一种基于双碳目标的节能降耗方法

技术领域

本申请涉及节能技术的领域，尤其是涉及一种基于双碳目标的节能降耗方法。

背景技术

“双碳”战略倡导绿色、环保、低碳的生活方式。加快降低碳排放步伐，有利于引导绿色技术创新，提高产业和经济的全球竞争力。为了实现双碳目标，一方面，在沙漠、戈壁、荒漠地区加快规划建设大型风电光伏基地项目，努力兼顾经济发展和绿色转型同步进行。另一方面，合理进行节能降耗也是实现双碳目标的一种有效地手段。

要想实现“双碳”目标，必须要同时做“加法”和“减法”。“加法”是指进一步推动新能源、新技术、新材料等行业的发展，“减法”是指对工业企业、电力、冶金等高能耗行业进行节能减排。目前高耗能企业为了响应支持“双碳”目标，积极转型，采用科技手段实现能源监控和生产模式的转变。但是要想实现“双碳”目标，不单单企业做出表率，也需要城市居民在日常生活中进行节能减排。但是现有随着智能家电的兴起，以及极端天气多发的因素，居民人均年度能耗在不断增加。居民日常生活能耗主要包括居住环境改善能耗以及娱乐能耗，其中居住环境改善能耗与居民所在地气候因素以及居民居住房屋的具体性能关联。

针对上述中的相关技术，需要提出一种能够降低居民生活能源消耗的方法。

发明内容

为了解决现有居民日常生活，因智能家电兴起以及极端天气多发的因素，居民人均年度能耗在不断增加的问题，本申请提供一种基于双碳目标的节能降耗方法。

第一方面，本申请提供一种基于双碳目标的节能降耗方法，采用如下的技术方案：

一种基于双碳目标的节能降耗方法，包括以下步骤：

以行政区域为单位采集城市居民能耗数据构建能耗数据库；

基于能耗数据库提炼各个行政区域的的居民能耗特点，输入对应居民能耗特点的节能方案样本深度学习构建能耗建议模型；

采集用户基本信息，所述用户基本信息包括位置信息、历史能耗数据信息、智能家居信息以及居住房屋信息；

基于用户基本信息通过能耗建议模型生成节能建议方案，所述节能建议方案包括建筑节能方案和家居节能方案。

优选的，所述以行政区域为单位采集城市居民能耗数据构建能耗数据库具体包括以下步骤：

以县级行政区域为单位采集各个行政区域内城市居民能耗数据，所述城市居民能耗数据包括居住面积信息、房屋类型数据和历史能耗数据，其中历史能耗数据以月份为单位统计；

对采集到的城市居民能耗数据进行数据清洗，剔除与其居住面积能耗不符的城市居民能耗数据；

将清洗后的数据以县级行政区域为单位构建能耗数据库，并对各个行政单位内居民能耗数据基于其房屋类型以及居住面积进行下级分类。

优选的，所述基于能耗数据库提炼各个行政区域的的居民能耗特点，输入对应居民能耗特点的节能方案样本深度学习构建能耗建议模型具体包括以下步骤：

基于能耗数据库内各个行政区域的能耗数据，提炼生成各个行政区域内城市居民的居民能耗特点，并生成行政区域内各类型建筑不同面积区域的能耗标准样本；

建立深度学习网络模型，通过各个行政区域内各类型建筑不同面积区域的能耗标准样本进行深度学习生成AI能耗缺陷检测模型；

采集历史建筑节能改造数据生成对应不同类型节能需求的节能方案样本，对AI能耗缺陷检测模型针进行训练得到初步建议模型；

获取智能家居控制训练样本对初步建议模型进行智能家居控制训练得到能耗建议模型。

优选的，所述历史建筑节能改造数据包括隔热节能建筑改造数据、保温节能建筑改造数据、通风节能建筑改造数据以及采光节能改造数据。

优选的，所述基于用户基本信息通过能耗建议模型生成节能建议方案具体包括以下步骤：

根据用户基本信息通过能耗建议模型生成家居节能方案，所述家居节能方案包括智能家居控制方案和智能家居增删建议；

根据用户基本信息通过能耗建议模型生成建筑节能方案，所述建筑节能方案包括至少一种建筑节能改造项、改造施工工艺，预计节能百分比以及改造预计费用信息；

获取用户的建筑节能改造接受度，基于建筑节能改造接受度对建筑节能方案内的建筑节能改造项进行筛选，判断是否存在满足用户的节能改造接受度的建筑节能改造项；

若不存在，则仅提取家居节能方案生成节能建议方案发送至用户，并将能耗建议模型生成的建筑节能方案作为参考信息发送至用户处；

若存在，则将筛选后的建筑节能方案和家居节能方案打包生成节能建议方案发送至用户处。

优选的，所述用户的建筑节能改造接受度信息通过预设的调查问卷虎获取，且所述建筑节能改造接受度信息包括建筑改造位置接受度、建筑改造时长接受度以及建筑改造费用阈值。

优选的，所述将筛选后的建筑节能方案和家居节能方案打包生成节能建议方案发送至用户处还包括：将建筑节能方案内各个建筑节能改造项通过预设置的综合评分公式计算综合评分，并基于综合评分的高低对建筑节能方案内各个建筑节能改造项进行排序；所述预设置综合评分公式具体为：

；

其中，Y为建筑节能改造项综合评分，T为预设置的标准施工时长，t为该建筑节能改造项的预计施工时长，S为该建筑节能改造项的预计费用，J为该建筑节能改造项的预计节能百分比，N为该建筑节能改造项的对应的能耗项目的历史年度平均能耗。

第二方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如上述方法任一种方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

1.采集城市居民能耗数据构建能耗数据，进而提炼各个行政区域内城市居民的居民能耗特点，再通过构建AI模型进行深度学习得到能耗建议模型，基于用户的基本信息确定用户位置，基于用户房屋类型对用户能耗量以能耗量组成数据进行分析，进而针对性的生成建筑节能方案和家居节能方案，有效避免用户因房屋节能性能不足导致在极端天气下容易出现保温、制冷耗能较大的现象，有助于降低居民生活能耗，达到绿色环保节能减排的效果；

2.针对性的生成建筑节能方案和家居节能方案，有效避免用户因房屋节能性能不足导致在极端天气下容易出现保温、制冷耗能较大的现象，有助于降低居民生活能耗，达到绿色环保节能减排的效果；

3.从预计节约能耗量、改造费用以及改造时长三个维度计算各个建筑节能改造项的综合评分，进而对筛选后的各个建筑节能改造项进行排序，有助于用户选取高性价比的建筑节能改造项，促进建筑节能改造项的落实，有助于实现双碳目标，达到绿色环保节能减排的效果。

附图说明

图1是本申请实施例中基于双碳目标的节能降耗方法的方法流程图；

图2是本申请实施例中构建能耗数据库的方法流程图；

图3是本申请实施例中构建能耗建议模型的方法流程图；

图4是本申请实施例中生成节能建议方案的方法流程图。

具体实施方式

以下结合附图1-4对本申请作进一步详细说明。

本申请实施例公开一种基于双碳目标的节能降耗方法。参照图1，一种基于双碳目标的节能降耗方法，包括以下步骤：

S1、构建能耗数据库：以行政区域为单位采集城市居民能耗数据构建能耗数据库；

需要说明的是本申请以县级行政区域为单位，包括县、自治县、旗、自治旗、县级市、市辖区、特区、林区；

S2、深度学习构建能耗建议模型：基于能耗数据库提炼各个行政区域的的居民能耗特点，输入对应居民能耗特点的节能方案样本深度学习构建能耗建议模型；

S3、采集用户基本信息，所述用户基本信息包括位置信息、历史能耗数据信息、智能家居信息以及居住房屋信息；

S4、生成节能建议方案：基于用户基本信息通过能耗建议模型生成节能建议方案，所述节能建议方案包括建筑节能方案和家居节能方案。采集城市居民能耗数据构建能耗数据，进而提炼各个行政区域内城市居民的居民能耗特点，再通过构建AI模型进行深度学习得到能耗建议模型，基于用户的基本信息确定用户位置，基于用户房屋类型对用户能耗量以能耗量组成数据进行分析，进而针对性的生成建筑节能方案和家居节能方案，有效避免用户因房屋节能性能不足导致在极端天气下容易出现保温、制冷耗能较大的现象，有助于降低居民生活能耗，达到绿色环保节能减排的效果。

参照图2，所述以行政区域为单位采集城市居民能耗数据构建能耗数据库具体包括以下步骤：

A1、采集城市居民能耗数据：以县级行政区域为单位采集各个行政区域内城市居民能耗数据，所述城市居民能耗数据包括居住面积信息、房屋类型数据和历史能耗数据，其中历史能耗数据以月份为单位统计；

A2、数据清洗：对采集到的城市居民能耗数据进行数据清洗，剔除与其居住面积能耗不符的城市居民能耗数据；

在进行数据清洗时，计算城市居民能耗数据中各个月份能耗与房屋面积的比值得到月度面积能耗值，基于月度面积能耗值进行数据清洗剔除过高以及过低的异常数据，保证数据采集质量有助于模型训练；

A3、构建能耗数据库：将清洗后的数据以县级行政区域为单位构建能耗数据库，并对各个行政单位内居民能耗数据基于其房屋类型以及居住面积进行下级分类。在采集城市居民的居民能耗数据过程中，对采集到的数据进行数据清洗，剔除因空置、房屋具备大功率耗能设施等特殊情况导致的异常居民能耗数据，再构建能耗数据库，确保数据质量的同时有助于后续提炼各个行政区域的居民能耗数据，为AI模型深度学习训练提供高质量样本数据，便于能耗建议模型为用户精确生成节能建议方案，减轻用户能耗制成的同时，实现节能减排，有助于双碳目标完成。

参照图3，所述基于能耗数据库提炼各个行政区域的的居民能耗特点，输入对应居民能耗特点的节能方案样本深度学习构建能耗建议模型具体包括以下步骤：

B1、生成能耗标准样本：基于能耗数据库内各个行政区域的能耗数据，提炼生成各个行政区域内城市居民的居民能耗特点，并生成行政区域内各类型建筑不同面积区域的能耗标准样本；

B2、生成AI能耗缺陷检测模型：建立深度学习网络模型，通过各个行政区域内各类型建筑不同面积区域的能耗标准样本进行深度学习生成AI能耗缺陷检测模型；其中AI模型基于样本进行深度学习训练的具体步骤为现有技术在此不再赘述；

B3、对AI能耗缺陷检测模型针进行建筑节能训练：采集历史建筑节能改造数据生成对应不同类型节能需求的节能方案样本，对AI能耗缺陷检测模型针进行训练得到初步建议模型；其中所述历史建筑节能改造数据包括隔热节能建筑改造数据、保温节能建筑改造数据、通风节能建筑改造数据以及采光节能改造数据；

B4、训练得到能耗建议模型：获取智能家居控制训练样本对初步建议模型进行智能家居控制训练得到能耗建议模型。其中本申请的中采用智能家居控制训练样本均为现有技术中智能家居优化控制方法中常用的训练样本，对AI模型进行智能家居控制训练的具体步骤也为现有技术在此不再赘述。

上述基于能耗数据库内各个行政区域的能耗数据，提炼确定各个行政区域那些月份为高耗能能源月份，那些月份为低耗能月份，再对年度能耗汇总各种类型的能耗占比进行统计提炼即可得到各个行政区域内城市居民的居民能耗特点，再细分至不同的建筑类型以及处于不同面积区间，进而确定各个行政区域的能耗标准样本。举例说明如所处高纬度区域的行政区域其因冬季寒冷导致居民能耗中取暖保温类型的居民能耗占比较低且集中在冬季月份，而在冬季月份中不同类型的建筑以及建筑面积，其保暖性能各有不同，导致其取暖保温的能耗量也不同。因此基于能耗数据库提炼各个区域的能耗特点进而生成能耗标准样本，对构建的深度学习网络模型进行深度学习训练生成AI能耗缺陷检测模型，能够根据用户基本信息精确高效确定用户的能耗异常点，再基于历史建筑节能改造数据进行建筑节能方向训练，得到初步建议模型，能够根据用户的能耗异常点生成对应的建筑节能方案，在进行智能家居控制方向训练，得到能耗建议模型，能够根据用户的基本信息确定用户位置，基于用户房屋类型对用户能耗量以能耗能耗量组成数据进行分析，确定能耗异常点，进而针对性的生成建筑节能方案和家居节能方案，有效避免用户因房屋节能性能不足导致在极端天气下容易出现保温、制冷耗能较大的现象，有助于降低居民生活能耗，达到绿色环保节能减排的效果。

参照图4，所述基于用户基本信息通过能耗建议模型生成节能建议方案具体包括以下步骤：

C1、生成家居节能方案：根据用户基本信息通过能耗建议模型生成家居节能方案，所述家居节能方案包括智能家居控制方案和智能家居增删建议；

C2、生成建筑节能方案：根据用户基本信息通过能耗建议模型生成建筑节能方案，所述建筑节能方案包括至少一种建筑节能改造项、改造施工工艺，预计节能百分比以及改造预计费用信息；

C3、判断是否存在满足用户的节能改造接受度的建筑节能改造项：获取用户的建筑节能改造接受度，基于建筑节能改造接受度对建筑节能方案内的建筑节能改造项进行筛选，判断是否存在满足用户的节能改造接受度的建筑节能改造项；

C4、若不存在，则仅提取家居节能方案生成节能建议方案发送至用户，并将能耗建议模型生成的建筑节能方案作为参考信息发送至用户处；

C5、若存在，则将筛选后的建筑节能方案和家居节能方案打包生成节能建议方案发送至用户处。在生成建筑节能方案过程中，通过获取用户的建筑节能改造接受度，更加人性化对建筑节能方案内建筑节能改造项进行筛选，在为用户精确制定建筑节能改造方案的同时迎合用户的实际需求，提高用户满意度以及提高用户进行建筑节能改造的意愿，有助于节能减排目标落地，达到绿色环保节能减排的效果。

其中，上述用户的建筑节能改造接受度信息通过预设的调查问卷虎获取，且所述建筑节能改造接受度信息包括建筑改造位置接受度、建筑改造时长接受度以及建筑改造费用阈值。

另外将筛选后的建筑节能方案和家居节能方案打包生成节能建议方案发送至用户处还包括：将建筑节能方案内各个建筑节能改造项通过预设置的综合评分公式计算综合评分，并基于综合评分的高低对建筑节能方案内各个建筑节能改造项进行排序；所述预设置综合评分公式具体为：

；

其中，Y为建筑节能改造项综合评分，T为预设置的标准施工时长，t为该建筑节能改造项的预计施工时长，S为该建筑节能改造项的预计费用，J为该建筑节能改造项的预计节能百分比，N为该建筑节能改造项的对应的能耗项目的历史年度平均能耗。从预计节约能耗量、改造费用以及改造时长三个维度计算各个建筑节能改造项的综合评分，进而对筛选后的各个建筑节能改造项进行排序，有助于用户选取高性价比的建筑节能改造项，促进建筑节能改造项的落实，有助于实现双碳目标，达到绿色环保节能减排的效果。

本申请实施例还公开一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述方法中的计算机程序，计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。