一种智能楼宇弱电线路埋设辅助系统及其方法技术方案

本发明专利技术申请提供了一种智能楼宇弱电线路埋设辅助系统及其方法，包括：获取楼宇内的用电设备信息作为第一样本集，获取当地的气候信息作为第二样本集；采用K

【技术实现步骤摘要】
一种智能楼宇弱电线路埋设辅助系统及其方法


[0001]本申请涉及智能楼宇线路埋设
，特别涉及一种智能楼宇弱电线路埋设辅助系统及其方法。

技术介绍

[0002]智能楼宇是通过楼宇自动系统，采用先进的计算机控制技术，管理软件和节能系统程序，使建筑物机电或建筑群内的设备有条不紊、综合协调、科学地进行，从而达到有效地保证建筑物内有舒适的工作环境，实现节能、节能维护管理工作量和运行费用的目的，弱电线路一般是指直流电路或音频、视频线路、网络线路、电话线路，交流电压一般在36V以内，智能楼宇中的电话、电脑、电视机的信号输入、音响设备等家用电器均为弱电电气设备，弱电线路在埋设时，需要先通过切割设备在地面上切割出线缝，再通过电锤凿出线槽，之后将装有弱电线路的软管埋在线槽内，最后通过水泥将线槽进行修补，但此方式不仅需要使用多种设备，同时操作较为繁琐，降低了弱电线路的埋设效率，因此提出一种智能楼宇弱电线路埋设辅助系统及其方法。
[0003]参考专利申请号CN104184214B，其中记载了一种楼宇用电负荷监控方法，该监控方法可以实时采集楼宇中用电设备的用电信息，并根据采集的历史信息对楼宇的用电负荷进行预测得到楼宇用电曲线，配电系统还可实时获取上一级配电网络的调度信息，并结合楼宇用电曲线和上一级配电网络的调度信息，确定楼宇用电设备的供电策略，以最大程度的满足楼宇设备用电需求和上级配电网络的调度要求，极大的提高了用电效率和可靠性，但是其监控的数据只是在楼宇线路投入使用之后，并不能对楼宇线路安装之前进行辅助规划，为此，本申请提出智能楼宇弱电线路埋设辅助系统及其方法。

技术实现思路

[0004]本申请的目的是提供一种智能楼宇弱电线路埋设辅助系统及其方法，旨在解决
技术介绍
提出的问题。
[0005]为实现上述目的，本申请提供如下技术方案：
[0006]本申请提供一种智能楼宇弱电线路埋设辅助方法，包括：
[0007]获取楼宇内的用电设备信息作为第一样本集，获取当地的气候信息作为第二样本集；
[0008]采用K
‑
means算法对第二样本集中的数据进行聚类，在聚类结果中提取出训练样本；
[0009]采用支持向量机算法建立负荷预测模型，将训练样本以及第一样本集代入负荷预测模型中得到楼宇中的最大电网传输量；
[0010]根据最大电网传输量预测线损率，选取不同规格的导线，并且得到不同的线损率，根据线损率的高低以及最大电网传输量选取合适规格的导线；
[0011]将导线通过智能楼宇弱电线路埋设辅助装置安装在楼宇内。
[0012]进一步的，所述的一种智能楼宇弱电线路埋设辅助方法，所述第二样本集中包括但不限于温度数据、湿度数据、气压数据。
[0013]进一步的，所述的一种智能楼宇弱电线路埋设辅助方法，在所述采用K
‑
means算法对第二样本集中的数据进行聚类，在聚类结果中提取出训练样本步骤中，包括：
[0014]对第二样本集中的数据进行预处理，对预处理后的数据进行记录，同时遍历近十年的历史样本集，组成输入样本集；
[0015]对得到的输入样本集中的气象因素进行聚类分析，根据聚类结果选择同类的历史样本集作为训练样本数据集。
[0016]进一步的，所述的一种智能楼宇弱电线路埋设辅助方法，所述K
‑
means算法包括：
[0017]对于一个包含n个d维数据点的数据集X＝{x1,x2...,x
i
...,x
n
}，其中x
i
＝R
d
，选择数据集中的K个点作为初始聚类中心，每个对象代表一个类别的中心μ
k
(k＝1,2,...,K)；
[0018]计算各点到中心μ
k
的欧式距离，按距离的远近将各点分配到与其最相似的聚类中心代表的类，形成A个簇C＝{c
a
,a＝1,2,...,A}，每个c
a
代表一个类，计算各点到聚类中心μ
k
的距离的平方和L：
[0019][0020]计算各类样本到其所在类别聚类中心μ
k
总得距离平方和H直至最小；
[0021][0022]式中：若x
i
∈c
i
,d
ki
＝1，若d
ki
＝0。
[0023]进一步的，所述的一种智能楼宇弱电线路埋设辅助方法，支持向量机算法包括：
[0024]假定一组样本数据集G：
[0025][0026]式中x
i
是输入向量，y
i
是相应输出，n是数据总数。
[0027]进一步的，所述的一种智能楼宇弱电线路埋设辅助方法，将样本映射到高维特征空间，然后在高维特征空间进行线性回归，回归函数为：
[0028][0029]式中||ω||2/2表示平滑程度，c表示回归次数，L
ε
表示线性回归的参数。
[0030]进一步的，所述的一种智能楼宇弱电线路埋设辅助方法，在所述根据最大电网传输量预测线损率，选取不同规格的导线，并且得到不同的线损率，根据线损率的高低以及最大电网传输量选取合适规格的导线步骤中，包括：
[0031]设电网元件电阻为R，电流为I，一天中的线损为：
[0032][0033]s是电流流过的面积，t为时间。
[0034]一种智能楼宇弱电线路埋设辅助系统，包括：
[0035]获取模块：获取楼宇内的用电设备信息作为第一样本集，获取当地的气候信息作
为第二样本集；
[0036]算法模块：采用K
‑
means算法对第二样本集中的数据进行聚类，在聚类结果中提取出训练样本；
[0037]采用支持向量机算法建立负荷预测模型，将训练样本以及第一样本集代入负荷预测模型中得到楼宇中的最大电网传输量；
[0038]预测模块：根据最大电网传输量预测线损率，选取不同规格的导线，并且得到不同的线损率，根据线损率的高低以及最大电网传输量选取合适规格的导线；
[0039]控制模块：发送控制指令将导线通过智能楼宇弱电线路埋设辅助装置安装在楼宇内。
[0040]一种智能楼宇弱电线路埋设辅助装置，包括移动架(1)与滑动设置在其之上的机架(2)，机架(2)上转动设置有切割杆(3)、开槽杆(4)、转杆(5)、导向轮(6)以及两个驱动轮(7)，切割杆(3)上套设有两个对称分布的切割片(8)，开槽杆(4)上套设有开槽辊(9)，转杆(5)上设置有绕管辊(10)，两个驱动轮(7)上设置有第一齿轮副(11)，机架(2)上设置有排废板(12)与储存箱(13)，储存箱(13)上设置有出料管(14)、抹平板(15)以及驱动件(16)，出料管(14)内滑动设置有封堵板(17)，驱动件(16)与封堵板(17)固定连接且用于驱使其直线往复滑动；
[0041]所述开槽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能楼宇弱电线路埋设辅助方法，其特征在于，包括：获取楼宇内的用电设备信息作为第一样本集，获取当地的气候信息作为第二样本集；采用K
‑
means算法对第二样本集中的数据进行聚类，在聚类结果中提取出训练样本；采用支持向量机算法建立负荷预测模型，将训练样本以及第一样本集代入负荷预测模型中得到楼宇中的最大电网传输量；根据最大电网传输量预测线损率，选取不同规格的导线，并且得到不同的线损率，根据线损率的高低以及最大电网传输量选取合适规格的导线；将导线通过智能楼宇弱电线路埋设辅助装置安装在楼宇内。2.根据权利要求1所述的一种智能楼宇弱电线路埋设辅助方法，其特征在于，所述第二样本集中包括但不限于温度数据、湿度数据、气压数据。3.根据权利要求1所述的一种智能楼宇弱电线路埋设辅助方法，其特征在于，在所述采用K
‑
means算法对第二样本集中的数据进行聚类，在聚类结果中提取出训练样本步骤中，包括：对第二样本集中的数据进行预处理，对预处理后的数据进行记录，同时遍历近十年的历史样本集，组成输入样本集；对得到的输入样本集中的气象因素进行聚类分析，根据聚类结果选择同类的历史样本集作为训练样本数据集。4.根据权利要求3所述的一种智能楼宇弱电线路埋设辅助方法，其特征在于，所述K
‑
means算法包括：对于一个包含n个d维数据点的数据集X＝{x1,x2...,x
i
...,x
n
}，其中x
i
＝R
d
，选择数据集中的K个点作为初始聚类中心，每个对象代表一个类别的中心μ
k
(k＝1,2,...,K)；计算各点到中心μ
k
的欧式距离，按距离的远近将各点分配到与其最相似的聚类中心代表的类，形成A个簇C＝{c
a
,a＝1,2,...,A}，每个c
a
代表一个类，计算各点到聚类中心μ
k
的距离的平方和L：计算各类样本到其所在类别聚类中心μ
k
总得距离平方和H直至最小；式中：若x
i
∈c
i
,d
ki
＝1，若d
ki
＝0。5.根据权利要求1所述的一种智能楼宇弱电线路埋设辅助方法，其特征在于，支持向量机算法包括：假定一组样本数据集G：式中x
i
是输入向量，y
i
是相应输出，n是数据总数。6.根据权利要求5所述的一种智能楼宇弱电线路埋设辅助方法，其特征在于，将样本映射到高维特征空间，然后在高维特征空间进行线性回归，回归函数为：
式中||ω||2/2表示平滑程度，c表示回归次数，L
ε
表示线性回归的参数。7.根据权利要求1所述的一种智能楼宇弱电线路埋设辅助方法，其特征在于，在所述根据最大电网传输量预测线损率，选取不同规格的导线，并且得到不同的线损率，根据线损率的高低以及最大电网传输量选取合适规格的导线步骤中，包括：设电网元件电阻为R，电流为I，一天中的线损为：s是电流流过的面积，t为时间。8.一种智能楼宇弱电线路埋设辅助系统，其特征在于，包括：获取模块：获取楼宇内的用电设备信息作为第一样本集，获取当地的气候信息作为第二样本集；算法模块：采用K
‑
means算法对第二样本集中的数据进行聚类，在聚类结果中提取出训练样本；采用支持向量机算法建立负荷预测模型，将训练样本以及第一样本集代入负荷预测模型中得到楼宇中的最大电网传输量；预测模块：根据最大电网传输量预测线损率，选取不同规格的导线，并且得到不同的线损率，根据线损率的高低以及最大电网传输量选取合适规格的...

【专利技术属性】
技术研发人员：石佳鸿，魏培民，
申请(专利权)人：上海泰科龙建设工程有限公司，
类型：发明
国别省市：