一种建筑物能耗智能检测系统技术方案

本发明专利技术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；本发明专利技术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。

【技术实现步骤摘要】
一种建筑物能耗智能检测系统
本专利技术涉及建筑物能耗自动化装备的
，具体涉及一种建筑物能耗智能检测系统。
技术介绍
建筑物能耗分析是建筑节能领域的研究热点之一，是实现合理节能方案的基础，是实现建筑耗能设备优化运行的前提条件。根据建筑物的自身特点，建立影响反映建筑能耗变化的预测模型。准确的建筑能耗预测模型，能提前预知和掌握建筑能耗情况，为供能设备的调度策略提供依据，实现按需供能，能更好地推进建筑节能工作。从而提前对建筑用能做出规划，使国家的能源政策得到更好的实施。本专利根据影响建筑物能耗的建筑物环境因子和建筑物能耗的历史数据专利技术一种建筑物能耗智能检测系统。
技术实现思路
本专利技术提供了一种建筑物能耗智能检测系统，本专利技术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。本专利技术通过以下技术方案实现：一种建筑物能耗智能检测系统，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本文档来自技高网...

【技术保护点】
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...

【技术特征摘要】
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...

【专利技术属性】
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，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏;32