(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210791434.2 (22)申请日 2022.07.07 (65)同一申请的已公布的文献号 申请公布号 CN 114880754 A (43)申请公布日 2022.08.09 (73)专利权人 青岛黄海学院 地址 266427 山东省青岛市西海岸新区灵 海路1145号 (72)发明人 衣淑丽　尹成波　林红利　于群　 张伟华　孙伟　赵刚　孙玉芳　 许霞　 (74)专利代理 机构 西安方诺专利代理事务所 (普通合伙) 61285 专利代理师 景丽娜 (51)Int.Cl. G06F 30/13(2020.01) G06K 9/62(2022.01) G06Q 50/08(2012.01)(56)对比文件 CN 103778442 A,2014.0 5.07 CN 114676583 A,202 2.06.28 CN 113902582 A,202 2.01.07 US 2019378020 A1,2019.12.12 CN 113850412 A,2021.12.28 Ahmed WA Ham mad.Minimising the Deviation between Predicted and Actual Buildings Performance via Use of Neural Networks and BIM. 《bui ldings》 .2019,第1-17 页. Cheng Fan 等.Discoveri ng Complex Knowledge in Massive Bui lding Operati onal Data Usi ng Graph Mi ning for Bui lding Energy Mana gement. 《Energy Procedia》 .2019, 第158卷第2481-2487页. 涂方亮等.ANFIS实现依据人 数变化来预测 建筑负荷. 《土 木建筑与环境工程》 .2012, 审查员 巩瑜 (54)发明名称 基于BIM的建 筑能耗管理方法及系统 (57)摘要 本发明涉及数据处理领域， 具体为一种基于 BIM的建筑能耗管理方法及系统。 根据BIM模型 获 取不同时刻 的历史人员分布数据以及对应时刻 的历史建筑能耗数据； 计算两两时刻历史人员分 布数据相似度； 构建相似度矩阵进行聚类， 计算 每个时刻历史人员分布数据对各个人员聚类中 心隶属度； 计算每个时刻历史建筑能耗数据对各 个能耗聚类中心的隶属度； 将每个时刻历史人员 分布数据对 各个人员聚类中心隶属度作为输入， 对应时刻历史能耗数据对各个能耗聚类中心隶 属度作为输出对神经网络进行训练； 利用训练好 的神经网络获取实时建筑能耗数据， 根据实时建 筑能耗数据进行能耗管理。 本发 明可通过人员流 动性特征对建筑实施能耗管 理， 具有较强的更新 适应性。 权利要求书3页 说明书10页 附图2页 CN 114880754 B 2022.09.23 CN 114880754 B 1.一种基于BIM的建筑能耗管理方法， 其特 征在于， 包括： 构建建筑的BIM模型， 根据该建筑的BIM模型获取不同时刻的历史人员分布数据以及对 应时刻的历史建筑能耗数据； 根据BIM模型中的各个区域建立无向图， 将不同时刻该区域内的人员数量作为无向图 的节点值， 得到每个时刻的人员分布无向图； 计算两两时刻人员分布无向图对应节点值的 差值， 得到人员分布差异无向图； 对人员分布差异无向图中的各个节点值进行配平， 根据配平后的节点值计算两两时刻 人员分布无向图的最小人员流动代价值； 根据两两时刻人员分布无向图的最小人员流动代 价值计算两 两时刻人员分布无向图的相似度； 计算两两时刻人员分布无向图的最小人员流动代价 值的方法为： 将两两时刻无向图中对应区域的节点值相减， 将得到的值作为该区域新的节点值， 得 到差异无向图； 将所述差异无向图中的正值节点和负值节点进行连接， 将连接后的节点根据边权值大 小由小到大依次进行配平， 直至所述差异无向图中所有节点的符号相同或为0； 计算所述差异无向图中所有节点每次配平时减小的节点绝对值与该节点对应边权值 的乘积之和， 得到 两两时刻无向图的最小人员流动代价； 计算两两时刻人员分布数据的相似度的方法为： 将BIM模型中每个区域分布的人员数量作为所述无向图中每个节点， 将BIM模型中两两 区域的最短路径长度作为无向图中两 两节点的边权值； 获取两两时刻无向图的最小人员流动代价， 根据 所述最小人员流动代价以及对应两两 时刻无向图中节点的边权值计算两 两时刻无向图的相似度， 表达式为： 其中， 表示第一时刻无向 图 与第二时刻无向 图 的相似度， 表示第一 时刻无向图中第 个节点的值， 表示第二时刻无向图中对应第 个节点的值， 表示无 向图中节点的个数， 即BIM模型中区域的个 数， 表示第一时刻无向图 与第二 时刻无向图 的最小人员流动代价， 表示无向图中与第 个节点相连的所有边的最 小边权值； 根据两两时刻人员分布无向图的相似度构建相似度矩阵， 对所述相似度矩阵进行聚类 得到多个人员聚类类别， 获取每一个人员聚类类别的聚类中心， 计算每一个人员聚类类别 中的历史人员分布数据对每 个聚类中心的隶属度； 对每个时刻的历史建筑能耗数据进行聚类， 获得多个能耗类别； 得到的多个能耗类别 数量与人员聚类类别的数量相等， 获取各个能耗聚类结果的聚类中心， 计算每个时刻历史 建筑能耗数据对各个能耗聚类中心的隶属度；权　利　要　求　书 1/3 页 2 CN 114880754 B 2将每个时刻历史人员分布数据对各个人员聚类中心的隶属度作为输入， 对应时刻的历 史能耗数据对各个能耗聚类中心的隶属度作为输出对神经网络进 行训练； 利用训练好的神 经网络获取实时建筑能耗数据， 根据实时建筑能耗数据进行能耗管理。 2.根据权利要求1所述的一种基于BIM的建筑能耗管理方法， 其特征在于， 获取各个人 员聚类结果的聚类中心的方法为： 对各个类别的人员聚类结果中所有节点值取平均并进行四舍五入取整， 得到每个人员 聚类结果的人员聚类中心。 3.根据权利要求1所述的一种基于BIM的建筑能耗管理方法， 其特征在于， 计算每一个 人员聚类 类别中的历史人员分布数据对每 个聚类中心的隶属度的方法为： 计算每一个人员聚类类别中的历史人员分布数据与各个聚类中心的相似度， 根据每个 时刻人员分布数据与各个人员聚类中心的相似度， 计算每一个人员聚类类别中的历史人员 分布数据对每 个聚类中心的隶属度， 表达式为： 其中， 表示第i个时刻人员分布数据对第p个人员聚类中心的隶属度， 表示第i个 时刻人员分布数据与第p个人员聚类中心的相似度， P表示聚类中心的总个数。 4.根据权利要求1所述的一种基于BIM的建筑能耗管理方法， 其特征在于， 根据实时建 筑能耗数据进行能耗管理的方法为： 获取每个时刻人员分布数据的隶属度以及对应时刻的历史能耗数据的隶属度， 将每个 时刻人员分布数据的隶属度作为神经网络的输入， 对应时刻历史能耗数据的隶属度作为输 出对神经网络进行训练， 得到训练好的神经网络； 获取实时人员分布数据的隶属度， 将 实时人员分布数据的隶属度输入训练好的神经网 络中， 利用训练好的神经网络 输出实时能耗数据的隶属度； 根据能耗管理函数将 实时能耗数据的隶属度转化为 能耗数据， 根据能耗数据进行能耗 管理。 5.根据权利要求4所述的一种基于BIM的建筑能耗管理方法， 其特征在于， 所述每个时 刻人员分布数据的隶属度以及对应时刻的历史能耗数据的隶属度还 包括： 当不同时刻的人员分布数据的隶属度相同时， 其对应每个时刻历史能耗数据的隶属度 不同； 将不同时刻人员分布数据相同的隶属度合并， 计算对应每个时刻历史能耗数据的隶属 度平均值， 将历史能耗数据的隶属度平均值作为该相同的人员 分布数据隶属度的对应输 出。 6.一种基于BIM的建筑能耗管理系统， 其特征在于， 包括数据采集模块、 人员分布隶属 度计算模块、 历史能耗隶属度计算模块以及神经网络训练模块； 数据采集模块， 用于利用建筑的工程结构信 息以及内部传感器所获取的信 息构建建筑 的BIM模型， 根据该建筑的BIM模 型获取不同时刻的历史人员分布数据以及对应时刻的历史 建筑能耗数据；权　利　要　求　书 2/3 页 3 CN 114880754 B 3