云计算是近几年发展起来的网络技术，它是将 计算任务分布在大 量计算机构成的资源池上，使得各种应用系统 能够根据需要获取计算 力、 存储空间和各种软件服务。 各大 IT公司纷纷推出自己的基于云 计算的云计算的平台服务， 如谷歌 （G00GLE)、 微软、 雅虎、 亚马逊 (Amazon) 等等， 总结起来云计算具有以下特点：

(1) 超大规模。 "云"具有相当的规模， Google云计算已经拥有 100多万台服务器， Amazon、 IBM, 微软、 Yahoo等的 "云"均拥有几 十万台服务器。 企业私有云一般拥有数百上千台服务器， "云"能赋 予用户前所未有的计算能力。

(2) 虚拟化。云计算支持用户在任意位置、使用各 种终端获取应 用服务。 所请求的资源来自 "云 "， 而不是固定的有形的实体。 应用 在"云"中某处运行， 但实际上用户无需了解、 也不用担心应用运行 的具体位置。只需要一台笔记本或者一个手机 ， 就可以通过网络服务 来实现我们需要的一切， 甚至包括超级计算这样的任务。

(3) 高可靠性。 "云"使用了数据多副本容错、 计算节点同构可 互换等措施来保障服务的高可靠性，使用云计 算比使用本地计算机可 罪。

(4) 通用性。 云计算不针对特定的应用， 在"云"的支撑下可以 构造出千变万化的应用， 同一个 "云"可以同时支撑不同的应用运行。

(5) 高可扩展性。 "云" 的规模可以动态伸缩， 满足应用和用户 规模增长的需要。 (6) 按需服务。 "云"是一个庞大的资源池， 你按需购买； 云可 以象自来水， 电， 煤气那样计费。

(7) 极其廉价。 由于"云"的特殊容错措施可以采用极其廉价的 节点来构成云， "云" 的自动化集中式管理使大量企业无需负担日益 高昂的数据中心管理成本， "云" 的通用性使资源的利用率较之传统 系统大幅提升， 因此用户可以充分享受"云"的低成本优势， 经常只 要花费几百美元、几天时间就能完成以前需要 数万美元、数月时间才 能完成的任务。

物联网就是 "物物相连的互联网" 。有两层意思： 第一， 物联网 的核心和基础仍然是互联网，是在互联网基础 之上的延伸和扩展的一 种网络； 第二， 其用户端延伸和扩展到了任何物品与物品之间 ， 进行 信息交换和通信。 因此， 物联网的定义是通过 MMMii(RFiD)装置、 红外感应器、 金 miili、 激光扫描器等信息传感设备， 按约定 的协议， 把任何物品与互联网相连接， 进行信息交换和通信， 以实现 智能化识别、 定位、 跟踪、 监控和管理的一种网络。 "物"要满足以 下条件才能够被纳入 "物联网" 的范围： i、要有相应信息的接收器;

2、 要有数据传输通路； 3、 要有一定的存储功能； 4、 要有 CPU; 5、 要有操作系统； 6、 要有专门的应用程序； 7、 要有数据发送器； 8、 遵循物联网的通信协议； 9、 在世界网络中有可被识别的唯一编号。

机动车作为现代社会的一种交通工具， 其数量越来越大， 消耗能 源越来越多， 机动车作为一种 "物 "， 是完全可以被纳入 "物联网" 的范围的。虽然各大机动车制造商都在机动车 自身设计上进行研发以 节约能源， 如设计能效更高的发动机， 新能源机动车等等， 但机动车 进入市场后就不再进行能耗方面的监控。如果 能够对投入运行的各个 机动车进行综合能源管理， 从整体上进行能耗监控， 将极大地节约能 源， 意义重大。 发明内容 为了解决现有技术的上述问题，本发明的目的 是提供一种基于云 计算的机动车能源管理系统及方法， 能够对机动车集中进行监控， 实 现最大限度的节能降耗管理和网络化自动控制 ，从而实现能源的最优 化配置， 达到更好的节能效果。

为了实现上述目的，本发明提供了一种基于云 计算的机动车能源 管理系统， 包括：

机电设备控制器，用于根据用户设定参数对机 动车的各个机电设 备进行现场控制并将所述用户设定参数传送给 云计算管理控制平台； 能耗参数采集器，用于采集与所述各个机电设 备的能耗有关的参 数并传送给云计算管理控制平台；

云计算管理控制平台，用于根据所述采集到的 与所述各个机电设 备的能耗有关的参数和所述用户设定参数调整 所述机电设备控制器 对所述各个机电设备的现场控制模式；

所述机电设备控制器与所述云计算管理控制平 台之间、所述能耗 参数采器与所述云计算管理控制平台之间均通 过无线通讯网络相互 通信， 所述无线通讯网络可以为 GPRS系统、 3G网络、 北斗星系统或 者下一代互联网等中的任一种。

作为优选， 所述云计算管理控制平台具体包括：

接收单元，用于接收所述能耗参数采集器采集 到的与所述各个机 电设备的能耗有关的参数和所述用户设定参数 ；

第一判断单元，用于判断所述采集到的与所述 各个机电设备的能 耗有关的参数和所述用户设定参数是否匹配并 生产判断结果；

能耗模型生成单元，用于当所述第一判断单元 的判断结果为匹配 时根据所述各个机电设备的能耗有关的参数生 成相应的能耗模型； 历史能耗模型数据库， 用于存储各种历史能耗模型；

第二判断单元，用于判断所述生成的能耗模型 与历史能耗模型数 据库中对应的历史能耗模型是否匹配并生成判 断结果；

控制模式调整单元，用于当所述第一判断单元 或所述第二判断单 元的判断结果为不匹配时调整所述机电设备控 制器对所述各个机电 设备的现场控制模式。

作为优选，所述的与所述各个机电设备的能耗 有关的参数包括直 接能耗参数、运行参数和安全参数。 其中， 直接能耗参数通常指直接 采集的各个机电设备（包括发动机、冷却系统 、润滑系统、刹车系统、 娱乐系统等） 的能耗消耗参数， 包括动力燃料（或者储电量） 的加入 量和消耗量， 运行参数包括温度、 湿度、 风速、 排气量、 输出功率、 行驶时间、 停止时间、 载重量、 运行记录等等各个机电设备运行时相 关的参数， 安全参数包括运行状态、 故障、报警等情况下各个机电设 备相关的参数。

作为优选，所述历史能耗模型数据库中对应的 历史能耗模型是指 能耗约束参数与所述生成的能耗模型匹配的历 史能耗模型，所述能耗 约束参数包括机动车环境参数、机动车机电设 备设计参数、机动车类 型参数和能源供应类型参数中的一种或者其组 合。历史能耗模型数据 库中存有各种符合行业标准（设计标准） 的历史能耗模型， 这些历史 能耗模型考虑了能耗标杆、 效率标杆、 绩效标杆等评价标准的， 能耗 相对来讲是最合理的。历史能耗模型的建立通 常受到能耗约束参数的 制约， 能耗约束参数不同， 对应的历史能耗模型就不同。机动车环境 参数包括地理位置、气象参数等等， 机动车机电设备设计参数包括设 计功率、 测量范围而、 设计能耗参数、 设计能效等等， 机动车类型参 数包括载客、 载货、 电车、 摩托车、 轮式自行机械等等， 能源供应类 型参数包括液体燃料、 天然气、 电动、 太阳能等等。 当然， 还有其他 能耗约束参数， 比如控制模式、 利用效率、 发动机类型等等。

作为优选，所述能耗参数采器和所述机电设备 控制器均对应基于

IPV4协议的网络地址或基于 IPV6协议的网络地址。

为了实现上述目的，本发明还提供了一种基于 云计算的设备监控 方法， 包括：

S11 : 根据用户设定参数对机动车的各个机电设备进 行现场控制 并将所述用户设定参数传送给云计算管理控制 平台；

S12: 采集与所述各个机电设备的能耗有关的参数并 传送给云计 算管理控制平台；

S13: 在云计算管理控制平台下根据所述采集到的与 所述各个机 电设备的能耗有关的参数和所述用户设定参数 调整对所述各个机电 设备的现场控制模式。 参数传送均通过无线通讯网络相互通信实现， 所述无线通讯网络 可以为 GPRS系统、 3G网络、 北斗星系统或者下一代互联网等中的任 一种。

作为优选， 所述 S13步骤具体包括：

S131 :判断所述采集到的与所述各个机电设备的能� �有关的参数 和所述用户设定参数是否匹配； 如果不匹配， 执行 S135步骤， 如果 匹配， 执行 S132步骤；

S132 :根据所述各个机电设备的能耗有关的参数生� �相应的能耗 模型；

S133 :判断所述生成的能耗模型与历史能耗模型数� �库中对应的 历史能耗模型是否匹配； 如果不匹配， 执行 S135步骤， 如果匹配， 执行 S134步骤， 保持所述各个机电设备的现场控制模式；

S135 : 调整对所述各个机电设备的现场控制模式。

作为优选， 执行所述 S134步骤后， 还包括 S136步骤， 将所述生 成的能耗模型加入到所述历史能耗模型数据库 中。 本发明的有益效果在于，在云计算管理控制平 台下对机动车的各 个机电设备集中进行监控，实现了最大限度的 节能降耗管理和网络化 自动控制， 从而实现能源的最优化配置， 达到更好的节能效果。 附图说明 图 1 是本发明实施例的基于云计算的机动车能源管 理系统的结 构示意图；

图 2 是本发明一个实施例的基于云计算的设备监控 方法的流程 图；

图 3 是本发明另一个实施例的基于云计算的设备监 控方法的流 程图。 具体实鮮式 下面结合附图详细说明本发明的实施例。 如图 1所示的本发明实施例的基于云计算的机动车� �源管理系 统的结构示意图， 基于云计算的机动车能源管理系统包括：

机电设备控制器 11， 用于根据用户设定参数对各个机电设备 10 进行现场控制并将所述用户设定参数传送给云 计算管理控制平台 13; 机电设备控制器 11包括用户参数设定单元 111， 其用于用户设定参 数。 比如机电设备是发动机， 则用户根据需要设定发动机的输出功率 等参数， 并将设定的参数传送给云计算管理控制平台 13。 通常用于 机动车的机电设备控制器 11包括 IP物联网络发动机控制器、 IP物 联网络冷却系统控制器、 IP物联网络润滑系统控制器、 IP物联网络 燃料供给控制器、 IP物联网络启动系统控制器、 IP物联网络点火控 制器、 IP物联网络保护系统控制器、 IP物联网络娱乐系统控制器等 等。

能耗参数采集器 12， 用于采集与所述各个机电设备 10的能耗有 关的参数并传送给云计算管理控制平台 13; 与所述各个机电设备的 能耗有关的参数包括直接能耗参数、 运行参数和安全参数。其中， 直 接能耗参数通常指直接采集的各个机电设备（ 包括发动机、冷却系统、 润滑系统、 刹车系统、 娱乐系统等） 的能耗消耗参数， 包括动力燃料 (或者储电量）的加入量和消耗量，运行参数� �括温度、湿度、风速、 排气量、 输出功率、 行驶时间、 停止时间、 载重量、 运行记录等等各 个机电设备运行时相关的参数， 安全参数包括运行状态、 故障、报警 等情况下各个机电设备相关的参数。

能耗参数采集器 12—般由各类带网络传输功能的传感器、 数据 统计和汇总单元、数据分析和上传单元等组成 ， 完成数据的采集和初 步统计分析功能， 其实际数量是根据需要而设定的， 可能有很多个能 耗参数采集器。 传感器可以是各种 IP物联网温度传感器， IP物联网 湿度传感器， IP物联网燃油量传感器， IP物联网储电量传感器， IP 物联网特殊信号网络采集器 （如 C0、 C02、 甲醛、 水流等） 以及机电 设备运行参数网络采集器等等。将采集到的能 耗参数通过无线通讯网 络 20传输到云计算管理控制平台 13， 无线通讯网络 20可以是 GPRS 系统、 3G网络和北斗星系统或者更先进的下一代传输� ��络等等。 目前的互联网是基于 IPV4协议的， IPV4协议采用 32位地址长 度， 有限的地址空间即将耗尽。 因此在大规模数量的机动车能源管理 系统中，机电设备控制器 11和能耗参数采集器 12可以采用基于 IPV6 协议的网络地址， IPV6协议采用 128位地址长度， 对于整个地球来 说， 其地址资源可以认为是无限的 （每平方米能分配 1000多个网络 地址）， 能够适应即使是全球范围里的机动车能源管理 系统。

云计算管理控制平台 13， 用于根据所述采集到的与所述各个机 电设备 10的能耗有关的参数和所述用户设定参数调整� ��述机电设备 控制器 11对所述各个机电设备 10的现场控制模式。调整的目的是实 现能源的最优化配置， 降低能耗。 云计算管理控制平台 13具备数据 接收、 统计分析、 处理、 储存等功能， 在满足用户需求的情况下， 最 大限度地实现节能。 本实施例的云计算管理控制平台 13具体包括： 接收单元 131， 用于接收所述能耗参数采集器 12采集到的与所 述各个机电设备 10的能耗有关的参数和所述用户设定参数；

第一判断单元 132， 用于判断所述采集到的与所述各个机电设备 10的能耗有关的参数和所述用户设定参数是否� ��配并生产判断结果; 机电设备 10能耗有关的参数是否合理， 首先必须满足用户需求， 只 有在满足用户需求的情况下才谈得上节约能源 。

能耗模型生成单元 133， 用于当所述第一判断单元的判断结果为 匹配时根据所述各个机电设备的能耗有关的参 数生成相应的能耗模 型； 能耗模型包括整体耗能和运行耗能等等指标。 此时能耗模型已经 能够满足用户需求， 但是否是最优的选择， 还需要进一步判断。

历史能耗模型数据库 130， 用于存储各种历史能耗模型； 历史能 耗模型数据库中存有各种符合行业标准（设计 标准）的历史能耗模型 以及被相关规范、标准等文件约定或承认的最 优能耗模型， 这些历史 能耗模型是考虑了能耗标杆、 效率标杆、 绩效标杆等评价标准的， 能 耗相对来讲是最合理的。

第二判断单元 134， 用于判断所述生成的能耗模型与历史能耗模 型数据库中对应的历史能耗模型是否匹配并生 成判断结果；历史能耗 模型的建立通常受到能耗约束参数的制约， 能耗约束参数不同， 对应 的历史能耗模型就不同。所述能耗约束参数包 括机动车环境参数、机 动车机电设备设计参数、机动车类型参数和能 源供应类型参数中的一 种或者其组合。机动车环境参数包括地理位置 、 气象参数等等， 机动 车机电设备设计参数包括设计功率、 测量范围而、 设计能耗参数、 设 计能效等等， 机动车类型参数包括载客、 载货、 电车、 摩托车、 轮式 自行机械等等， 能源供应类型参数包括液体燃料、 天然气、 电动、 太 阳能等等。当然，还有其他能耗约束参数， 比如控制模式、利用效率、 发动机类型等等。

用户 （驾驶员） 通过能耗约束参数设定单元 14输入当前生成的 能耗模型的能耗约束参数，根据这些能耗约束 参数在历史能耗模型数 据库 130中找到对应的历史能耗模型（gP能耗约束参� ��与所述生成的 能耗模型匹配的历史能耗模型）， 再判断生成的能耗模型与对应的历 史能耗模型是否匹配， 如果不匹配说明能耗不合理， 需要调整。

控制模式调整单元 135， 用于当所述第一判断单元 132或所述第 二判断单元 134的判断结果为不匹配时调整所述机电设备控 制器 11 对所述各个机电设备 10的现场控制模式。 不匹配说明能耗不符合要 求， 需要对现场控制模式进行调整以降低能耗， 直到能耗匹配为止， 从而实现能耗的最优化配置。当所述第一判断 单元 132的判断结果为 不匹配时， 说明能耗无法达到用户设定的要求， 需要直接进行调整； 当所述第二判断单元 134的判断结果为不匹配时，说明能耗虽然能够 达到用户设定要求，但还不是最优的，没有考 虑能耗标杆、效率标杆、 绩效标杆等评价标准， 有必要进行调整从而进一步降低能耗。如果所 述第二判断单元 134的判断结果为匹配时，说明生产的能耗模型 是合 理的符合要求的，则将所述生成的能耗模型加 入到所述历史能耗模型 数据库中， 丰富历史数据， 为后续能耗管理控制提供参考。

当然，云计算管理控制平台 13对机电设备控制器 11的控制模式 有很多种， 上述实施例仅仅给出了其中的一种。

为了用户使用方便，本实施例的基于云计算的 机动车能源管理系 统可以做成直观的显示界面，用户只需要通过 显示界面进行管理控制 即可。

使用云计算管理控制平台 13 进行能源管理控制的优势十分明 显，云计算的规模性和可扩展性的特点使得超 大规模能耗集中控制可 以实现， 理论上讲可以实现全球范围内的机动车的能源 管理控制， 应 用范围更广；云计算的虚拟化的特点使得各个 用户进行能耗管理控制 时无需单独配置独立的能源管理控制平台，而 是在 "云"中按需获得， 大大降低了成本；云计算的资源共享的特点使 得整个控制平台内历史 数据十分丰富， 可以匹配最佳历史数据作为参考， 从而实现能源的最 优化配置。

云计算管理控制平台的模型算法种类有很多种 ，主要分为定期算 法和事件触发算法， 其中定期算法包括： 代数计算、 总值计算、 设备 运行时间、 布尔 Boolean运算、 数据整合、 分段线性函数、 最大及最 小值记录等， 事件触发算法包括： 报表任务和显示事件、 站点组群控 制、 区域或组群报警、 组合结构的报警等。使用时根据具体需要选择 算法， 建立控制模型。

如图 2 所示的本发明一个实施例的基于云计算的设备 监控方法 的流程图， 该方法包括：

S11 : 根据用户设定参数对机电车的各个机电设备进 行现场控制 并将所述用户设定参数传送给云计算管理控制 平台；

S12 : 采集与所述各个机电设备的能耗有关的参数并 传送给云计 算管理控制平台；所述的与所述各个机电设备 的能耗有关的参数包括 实时能耗参数、 运行参数和安全参数。其中， 实时能耗参数通常指电 计量设备直接采集的各个机电设备的电量参数 ， 运行参数包括温度、 湿度、 风量、 运行时间、 频率等等各个机电设备运行时相关的参数， 安全参数包括运行状态、故障、报警等情况下 各个机电设备相关的参 数。

S13 : 在云计算管理控制平台下根据所述采集到的与 所述各个机 电设备的能耗有关的参数和所述用户设定参数 调整对所述各个机电 设备的现场控制模式。

参数传送均通过无线通讯网络相互通信实现的 ，所述无线通讯网 络可以为 GPRS系统、 3G网络、 北斗星系统或者下一代互联网等中的 任一种。

由于使用了云计算管理控制平台对机动车进行 能源管理控制，云 计算的规模性和可扩展性的特点使得超大规模 能耗集中控制可以实 现， 理论上讲可以实现全球范围内的机动车的能源 管理控制， 应用范 围更广；云计算的虚拟化的特点使得各个用户 进行能耗管理控制时无 需单独配置独立的能源管理控制平台， 而是在 "云"中按需获得， 大 大降低了成本；云计算的资源共享的特点使得 整个控制平台内历史数 据十分丰富， 可以匹配最佳历史数据作为参考， 从而实现能源的最优 化配置。

如图 3 所示的本发明另一个实施例的基于云计算的设 备监控方 法的流程图，该方法在图 2所示的基于云计算的设备监控方法的基础 上， 所述 S13步骤具体包括：

S131 :判断所述采集到的与所述各个机电设备的能� �有关的参数 和所述用户设定参数是否匹配； 如果不匹配， 执行 S135步骤， 如果 匹配， 执行 S132步骤；

S132 :根据所述各个机电设备的能耗有关的参数生� �相应的能耗 模型；

S133 :判断所述生成的能耗模型与历史能耗模型数� �库中对应的 历史能耗模型是否匹配； 如果不匹配， 执行 S135步骤， 如果匹配， 执行 S134步骤， 保持所述各个机电设备的现场控制模式； 所述历史 能耗模型数据库中对应的历史能耗模型是指能 耗约束参数与所述生 成的能耗模型匹配的历史能耗模型，所述能耗 约束参数包括所述各个 机电设备的应用环境参数、设计参数、应用场 所类型参数和能源供应 类型参数中的一种或者其组合。

S135 : 调整对所述各个机电设备的现场控制模式。

执行所述 S134步骤后， 还包括 S136步骤， 将所述生成的能耗模 型加入到所述历史能耗模型数据库中， 丰富历史数据， 为后续能耗管 理控制提供参考。

更加详细的介绍请参考上述基于云计算的机动 车能源管理系统 实施例中的表述。

本实施例的方法在图 2 所示的基于云计算的设备监控方法的基 础上，具体给出了一种在云计算管理控制平台 下如何调整所述机电设 备控制器的控制模式的方法，其充分利用了云 计算管理控制平台历史 数据丰富的特点， 进一步优化了能耗模型， 降低了能耗。 以上实施例仅为本发明的示例性实施例， 不用于限制本发明， 本 发明的保护范围由附加的权利要求书限定。本 领域技术人员可以在本 发明的实质和保护范围内， 对本发明做出各种修改或等同替换， 比如 针对的对象是轮船、 飞机、 火车等等， 这种修改或等同替换也应视为 落在本发明的保护范围内。