一种建筑综合智能用电系统及其方法技术方案

公开了一种建筑综合智能用电系统及其方法，其通过第一卷积神经网络模型作为特征提取器以提取出待监控建筑内所有用电设备在当前时间点的状态信息的隐含关联特征，以及通过包含嵌入层的上下文编码器以提取出所有用电设备中各个用电设备的类型文本描述的全局性语义关联特征，然后通过图神经网络来进行特征的融合，最后将融合后得到的状态语义关联特征矩阵通过分类器以得到用于表示待监控建筑内所有用电设备的状态组合是否正常的分类结果，响应于分类结果为待监控建筑内所有用电设备的状态组合不正常生成用电异常提示。这样，可以准确地对建筑内所有用电设备的状态组合的异常性进行分析判断，进而对于异常的情况生成预警提示。警提示。警提示。

【技术实现步骤摘要】
一种建筑综合智能用电系统及其方法


[0001]本申请涉及智能电网
，且更为具体地，涉及一种建筑综合智能用电系统及其方法。

技术介绍

[0002]由于社会经济的迅速发展，人们对建筑环境的舒适性要求越来越高，使得建筑能耗也越来越高，如何在不提高建筑能耗同时提高建筑环境的舒适性，甚至可以达到节能效果成为绿色建筑的一个研究目标。
[0003]智能用电技术是建设坚强智能电网的重要组成部分，其核心就是实现智能化服务，满足用户多元化需求，实现电力供应稳定可靠、经济安全，构建电网与客户之间电力流、信息流、业务流实时互动的新型供用电关系。改变用户用能方式，促进节能减排，提高清洁的电能在终端能源消费中的比重。目前，我国在用电技术方面还比较落后，大部分采用传统的开关，智能用电技术应用较少，这是造成能耗浪费的一个重要方面。
[0004]新兴的物联网技术可以将多能源优化和智能用电有机结合起来，从而达到科学用电、开源节流的目的，建筑物中广泛应用物联网技术，已成为建筑智能化、节能化的必然趋势。
[0005]因此，期待一种优化的建筑综合智能用电方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑综合智能用电系统，其特征在于，包括：状态信息采集单元，用于获取待监控建筑内所有用电设备在当前时间点的状态信息；状态关联单元，用于将所述待监控建筑内所有用电设备在当前时间点的状态信息排列为状态输入向量后，计算所述状态输入向量与其转置向量之间的乘积以得到状态关联矩阵；状态关联特征提取单元，用于将所述状态关联矩阵通过训练完成的作为特征提取器的第一卷积神经网络模型以得到状态关联特征矩阵；设备描述信息采集单元，用于获取所述所有用电设备中各个用电设备的类型文本描述；设备描述语义编码单元，用于将所述所有用电设备中各个用电设备的类型文本描述分别通过训练完成的包含嵌入层的上下文编码器以得到多个设备文本描述特征向量；矩阵构造单元，用于将所述多个设备文本描述特征向量按照所述设备样本维度排列为设备文本描述特征矩阵；图神经网络单元，用于将所述设备文本描述特征矩阵和所述状态关联特征矩阵通过训练完成的图神经网络以得到状态语义关联特征矩阵，其中，所述图神经网络通过可学习的神经网络参数对所述设备文本描述特征矩阵和所述状态关联特征矩阵进行编码以得到包含不规则的状态拓扑信息的设备文本描述关联特征表示；用电设备状态监测结果生成单元，用于将所述状态语义关联特征矩阵通过训练完成的分类器以得到分类结果，所述分类结果用于表示待监控建筑内所有用电设备的状态组合是否正常；以及用电控制结果生成单元，用于响应于所述分类结果为待监控建筑内所有用电设备的状态组合不正常，生成用电异常提示。2.根据权利要求1所述的建筑综合智能用电系统，其特征在于，所述状态关联特征提取单元，进一步用于：所述训练完成的作为特征提取器的第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述训练完成的作为特征提取器的第一卷积神经网络模型的最后一层的输出为所述状态关联特征矩阵，所述训练完成的作为特征提取器的第一卷积神经网络模型的第一层的输入为所述状态关联矩阵。3.根据权利要求2所述的建筑综合智能用电系统，其特征在于，所述设备描述语义编码单元，包括：分词子单元，用于对所述所有用电设备中各个用电设备的类型文本描述进行分词处理以将所述所有用电设备中各个用电设备的类型文本描述转化为由多个词组成的词序列；嵌入编码子单元，用于使用所述上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及上下文编码子单元，用于使用所述上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以获得所述多个设备文本描述特征向量。
4.根据权利要求3所述的建筑综合智能用电系统，其特征在于，所述用电设备状态监测结果生成单元，进一步用于：使用所述分类器以如下公式对所述状态语义关联特征矩阵进行处理以生成所述分类结果，其中，所述公式为：，其中表示将所述状态语义关联特征矩阵投影为向量，为全连接层的权重矩阵，表示全连接层的偏置矩阵。5.根据权利要求1所述的建筑综合智能用电系统，其特征在于，所述建筑综合智能用电系统，还包括用于对所述作为特征提取器的第一卷积神经网络模型、所述包含嵌入层的上下文编码器、所述图神经网络和所述分类器进行联合训练的训练模块。6.根据权利要求5所述的建筑综合智能用电系统，其特征在于，所述训练模块，包括：训练数据采集单元，用于获取训练数据，所述训练数据包括所述待监控建筑内所有用电设备在预定时间点的状态信息和所述所有用电设备中各个用电设备的类型文本描述；训练状态关联单元，用于将所述训练数据中的待监控建筑内所有用电设备在预定时间点的状态信息排列为训练状态输入向量后，计算所述训练状态输入向量与其转置向量之间的乘积以得到训练状态关联矩阵；训练状态关联特征提取单元，用于将所述训练状态关联矩阵通过所述作为特征提取器的第一卷积神经网络模型以得到训练状态关联特征矩阵；训练设备描述语义编码单元，用于将所述训练数据中的所述所有用电设备中各个用电设备的类型文本描述分别通过...

【专利技术属性】
技术研发人员：许建成，唐平亚，
申请(专利权)人：浙江心友机电设备安装有限公司，
类型：发明
国别省市：