买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴工学院

摘要：本发明涉及物联网技术的能耗智能监测方法及自动化装备技术领域，公开了一种基于物联网技术的能耗智能检测方法及其管理系统，构建能耗信息采集模块、能耗智能检测子系统，通过能耗信息采集模块采集能耗数据，能耗智能检测子系统对多个能耗传感器输出、多个温度传感器输出、多个湿度传感器输出以及多个能耗历史参数值作为输入，输出被检测对象的能耗值。与现有技术相比，本发明将多个能耗传感器输出采用能耗信息模块输出的三角模糊数形式表示，提高了测量能耗的测量传感器值值的客观性和可信度，引入ZigBee和WiFi无线传输技术建立数据传输网络，借助云服务器平台汇总数据，分析能源效率，从而清楚地掌控被监测对象的能源消耗情况并为节能改造提供依据。

主权项：1.一种基于物联网技术的能耗智能检测方法，其特征在于，包括如下步骤：步骤1：构建能耗信息采集模块，能耗信息采集模块包括SSA的模糊小波神经网络模型、能耗信息SOM聚类器、SSA的TCN时间卷积网络模型-ARIMA模型、SSA的BiGRU神经网络模型、三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型1和TDL按拍延时器；多个参数传感器输出分别作为多个SSA的模糊小波神经网络模型的对应输入，多个SSA的模糊小波神经网络模型输出值作为能耗信息SOM聚类器输入，能耗信息SOM聚类器输出的3种类型的SSA的模糊小波神经网络模型输出值分别作为SSA的TCN时间卷积网络模型-ARIMA模型1与SSA的BiGRU神经网络模型1、SSA的TCN时间卷积网络模型-ARIMA模型2与SSA的BiGRU神经网络模型2、SSA的TCN时间卷积网络模型-ARIMA模型3与SSA的BiGRU神经网络模型3的对应输入，SSA的TCN时间卷积网络模型-ARIMA模型1输出分别作为SSA的BiGRU神经网络模型1和三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型1的对应输入，SSA的TCN时间卷积网络模型-ARIMA模型2输出分别作为SSA的BiGRU神经网络模型2和三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型1的对应输入，SSA的TCN时间卷积网络模型-ARIMA模型3输出分别作为SSA的BiGRU神经网络模型3和三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型1的对应输入，SSA的BiGRU神经网络模型1、SSA的BiGRU神经网络模型2和SSA的BiGRU神经网络模型3的输出分别作为TDL按拍延时器1、TDL按拍延时器2和TDL按拍延时器3的输入，TDL按拍延时器1、TDL按拍延时器2和TDL按拍延时器3的输出分别作为三角模糊的SSA的ESN神经网络模型-模糊小波神经网络模型1的对应输入，三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型1输出作为TDL按拍延时器4的输入，TDL按拍延时器4输出作为SSA的BiGRU神经网络模型1、SSA的BiGRU神经网络模型2和SSA的BiGRU神经网络模型3的对应输入，三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型1输出的a、b和c构成多个参数传感器输出的三角模糊数值为[a，b，c]；步骤2：构建能耗智能检测子系统，能耗智能检测子系统包括多个能耗信息采集模块、ESN神经网络模型-ARIMA模型、SSA的TCN时间卷积网络模型-ARIMA模型、SSA的BiGRU神经网络模型-ARIMA模型、SSA的BiGRU神经网络模型-ESN神经网络模型、三角模糊数的SSA的TCN时间卷积网络模型-模糊小波神经网络模型、三角模糊数的SSA的BiGRU神经网络模型-模糊小波神经网络模型和三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型2；步骤3：多个能耗传感器输出、多个温度传感器输出、多个湿度传感器输出分别作为能耗信息采集模块1、能耗信息采集模块2、能耗信息采集模块3的输入，多个能耗历史参数值分别作为能耗信息采集模块4的输入和ESN神经网络模型-ARIMA模型的对应输入，能耗信息采集模块4输出作为ESN神经网络模型-ARIMA模型的对应输入，能耗信息采集模块1、能耗信息采集模块2、能耗信息采集模块3和ESN神经网络模型-ARIMA模型的输出分别作为SSA的BiGRU神经网络模型-ESN神经网络模型、SSA的TCN时间卷积网络模型-ARIMA模型、SSA的BiGRU神经网络模型-ARIMA模型的对应输入，SSA的BiGRU神经网络模型-ESN神经网络模型、SSA的TCN时间卷积网络模型-ARIMA模型、SSA的BiGRU神经网络模型-ARIMA模型和ESN神经网络模型-ARIMA模型的输出分别作为三角模糊数的SSA的TCN时间卷积网络模型-模糊小波神经网络模型和三角模糊数的SSA的BiGRU神经网络模型-模糊小波神经网络模型的对应输入，三角模糊数的SSA的TCN时间卷积网络模型-模糊小波神经网络模型输出和三角模糊数的SSA的BiGRU神经网络模型-模糊小波神经网络模型输出分别作为SSA的BiGRU神经网络模型-ESN神经网络模型、SSA的TCN时间卷积网络模型-ARIMA模型、SSA的BiGRU神经网络模型-ARIMA模型和三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型2的对应输入，ESN神经网络模型-ARIMA模型的输出作为三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型2的对应输入，三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型2输出分别作为三角模糊数的SSA的TCN时间卷积网络模型-模糊小波神经网络模型、三角模糊数的SSA的BiGRU神经网络模型-模糊小波神经网络模型和ESN神经网络模型-ARIMA模型的对应输入，三角模糊数的ESN神经网络模型-SSA的模糊小波神经网络模型输出的X、Y和Z构成的三角模糊数（X，Y，Z）作为被检测对象的能耗值。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于物联网技术的能耗智能检测方法及其管理系统