本發明涉及監測系統，具體來說，涉及一種建筑智能化系統集成的機電設備控制方法及系統。
背景技術：
1、機電設備（mechanical?and?electrical?equipment），通常指在建筑環境中提供各種基本服務和功能的設備，包括暖通空調（hvac）系統、電力系統、照明設備、水供應和排水系統、電梯和自動扶梯等。這類設備在現代建筑中扮演著至關重要的角色，不僅提供舒適性和功能性，還涉及能源使用和安全管理。
2、機電設備通常是建筑能耗的主要來源，通過有效的能耗管理可以顯著減少能源浪費，優化能源使用效率，從而降低運營成本。例如，通過調整hvac系統的運行時間和參數，可以減少不必要的能耗，且適當的能耗管理可以幫助設備處于最佳運行狀態，減少因過度使用或不當使用造成的磨損。
3、在對機電設備控制方法中，時間序列分析是理解和預測機電設備能耗趨勢的關鍵工具，若無法對機電設備的運行數據進行時間序列分析，則難以準確預測機電設備未來的能耗需求和模式，從而導致能源浪費和無法優化的能源分配，進而導致能源利用不均衡和過度消耗。
4、針對相關技術中的問題，目前尚未提出有效的解決方案。
技術實現思路
1、針對現有技術的不足，本發明提供了建筑智能化系統集成的機電設備控制方法及系統，具備準確預測機電設備未來的能耗需求和模式的優點，進而解決難以準確預測機電設備未來的能耗需求和模式的問題。
2、為實現上述準確預測機電設備未來的能耗需求和模式的優點，本發明采用的具體技術方案如下：
3、根據本發明的一個方面，提供了一種建筑智能化系統集成的機電設備控制方法，該建筑智能化系統集成的機電設備控制方法包括以下步驟：
4、s1、集成建筑智能化系統中所有機電設備接口，為各機電設備的運行數據之間建立通訊交互連接；
5、s2、對機電設備的運行數據進行時間序列分析，并基于時間序列分析結果預測各機電設備能耗趨勢；
6、s3、基于能耗趨勢的預測結果識別出影響機電設備能耗的風險因素，并基于風險因素結合協同優化技術對機電設備進行協同優化控制；
7、s4、建立能耗過度預警監測模型，通過能耗過度預警監測模型監測機電設備的能耗異常，并及時執行預警響應。
8、進一步地，對機電設備的運行數據進行時間序列分析，并基于時間序列分析結果預測各機電設備能耗趨勢包括以下步驟：
9、s21、提取各機電設備的運行數據進行預處理，將預處理后的運行數據轉換為時間序列格式，確保每個數據點與時間戳相對應；
10、s22、檢測預處理后的運行數據的平穩性及非平穩性，并對非平穩運行數據進行多階差分，得到平穩狀態下的運行數據；
11、s23、對平穩狀態下的運行數據進行時間序列分析，并基于時間序列分析結果預測各機電設備在未來時間段內的能耗趨勢。
12、進一步地，對平穩狀態下的運行數據進行時間序列分析，并基于時間序列分析結果預測各機電設備在未來時間段內的能耗趨勢包括以下步驟：
13、s231、基于各機電設備在平穩狀態下的運行數據形成時間序列數據，并從時間序列數據中聚類各機電設備的關聯時間節點；
14、s232、計算各機電設備在各關聯時間節點的能耗指標，并基于能耗指標評估機電設備在各關聯時間節點的能耗水平；
15、s233、基于機電設備在各關聯時間節點的能耗水平分析并統計機電設備在各關聯時間節點的能耗變化；
16、s234、融合機電設備在各關聯時間節點的能耗指標、能耗水平及能耗變化作為預先構建的季節性自回歸積分滑動平均模型的輸入，并通過季節性自回歸積分滑動平均模型輸出各機電設備能耗趨勢的預測結果。
17、進一步地，基于能耗趨勢的預測結果識別出影響機電設備能耗的風險因素，并基于風險因素結合協同優化技術對機電設備進行協同優化控制包括以下步驟：
18、s31、計算各機電設備能耗趨勢的預測結果中不同變量間的關聯度系數，并基于關聯度系數評估影響機電設備能耗的風險因素；
19、s32、根據風險因素建立協同優化模型，并利用協同優化模型結合各機電設備能耗趨勢的預測結果動態控制各機電設備的運行參數；
20、s33、將協同優化模型集成至建筑智能化系統中，確保各機電設備均能夠接收建筑智能化系統發送的動態調整指令。
21、進一步地，計算各機電設備能耗趨勢的預測結果中不同變量間的關聯度系數，并基于關聯度系數評估影響機電設備能耗的風險因素包括以下步驟：
22、s311、基于各機電設備能耗趨勢的預測結果，識別各機電設備能耗趨勢中的異常能耗區間，并基于異常能耗區間建立擬合關聯模型；
23、s312、初步識別影響機電設備能耗的變量因素，并利用擬合關聯模型計算各變量因素與機電設備能耗的皮爾遜相關系數；
24、s313、將皮爾遜相關系數的計算結果進行加權求和，得到綜合關聯度矩陣；
25、s314、利用綜合關聯度矩陣衡量各變量因素與機電設備能耗之間的關聯度，并對關聯度進行綜合排序，將預設范圍內關聯度所對應的變量因素作為風險因素。
26、進一步地，影響機電設備能耗的變量因素包括：設備運行狀況因素、人員操作方式因素、環境條件因素、外部變量因素及負載情況因素。
27、進一步地，根據風險因素建立協同優化模型，并利用協同優化模型結合各機電設備能耗趨勢的預測結果動態控制各機電設備的運行參數包括以下步驟：
28、s321、建立機電設備的數字化模型，并基于機電設備的數字化模型及風險因素生成能耗影響矩陣；
29、s322、根據能耗影響矩陣將具有相似能耗模式的機電設備劃分為同一機電設備組，并計算機電設備組的極限載荷；
30、s323、以機電設備組的能耗最小為優化目標，控制參數為決策變量，極限載荷為約束條件，建立基于機電設備組的協同優化模型；
31、s324、根據協同優化模型制定協同運行優化算法，并利用協同運行優化算法動態控制各機電設備的運行參數。
32、進一步地，皮爾遜相關系數的計算公式為：；
33、式中，r表示皮爾遜相關系數；表示第i個數據點的變量因素觀測值；表示第i個變量因素的機電設備能耗值；表示變量因素觀測值的平均值；表示機電設備能耗的平均值。
34、進一步地，建立能耗過度預警監測模型，通過能耗過度預警監測模型監測機電設備的能耗異常，并及時執行預警響應包括以下步驟：
35、s41、提取機電設備的運行數據制定各機電設備的正常能耗基線，同時設定各機電設備的能耗異常閾值；
36、s42、利用深度學習網絡建立能耗過度預警監測模型，并利用能耗過度預警監測模型對機電設備能耗進行監測，同時生成機電設備能耗基線；
37、s43、當監測到機電設備能耗基線偏離正常能耗基線及機電設備的能耗大于預設閾值時表明機電設備存在能耗異常，并執行預警響應。
38、根據本發明的另一個方面，還提供了一種建筑智能化系統集成的機電設備控制系統，該建筑智能化系統集成的機電設備控制系統包括數據交互模塊、能耗趨勢分析模塊、協同優化控制模塊及異常能耗監測模塊；
39、其中，數據交互模塊，用于集成建筑智能化系統中所有機電設備接口，為各機電設備的運行數據之間建立通訊交互連接；
40、能耗趨勢分析模塊，用于對機電設備的運行數據進行時間序列分析，并基于時間序列分析結果預測各機電設備能耗趨勢；
41、協同優化控制模塊，基于能耗趨勢的預測結果識別出影響機電設備能耗的風險因素，并基于風險因素結合協同優化技術對機電設備進行協同優化控制；
42、異常能耗監測模塊，用于建立能耗過度預警監測模型，通過能耗過度預警監測模型監測機電設備的能耗異常，并及時執行預警響應。
43、與現有技術相比，本發明提供了建筑智能化系統集成的機電設備控制方法及系統，具備以下有益效果：
44、（1）本發明通過檢測預處理后的運行數據的平穩性及非平穩性，并對非平穩運行數據進行多階差分，能夠確保時間序列分析的準確性，并對平穩狀態下的運行數據進行時間序列分析，有助于深入了解不同時間點的能耗狀況，同時基于時間序列分析結果預測各機電設備能耗趨勢，有助于實現機電設備的能耗管理，降低能耗成本，提高能源利用效率，進而對建筑智能化系統集成的機電設備控制具有重要作用。
45、（2）本發明通過分析機電設備能耗趨勢和計算相關系數，能夠精確識別出影響能耗的關鍵變量因素，并結合協同優化技術，根據風險因素調整和優化機電設備的運行參數，可以在保證設備效能的同時最大限度地降低能耗，實現能源與成本的雙重節約，這種基于能耗預測和風險因素的協同優化控制策略，不僅提高了能效和操作性能，還增強了智能化建筑系統的整體可靠性和經濟性。