測和處理,將數(shù)據(jù)與時(shí)間戳進(jìn)行關(guān)聯(lián)并提取時(shí)間戳數(shù)據(jù)的平均時(shí)間特征,構(gòu)建線性回歸模型并輸入溫度數(shù)據(jù)、濕度數(shù)據(jù)以及建筑特性數(shù)據(jù)的平均時(shí)間特征,構(gòu)建決策樹模型并輸入建筑的特性數(shù)據(jù)、建筑的歷史能耗數(shù)據(jù)以及建筑所在地區(qū)的氣候數(shù)據(jù),創(chuàng)建可視化界面并實(shí)時(shí)展示兩種模型集成后的最終預(yù)測結(jié)果、性能指標(biāo)以及實(shí)際能耗數(shù)據(jù)，幫助用戶直觀了解建筑能耗情況。

3、公開號為cn118211713a的中國發(fā)明公開了一種能耗的預(yù)測方法、裝置、可讀存儲(chǔ)介質(zhì)和處理器，其包括：獲取目標(biāo)對象的當(dāng)前能源消耗數(shù)據(jù),其中,當(dāng)前能源消耗數(shù)據(jù)用于指示目標(biāo)對象在當(dāng)前時(shí)間段內(nèi)的固定能耗；調(diào)用能耗預(yù)測模型對當(dāng)前能源消耗數(shù)據(jù)進(jìn)行預(yù)測,得到能耗預(yù)測結(jié)果,其中,能耗預(yù)測模型為通過目標(biāo)對象的歷史能源消耗數(shù)據(jù)和目標(biāo)對象的歷史環(huán)境數(shù)據(jù)構(gòu)建得到的,能耗預(yù)測結(jié)果用于至少指示目標(biāo)對象在未來時(shí)間段內(nèi)消耗的能源；顯示能耗預(yù)測結(jié)果。

4、在上述相關(guān)技術(shù)中，皆只對未來一定時(shí)間內(nèi)的建筑能耗數(shù)據(jù)進(jìn)行了監(jiān)控和預(yù)測，但并未對能耗的超額情況進(jìn)行定義，無法作出超額的定性結(jié)果，故無法根據(jù)超額情況進(jìn)行預(yù)警和節(jié)能策略的制定生成。

技術(shù)實(shí)現(xiàn)思路

1、為了實(shí)現(xiàn)對預(yù)測的能耗超額進(jìn)行定性分析以提早作出節(jié)能預(yù)案，本技術(shù)提供一種基于多模態(tài)的能耗預(yù)測與節(jié)能方案生成方法及系統(tǒng)。

2、第一方面，本技術(shù)提供一種基于多模態(tài)的能耗預(yù)測與節(jié)能方案生成方法，采用如下的技術(shù)方案：

3、一種基于多模態(tài)的能耗預(yù)測與節(jié)能方案生成方法，包括以下步驟：

4、獲取能耗歷史數(shù)據(jù)，并基于預(yù)設(shè)的能耗算法計(jì)算第一時(shí)間上的能耗定額，所述能耗定額表征為規(guī)定可使用的定量能耗數(shù)；

5、獲取第二時(shí)間上的多模態(tài)物聯(lián)網(wǎng)數(shù)據(jù)，并將若干所述多模態(tài)物聯(lián)網(wǎng)數(shù)據(jù)作為參數(shù)以訓(xùn)練多元回歸模型；

6、基于所述多元回歸模型生成未來時(shí)間的預(yù)測能耗，所述預(yù)測能耗中包括若干預(yù)測條件，所述預(yù)測條件表征為所述預(yù)測能耗對應(yīng)的用于預(yù)測的內(nèi)容指標(biāo)；

7、將所述能耗定額與所述預(yù)測能耗進(jìn)行比對，并在所述預(yù)測能耗大于所述能耗定額時(shí)觸發(fā)超額預(yù)警；

8、在所述超額預(yù)警下基于所述多模態(tài)物聯(lián)網(wǎng)數(shù)據(jù)獲取對應(yīng)的預(yù)測條件，根據(jù)所述預(yù)測條件與預(yù)設(shè)的所述方案知識(shí)庫中若干節(jié)能方案對應(yīng)的推理指標(biāo)進(jìn)行比對關(guān)聯(lián)，并基于樸素貝葉斯算法推理出最優(yōu)節(jié)能方案，所述推理指標(biāo)表征為各所述節(jié)能方案所對應(yīng)的生成條件。

9、在其中的一些實(shí)施例中，獲取能耗歷史數(shù)據(jù)，并基于預(yù)設(shè)的能耗算法計(jì)算第一時(shí)間上的能耗定額，包括以下步驟：

10、基于lstm算法推測出所述第一時(shí)間對應(yīng)的能耗估值；

11、判斷所述能耗估值是否滿足當(dāng)前管理要求；

12、若是，則將所述能耗估值作為最終的所述能耗定額；

13、若否，則等待數(shù)值調(diào)整指令，并基于所述數(shù)值調(diào)整指令對所述能耗估值進(jìn)行調(diào)整以得到最終的所述能耗定額。

14、在其中的一些實(shí)施例中，所述第一時(shí)間的時(shí)間長度為一個(gè)月，基于預(yù)設(shè)的能耗算法計(jì)算第一時(shí)間上的能耗定額，還包括以下步驟：

15、以時(shí)間標(biāo)度為一日對所述能耗定額進(jìn)行數(shù)據(jù)分割以獲取每一日對應(yīng)的能耗子定額；

16、列舉所述能耗子定額對應(yīng)的響應(yīng)指標(biāo)，所述響應(yīng)指標(biāo)對應(yīng)于所述預(yù)測條件，所述響應(yīng)指標(biāo)至少包括人員數(shù)量、天氣、溫度、日期、用能設(shè)備；

17、遍歷若干所述能耗子定額與對應(yīng)的所述響應(yīng)指標(biāo)，以預(yù)測各所述響應(yīng)指標(biāo)與所述能耗子定額之間的慣性向量，若干所述慣性向量之和為1，所述慣性向量表征為能耗子定額的變化與各所述響應(yīng)指標(biāo)之間的影響程度。

18、在其中的一些實(shí)施例中，將所述能耗定額與所述預(yù)測能耗進(jìn)行比對，包括以下步驟：

19、單量比對：

20、以時(shí)間標(biāo)度為一日對將所述預(yù)測能耗進(jìn)行數(shù)據(jù)分割以獲取每一日對應(yīng)的預(yù)測子能耗，將所述預(yù)測子能耗與所述能耗子定額進(jìn)行比對；

21、總量比對：

22、判斷所述預(yù)測能耗對應(yīng)的未來時(shí)間與所述第一時(shí)間的大??；

23、若所述未來時(shí)間等于所述第一時(shí)間，則將所述預(yù)測能耗與所述能耗定額進(jìn)行比對；

24、若所述未來時(shí)間小于所述第一時(shí)間，則以所述未來時(shí)間的時(shí)間長度作為比對窗口，并將所述比對窗口依次在所述第一時(shí)間對應(yīng)的時(shí)間長度滑動(dòng)并選定，并依次判斷選定的所述比對窗口內(nèi)對應(yīng)的部分所述能耗定額的響應(yīng)指標(biāo)與所述預(yù)測能耗的預(yù)測條件之間的重合度，并選擇重合度最高的所述比對窗口對應(yīng)的部分能耗定額與所述預(yù)測能耗進(jìn)行比對。

25、在其中的一些實(shí)施例中，所述方案知識(shí)庫的生成，包括以下步驟：

26、生成若干推理組，每個(gè)所述推理組中皆包括若干與所述預(yù)測條件相對應(yīng)的推理指標(biāo)和能耗模擬量，且每個(gè)所述推理組對應(yīng)的若干推理指標(biāo)和能耗模擬量皆通過經(jīng)驗(yàn)算法結(jié)合能耗歷史數(shù)據(jù)隨機(jī)生成；

27、基于若干所述推理組，獲取所述推理組對應(yīng)的節(jié)能意見，將所述節(jié)能意見添加至相應(yīng)的所述推理組以形成節(jié)能方案；

28、將若干所述節(jié)能方案進(jìn)行整合以形成所述方案知識(shí)庫。

29、在其中的一些實(shí)施例中，所述方案知識(shí)庫的生成，包括以下步驟：

30、生成節(jié)能語句框架，其上包括前置條件組、后置條件組和節(jié)能意見組；

31、在所述前置條件組中添加情景推理指標(biāo)對應(yīng)的語句，所述情景推理指標(biāo)至少包括人員數(shù)量、天氣、溫度、日期；

32、在所述后置條件組中添加能耗推理指標(biāo)對應(yīng)的語句，所述能耗推理指標(biāo)至少包括用能設(shè)備量、用能設(shè)備類型、用能時(shí)長；

33、在所述節(jié)能意見組中添加節(jié)能意見對應(yīng)的語句；

34、當(dāng)所述節(jié)能語句框架添加成功，基于所述節(jié)能語句框架生成相應(yīng)的節(jié)能方案；

35、將若干所述節(jié)能方案進(jìn)行整合以形成所述方案知識(shí)庫。

36、在其中的一些實(shí)施例中，根據(jù)所述預(yù)測條件與預(yù)設(shè)的所述方案知識(shí)庫中若干節(jié)能方案對應(yīng)的推理指標(biāo)進(jìn)行比對關(guān)聯(lián)，并基于樸素貝葉斯算法推理出最優(yōu)節(jié)能方案，包括以下步驟：

37、依次選擇所述預(yù)測子能耗對應(yīng)的各所述預(yù)測條件，并從所述方案知識(shí)庫中匹配相同的推理指標(biāo)，計(jì)算在該推理指標(biāo)下各節(jié)能方案為最優(yōu)節(jié)能方案的第一概率；

38、將各所述第一概率乘以該所述預(yù)測條件對應(yīng)的慣性向量以得到第二概率；

39、計(jì)算所述預(yù)測子能耗對應(yīng)的所有所述預(yù)測條件對應(yīng)的各節(jié)能方案的第二概率的乘積以得到第三概率；

40、選擇所述第三概率最高的所述節(jié)能方案作為最優(yōu)日節(jié)能方案。

41、在其中的一些實(shí)施例中，根據(jù)所述預(yù)測條件與預(yù)設(shè)的所述方案知識(shí)庫中若干節(jié)能方案對應(yīng)的推理指標(biāo)進(jìn)行比對關(guān)聯(lián)，并基于樸素貝葉斯算法推理出最優(yōu)節(jié)能方案，包括以下步驟：

42、依次選擇所述預(yù)測能耗對應(yīng)的各所述預(yù)測條件組，每個(gè)所述預(yù)測條件組中皆包含若干同一類別的若干預(yù)測條件，并從所述方案知識(shí)庫中匹配相應(yīng)的推理指標(biāo)以預(yù)測每個(gè)所述預(yù)測條件組中節(jié)能高概率區(qū)域；

43、獲取若干所述預(yù)測條件組之間的高概率區(qū)域的交集以生成待節(jié)能區(qū)域；

44、計(jì)算在該所述待節(jié)能區(qū)域?qū)?yīng)的推理指標(biāo)下各節(jié)能方案為最優(yōu)節(jié)能方案的第四概率；

45、將各所述第四概率乘以該所述預(yù)測條件對應(yīng)的慣性向量以得到第五概率；

46、計(jì)算所述預(yù)測能耗對應(yīng)的所有所述預(yù)測條件對應(yīng)的各節(jié)能方案的第五概率的乘積以得到第六概率；

47、選擇所述第六概率最高的所述節(jié)能方案作為最優(yōu)總節(jié)能方案。

48、在其中的一些實(shí)施例中，還包括以下步驟：

49、基于所述最優(yōu)節(jié)能方案對所述預(yù)測能耗進(jìn)行節(jié)能調(diào)整后的重新計(jì)算，以獲取節(jié)能后預(yù)測能耗；

50、將所述節(jié)能后預(yù)測能耗與所述能耗定額進(jìn)行比對；

51、若小于所述能耗定額，則將所述最優(yōu)節(jié)能方案進(jìn)行輸出；

52、若不小于所述能耗定額，則重新推理出最優(yōu)節(jié)能方案。

53、第二方面，本技術(shù)提供一種基于多模態(tài)的能耗預(yù)測與節(jié)能方案生成系統(tǒng)，采用如下的技術(shù)方案：

54、一種基于多模態(tài)的能耗預(yù)測與節(jié)能方案生成系統(tǒng)，包括：

55、能耗定額模塊，用于獲取能耗歷史數(shù)據(jù)，并基于預(yù)設(shè)的能耗算法計(jì)算第一時(shí)間上的能耗定額，所述能耗定額表征為規(guī)定可使用的定量能耗數(shù)；

56、多模態(tài)預(yù)測模塊，用于獲取第二時(shí)間上的多模態(tài)物聯(lián)網(wǎng)數(shù)據(jù)，并將若干所述多模態(tài)物聯(lián)網(wǎng)數(shù)據(jù)作為參數(shù)以訓(xùn)練多元回歸模型；基于所述多元回歸模型生成未來時(shí)間的預(yù)測能耗，所述預(yù)測能耗中包括若干預(yù)測條件，所述預(yù)測條件表征為所述預(yù)測能耗對應(yīng)的用于預(yù)測的內(nèi)容指標(biāo)；將所述能耗定額與所述預(yù)測能耗進(jìn)行比對，并在所述預(yù)測能耗大于所述能耗定額時(shí)觸發(fā)超額預(yù)警；

57、節(jié)能預(yù)案推理模塊，用于在所述超額預(yù)警下基于所述多模態(tài)物聯(lián)網(wǎng)數(shù)據(jù)獲取對應(yīng)的預(yù)測條件，根據(jù)所述預(yù)測條件與預(yù)設(shè)的所述方案知識(shí)庫中若干節(jié)能方案對應(yīng)的推理指標(biāo)進(jìn)行比對關(guān)聯(lián)，并基于樸素貝葉斯算法推理出最優(yōu)節(jié)能方案，所述推理指標(biāo)表征為各所述節(jié)能方案所對應(yīng)的生成條件。

58、通過本技術(shù)實(shí)施例提供的技術(shù)方案，包括以下技術(shù)效果：

59、通過對能耗定額的設(shè)定結(jié)合未來短期能耗的預(yù)測做出能耗超額情況下的定性分析，隨后基于對節(jié)能預(yù)案的推理，自動(dòng)推理出何時(shí)的節(jié)能方案以在能耗超額實(shí)際出現(xiàn)之前預(yù)先做好能耗控制管理，作出的節(jié)能方案更加精準(zhǔn)有效。