一种基于多模态的能耗预测与节能方案生成方法及系统与流程

本技术涉及物联网能耗分析的，尤其是涉及一种基于多模态的能耗预测与节能方案生成方法及系统。

背景技术：

1、近些年开展节能降耗，对倡导节能降耗好习惯意义重大。但是如何对能耗做预算，并且如何管理能耗的使用成为迫在眉睫的问题。

2、公开号为cn118211721a的中国发明公开了一种基于人工智能的建筑能耗预测方法，具体利用温度传感器和湿度传感器并通过原始数据采集站点输入能源账单以及连接能源供应管理系统、气象站点获取建筑能耗相关数据,有助于提高建筑能耗预测模型的准确性和全面性,对建筑能耗相关数据进行检测和处理,将数据与时间戳进行关联并提取时间戳数据的平均时间特征,构建线性回归模型并输入温度数据、湿度数据以及建筑特性数据的平均时间特征,构建决策树模型并输入建筑的特性数据、建筑的历史能耗数据以及建筑所在地区的气候数据,创建可视化界面并实时展示两种模型集成后的最终预测结果、性能指标以及实际能耗数据，帮助用户直观了解建筑能耗情况。

3、公开号为cn118211713a的中国发明公开了一种能耗的预测方法、装置、可读存储介质和处理器，其包括：获取目标对象的当前能源消耗数据,其中,当前能源消耗数据用于指示目标对象在当前时间段内的固定能耗；调用能耗预测模型对当前能源消耗数据进行预测,得到能耗预测结果,其中,能耗预测模型为通过目标对象的历史能源消耗数据和目标对象的历史环境数据构建得到的,能耗预测结果用于至少指示目标对象在未来时间段内消耗的能源；显示能耗预测结果。

4、在上述相关技术中，皆只对未来一定时间内的建筑能耗数据进行了监控和预测，但并未对能耗的超额情况进行定义，无法作出超额的定性结果，故无法根据超额情况进行预警和节能策略的制定生成。

技术实现思路

1、为了实现对预测的能耗超额进行定性分析以提早作出节能预案，本技术提供一种基于多模态的能耗预测与节能方案生成方法及系统。

2、第一方面，本技术提供一种基于多模态的能耗预测与节能方案生成方法，采用如下的技术方案：

3、一种基于多模态的能耗预测与节能方案生成方法，包括以下步骤：

4、获取能耗历史数据，并基于预设的能耗算法计算第一时间上的能耗定额，所述能耗定额表征为规定可使用的定量能耗数；

5、获取第二时间上的多模态物联网数据，并将若干所述多模态物联网数据作为参数以训练多元回归模型；

6、基于所述多元回归模型生成未来时间的预测能耗，所述预测能耗中包括若干预测条件，所述预测条件表征为所述预测能耗对应的用于预测的内容指标；

7、将所述能耗定额与所述预测能耗进行比对，并在所述预测能耗大于所述能耗定额时触发超额预警；

8、在所述超额预警下基于所述多模态物联网数据获取对应的预测条件，根据所述预测条件与预设的所述方案知识库中若干节能方案对应的推理指标进行比对关联，并基于朴素贝叶斯算法推理出最优节能方案，所述推理指标表征为各所述节能方案所对应的生成条件。

9、在其中的一些实施例中，获取能耗历史数据，并基于预设的能耗算法计算第一时间上的能耗定额，包括以下步骤：

10、基于lstm算法推测出所述第一时间对应的能耗估值；

11、判断所述能耗估值是否满足当前管理要求；

12、若是，则将所述能耗估值作为最终的所述能耗定额；

13、若否，则等待数值调整指令，并基于所述数值调整指令对所述能耗估值进行调整以得到最终的所述能耗定额。

14、在其中的一些实施例中，所述第一时间的时间长度为一个月，基于预设的能耗算法计算第一时间上的能耗定额，还包括以下步骤：

15、以时间标度为一日对所述能耗定额进行数据分割以获取每一日对应的能耗子定额；

16、列举所述能耗子定额对应的响应指标，所述响应指标对应于所述预测条件，所述响应指标至少包括人员数量、天气、温度、日期、用能设备；

17、遍历若干所述能耗子定额与对应的所述响应指标，以预测各所述响应指标与所述能耗子定额之间的惯性向量，若干所述惯性向量之和为1，所述惯性向量表征为能耗子定额的变化与各所述响应指标之间的影响程度。

18、在其中的一些实施例中，将所述能耗定额与所述预测能耗进行比对，包括以下步骤：

19、单量比对：

20、以时间标度为一日对将所述预测能耗进行数据分割以获取每一日对应的预测子能耗，将所述预测子能耗与所述能耗子定额进行比对；

21、总量比对：

22、判断所述预测能耗对应的未来时间与所述第一时间的大小；

23、若所述未来时间等于所述第一时间，则将所述预测能耗与所述能耗定额进行比对；

24、若所述未来时间小于所述第一时间，则以所述未来时间的时间长度作为比对窗口，并将所述比对窗口依次在所述第一时间对应的时间长度滑动并选定，并依次判断选定的所述比对窗口内对应的部分所述能耗定额的响应指标与所述预测能耗的预测条件之间的重合度，并选择重合度最高的所述比对窗口对应的部分能耗定额与所述预测能耗进行比对。

25、在其中的一些实施例中，所述方案知识库的生成，包括以下步骤：

26、生成若干推理组，每个所述推理组中皆包括若干与所述预测条件相对应的推理指标和能耗模拟量，且每个所述推理组对应的若干推理指标和能耗模拟量皆通过经验算法结合能耗历史数据随机生成；

27、基于若干所述推理组，获取所述推理组对应的节能意见，将所述节能意见添加至相应的所述推理组以形成节能方案；

28、将若干所述节能方案进行整合以形成所述方案知识库。

29、在其中的一些实施例中，所述方案知识库的生成，包括以下步骤：

30、生成节能语句框架，其上包括前置条件组、后置条件组和节能意见组；

31、在所述前置条件组中添加情景推理指标对应的语句，所述情景推理指标至少包括人员数量、天气、温度、日期；

32、在所述后置条件组中添加能耗推理指标对应的语句，所述能耗推理指标至少包括用能设备量、用能设备类型、用能时长；

33、在所述节能意见组中添加节能意见对应的语句；

34、当所述节能语句框架添加成功，基于所述节能语句框架生成相应的节能方案；

35、将若干所述节能方案进行整合以形成所述方案知识库。

36、在其中的一些实施例中，根据所述预测条件与预设的所述方案知识库中若干节能方案对应的推理指标进行比对关联，并基于朴素贝叶斯算法推理出最优节能方案，包括以下步骤：

37、依次选择所述预测子能耗对应的各所述预测条件，并从所述方案知识库中匹配相同的推理指标，计算在该推理指标下各节能方案为最优节能方案的第一概率；

38、将各所述第一概率乘以该所述预测条件对应的惯性向量以得到第二概率；

39、计算所述预测子能耗对应的所有所述预测条件对应的各节能方案的第二概率的乘积以得到第三概率；

40、选择所述第三概率最高的所述节能方案作为最优日节能方案。

41、在其中的一些实施例中，根据所述预测条件与预设的所述方案知识库中若干节能方案对应的推理指标进行比对关联，并基于朴素贝叶斯算法推理出最优节能方案，包括以下步骤：

42、依次选择所述预测能耗对应的各所述预测条件组，每个所述预测条件组中皆包含若干同一类别的若干预测条件，并从所述方案知识库中匹配相应的推理指标以预测每个所述预测条件组中节能高概率区域；

43、获取若干所述预测条件组之间的高概率区域的交集以生成待节能区域；

44、计算在该所述待节能区域对应的推理指标下各节能方案为最优节能方案的第四概率；

45、将各所述第四概率乘以该所述预测条件对应的惯性向量以得到第五概率；

46、计算所述预测能耗对应的所有所述预测条件对应的各节能方案的第五概率的乘积以得到第六概率；

47、选择所述第六概率最高的所述节能方案作为最优总节能方案。

48、在其中的一些实施例中，还包括以下步骤：

49、基于所述最优节能方案对所述预测能耗进行节能调整后的重新计算，以获取节能后预测能耗；

50、将所述节能后预测能耗与所述能耗定额进行比对；

51、若小于所述能耗定额，则将所述最优节能方案进行输出；

52、若不小于所述能耗定额，则重新推理出最优节能方案。

53、第二方面，本技术提供一种基于多模态的能耗预测与节能方案生成系统，采用如下的技术方案：

54、一种基于多模态的能耗预测与节能方案生成系统，包括：

55、能耗定额模块，用于获取能耗历史数据，并基于预设的能耗算法计算第一时间上的能耗定额，所述能耗定额表征为规定可使用的定量能耗数；

56、多模态预测模块，用于获取第二时间上的多模态物联网数据，并将若干所述多模态物联网数据作为参数以训练多元回归模型；基于所述多元回归模型生成未来时间的预测能耗，所述预测能耗中包括若干预测条件，所述预测条件表征为所述预测能耗对应的用于预测的内容指标；将所述能耗定额与所述预测能耗进行比对，并在所述预测能耗大于所述能耗定额时触发超额预警；

57、节能预案推理模块，用于在所述超额预警下基于所述多模态物联网数据获取对应的预测条件，根据所述预测条件与预设的所述方案知识库中若干节能方案对应的推理指标进行比对关联，并基于朴素贝叶斯算法推理出最优节能方案，所述推理指标表征为各所述节能方案所对应的生成条件。

58、通过本技术实施例提供的技术方案，包括以下技术效果：

59、通过对能耗定额的设定结合未来短期能耗的预测做出能耗超额情况下的定性分析，随后基于对节能预案的推理，自动推理出何时的节能方案以在能耗超额实际出现之前预先做好能耗控制管理，作出的节能方案更加精准有效。