实时数据库在建筑能耗监测系统中的运用与研究

摘" 要：研究建筑能耗监测系统实时数据库运用，揭示了实时数据库显著提升系统实时性、数据处理能力及能源管理效率的优势。设计基于实时数据库的建筑能耗监测系统，通过数据采集子系统采集建筑能耗的监测数据，并经虚拟专用网络将采集的数据传输至实时数据库，利用离散布谷鸟算法解码建筑能耗数据，提高数据分析与处理效率，用户在终端设备上可实时查询建筑能耗监测数据，实现建筑能耗监测。

关键词：建筑能耗" "监测系统" "实时数据库" 解码

中图分类号：TP391

Application and Research of Real-Time Database in Building Energy Consumption Monitoring System

HE Yiting

Huaqing College， Xi 'an University of Architecture and Technology， Xi' an， Shaanxi Province， 710000 China

Abstract： This article conducts research on the application of real-time database in building energy consumption monitoring system， reveals the significant advantages of real-time database in improving system real-time performance， data processing capacity and energy management efficiency. It designs a building energy consumption monitoring system based on a real-time database. The monitoring data of building energy consumption is collected through the data collection subsystem， and the collected data is transmitted to a real-time database through a virtual private network. The discrete cuckoo algorithm is used to decode the building energy consumption data， improving the efficiency of data analysis and processing. Users can query the building energy consumption monitoring data in real time on terminal devices， achieving building energy consumption monitoring.

Key Words： Building energy consumption; Monitoring system; Real-time database; Decode

建筑能耗监测系统作为实现建筑节能目标的关键技术手段，已成为节能管理不可或缺的工具。它通过实时监测和详实记录建筑的能源消耗情况，为管理者提供了全面、准确的数据支持，从而有效指导能源使用和优化决策[1]。在信息化快速发展的背景下，实时数据库的应用日益受到重视，这种数据库系统专门针对实时数据处理而设计，能够满足建筑能耗监测系统的关键[2]。本研究旨在深入探讨实时数据库在建筑能耗监测系统中的应用效果，分析其在实时性、吞吐量和数据处理能力方面的优势。前人研究虽已对建筑能耗监测系统的构建和应用进行了广泛探讨，但在实时数据库的集成与应用方面，仍存在研究不足和实际应用的挑战。本研究紧贴当前研究热点，通过对比分析，揭示实时数据库在提升监测系统性能中的作用。通过本研究，期望为建筑能耗监测系统的优化提供理论依据和实践指导，同时为相关领域的研究提供新的视角和方法。

1" 建筑能耗监测系统的实时数据库架构与实现

1.1" 系统的总体结构

建筑能耗监测系统是一个复杂而关键的节能管理工具，它通过实时监测和记录建筑的能源消耗情况，为管理者提供全面、准确的数据支持。这个系统包括多个组成部分，如采集子系统、第三方运营中心、移动、远程监控与管理设备、国家数据中心等，它们共同协作，确保数据的实时采集、传输、存储、分析和处理。

实时数据库（Real-Time Database，RTDB）是一种专门设计用于处理实时数据的数据库系统，能够在规定的时间内对数据进行处理并返回结果，以满足实时性要求[3]。将实时数据库应用于建筑能耗监测系统中，可以显著提升系统性能，使得系统能够更好地服务于建筑能耗管理和节能减排工作。系统功能的增强体现在数据集成、数据分析、报警与通知、智能优化和历史数据查询等方面，有助于全面了解和优化建筑能耗情况。图1为基于实时数据库的建筑能耗监测系统总体结构图。

由图1可知，该系统主要包括由数据采集子系统、数据中转站、市节能监控中心办公室、国家数据中心和移动、远程监控与管理设备、虚拟专用网络等组成。通过数据采集子系统采集建筑能耗的监测数据，并经虚拟专用网络将采集的建筑能耗监测数据传输至实时数据库，利用离散布谷鸟算法解码建筑能耗数据，提高数据分析与处理效率，全部用户或机构均可以在移动终端、客户端、浏览器实时查询建筑能耗监测与统计数据，完成建筑能耗监测能力。

1.2" 系统的数据流程设计

该系统数据流程设计是将关系数据库与实时数据库相结合，完成建筑能耗监测数据的处理与整合。其中：通过关系数据库存储历史能耗数据，为以后的统计工作提供历史能耗数据支持；另外，通过实时数据库实施实时能耗信息的采集、传送、质量控制、远程诊断、管理、上报和展示，将两者结合为用户提供能耗数据服务。

在构建能耗监测系统中，监测仪表的数据首先通过预设协议高效汇集至数据采集子系统的实时数据库内。针对既有的配电监控系统，若其已符合能耗数据采集标准，系统将利用过程控制对象链接与嵌入协议（Object Linking and Embedding for Process Control，OPC）协议直接从配电监控核心设备中提取实时的能耗数据，随后实现这些数据与数据中心实时数据库的即时同步。数据中心则依托OPC、简单邮件传输协议（Simple Mail Transfer Protocol，SMTP）传输控制协议（Transmission Control Protocol，TCP）、可扩展标记语言（Extensible Markup Language，XML）以及文件传输协议（File Transfer Protocol，FTP）等多种技术手段，向不同层级、类型的系统提供全面的能耗信息服务。为进一步扩展系统能力，若需增设数据中转环节，流程将稍作调整：数据采集子系统首先将捕获的实时能耗数据同步至新设的数据中转站，再由中转站作为桥梁，将这些数据无缝对接至数据中心，后续的数据处理与共享流程保持不变。此外，为了保障历史能耗数据的可追溯性与安全性，数据采集子系统的实时数据库会定期执行数据归档操作，将累积的能耗信息存入一个暂存且支持转发的关系型数据库中。随后，通过利用对象链接与嵌入数据库访问（Object Linking and Embedding， Database，OLEDB）这一强大的数据访问接口，系统能够定时将这些历史能耗数据远程传输并安全存储在数据中转站或数据中心的相应关系数据库中，以确保数据的长期保存与高效利用。这一系列措施不仅优化了数据流动路径，还显著降低了信息冗余与重复处理的风险[4]。

1.3" 数据中心实时数据库的架构设计

数据中心实时数据库是该系统重要组成部分，数据中心实时数据库架构如下。

1.3.1" 数据源层

此层广泛覆盖全市，集成了各类建筑中的同源及异源数据采集子系统实时数据库。为确保数据流通无阻，同构系统运用TCP/IP协议直接将实时能耗数据传送至数据中心，而异构系统则巧妙借助OPC技术，实现将数据高效传输至数据中心。

1.3.2" 实时数据服务层

作为数据中心的基石，该层聚焦于数据的整合、精细化处理、严格的质量控制、安全存储及多样化应用。首先，通过实时数据库构建与数据源层的数据桥梁，汇聚来自各子系统的实时与历史能耗数据。其次，依据预设参数对数据进行深度处理与质量控制，生成包括报警、事件、趋势分析及故障诊断在内的综合信息。处理后的数据及其衍生信息被妥善保存至关系型数据库中，以备后续分析之用。同时，该层还充当了信息服务的枢纽，为本地及远程用户提供多样化的访问接口，确保数据的流通与共享[5]。

1.3.3" 应用层

应用层直接面向两类用户群体：数据中心本地用户以及广泛分布的其他数据中心用户。这一层不仅支持本地用户通过多样化的终端实时访问与交互数据，还实现了与其他数据中心系统的无缝对接，促进了能耗数据的跨平台、跨系统共享与应用。

2" 建筑能耗数据的解码与处理方法

建筑能耗数据是建筑节能管理的重要基础，能够反映建筑的能源消耗情况，为制定节能措施提供依据。实时数据库能够有效地存储和管理建筑能耗数据，方便进行实时监测和分析。然而，传统的数据解码方法效率较低，无法满足实时数据库的需求。因此，本文提出了一种基于离散布谷鸟算法的建筑能耗数据解码方法，以提高解码效率。离散布谷鸟算法是一种基于群体智能的优化算法，通过模拟布谷鸟的觅食行为，搜索问题的最优解。该算法具有收敛速度快、全局搜索能力强的特点，适用于解决复杂的优化问题。

建筑能耗数据原始序列用表示，基于离散布谷鸟算法的建筑能耗数据解码流程公式如下：

表示，基于离散布谷鸟算法的建筑能耗数据解码流程公式如下：

式（1）中：表示序列长度；表示每个指令信号频率分量；表示在该算法下监测指令寄生巢选择概率的实际偏移量；表示监测指令实施系数，；表示偏移权重；表示建筑能耗数据解码后序列。

式（1）中：表示序列长度；表示每个指令信号频率分量；表示在该算法下监测指令寄生巢选择概率的实际偏移量；表示监测指令实施系数，；表示偏移权重；表示建筑能耗数据解码后序列。该公式通过迭代计算，逐步逼近最优解，最终得到解码后的建筑能耗数据序列。

离散布谷鸟算法能够有效地提高监测节点对数据处理的效率与准确性，主要表现在以下几个方面：

（1）优化响应策略：算法能够根据监测节点的状态和能耗数据的特点，动态调整节点的响应策略，例如调整数据采集频率、优化数据传输路径等，从而提高数据处理的效率。

（2）优化趋近策略：算法能够根据能耗数据的分布情况和变化趋势，动态调整节点的趋近策略，例如选择合适的解码参数、调整解码算法的搜索范围等，从而提高数据解码的准确性。

鉴于原始建筑能耗数据与经解码的建筑控制数据在序列结构上的差异，智能化通信节点能够灵活地传输建筑能耗数据信息，这一特性确保了监测数据库的存储机制能够保持稳定，不受数据序列形态转变的影响。具体而言，采用离散布谷鸟算法对能耗数据进行解码的过程，主要作用于优化监测节点对数据处理的效率与准确性，即影响节点的响应与趋近策略，而并不直接改变数据序列本身的格式或内容，能够满足实时数据库的需求。

3" 结语

通过研究建筑能耗监测系统实时数据库运用表明，实时数据库技术能够显著提升建筑能耗监测系统的实时性和数据处理能力。同时，本研究还针对建筑能耗监测系统的特点，对实时数据库进行了相应的优化和改进，如增强了对大规模数据的处理能力、提高了并发控制的效率等。这些改进使得实时数据库在建筑能耗监测系统中的表现更加出色尽管实时数据库在建筑能耗监测系统中表现出了显著的优势。

参考文献

[1]高林帅，丁晓欣.基于数字孪生的近零能耗建筑大数据能耗监测系统设计[J].住宅与房地产，2021（31）：15-16.

[2]高晓佳，穆宇晨.实时数据库在建筑能耗监测系统中的运用[J].电子技术与软件工程，2021（4）：156-157.

[3]曹礼勇，钟永彦，陈娟，等.基于BLE和Wi-Fi的建筑能耗监测系统设计[J].工程设计学报，2021，28（5）：654-661.

[4]孙鸿昌.云基智慧建筑能耗预测与优化方法研究及应用[D].济南：山东大学，2023.

[5]刘可，徐小东，王伟，等.近30年城市形态与建筑能耗关联性研究综述[J].建筑学报，2023（S1）：120-127.