【技術實現步驟摘要】
本專利技術涉及樓宇智能化，特別是一種基于大數據的樓宇運維管理方法及系統。
技術介紹
1、隨著智能建筑的快速發展，樓宇運維管理的智能化、自動化水平不斷提升。目前，大多數智能樓宇已安裝了各類傳感器和自動化控制系統，可實現基本的環境監測、能源計量和設備控制功能。然而，這些系統往往獨立運行，缺乏統一的數據管理和分析平臺，導致數據資源無法充分利用，運維管理效率較低。
2、傳統的樓宇運維管理主要依賴人工巡檢和定期保養，存在以下問題：設備運行狀態難以實時掌握，故障預警能力不足；維修計劃缺乏針對性，無法根據設備實際狀態制定合理的維護策略；維修資源調度效率低下，響應時間長；維修記錄管理不規范，設備全生命周期數據難以追溯。這些問題嚴重制約了樓宇運維管理水平的提升。
技術實現思路
1、鑒于現有的樓宇運維管理系統存在數據采集分散、預測能力不足、維修效率低下等問題，提出了本專利技術。
2、因此，本專利技術所要解決的問題在于如何通過物聯網和大數據技術實現樓宇設備運行數據的統一采集與分析，建立設備健康狀態評估和故障預警機制，提高維修資源調度效率，從而提升樓宇運維管理的智能化水平。
3、為解決上述技術問題，本專利技術提供如下技術方案：
4、第一方面，本專利技術實施例提供了一種基于大數據的樓宇運維管理方法，其包括通過物聯網傳感器網絡采集多源異構數據，執行數據標準化處理，生成標準數據流；基于數字孿生技術構建虛擬樓宇模型，將標準數據流映射至虛擬樓宇模型的對應設備節點，采用
5、作為本專利技術所述基于大數據的樓宇運維管理方法的一種優選方案，其中：基于數字孿生技術構建虛擬樓宇模型包括以下步驟：獲取樓宇的建筑信息模型數據，通過三維建模引擎構建樓宇的三維幾何模型，生成虛擬樓宇骨架模型；基于虛擬樓宇骨架模型，計算并構建空間位置關系矩陣；基于空間位置關系矩陣構建空間注意力網絡，生成設備間的空間關聯權重；
6、將標準數據流按時序組織，通過時間注意力網絡提取設備運行的動態時序特征；融合空間關聯權重和動態時序特征，生成時空融合特征向量；將時空融合特征向量組織成設備特征矩陣。
7、作為本專利技術所述基于大數據的樓宇運維管理方法的一種優選方案，其中：訓練生成能耗預測模型包括以下步驟：對設備特征矩陣按照預設時間窗口進行滑動切分，生成樣本集，將樣本集按照預設比例劃分為訓練樣本集和驗證樣本集；構建雙向長短時記憶網絡作為能耗預測模型的主干網絡，將訓練樣本集輸入至雙向長短時記憶網絡，提取時序特征向量；在雙向長短時記憶網絡的輸出層設置多頭注意力計算單元，生成融合特征向量；將融合特征向量輸入至全連接層，得到能耗預測值，計算能耗預測值與實際能耗值之間的均方差損失值；根據計算得到的均方差損失值，采用自適應學習率優化算法更新網絡參數；將驗證樣本集輸入至雙向長短時記憶神經網絡，計算驗證損失值，采用基于驗證損失收斂性的早停機制選擇最優模型參數，得到能耗預測模型；將實時設備特征矩陣輸入至能耗預測模型，輸出能耗預測序列。
8、作為本專利技術所述基于大數據的樓宇運維管理方法的一種優選方案，其中：生成故障預警優先級列表包括以下步驟：采用差分計算單元對能耗預測序列執行時間序列差分運算，獲取能耗變化趨勢數組；調用時序模式識別模塊對能耗變化趨勢數組進行特征提取，得到波動特征值、趨勢斜率值和最大能耗差值；將波動特征值、趨勢斜率值和最大能耗差值輸入至預訓練的多層感知機，輸出設備健康風險評分；讀取設備配置數據庫中的設備權重系數，將設備權重系數與設備健康風險評分相乘，得到設備預警優先級得分；執行降序排序算法對設備預警優先級得分進行排序，生成設備故障預警優先級列表。
9、作為本專利技術所述基于大數據的樓宇運維管理方法的一種優選方案，其中：根據故障預警優先級列表自動生成維修工單包括：調用維修知識庫，基于設備編號和預警等級匹配對應的標準維修流程，生成初始維修工單；構建設備維修難度評估模型，根據設備類型、故障復雜度、維修工時計算設備維修難度系數；建立運維人員技能評價體系，基于運維人員的工作經驗、專業資質、歷史維修成功率量化技能等級；查詢運維人員資源池數據庫，將設備維修難度系數與技能等級進行匹配，采用任務分配算法選取符合資質要求的運維人員，建立工單分配表；將初始維修工單通過運維管理平臺推送至運維人員移動終端，觸發工單開始執行流程，記錄工單接收時間；接收運維人員通過移動終端回傳的工單執行數據，基于工單執行數據更新虛擬樓宇模型中對應設備節點的狀態信息；監測設備維修后的運行狀態，采集維修后首個運行周期的性能數據，與維修前的性能數據進行對比分析，生成維修效果評估報告；根據維修效果評估報告的結果，判斷是否需要啟動二次維修流程。
10、作為本專利技術所述基于大數據的樓宇運維管理方法的一種優選方案，其中：獲取能耗變化趨勢數組包括以下步驟：構建時間窗口矩陣，對能耗預測序列按照預設窗口長度n進行分段；對時間窗口矩陣執行一階差分運算，計算每個時間窗口內相鄰預測能耗值的差值，生成初始差分數組；對初始差分數組執行中值濾波，生成平滑差分數組；將平滑差分數組乘以時間步長校正系數，得到單位時間內的能耗變化率數組；對能耗變化率數組采用小波變換，提取能耗變化的主要趨勢分量，獲取能耗變化趨勢數組。
11、作為本專利技術所述基于大數據的樓宇運維管理方法的一種優選方案，其中：虛擬樓宇骨架模型的構建過程包括：導入建筑信息模型數據，建筑信息模型數據包括樓層平面圖、設備布局圖、管線分布圖；調用幾何轉換引擎解析建筑信息模型數據，輸出標準幾何描述語言文件；解析標準幾何描述語言文件，提取建筑構件特征，建立構件特征表；基于標準幾何描述語言文件，執行網格剖分運算，生成三維網格數據結構；加載三維網格數據結構和建筑構件特征表，調用層次化重建算法組裝空間構件，生成虛擬樓宇骨架模型。
12、第二方面，本專利技術實施例提供了基于大數據的樓宇運維管理系統，其包括數據采集模塊，用于通過物聯網傳感器網絡采集多源異構數據，執行數據標準化處理，生成標準數據流；映射模塊，用于基于數字孿生技術構建虛擬樓宇模型，將標準數據流映射至虛擬樓宇模型的對應設備節點，采用時空注意力機制提取設備運行特征，生成設備特征矩陣；預測分析模塊，用于將設備特征矩陣輸入至深度學習網絡，訓練生成能耗預測模型，輸出能耗預測序列；評估預警模塊，用于基于能耗預測序列構建多層感知機健康評分模型，結合設備權重系數生成故障預警優先級列表；工單管理模塊，用于根據故障預警優先級列表自動生成維修工單，基于設備維修難度系數和運維人員技能等級進行工單分配，推送至運維人員，并將工單執行結果反饋至虛擬樓本文檔來自技高網...
【技術保護點】
1.一種基于大數據的樓宇運維管理方法，其特征在于：包括，
2.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：所述基于數字孿生技術構建虛擬樓宇模型包括以下步驟：
3.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：所述訓練生成能耗預測模型包括以下步驟：
4.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：所述能耗變化特征數據包括波動特征值、趨勢斜率值和最大能耗差值。
5.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：根據所述故障預警優先級列表自動生成維修工單包括：
6.如權利要求4所述的基于大數據的樓宇運維管理方法，其特征在于：所述獲取能耗變化趨勢數組包括以下步驟：
7.如權利要求2所述的基于大數據的樓宇運維管理方法，其特征在于：所述虛擬樓宇骨架模型的構建過程包括：
8.一種基于大數據的樓宇運維管理系統，基于權利要求1~7任一所述的基于大數據的樓宇運維管理方法，其特征在于：還包括，
【技術特征摘要】
1.一種基于大數據的樓宇運維管理方法，其特征在于：包括，
2.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：所述基于數字孿生技術構建虛擬樓宇模型包括以下步驟：
3.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：所述訓練生成能耗預測模型包括以下步驟：
4.如權利要求1所述的基于大數據的樓宇運維管理方法，其特征在于：所述能耗變化特征數據包括波動特征值、趨勢斜率值和最大能耗差值。
5.如權利...
【專利技術屬性】
技術研發人員：孫奇卓，邱崴，陳景常，段如峰，于海峰，
申請(專利權)人：海創智造科技珠海有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。