基于物联网绿色建筑的能耗监测方法及系统技术方案

本发明专利技术公开了基于物联网绿色建筑的能耗监测方法及系统；本发明专利技术涉及物联网建筑信息技术领域；循环神经网络模型包括：Seq2Seq模型和双向Bi‑GRU循环神经网络模型；使用双向Bi‑GRU作为编码器的组成部分，接收输入序列S，并通过前向和后向两个方向的GRU层提取输入序列S中的正向和反向依赖关系；将编码层输出的隐藏状态通过ECA的注意力机制器聚合成一个固定长度的中间向量C输入到解码层中；本发明专利技术通过引入Seq2Seq模型，本发明专利技术成功打破了传统神经网络在处理序列数据时输入和输出必须等长的限制。使得模型能够更灵活地应用于实际场景中，尤其是物联网建筑能耗分析领域，解决输入的历史能耗数据序列和输出的未来能耗预测序列往往长度不一的技术问题。

【技术实现步骤摘要】

本专利技术涉及物联网建筑信息，尤其是智能处理与应用的，具体涉及神经网络模型技术在物联网建筑信息中关于能耗分析的应用，特别涉及基于物联网绿色建筑的能耗监测方法及系统。

技术介绍

1、在现阶段，基于物联网的绿色建筑能耗监测系统中，卷积神经网络(cnn)和长短期记忆网络(lstm)等神经网络技术得到了广泛应用。这些技术通过物联网技术采集建筑能耗数据，并利用深度学习模型对数据进行处理和分析，以实现能耗的精准监测和预测。

2、文献runge j，zmeureanu r.a review of deep learning techniques forforecasting energy use in buildings[j].energies，2021，14(3)：608公开了一种卷积神经网络(cnn)在物联网建筑的能耗分析技术，用于处理如温度分布图、光照强度图等二维图像数据，从而识别出影响能耗的关键因素。然而，在直接处理时间序列数据时，cnn的优势相对有限。

3、而文献kim t y，cho s b.predicting residentia本文档来自技高网...

【技术保护点】

1.基于物联网绿色建筑的能耗监测方法，包括通过物联网设备收集建筑能耗的数据集D，其特征在于，包括执行如下步骤：

2.根据权利要求1所述的能耗监测方法，其特征在于：在所述S1中，所述数据集D包括电力消耗a、用水量b和气体消耗c，以及与这三者对应的外部因素数据，包括天气d和人员流动量e：

3.根据权利要求2所述的能耗监测方法，其特征在于：在所述S1中，所述提取的方法为Kappa一致性检验算法，方法为：

4.根据权利要求1所述的能耗监测方法，其特征在于：所述Seq2Seq-Bi-GRU循环神经网络模型的架构包括如下依次连接的：

>5.根据权利要求4...

【技术特征摘要】

1.基于物联网绿色建筑的能耗监测方法，包括通过物联网设备收集建筑能耗的数据集d，其特征在于，包括执行如下步骤：

2.根据权利要求1所述的能耗监测方法，其特征在于：在所述s1中，所述数据集d包括电力消耗a、用水量b和气体消耗c，以及与这三者对应的外部因素数据，包括天气d和人员流动量e：

3.根据权利要求2所述的能耗监测方法，其特征在于：在所述s1中，所述提取的方法为kappa一致性检验算法，方法为：

4.根据权利要求1所述的能耗监测方法，其特征在于：所述seq2seq-bi-gru循环神经网络模型的架构包括如下依次连接的：

5.根据权利要求4所述的能耗监测方法，其特征在于：所述编码器包括：

【专利技术属性】
技术研发人员：蒋武衡，
申请(专利权)人：广州科技职业技术大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人