【技术实现步骤摘要】
本专利技术涉及楼宇监控，尤其涉及基于互联网的远程控制楼宇智能监控系统。
技术介绍
1、在当前的楼宇管理领域，传统的监控系统多依赖于硬件控制和人工干预，缺乏灵活性和智能化处理能力，难以适应日益复杂的楼宇环境和多变的使用需求。这些系统往往仅能提供基本的监控功能，如简单的数据收集和报警，而缺乏对数据的深入分析、预测以及基于这些分析和预测的自动化控制策略。此外，随着信息技术的发展，楼宇系统面临的安全挑战也越来越大，包括数据泄露、未授权访问和系统稳定性问题，而传统系统在数据安全和用户认证方面的措施往往不够充分。
2、在能源管理方面，由于缺乏高效的数据分析和优化算法，传统楼宇监控系统在能源利用效率上存在明显不足，难以实现能源的最优配置和使用，导致能源浪费严重。同时，对于室内环境质量的管理，如温湿度、空气质量和光照强度等，传统系统通常采取被动响应策略，而非主动预调整，这影响了居住和工作环境的舒适度和健康性。
3、此外，随着移动互联网的普及和远程工作模式的兴起，用户对于楼宇监控系统的远程控制和移动访问能力提出了更高的要求，希望能够随时随地监控楼宇状态，并进行相应的调整和控制。然而，传统系统在远程访问和用户界面设计方面往往不够友好和灵活，不能满足用户的这些需求。
4、鉴于以上问题，迫切需要一种新型的楼宇智能监控系统，它能够利用最新的信息技术，提供更为智能化、自动化和安全的楼宇管理解决方案，以提高能源效率、改善室内环境质量、保障数据安全，并提供优质的用户体验。
技术实现思路p>
1、基于上述目的，本专利技术提供了基于互联网的远程控制楼宇智能监控系统。
2、基于互联网的远程控制楼宇智能监控系统，包括数据采集模块、数据处理模块、云端服务器模块、用户界面模块以及安全控制模块，其中；
3、数据采集模块负责收集楼宇内外的环境数据，包括室内外温湿度、光照强度、空气质量；
4、数据处理模块对采集的数据初步分析，以确定楼宇内部需要做出的响应；
5、云端服务器模块深入分析处理数据，根据楼宇的运行模式和外部环境的变化，制定最优的控制策略；
6、用户界面模块提供用户界面，允许用户远程监控楼宇的状态，接收报告，并进行远程操作；
7、安全控制模块通过加密技术和认证机制保护系统数据的安全性和完整性，防止未授权访问。
8、进一步的，所述数据采集模块包括室内环境传感器组和室外环境传感器组，用于实时收集楼宇内外的环境数据；
9、室内环境传感器组部署于楼宇的关键区域，包括办公区域、公共区域和机械设备房，用于收集室内的温度、湿度、光照强度和空气质量数据；
10、室外环境传感器组设置在楼宇的屋顶及外墙位置，用于监测室外的温度、湿度、光照强度和空气质量，以便对楼宇内的环境条件进行控制；
11、数据采集模块通过无线网络将收集到的数据实时传输至数据处理模块以及云端服务器模块。
12、进一步的，所述数据处理模块具体包括：
13、温湿度分析单元：实时接收室内外温湿度传感器的数据，与预设的舒适区间阈值进行比较，如果室内温度超过最大阈值或低于最小阈值、室内湿度超出舒适范围，则认为需调整，向楼宇的空调和加湿/除湿系统发送控制指令，包括调整温度设定点、启动除湿模式，以恢复到舒适区间；
14、光照强度分析单元：收集室内外光照强度传感器的数据，评估当前的自然光照水平，当室内光照强度低于需求时，考虑外部光照条件和时间段确定是否需要增加人工照明，根据分析结果，自动调整照明系统，包括开启或调暗室内灯光，以提供适宜的光照水平，同时优化能源使用；
15、空气质量分析单元：定期接收空气质量传感器关于co2浓度、pm2.5指标的数据，与健康舒适标准进行对比，判断是否需要调整室内通风，如果检测到室内空气质量低于标准，向通风系统发送指令，包括增加新风量或启动空气净化器，以改善室内空气质量。
16、进一步的，所述云端服务器模块具体包括：
17、数据分析：云端服务器模块收集并存储历史和实时数据，包括室内外环境参数、楼宇使用模式、季节性变化，通过数据挖掘和模式识别技术，识别出楼宇内部环境变化的长期趋势和周期性模式，以及与外部环境条件之间的关联；
18、利用机器学习算法，云端服务器模块从历史数据中学习并预测楼宇内外环境的变化趋势，以及变化趋势对楼宇系统运行的影响，根据楼宇的实际使用情况和外部环境的变化，自动调整其预测模型和控制策略；
19、制定控制策略：基于分析和预测结果，云端服务器模块制定针对性的控制策略，以优化楼宇系统的运行效率，提高能源使用效率，并确保室内环境质量。
20、进一步的，所述数据挖掘和模式识别技术包括使用stl(季节性分解的时间序列分析)和dbscan(基于密度的聚类算法)技术，stl帮助识别和预测环境变化的趋势和周期性模式，而dbscan用于发现楼宇内部环境状态与外部环境条件之间的潜在关联；
21、所述stl分解表示为:xt＝tt+st+rt，其中，xt是时间点t的数据点，tt是趋势成分，st是季节性成分，rt是剩余成分(即随机或不规则成分)；stl分解通过循环-子序列法和局部加权回归技术(loess)分别估计趋势和季节性成分，提供对时间序列数据理解的基础，通过应用stl分解到楼宇环境数据，识别出数据的季节性模式和长期趋势，以及随机波动；
22、所述dbscan不预先指定聚类的数量,识别出异常数据点(即噪声)，具体包括：
23、核心点:若一个点在其邻域(由参数∈定义)内有足够多的点(由参数minpts定义)，则该点是一个核心点；
24、边界点:在核心点邻域内的非核心点；
25、噪声点:既不是核心点也不是边界点的点；
26、通过将dbscan应用于楼宇环境数据，根据数据点的空间密度将数据分组，识别出具有相似环境特征的时间段，并区分异常状态或噪声。
27、进一步的，所述机器学习算法采用随机森林算法，所述随机森林算法通过构建多个决策树并对多个决策树的预测结果进行平均或多数投票来提高预测准确性，每个决策树的构建都是在数据集的随机子集上进行，且在分裂节点时只考虑变量的随机子集，增加模型多样性，减少过拟合，随机森林模型的训练过程包括：
28、自助采样：从原始数据集中使用自助采样方法随机选择n个样本，构成一个训练集，重复m次，生成m个训练集；
29、决策树构建：对于每个训练集，构建决策树，在每个节点进行分裂时，不考虑所有特征，而是随机选择特征的一个子集，并选择最佳分裂特征；
30、预测与投票：每棵树独立进行预测，随机森林的预测结果是所有决策树预测结果的平均值；
31、随机森林的预测值表示为所有决策树预测值的平均：
32、其中，是随机森林的预测值，m是决策树的数量，是第i棵树的预测值。
33、将楼宇内外的环境参本文档来自技高网...
【技术保护点】
1.基于互联网的远程控制楼宇智能监控系统，其特征在于，包括数据采集模块、数据处理模块、云端服务器模块、用户界面模块以及安全控制模块，其中；
2.根据权利要求1所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述数据采集模块包括室内环境传感器组和室外环境传感器组，用于实时收集楼宇内外的环境数据；
3.根据权利要求2所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述数据处理模块具体包括：
4.根据权利要求3所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述云端服务器模块具体包括：
5.根据权利要求4所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述数据挖掘和模式识别技术包括使用STL和DBSCAN技术，STL帮助识别和预测环境变化的趋势和周期性模式，而DBSCAN用于发现楼宇内部环境状态与外部环境条件之间的潜在关联；
6.根据权利要求4所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述机器学习算法采用随机森林算法，所述随机森林算法通过构建多个决策树并对多个决策树的预测结果进行平
7.根据权利要求6所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述制定控制策略具体包括：
8.根据权利要求7所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述用户界面模块还包括一个仪表盘，展示楼宇内外的实时环境数据，包括温度、湿度、光照强度、空气质量，使用图表和仪表盘组件来直观显示数据变化；
9.根据权利要求8所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述安全控制模块具体包括：
...【技术特征摘要】
1.基于互联网的远程控制楼宇智能监控系统，其特征在于，包括数据采集模块、数据处理模块、云端服务器模块、用户界面模块以及安全控制模块，其中；
2.根据权利要求1所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述数据采集模块包括室内环境传感器组和室外环境传感器组，用于实时收集楼宇内外的环境数据；
3.根据权利要求2所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述数据处理模块具体包括：
4.根据权利要求3所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述云端服务器模块具体包括：
5.根据权利要求4所述的基于互联网的远程控制楼宇智能监控系统，其特征在于，所述数据挖掘和模式识别技术包括使用stl和dbscan技术，stl帮助识别和预测环境变化的趋势和周期性模式，而dbscan用于发现楼宇内部环境状态与外部环境条件之间的潜在关联；...
【专利技术属性】
技术研发人员：张迪，盛腾虎，陈炜，
申请(专利权)人：江苏卓茂智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。