一种基于智能建筑VMD-LSTM-GRU的碳分析方法技术

本发明专利技术提出一种基于智能建筑VMD

【技术实现步骤摘要】
一种基于智能建筑VMD
‑
LSTM
‑
GRU的碳分析方法


[0001]本专利技术涉及人工智能、楼宇系统集成、数据分析处理
，尤其是一种基于智能建筑 VMD
‑
LSTM
‑
GRU的碳分析方法。

技术介绍

[0002]现有的智能建筑碳排放管理模式：
[0003](1)只能根据现有数据生成的图表及运维人员的经验去判断碳排放是否有问题，指标定制不够 灵活多变且往往是已产生能耗(碳排放)异常过后的一段时间内才发现问题。
[0004](2)发生碳排放相关问题时无法快速定位问题原因，需要咨询各个设备的运维人员。
[0005](3)需要人员对设备进行确认后逐个进行调度，容易发生疏漏或下发错误指令等问题。
[0006]综上，现有的智能建筑碳排放管理模式缺少自动化功能，不能进行碳排放的预测。

技术实现思路

[0007]本专利技术提出一种基于智能建筑VMD
‑
LSTM
‑
GRU的碳分析方法，根据碳排放趋势预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能建筑VMD
‑
LSTM
‑
GRU的碳分析方法，用于碳减排，其特征在于：所述方法在智能建筑中引入AI模型，根据碳排放趋势预测达到提前预警，缩短碳排放异常问题诊断的时间及响应时间，并按同一规范来执行设备操作，包括以下步骤；步骤S1、采用智能建筑采集网关技术采集能耗数据；步骤S2、对数据进行VMD分解处理，进而得到修正后的数据；步骤S3、通过修正后的数据生成AI碳排放模型学习所需数据；步骤S4、使用基于LSTM和GRU深度学习的AI碳排放模型对碳排放数据进行学习；步骤S5、使用AI模型对现有数据进行未来趋势预测并进行预警；步骤S6、使用基于DNN深度学习的AI碳排放模型学习现有与能耗相关的碳排放异常处理方案；形成碳排放异常分析模型；步骤S7、使用碳排放异常分析模型构建碳排放异常诊断报告、处理报告和解决方案。2.根据权利要求1所述的一种基于智能建筑VMD
‑
LSTM
‑
GRU的碳分析方法，其特征在于：步骤S2的VMD分解处理为预处理，预处理中先根据步骤S1采集的能耗信号数据确定所给序列的模态分解个数，在随后的搜索和求解过程中，适应地匹配每种模态的最佳中频率和有限带宽，进行固有模态分量IMF的有效分离、信号的频域划分、进得到给定信号的有效分解成分，并获得变分问题的最优解；设原始能耗信号f被分解为k个分量，需保证分解序列为具有中频率的有限带宽的模态分量，同时各模态的估计带宽之和最，约束条件为所有模态之和与原始信号相等，则相应约束变分表达式为式中，{u
k
}＝{u1，u2...u
k
}代表原始能耗信号分解之后的k个模分量，{ω
k
}＝{ω1，ω2...ω
k
}代表每个模态分量的中心频率，∑u
k
＝f(t)为约束条件，即所有的模态分量之和为原输入信号；引入二次惩罚因子α和Lagrange乘法算子σ(t)来求解上述变分约束最优解，其中α为足够大的正数，用于在受到高斯噪声的影响下能够保障信号的重构精度，σ(t)用于使约束条件保持严格性，扩展的Lagrange表达式如下利用交替方向乘法算子求取公式中的变分问题，通过交替更新求取扩展的Lagrange表达式的“鞍点”。3.根据权利要求2所述的一种基于智能建筑VMD
‑
LSTM
‑
GRU的碳分析方法，其特征在于：步骤S3对经预处理后的各个模态的数据序列归一化处理，以得到相应的AI碳排放模型学习
所需数据，具体的公式如下4.根据权利要求3所述的一种基于智能建筑VMD
‑
LSTM
‑
GRU的碳分析方法，其特征在于：步骤S3对数据归一化处理后，再对数据原值按时间点进行修正，以得到K个模态子序列的样本数据，使该数据能在计算碳排时，根据各系统不同类型能源消耗量和不同类型能源的碳排放因子确定，实时的碳排放计算公式如下：碳排放量＝能耗数据*碳排放因子能耗数据：由各个采集设备采集到的能耗数据。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：陈书熙，吴先利，朱国来，蒙龙，张健荣，
申请(专利权)人：中邮科通信技术股份有限公司，
类型：发明
国别省市：