[发明专利]基于非侵入式识别的公共建筑设备管理和用能优化方法

权利要求书

1.一种基于非侵入式识别的公共建筑设备管理和用能优化方法，其特征在于：

包括以下过程：

获取楼层和房间配电箱采集到的单相电气参数数据以及公共建筑的设备专用配电箱采集到的三相电气参数数据；

根据获取的单相电气参数数据和三相电气参数数据，提取设备的暂态特征和稳态特征；

基于距离权重统计的方式计算暂态特征与设备特征库之间的欧氏距离，若欧式距离大于第一预设阈值时，判断为陌生设备；反之识别成功，继续进行稳态特征识别；

计算稳态特征与特征库下该设备稳态特征值之差，当稳态特征值之差大于第二预设阈值时，判断为识别异常；否则，得到识别结果；

根据得到的公共建筑内各设备的识别结果，进行设备的管理、运行数据处理、用能行为处理和异常诊断。

2.如权利要求1所述的基于非侵入式识别的公共建筑设备管理和用能优化方法，其特征在于：

通过对波形进行特征统计和计算得到暂态特征，所述暂态特征至少包括：

暂态波形绝对值的最大值、暂态波形最大值与最小值的差值、所有暂态过程样本点的平均值、暂态波形有效值、暂态波形波峰因数以及暂态波形峰均比。

3.如权利要求1所述的基于非侵入式识别的公共建筑设备管理和用能优化方法，其特征在于：

利用离散傅里叶变换对设备接入前一个周期和设备关闭后一个周期的电流进行谐波分解，提取幅值大于设定值的谐波作为设备识别的稳态特征。

4.如权利要求1所述的基于非侵入式识别的公共建筑设备管理和用能优化方法，其特征在于：

基于距离权重统计的KNN算法计算暂态特征与设备特征库之间的欧氏距离，包括：

计算所采集的特征值与特征库中的特征值之间的距离d，并按递增的顺序排列；

计算其权重因子其中，d_k为所计算的距离d中最远的距离，d₁为k近邻中最近的距离，d_i为第i个特征值与特征库中特征值的距离，权重因子W_i越大，则第i个特征对识别的误差越小；

对统计的KNN算法添加距离权重因子：

其中，A_i为提取的本次数据的第i个特征值；B_i为特征库中的第i个特征值；L为设备与特征库中各特征的相似程度，L越小，识别准确率越高；当L超过第一预设阈值时，判断为陌生设备。

5.如权利要求1所述的基于非侵入式识别的公共建筑设备管理和用能优化方法，其特征在于：

获取的单相电气参数数据和三相电气参数数据为设备启停判断之后的数据，当设备是开启状态时，开启设备的开启特征库，当设备是关闭状态时，开启设备的关闭特征库。

6.如权利要求1所述的基于非侵入式识别的公共建筑设备管理和用能优化方法，其特征在于：

进行设备的管理，包括：

对公共建筑内设备的使用进行汇总，统计公共建筑内各类设备的数量以及设备所在的房间，根据设备识别统计具体房间内的设备类型和设备数量；

监测当前时间点正在使用的设备，包括具体设备的类型、所在房间和开启时间；监测同类型设备的使用状态，包括该类型设备的已开启数量，未开启数量及其所在房间；监测具体房间内设备的开启情况；

对设备的历史使用情况汇总，记录并能够查询设备在历史时间内的开启数量和所在房间；统计公共建筑内不同时间点和时间段内正在使用的设备，包括设备的数量，设备的开启时间和具体所在房间；

查询当前运行设备的所在房间和历史数据，查询具体房间具体设备的运行状态，通过当前或历史时期开启的设备查询设备所在的房间以及其他设备的运行信息，查询具体房间具体设备的历史运行数据。