本發明涉及建筑智能化控制，尤其涉及一種建筑智能化系統多設備聯動控制方法。
背景技術：
1、建筑智能化領域中，多設備聯動控制技術已廣泛應用于各類建筑的智能化改造與新建項目中，現有技術普遍通過布設感知節點采集建筑內環境、人員、設備、能耗等運行數據，依托簡單的控制邏輯引擎結合人工預設的聯動規則，實現建筑內各子系統設備的基礎聯動控制，部分技術方案還引入了機器學習模型對聯動規則進行簡單優化，整體形成了“數據采集-規則匹配-指令執行”的基礎聯動流程，在一定程度上替代了人工手動控制，提升了建筑運行的智能化程度。
2、現有建筑智能化系統多設備聯動控制方法仍存在難以解決的技術缺陷，一方面現有技術的聯動規則多為人工預設的固定邏輯，僅能適配單一或簡單的建筑運行場景，無法根據建筑內環境參數、人員狀態、設備工況的動態變化自適應生成并優化聯動規則，缺乏自學習與自迭代能力，場景適配性極差；另一方面現有技術缺乏跨子系統的全局協同決策架構，暖通、照明、消防等子系統的聯動控制相互獨立，未建立統一的聯動執行優先級機制與標準化的決策執行流程，易出現多設備控制指令沖突、執行時序錯亂的問題，無法實現建筑運行安全、節能、舒適的多目標協同優化，同時聯動決策與指令編排缺乏量化判定標準，進一步降低了多設備聯動控制的精準度與可靠性。
技術實現思路
1、針對背景技術中存在的技術缺陷，本發明提出一種建筑智能化系統多設備聯動控制方法，解決了上述技術問題以及滿足了實際需求，具體的技術方案如下所示：
2、一種建筑智能化系統多設備聯動控制方法，包括以下步驟：
3、采集建筑內部全域多源異構運行數據，對采集數據進行統一格式轉換與歸一化處理，形成標準化全局聯動數據集合；
4、基于標準化全局聯動數據集合搭建跨子系統全局協同決策引擎，制定多級聯動執行優先級機制，明確不同聯動場景的執行權限；
5、通過強化學習模型對標準化全局聯動數據集合進行特征匹配與模型推理，動態生成適配當前運行場景的自適應聯動規則；
6、全局協同決策引擎依據自適應聯動規則與多級聯動執行優先級，對多設備控制指令進行統一時序編排，將編排完成的指令分發至對應設備終端執行；
7、采集指令執行后的運行效果數據并回傳至強化學習模型，完成自適應聯動規則的迭代優化。
8、進一步的，所述形成標準化全局聯動數據集合的具體步驟如下：
9、逐點采集建筑內部環境監測數據、人員狀態數據、設備運行工況數據、能源消耗數據、安防監測數據、消防預警數據，將采集的原始數據傳輸至本地數據預處理單元；
10、通過本地數據預處理單元對原始數據進行異常值剔除、噪聲濾除處理，去除超出預設數值范圍的無效數據；
11、對處理后的數據進行傳輸格式統一轉換，消除不同子系統通信協議帶來的數據格式差異；
12、對格式統一后的數據進行數值維度歸一化映射，將不同量綱數據轉換至同一數值區間；
13、將完成全部處理的數據整合封裝，形成標準化全局聯動數據集合并傳輸至全局協同決策引擎。
14、進一步的，所述搭建跨子系統全局協同決策引擎的具體步驟如下：
15、基于標準化全局聯動數據集合的存儲位置與數據類型，搭建跨暖通、照明、消防、安防、電梯和門禁子系統的全局協同決策引擎；
16、通過全局協同決策引擎根據聯動場景對建筑運行安全的影響程度，劃分聯動優先級的判定維度；
17、依據判定維度將聯動執行優先級劃分為多級，鎖定每一級優先級對應的聯動場景類型；
18、為每一級優先級配置獨立的指令執行通道，限定不同優先級聯動請求的資源占用上限；
19、全局協同決策引擎建立聯動請求權限判定規則，依據優先級等級確定不同聯動場景的指令執行權限，同時接收標準化全局聯動數據集合與自適應聯動規則，啟動聯動決策執行流程。
20、進一步的，所述動態生成適配當前運行場景的自適應聯動規則的具體步驟如下：
21、通過強化學習模型從標準化全局聯動數據集合中提取環境特征、人員特征、設備特征、能耗特征和場景特征；
22、將提取的多維特征輸入至預設神經網絡結構中，進行前向推理計算；
23、通過推理計算輸出適配當前場景的聯動觸發閾值、聯動設備組合和聯動運行參數；
24、基于聯動觸發閾值、聯動設備組合和聯動運行參數，剔除與當前場景不匹配的控制邏輯，保留有效控制邏輯；
25、將有效控制邏輯組合封裝，生成無人工預設的自適應聯動規則并傳輸至全局協同決策引擎。
26、進一步的，所述對多設備控制指令進行時序編排并分發至設備終端執行的具體步驟如下：
27、通過全局協同決策引擎接收自適應聯動規則與多級聯動執行優先級信息，確定指令執行的核心約束條件；
28、啟動多設備控制指令統一時序編排流程，依據核心約束條件對多設備控制指令進行執行順序規劃，確定每一條指令的觸發時間節點；
29、對規劃后的多設備控制指令進行設備控制沖突校驗，消除同設備多指令并行觸發的沖突問題；
30、對校驗通過的多設備控制指令進行指令格式封裝，生成可直接被終端識別的執行指令；
31、將封裝完成的指令按目標設備地址定向分發，驅動對應設備終端執行控制操作。
32、進一步的，所述完成自適應聯動規則的迭代優化的具體步驟如下：
33、在設備終端執行指令的全過程中，實時采集指令執行后的運行效果數據并傳輸至數據匯總單元；
34、通過數據匯總單元對運行效果數據進行量化轉換，將非數值型數據轉換為可參與模型計算的數值數據；
35、數據匯總單元將量化后的運行效果數據回傳至強化學習模型的輸入層；
36、強化學習模型依據回傳的運行效果數據計算當前自適應聯動規則的執行偏差值；
37、強化學習模型依據執行偏差值調整內部網絡參數，修正自適應聯動規則的邏輯與參數，完成規則迭代優化。
38、進一步的，啟動聯動決策執行流程時，通過全局聯動決策效用函數判定最優聯動策略，全局聯動決策效用函數為：
39、，
40、其中，代表全局聯動決策總效用值，代表安全維度權重系數，取值范圍為0至1，安全維度權重系數為固定預設值，代表安全維度執行評分，評分數值依據消防、安防應急場景執行完整性確定，代表節能維度權重系數，取值范圍為0至1，節能維度權重系數依據建筑運行時段動態調整，代表節能維度執行評分，評分數值依據設備能源消耗降低比例確定，代表舒適維度權重系數，取值范圍為0至1，舒適維度權重系數依據人員駐留狀態動態調整，代表舒適維度執行評分，評分數值依據環境參數與人體舒適標準匹配度確定；
41、全局協同決策引擎選取全局聯動決策總效用值最大的聯動策略作為最終執行策略。
42、進一步的，全局協同決策引擎對多設備控制指令進行統一時序編排時，通過聯動指令時序調度代價函數計算最優執行時序，聯動指令時序調度代價函數為：
43、，
44、其中，代表聯動指令時序調度總代價，代表第i個控制指令的觸發執行時間，代表第i+1個控制指令的觸發執行時間，代表指令執行沖突懲罰系數，取值為大于0的常數，代表指令執行過程中出現的設備控制沖突次數；
45、全局協同決策引擎選取聯動指令時序調度總代價最小的時序方案作為多設備控制指令的最終執行時序。
46、進一步的，指令分發至對應設備終端執行時采用分布式執行架構，具體執行流程如下：
47、全局協同決策引擎對指令進行實時性等級判定，將實時性要求高于預設閾值的控制指令標記為高實時指令；
48、全局協同決策引擎將高實時指令下發至邊緣計算節點，邊緣計算節點直接與對應設備終端建立通信連接；
49、邊緣計算節點接收指令后直接驅動設備終端執行，指令執行響應時間控制在預設范圍以內；
50、全局協同決策引擎將非實時性全局優化指令上傳至云端服務器，云端服務器執行全局數據統計與長期策略優化操作；
51、邊緣計算節點與云端服務器保持實時數據同步，網絡連接中斷時，邊緣計算節點啟動本地獨立運行模式并存儲執行數據，網絡恢復后自動同步存儲數據至云端服務器。
52、進一步的，自適應聯動規則迭代優化的全過程中執行異常工況防護操作，具體步驟為：
53、全局協同決策引擎實時監測數據采集狀態、網絡連接狀態、設備運行狀態；
54、全局協同決策引擎監測到數據采集缺失、網絡波動中斷、設備故障離線的異常工況時，終止當前自適應聯動規則的執行流程；
55、全局協同決策引擎調用預設的安全基準聯動策略，優先驅動消防、安防、應急疏散相關設備執行控制操作；
56、全局協同決策引擎暫停非必要的節能調節、舒適優化類指令的執行流程，保障建筑核心安全功能穩定運行；
57、異常工況消除后，全局協同決策引擎自動恢復自適應聯動規則執行模式，同時將異常工況數據與兜底策略執行數據回傳至強化學習模型，補充模型訓練樣本，提升模型對異常工況的適配能力。
58、與現有技術相比，本發明提供的一種建筑智能化系統多設備聯動控制方法具有以下有益效果：
59、本發明先對全域多源異構數據做標準化處理形成統一數據集合，再搭建跨子系統全局協同決策引擎并制定多級聯動優先級，有效實現多子系統全局協同調度，從根源規避指令沖突、時序錯亂問題，提升聯動控制的有序性與可靠性。同時通過強化學習模型動態生成適配當前場景的自適應聯動規則，經引擎完成指令編排執行后，采集運行效果數據回傳模型完成規則迭代優化，摒棄了人工預設固定規則的方式，實現聯動規則的動態生成與自迭代，適配建筑內環境、人員、設備工況的動態變化。整體形成完整技術閉環，實現跨子系統全域協同聯動，兼顧建筑運行安全、節能、舒適多目標優化，大幅提升了建筑智能化系統多設備聯動控制的自適應能力與精細化水平。