[0001] 本发明涉及能源监控技术领域，具体是一种基于大数据的区域能源监控系统。

[0002] 近年来随着我国公共建筑大量的增加以及建筑智能化程度的不断提高，公共建筑使用的各类设备能耗数量大幅上升，公共建筑已成为建筑中的用能大户，据统计，公共建筑的单位面积耗电量是普通民宅10 15倍，而在公共建筑全年能耗中绝大部分能源都消耗于~空调制冷与采暖系统。

[0003] 因此，针对公共建筑中的主要耗能设备和系统，对于既定公共建筑，建筑面积，空调位置和数量因素不可更改，而公共建筑中人流量较大，人体作为热源发出的热量会对室内温度产生较大影响，不可忽略，且公共建筑中人流量存在分布不均匀、随时间变化性大、随节日变化性大等特点、若任何情况下空调系统始终保持同种模式运行、会在人流量较少或分布不均时造成能耗浪费，如何在确保建筑内环境舒适度需求的前提下，实现降低建筑能耗的目标是亟需解决的问题。

[0014] 下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0015] 如图1所示，一种基于大数据的区域能源监控系统，包括监控中心，所述监控中心通信连接有数据采集模块、数据存储模块、数据处理模块、数据可视化模块和空调系统控制模块；所述数据采集模块用于获取目标公共建筑内各个区域的人员数据和电能消耗数据；
所述数据存储模块用于存储目标公共建筑内各个区域的历史人员数据、历史人流量数据、历史电能消耗数据和历史空调系统输出功率；
所述数据处理模块用于根据目标公共建筑内各个区域的人员数据获取各个区域内的人流量数据；
所述数据可视化模块用于构建关于目标公共建筑的场景区域图层、实时数据图层和预测数据图层，并根据场景区域图层、实时数据图层和预测数据图层得到区域能源监控一体化可视图；
所述空调系统控制模块用于获取各个区域不同时间段执行标准数据和检验标准数据，并根据各时间段的执行标准数据获取各个区域不同时间段的空调系统输出功率。

[0016] 需要进一步说明的是，在具体实施过程中，所述数据采集模块获取目标公共建筑内各个区域的人员数据和电能消耗数据的过程包括：获取目标公共建筑的AR场景信息，根据所述AR场景信息提取功能特性，将目标公共建筑按照功能特性进行拆分，划分为若干场景子区域；
所述场景子区域包括餐厅、商店、健身房、展厅之类的公共场所；
在若干场景子区域内安装能耗监测点位，用于获取不同场景子区域内的人员数据和电能消耗数据并标记采集时间，设置监控周期；
所述人员数据包括人员视频流数据、人员位置信息。

[0017] 需要进一步说明的是，在具体实施过程中，所述数据处理模块根据目标公共建筑内各个区域的人员数据获取各个区域内的人流量数据的过程包括：获取场景子区域人员的视频流数据，将所述视频流数据转换成连续的视频帧图像，通过OpenPose算法获取多个视频帧图像中人员的骨骼点位置数据，根据所述骨骼点位置数据获取人员的骨架数据，将多个视频帧图像中的骨架数据转换成连续的骨架动作序列，根据所述骨架动作序列生成人员的动作信息，根据人员的动作信息生成人员的动作轨迹；
获取各场景子区域的出口位置和入口位置，设置预设距离，选取目标场景子区域，获取目标场景子区域内动作轨迹方向为目标场景子区域的出口位置的目标人员，根据目标人员的位置信息获取目标人员与出口位置的距离，将所述距离与预设距离进行比较，当所述距离小于等于预设距离时，将所述目标人员标记为有效人员，当所述距离大于预设距离时，将所述目标人员标记为预离开人员；
同时选取与目标场景子区域相邻的其它场景子区域内的动作轨迹方向为目标场景子区域的入口位置的目标人员，根据目标人员的位置信息获取目标人员与入口位置的距离，将所述距离与预设距离进行比较，当所述距离大于预设距离时，将所述目标人员标记为预进入人员；
同时将目标场景子区域轨迹方向不是目标场景子区域的入口位置的人员标记为有效人员；
获取有效人员数量、预进入人员数量和预离开人员数量，获取有效人员数量与预进入人员数量之和，获取所述有效人员数量与预进入人员数量之和减去所述预离开人员数量的数值，将所述数值标记人流量数据。

[0018] 需要进一步说明的是，在具体实施过程中，所述数据可视化模块构建关于目标公共建筑的场景区域图层、实时数据图层和预测数据图层，并根据场景区域图层、实时数据图层和预测数据图层得到区域能源监控一体化可视图的过程包括：构建数据孪生虚拟空间，获取目标公共建筑的构造尺寸图和若干场景子区域位置信息，根据所述目标公共建筑的构造尺寸图构建公共建筑三维模型并映射至数字孪生虚拟空间中，并根据若干场景子区域位置信息将三维模型划分为若干场景子区域三维模型，得到场景区域图层；
获取各场景子区域的能耗监测点位的人流量数据和电能消耗数据，并进行数据预处理，生成人流量孪生数据和电能消耗孪生数据，将人流量孪生数据和电能消耗孪生数据与基础场景图层的若干场景子区域三维模型进行匹配，得到实时数据图层；
所述实时数据图层用于将实时数据与执行标准数据和检验标准数据进行对比，从而对空调系统状态进行实时监控；
根据数据存储模块存储各场景子区域的历史人流量数据和历史电能消耗数据构建人流量及电能消耗预测模型，根据所述人流量及电能消耗预测模型获取各场景子区域当前监控周期各时间段的人流量预测数据和电能消耗预测数据，将所述人流量预测数据和电能消耗预测数据进行数据格式预处理，转化为人流量预测孪生数据和电能消耗预测孪生数据，并将其与基础场景图层的若干场景子区域三维模型进行匹配，得到预测数据图层；
所述预测数据图层根据数据存储模块存储各场景子区域的历史人流量数据和历史电能消耗数据构建人流量及电能消耗预测模型；
以场景区域图层为基础图层，在场景区域图层上叠加实时数据图层和预测数据图层得到区域能源监控一体化可视图。

[0019] 需要进一步说明的是，在具体实施过程中，所述预测数据图层根据数据存储模块存储各场景子区域的历史人流量数据和历史电能消耗数据构建人流量及电能消耗预测模型的过程包括：所述预测数据图层与数据存储模块通信连接，根据数据存储模块中各场景子区域上一年度每个月份中每天各个时刻的人流量数据、电能消耗数据构建历史数据集，通过所述历史数据集划分为训练集及测试集对故障检测模型进行实时学习训练，直至损失函数训练平稳，并保存模型参数，通过测试集对所述能量消耗模型进行测试，直至符合预设要求，输出所述人流量及电能消耗预测模型；
所述人流量及电能消耗预测模型的输入层为历史监控周期内的历史人员数据和历史电能消耗数据；
所述人流量及电能消耗预测模型的输出层为当前监控周期内各时间段的人流量预测数据和电能消耗预测数据。

[0020] 需要进一步说明的是，在具体实施过程中，所述空调系统控制模块获取各个区域不同时间段执行标准数据和检验标准数据，并根据各时间段的执行标准数据获取各个区域不同时间段的空调系统输出功率的过程包括：根据人流量及电能消耗预测模型获取场景子区域当前监控周期内各时间段的人流量预测数据和电能消耗预测数据，将所述人流量预测数据作为执行标准数据，将电能消耗预测数据作为检验标准数据；
通过数据存储模块获取各场景子区域在各时间段不同执行标准数据下的历史空调系统输出功率；
选取与场景子区域当前时间段的执行标准数据相似度最高的历史空调系统输出功率作为场景子区域当前时间段的空调系统输出功率。

[0021] 需要进一步说明的是，在具体实施过程中，所述实时数据图层将实时数据与执行标准数据和检验标准数据进行对比，从而对空调系统状态进行实时监控的过程包括：将所述数据处理模块获取的当前场景子区域的人流量数据与执行标准数据进行比较，获取人流量数据与执行标准数据的执行标准偏差值，设置执行标准偏差阈值；
若所述执行标准偏差值大于执行标准偏差阈值，则更新当前监控周期的执行标准数据和检验标准数据；
若所述执行标准偏差值小于等于执行标准偏差阈值，则获取当前场景子区域的能耗监测点位采集的电能消耗数据与检验标准数据的检验标准偏差值，设置检验标准偏差阈值；
若所述检验标准偏差值小于等于检验标准偏差阈值，则将当前场景子区域的空调系统标记为正常状态；
若所述检验标准偏差值大于检验标准偏差阈值，则将当前场景子区域的空调系统标记为故障状态，并生成故障警报发送至监控中心。

[0022] 需要进一步说明的是，在具体实施过程中，所述实时数据图层在所述执行标准偏差值大于执行标准偏差阈值时，更新当前监控周期的执行标准数据和检验标准数据的过程包括：将当前监控周期内采集的人员数据和电能消耗数据输入人流量及电能消耗预测模型，将人流量及电能消耗预测模型输出的当前监控周期内各时间段的人流量预测数据和电能消耗预测数据作为新的执行标准数据和检验标准数据。

[0023] 以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。