本發(fā)明涉及智慧樓宇管理，具體是涉及基于數(shù)字孿生技術(shù)的智慧樓宇管理方法。

背景技術(shù)：

1、數(shù)字孿生是充分利用物理模型、傳感器更新、運(yùn)行歷史等數(shù)據(jù)，集成多學(xué)科、多物理量、多尺度、多概率的仿真過(guò)程，在虛擬空間中完成映射，從而反映相對(duì)應(yīng)的實(shí)體裝備的全生命周期過(guò)程。

2、中國(guó)專利cn116540576a公開(kāi)了一種基于數(shù)字孿生和智慧樓宇的建筑節(jié)能管理系統(tǒng)，包括數(shù)據(jù)采集模塊、智能監(jiān)測(cè)模塊、統(tǒng)計(jì)分析模塊和能耗管理模塊；其中，數(shù)據(jù)采集模塊用于基于物聯(lián)網(wǎng)技術(shù)實(shí)時(shí)采集建筑內(nèi)的監(jiān)測(cè)數(shù)據(jù)，并將采集到的監(jiān)測(cè)數(shù)據(jù)傳輸?shù)街悄鼙O(jiān)測(cè)模塊，其中建筑內(nèi)的監(jiān)測(cè)數(shù)據(jù)包括環(huán)境監(jiān)測(cè)數(shù)據(jù)、設(shè)備監(jiān)測(cè)數(shù)據(jù)和人員分布監(jiān)測(cè)數(shù)據(jù)；智能監(jiān)測(cè)模塊用于根據(jù)接收到的監(jiān)測(cè)數(shù)據(jù)對(duì)建筑數(shù)字孿生模型進(jìn)行更新；統(tǒng)計(jì)分析模塊用于基于建筑數(shù)字孿生模型對(duì)建筑能耗進(jìn)行統(tǒng)計(jì)和分析，并將統(tǒng)計(jì)和分析結(jié)果整合到建筑數(shù)字孿生模型中；能耗管理模塊用于對(duì)建筑數(shù)字孿生模型進(jìn)行可視化展示。本發(fā)明有助于提高建筑節(jié)能管理的智能化和管理化水平。

3、上述專利雖然采用了數(shù)字孿生技術(shù)對(duì)智慧樓宇進(jìn)行分析，但是缺少對(duì)智慧樓宇中走廊過(guò)道的燈具運(yùn)行狀態(tài)以及故障分析，當(dāng)對(duì)燈具進(jìn)行排查，且樓宇數(shù)量過(guò)多過(guò)高時(shí)，需要的管理的燈具數(shù)目也過(guò)多，較為麻煩。

4、同時(shí)，中國(guó)專利cn117236922a公開(kāi)了?一種基于智慧城市l(wèi)ed照明智能故障分析報(bào)警維護(hù)系統(tǒng)和方法，包括照明設(shè)備和智能系統(tǒng)，智能系統(tǒng)包括負(fù)責(zé)與照明設(shè)備連接的底層模塊、裝有數(shù)據(jù)采集功能的輸入模塊、內(nèi)置ai人工智能的輸出模塊和實(shí)現(xiàn)維護(hù)功能的應(yīng)用層模塊，方法流程上由ai人工智能訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，建立智能故障診斷模型，通過(guò)采集到的數(shù)據(jù)對(duì)故障進(jìn)行識(shí)別分析，并輸出解決故障的方案，本發(fā)明能夠及時(shí)發(fā)現(xiàn)故障解決故障，質(zhì)量和效率得到了提升，也提升了居民出行的安全度和滿意度。

5、但是上述專利中采用的是神經(jīng)網(wǎng)絡(luò)模型，這對(duì)于數(shù)據(jù)分析仍具備籠統(tǒng)性，因此不具備參考價(jià)值，難以滿足工作人員的需求。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，提供基于數(shù)字孿生技術(shù)的智慧樓宇管理方法，本技術(shù)方案解決了上述背景技術(shù)中提出的上述專利缺少對(duì)智慧樓宇中走廊過(guò)道的燈具運(yùn)行狀態(tài)以及故障分析，當(dāng)對(duì)燈具進(jìn)行排查，且樓宇數(shù)量過(guò)多過(guò)高時(shí)，需要的管理的燈具數(shù)目也過(guò)多，較為麻煩的問(wèn)題。

2、為達(dá)到以上目的，本發(fā)明采用的技術(shù)方案為：

3、基于數(shù)字孿生技術(shù)的智慧樓宇管理方法，包括：

4、從歷史數(shù)據(jù)庫(kù)中調(diào)取樓宇燈具數(shù)據(jù)，所述樓宇燈具數(shù)據(jù)包括樓宇燈具位置信息和樓宇燈具運(yùn)行數(shù)據(jù)信息，所述樓宇燈具運(yùn)行數(shù)據(jù)信息包括樓宇燈具的照射強(qiáng)度信息、溫度信息和功率信息；

5、基于地圖顯示，獲取樓宇位置信息，將樓宇燈具位置信息和樓宇位置信息通過(guò)映射關(guān)系，構(gòu)建數(shù)字孿生樓宇燈具空間模型；

6、實(shí)時(shí)采集樓宇燈具運(yùn)行數(shù)據(jù)，在數(shù)字孿生樓宇燈具空間模型中融合運(yùn)行數(shù)據(jù)，獲取樓宇燈具虛擬空間影像信息；

7、從樓宇燈具虛擬空間影像信息中獲取所有樓宇燈具的照射強(qiáng)度數(shù)據(jù)，對(duì)所有樓宇燈具的照射強(qiáng)度數(shù)據(jù)進(jìn)行分析，制定樓宇燈具管理方案。

8、優(yōu)選的，所述從歷史數(shù)據(jù)庫(kù)中調(diào)取樓宇燈具數(shù)據(jù)具體包括如下步驟：

9、獲取所有樓宇的俯視圖，并對(duì)所有樓宇按照順序進(jìn)行編號(hào)，獲取樓宇編號(hào)；

10、基于各編號(hào)的樓宇，對(duì)各編號(hào)樓宇的走廊層按照順序進(jìn)行編號(hào)，獲取各編號(hào)樓宇的走廊層編號(hào)；

11、基于各編號(hào)樓宇的走廊層，獲取走廊層中燈具的位置以及數(shù)量，并進(jìn)行位置編號(hào)，獲取各走廊層燈具位置編號(hào)；

12、采用傳感器對(duì)編號(hào)的各走廊層燈具進(jìn)行照射強(qiáng)度信息、溫度信息以及功率信息采集，并存儲(chǔ)在數(shù)據(jù)庫(kù)中。

13、優(yōu)選的，所述基于地圖顯示，獲取樓宇位置信息，將樓宇燈具位置信息和樓宇位置信息通過(guò)映射關(guān)系，構(gòu)建數(shù)字孿生樓宇燈具空間模型具體包括如下步驟：

14、根據(jù)各編號(hào)樓宇的幾何結(jié)構(gòu)和尺寸形狀，構(gòu)建各編號(hào)樓宇的三維模型；

15、根據(jù)各走廊層燈具位置編號(hào)，依次在各編號(hào)樓宇的三維模型中進(jìn)行位置映射，構(gòu)建數(shù)字孿生樓宇燈具空間模型。

16、優(yōu)選的，所述實(shí)時(shí)采集樓宇燈具運(yùn)行數(shù)據(jù)，在數(shù)字孿生樓宇燈具空間模型中融合運(yùn)行數(shù)據(jù)，獲取樓宇燈具虛擬空間影像信息具體包括如下步驟：

17、傳感器對(duì)各走廊層燈具運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)采集；

18、將實(shí)時(shí)采集的各走廊層燈具運(yùn)行數(shù)據(jù)融合至數(shù)字孿生樓宇燈具空間模型中；

19、將數(shù)字孿生樓宇燈具空間模型導(dǎo)入unity?3d顯示引擎中，并融合預(yù)制的燈光明暗動(dòng)畫(huà)效果，獲取樓宇燈具虛擬空間影像信息。

20、優(yōu)選的，所述從樓宇燈具虛擬空間影像信息中獲取所有樓宇燈具的照射強(qiáng)度數(shù)據(jù)，對(duì)所有樓宇燈具的照射強(qiáng)度數(shù)據(jù)進(jìn)行分析具體包括如下步驟：

21、根據(jù)樓宇燈具虛擬空間影像信息中的燈光明暗動(dòng)畫(huà)效果，獲取所有樓宇燈具的照射強(qiáng)度數(shù)據(jù)；

22、將所有樓宇燈具的照射強(qiáng)度數(shù)據(jù)依次與第一預(yù)設(shè)閾值進(jìn)行比對(duì)；

23、若樓宇燈具的照射強(qiáng)度數(shù)據(jù)大于第一預(yù)設(shè)閾值，則樓宇燈具發(fā)光過(guò)亮；

24、若樓宇燈具的照射強(qiáng)度數(shù)據(jù)等于第一預(yù)設(shè)閾值，則樓宇燈具發(fā)光正常；

25、若樓宇燈具的照射強(qiáng)度數(shù)據(jù)小于第一預(yù)設(shè)閾值，則樓宇燈具發(fā)光過(guò)暗；

26、若樓宇燈具的照射強(qiáng)度數(shù)據(jù)為零，則樓宇燈具已損壞；

27、對(duì)已損壞的樓宇燈具進(jìn)行故障分析，建立燈具故障分析模型；

28、實(shí)時(shí)采集發(fā)光過(guò)亮、發(fā)光正常和發(fā)光過(guò)暗的樓宇燈具的溫度信息和功率信息，并將實(shí)時(shí)溫度信息和功率信息輸入至燈具故障分析模型中，獲取故障概率。

29、優(yōu)選的，所述燈具故障分析模型為：

30、

31、式中，代表燈具故障，代表燈具正常；

32、g為燈具故障分析模型的故障預(yù)測(cè)概率；

33、為燈具的運(yùn)行功率的異常運(yùn)行指標(biāo)；

34、為燈具的運(yùn)行溫度的異常運(yùn)行指標(biāo)；

35、均為燈具故障分析模型的系數(shù)。

36、優(yōu)選的，所述異常運(yùn)行指標(biāo)的計(jì)算公式為：

37、

38、式中，為運(yùn)行數(shù)據(jù)相對(duì)于標(biāo)準(zhǔn)運(yùn)行數(shù)據(jù)的偏移量，

39、t為燈具在狀態(tài)下的運(yùn)行時(shí)長(zhǎng)。

40、優(yōu)選的，所述的計(jì)算方法為：

41、按照燈具最終是否發(fā)生故障對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行分類，獲得若干組燈具最終發(fā)生故障的歷史運(yùn)行數(shù)據(jù)和若干組電燈具最終未發(fā)生故障的歷史運(yùn)行數(shù)據(jù)；

42、根據(jù)若干組燈具最終發(fā)生故障的歷史運(yùn)行數(shù)據(jù)和若干組燈具最終未發(fā)生故障的歷史運(yùn)行數(shù)據(jù)，以最大似然法進(jìn)行的計(jì)算；

43、檢驗(yàn)對(duì)故障風(fēng)險(xiǎn)預(yù)測(cè)模型的參數(shù)的顯著性，判斷是否滿足顯著性要求。

44、優(yōu)選的，所述將實(shí)時(shí)溫度信息和功率信息輸入至燈具故障分析模型中，獲取故障概率具體包括如下步驟：

45、將發(fā)光過(guò)亮、發(fā)光正常和發(fā)光過(guò)暗的樓宇燈具的實(shí)時(shí)溫度信息和功率信息輸入至燈具故障分析模型中，獲取第一故障預(yù)測(cè)值、第二故障預(yù)測(cè)值和第三故障預(yù)測(cè)值；

46、將第一故障預(yù)測(cè)值、第二故障預(yù)測(cè)值和第三故障預(yù)測(cè)值依次與第二預(yù)設(shè)閾值進(jìn)行比對(duì)；

47、若第一故障預(yù)測(cè)值和第二故障預(yù)測(cè)值大于或者等于第二預(yù)設(shè)閾值，則發(fā)光過(guò)亮和發(fā)光正常的樓宇燈具故障率較大，從數(shù)字孿生樓宇燈具空間模型中獲取這兩種狀態(tài)下樓宇燈具的位置信息，進(jìn)行檢修；

48、若第一故障預(yù)測(cè)值和第二故障預(yù)測(cè)值小于第二預(yù)設(shè)閾值，則發(fā)光正常的樓宇燈具無(wú)故障，對(duì)發(fā)光過(guò)亮的燈具進(jìn)行故障重核分析；

49、若第三故障預(yù)測(cè)值大于或者等于第二預(yù)設(shè)閾值，則發(fā)光過(guò)暗的樓宇燈具故障率較大，從數(shù)字孿生樓宇燈具空間模型中獲取該狀態(tài)下燈具的位置信息，進(jìn)行檢修；

50、若第三故障預(yù)測(cè)值小于第二預(yù)設(shè)閾值，則發(fā)光過(guò)暗的樓宇燈具正常，對(duì)處于該狀態(tài)下的燈具進(jìn)行灰塵遮擋率分析。

51、優(yōu)選的，所述若第三故障預(yù)測(cè)值小于第二預(yù)設(shè)閾值，則發(fā)光過(guò)暗的樓宇燈具正常，對(duì)處于該狀態(tài)下的燈具進(jìn)行灰塵遮擋率分析具體包括如下步驟：

52、傳感器對(duì)發(fā)光過(guò)暗燈具所在位置的灰塵密度進(jìn)行采集，獲取灰塵密度；

53、獲取定期對(duì)燈具清理的時(shí)間間隔；

54、基于灰塵密度和定期對(duì)燈具清理的時(shí)間間隔進(jìn)行分析，獲取灰塵遮擋率；

55、將獲取的灰塵遮擋率與第三預(yù)設(shè)閾值進(jìn)行比對(duì)；

56、若灰塵遮擋率大于或者等于第三預(yù)設(shè)閾值，則安排對(duì)燈具進(jìn)行清灰；

57、若灰塵遮擋率小于第三預(yù)設(shè)閾值，對(duì)燈具進(jìn)行故障重核分析；

58、所述對(duì)發(fā)光過(guò)亮的燈具進(jìn)行故障重核分析和若灰塵遮擋率小于第三預(yù)設(shè)閾值，對(duì)燈具進(jìn)行故障重核分析具體包括如下步驟：

59、采集發(fā)光過(guò)亮的所有燈具和灰塵遮擋率小于第三預(yù)設(shè)閾值下的所有燈具在歷史一天內(nèi)的發(fā)光情況，所述發(fā)光情況包括有過(guò)亮、正常和過(guò)暗；

60、統(tǒng)計(jì)過(guò)亮、正常和過(guò)暗的次數(shù)并求和，獲取過(guò)亮總次數(shù)、正常總次數(shù)和過(guò)暗總次數(shù)；

61、將過(guò)亮總次數(shù)和過(guò)暗總次數(shù)再次求和，獲取異?？偞螖?shù)；

62、將異常總次數(shù)與第四預(yù)設(shè)閾值進(jìn)行比對(duì)；

63、若異常總次數(shù)大于或者等于第四預(yù)設(shè)閾值，從數(shù)字孿生樓宇燈具空間模型中獲取進(jìn)行故障重核分析的燈具位置信息，進(jìn)行檢修；

64、若異?？偞螖?shù)小于第四預(yù)設(shè)閾值，則燈具正常。

65、與現(xiàn)有技術(shù)相比，本發(fā)明提供了基于數(shù)字孿生技術(shù)的智慧樓宇管理方法，具備以下有益效果：

66、本發(fā)明基于數(shù)字孿生樓宇燈具空間模型可顯示樓宇燈具虛擬空間影像信息，可讓工作人員直觀的了解到所有樓宇中所有燈具的發(fā)光情況，燈具的發(fā)光情況分為三種，發(fā)光過(guò)亮、正常發(fā)光和發(fā)光過(guò)暗，分別針對(duì)不同的發(fā)光情況制定不同的樓宇燈具管理方案，其中若發(fā)光過(guò)暗和發(fā)光過(guò)強(qiáng)的樓宇燈具運(yùn)行是正常的，但是發(fā)光強(qiáng)度卻很暗和強(qiáng)，因此提出灰塵的遮擋率和第四預(yù)設(shè)閾值，進(jìn)一步對(duì)燈具實(shí)行排查，該系統(tǒng)自動(dòng)化監(jiān)測(cè)數(shù)據(jù)并分析數(shù)據(jù)，減少人工去現(xiàn)場(chǎng)排查的次數(shù)，滿足了工作人員的需求。