CN102629340A - 能效人工智能分析系统 - Google Patents

Abstract

本发明公开一种能效人工智能分析系统，包括：分布式网络、服务器和多个设备运行参数实时采集装置；其中，所述设备运行参数实时采集装置用于实时采集用能设备的各种运行参数，并将采集到的运行参数通过所述分布式网络上传给所述服务器；所述服务器保存接收到的用能设备的各种运行参数，对所述运行参数进行人工智能分析，然后向终端用户显示能效评估报告。因此，本发明提供的能效人工智能分析系统具有能效数据的采集、传输、存储、人工智能分析以及生成评估报告等多种功能，具有配置灵活、使用简单、测评结果更准确客观等优点。

Description

能效人工智能分析系统

技术领域

本发明涉及能效分析与评估技术领域，特别涉及一种能效人工智能分析系统。

背景技术

能效，即能源效率，是指在能源利用过程中，发挥作用的能源量与实际消耗的能源量之比。随着人们节能意识的不断增强，提高用能设备的能效越来越受到人们的关注。

能效分析的参数主要包括：负载率，变电率，力率，网损以及电能质量参数，其中，电能质量参数为电压偏差、频率、三相不平衡和谐波等。目前，能效分析的装置通常包括：设备运行信息采集装置和服务器显示装置，具体工作过程为：设备运行信息采集装置实时采集设备的各种运行参数，并将采集到的运行参数上传给服务器，由服务器向终端用户显示该设备的实时运行参数，然后，由评估专家结合自己的专业经验得出该设备的能效情况。因此，这种人工分析能效的过程不仅分析周期长、费用高，而且分析的结果依赖于个别评估专家的经验，具有较大的局限性。

发明内容

本发明提供一种能效人工智能分析系统，由服务器直接对用能设备的能效进行全面客观的测评，并给出评估报告，具有分析快速、费用低、评估结果更准确客观等优点，从而更有得于用户根据评估结果提高用能设备的利用效率，达到节约能源的目的。

为达到上述目的，本发明提供了一种能效人工智能分析系统，括：分布式网络、服务器和多个设备运行参数实时采集装置；其中，所述设备运行参数实时采集装置用于实时采集用能设备的各种运行参数，并将采集到的运行参数通过所述分布式网络上传给所述服务器；所述服务器保存接收到的用能设备的各种运行参数，对所述运行参数进行人工智能分析，然后向终端用户显示能效评估报告。

优选的，所述设备运行参数实时采集装置包括智能电表、温度传感器、湿度传感器和GPS设备中的一种或几种；其中，所述智能电表用于实时采集用电设备的电压信息、电流信息、功率信息和畸变信息中的一种或几种。

优选的，所述服务器包括：专家意见库、设备参数库、数据挖掘算法模块、人工智能分析引擎模块和能效评估报告模块；其中，所述专家意见库为开放性模块化的资料库，用于存储能效专家对各种用能设备能效的参考意见；所述设备参数库包括：设备基本参数库和设备运行参数库，其中，所述设备基本参数库用于存储各种用能设备的正常使用参数，包括出厂日期信息、额定功率信息、最佳功耗信息、最佳电压电流阈值信息、最佳温度区间信息中的一种或几种；所述设备运行参数库用于保存所述设备运行参数实时采集装置上传的用能设备的各种运行参数；所述数据挖掘算法模块用于对所述服务器中存储的各类信息进行直接数据挖掘和/或间接数据挖掘；所述人工智能分析引擎模块根据预存的各种规则、模型以及所述数据挖掘算法模块对数据的挖掘结果进行人工智能分析，得出能效评估报告结果；所述能效评估报告模块用于显示所述人工智能分析引擎模块分析得到的能效评估报告。

优选的，还包括：RFID芯片，所述RFID芯片固定在所述用能设备上，并预先存储所述用能设备的正常使用参数，然后被直接读取到所述服务器中的设备基本参数库中。

优选的，所述能效人工智能分析引擎分析得到的能效评估报告包括：用能分析信息、智能评测信息以及经济运行建议信息三部分。

优选的，所述用能分析信息是通过以下方法获得的：所述人工智能分析引擎模块根据所述设备运行参数库中存储的信息直接分析该用能设备的能效利用率；所述用能分析信息包括用电负荷率信息、变电率信息、力率信息、网损信息和电能质量信息中的一种或几种。

优选的，所述智能评测信息包括指标匹配信息、效能评分信息、超限报警信息和综合评估信息中的一种或几种。

优选的，所述经济运行建议信息包括瓶颈分析信息、设备管理信息、工艺优化信息、设备更新信息和负载优化信息中的一种或几种。

与现有技术相比，本发明具有以下优点：本发明提供的能效人工智能分析系统具有能效数据的采集、传输、存储、人工智能分析以及出具评估报告等多种功能，具有配置灵活、使用简单、测评结果更准确客观等优点。

附图说明

图1为本发明实施例提供的一种能效人工智能分析系统的结构示意图；

图2为本发明实施例提供的一种能效人工智能分析系统的网络连接拓扑结构图；

图3为本发明实施例提供的服务器的结构示意图；

图4为本发明实施例提供的能效人工智能分析引擎分析得出的能效评估报告的结构示意图；

图5为一种应用本发明提供的能效人工智能分析系统进行能效人工智能分析的流程图。

具体实施方式

针对现有技术中，对用能设备的能效进行分析评估还处于人工评估的阶段，从而导致分析周期长、费用高，而且分析的结果依赖于个别评估专家的经验，具有较大的局限性的问题，本发明提出了一种能效人工智能分析系统，由服务器直接对用能设备的能效进行全面客观的分析，并给出评估报告，具有分析快速、费用低、分析结果更准确客观等优点。

基于上述思想，如图1所示，为本发明提供的一种能效人工智能分析系统的结构示意图，包括：多个设备运行参数实时采集装置、分布式网络和服务器；其中，所述设备运行参数实时采集装置用于实时采集用能设备的各种运行参数，并将采集到的运行参数通过所述分布式网络上传给所述服务器；所述服务器保存接收到的用能设备的各种运行参数，并根据人工智能模型及算法对所述运行参数进行人工智能分析，然后向终端用户显示能效评估报告。

其中，本发明中，设备运行参数实时采集装置可以为智能电表，也可以为温度传感器、湿度传感器、二维码标签、RFID标签、读写器、摄像头、GPS设备等，根据用户使用需求的不同进行相应调整。各个设备运行参数实时采集装置直接与被测用能设备相连接。

在实际应用中，以智能电表为例，如图2所示，为本发明实施例提供的一种能效人工智能分析系统的网络连接拓扑结构图，分别安装在不同地理位置的待测用能设备直接与对应的各智能电表相连接，各智能电表连接上互感线圈进行实时数据的采集。其中，短距离的智能电表之间用485线进行线性连接，通过MODBUS协议通信，例如：智能电表1-4间、智能电表5-8间、智能电表9-12间、智能电表13-16间；通过485集线器将各个智能电表从线性拓扑扩展成星型网络，例如：第二485集线器将智能电表1-4、智能电表5-8、智能电表9-12和智能电表13-16连接成星型网络结构，其中，第二485集线器与距离较近的智能仪表间可以通过485线进行连接，例如：第二485集线器与智能仪表5-8间通过485线连接；而第二485集线器与距离较远的智能仪表间可以通过光纤连接，例如，第二485集线器与智能仪表13-16间通过光纤连接。在实际工作过程中，第二集线器定时向各个智能电表轮流发送查询命令，智能仪表接收到查询命令后进行对应参数的采集，并将采集到的数据通过MODBUS协议上传到前置机，然后，前置机再通过ADSL、VPN或者GPRS等传输介质并通过TCP/IP协议将数据发送到服务器上。通过这种组网方式，实现了服务器与各智能电表间的信息交互过程。

由上可以看出，本发明实施例公开的能效人工智能分析系统的网络连接拓扑结构，具有以下优点：(1)采集点部署灵活，下层通信基于MODBUS协议，兼容性好。(2)方便将多种智能仪表接入网络中，从而采集不同参数，可扩展性好。(3)网络通信基于TCP/IP协议，有多种校验和加密算法，有效保证数据传输的安全性。

如图3所示，为本发明提供的服务器的结构示意图，包括：专家意见库、设备参数库、数据挖掘算法模块、人工智能分析引擎模块和能效评估报告模块。下面对这五个模块的功能进行介绍：

(一)专家意见库

专家意见库为开放性模块化并不断完善的资料库，用于存储能效专家对各种用能设备能效的参考意见。具体的，专家意见库是一个开放性模块化的数据库，用户可对专家意见库中存储的信息随时进行更新或扩展，从而使专家意见库不断完善。在专家意见库中，存储有大量的电力专家的参考意见，例如：电力专家对各种用能设备的电力负载率、变电率、力率、网损以及电能质量参数等的参考范围等，其中，电能质量参数包括：电压偏差、频率、三相不平衡和谐波；以及当用能设备出现异常时，电力专家对常见异常现象的分析及可以采用的处理方法的参考意见等。

(二)设备参数库

设备参数库包括：设备基本参数库和设备运行参数库，其中，所述设备基本参数库用于存储各种用能设备的正常使用参数，包括出厂日期信息、额定功率信息、最佳功耗信息、最佳电压电流阈值信息、最佳温度区间信息中的一种或几种，所述设备运行参数库用于保存所述设备运行参数实时采集装置上传的用能设备的各种运行参数。其中，通过设备运行参数库，服务器能够实时对用能设备的运行参数进行监控；而设备基本参数库的作用为：一方面，当用能设备发生异常时，通过查找设备基本参数库，可以快速定位异常设备的位置；另一方面，当用能设备实时运行参数超过设备基本参数库中存储的正常运行范围时，可以及时进行报警。

在具体实现上，设备运行参数库中存储的信息可以通过以下方法直接读取到，而不需要用户手动输入：即：在用能设备上固定安装有RFID芯片，该RFID芯片预先存储该用能设备的正常使用参数，然后服务器直接读取该RFID芯片，从而直接将读取到的RFID芯片中存储的内容存储到设备运行参数库中。

(三)数据挖掘算法模块

数据挖掘算法模块用于对服务器中存储的各类信息进行直接数据挖掘和/或间接数据挖掘。

数据挖掘，在人工智能领域，习惯上又称为数据库中的知识发现，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：数据准备、数据挖掘、结果表达和解释。数据挖掘可以与用户或知识库交互。

数据挖掘过程中所使用的分析方法包括：(一)直接数据挖掘。直接数据挖掘目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量进行描述，这种特定的变量可以理解成数据库中表的属性，即列。直接数据挖掘的分析方法通常包括：对数据进行分类、估值、预测。(二)间接数据挖掘。间接数据挖掘目标中没有选出某一具体的变量用模型进行描述；而是在所有的变量中建立起某种关系。其中，间接数据挖掘的分析方法通常包括：数据相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘，这种复杂数据指文本数据、网页数据、图形图像数据、视频数据和音频数据等。

(四)人工智能分析引擎模块

人工智能分析引擎模块根据预存的各种规则、模型以及所述数据挖掘算法模块对数据的挖掘结果进行智能分析，得出能效评估报告结果。

人工智能分析引擎模块为一个抽象的数据模型，根据重要的电力参数进行单一变量直接数据挖掘或者对多个变量进行描述，在多种变量中建立起某种关系，实时的分析出异常的原因。也可以针对一些连续的变量根据阈值分类，运用估值，对各个设备或者企业的能效进行估值评分，并可以通过关联算法的各种规则预测能效优化的可行性。

人工智能分析引擎模块包括：能效智能测评模型和能效智能测评算法两部分，下面对这两部分分别介绍：

(一)能效智能测评模型

能效智能测评模型：EEIE＝{P，T，G，C，I(P，T)，O(P，T)，SP，EP，M(P)，∑}。

其中，P＝{P1，P2，…，Pn}是模糊库中的有限非空集合，用于代表企业的基本电能信息。

T＝{T1，T2，…，Tm}是模糊变迁的有限非空集合，用于代表企业的负载，能耗设备，加工单元或电能消耗过程中的逻辑控制与消息传递等行为动作。

G＝{G1，G2，…，Gk}是有限的非空门集，它与变迁的控制相联系，可用于代表电能.

传输电网中的输变电环节，并可以控制输入输出的电能参数，反映用电过程的并发，异步等逻辑行为。

I(P，T)是PxT上一个带表示的模糊关系，表示模糊库到模糊变迁的连接情况。对

定义从Pi到Tj的连接线上的额定输入量为λi，j，连接的强度为ωi，j以及相应的输入强度计算函数为I(Pi，Tj).在电能的消耗过程中，改模糊关系用于表示电流的流向和使用的相关参数，而函数I(Pi，Tj)和ωi，j可以根据具体情况采用不同的定义方式。例如：当连接强度ωi，j表示“电能传输的最大负载”一类物理意义时，计算机将自动令I(Pi，Tj)＝min{λi，j，ωi，j}，当连接强度ωi，j表示“电能传输损耗率”之类含义时，计算机将自动用I(Pi，Tj)＝λi，j*ωi，j表示电能传输过程中的损耗量。

O(P，T)是T*P上的一个带标志的模糊关系，表示模糊变迁到模糊库的连接情况，对

定义从Pi到Tj的连接线上的额定输入量为λi，j，连接的强度为ωi，j，以及相应的输出强度计算函数O(Pi，Tj).在电能智能测评模型中，函数O(Pi，Tj)的定义，同I(Pi，Tj)的定义有一些类似。

是始模糊库所集，也是EEIE网络的开始结点。

为终止模糊库所集合，也是EEIE网络的结束结点。他们分别代表了电能消耗过程中的总进线和终端负载的位置：

M(P)是定义在P上的一个取值于[0，∞)中实数的函数，表示库所在运行开始时的初始标记状态位置，可用于代表总变电所的电能分配。

∑＝(E，Q，Δ，∏)是附加信息的一个集合，其中E为外部事件集合；Q为外部运算控制集合。比如：Q是一个系统智能辨别算法，经过该算法可以识别出整个电路在电能使用过程中某个负载的数学模型，由该数学模型可以计算出在特定的时间，特定量输入的情况下。该设备的能耗情况和输出产品量：Δ为支持负载设备正常运行的外部工具集合。∏为保证此负载正常工作的人员信息的集合。

(二)能效智能测评算法

(1)运行开始：

一个EEIE网络被初始化后，当且仅当

被标识。

(2)变迁使能活激发

A、模糊变迁的使能

一个模糊变迁Tj在t时刻称作使能，当且仅当：为Tj的输入对象的集合)，如果Tj是离散型的，则需要M(Pi)＞I(Pi，Tj)：如果Tj是连续型的，则需要M(t)＞0；对于有时限的与模糊库所Pi相联系的时限到时，即Pi内的未预定令牌有效令牌是：∫f≮τj；

B、一个模糊变迁Tj被激活，当且仅当Tj使能并且同时满足下列条件之一是触发：Tj引发的时延到时或Tj的最大激发速度Vj＞0；与Tj相关的时间ej发生。

(3)模糊库的更新规则

EEIE的运行由量变和质量混合交叉而成。在整个电能使用过程中的量变由模糊库所标示的变化来反映，而因为物理，化学引起的质变，则由模糊变迁的外部运算控制数学来体现，随着模糊变迁的激发，EEIE随时间的偏移发生量变和质变，此时各模糊库中的标识数目也发生变化。模糊库同步更新的规则如下：

A、当模糊变迁Tj为离散型的

当Tj在t+dn激发后：

$M(t+\mathrm{dt})=\{\mathrm{Mi}\left(t\right)-I(\mathrm{Pi},\mathrm{Tj}),\∀\mathrm{Pi}\∈\mathrm{IOPj}$

$\mathrm{Mi}\left(t\right)+O(\mathrm{Pi},\mathrm{Tj}),\∀\mathrm{Pj}\∈\mathrm{OOPj}$

B、当模糊变迁Tj为连续的

在时刻t-＞t+dt里，Pi的标识变化：

$M(t+\mathrm{dt})=\{M\left(t\right)-\mathrm{Vj}*I(\mathrm{Pi},\mathrm{Tj})*\mathrm{dt},\∀\mathrm{Pi}\∈\mathrm{IOPj}$

$M\left(t\right)+\mathrm{Vj}*O(\mathrm{Pi},\mathrm{Tj})*\mathrm{dt},\∀\mathrm{Pi}\∈\mathrm{OOPj}$

可以看出，一个连续型模糊变迁的激发不能改变离散型模糊库中的标识，智能读取离散型模糊库中的内容，这使得连续的行为能被离散的把标识所改变。

下面介绍两例人工智能分析引擎模块在实际应用中的工作原理：例一：企业费效比测评：向服务器输入用能设备各时段的电费基数，设置相应设备的依赖度，对某一时间段(大于24小时)内各设备的用电量以及用电时间进行自动统计分析，得出当前值，根据电费最小化原则计算得到一个参考值，比较用能设备的当前值和参考值，计算得出合理用电的建议。企业可以根据该建议更合理的安排生产，降低企业的费效比。例二：企业功率因素测评：用能设备运行前输入该设备的基本参数信息，例如：正常功率值、，阈值等，然后自动采集各设备的有功功率，无功功率等数据，对实时的数据进行监测，当功率因素超过阈值时及时的以短信等方式进行报警。运行一段时间后系统根据统计的有功功率值，无功功率值以及结合设备的基础信息计算得出一个提高企业功率因素的方案，例如对相关设备进行有效的无功补偿的方案等。

进一步的，如图4所示，为人工智能分析引擎模块分析得出的能效评估报告的结构示意图，包括：用能分析信息、人工智能分析信息以及经济运行建议信息三部分。

其中，用能分析信息是通过以下方法获得的：能效人工智能分析引擎根据所述设备运行参数库中存储的信息直接分析该用能设备的能效利用率；所述用能分析信息包括用电负荷率信息、变电率信息、力率信息、网损信息和电能质量信息中的一种或几种。

人工智能分析信息包括指标匹配信息、效能评分信息、超限报警信息和综合评估信息中的一种或几种。具体的，人工智能分析对数据进行深度匹配、挖掘、预测，并结合设备参数，对当前用能设备打分，当偏差到达一定程度时进行报警，以及，综合各个参数和设备运行情况进行综合的评估。

经济运行建议信息包括瓶颈分析信息、设备管理信息、工艺优化信息、设备更新信息和负载优化信息中的一种或几种。具体的，经济运行建议对评测的结果进行专家库智能匹配，对瓶颈进行分析，并提出相关的改进措施，比如优化企业的负载，调整设备的合理使用、工艺的优化等。

(五)能效评估报告模块

能效评估报告模块用于显示所述人工智能分析引擎模块分析得到的能效评估报告。

如图5所示，为一种应用本发明提供的能效人工智能分析系统进行能效人工智能分析的流程图，具体包括以下步骤：

(1)数据信息主要包括：安装在各个用能设备的RFID里存储的设备基本参数、RFID里存储的用户配置参数以及实时采集到的各用能设备的运行参数。

(2)数据获取：具体获取方式包括：通过RFID读卡器、用户输入或者设备运行参数实时采集装置实时采集。

(3)数据去噪：对步骤(2)获得的数据进行筛选，去除干扰值。

(4)数据预处理：从步骤(3)中的数据中根据实际使用需要提取所需要的参数，并对其进行归类。

(5)数据模式分析：根据总体的功率因素电量和费效比等因素进行一个初步的评分。

(6)数据规则挖掘和数据规则分类：对功率因素、电容、不平衡率、负荷率、变电率和网损结合实际的参数进行分析计算。

(7)通过设备基本参数匹配分析出设备的运行状况。

(8)通过专家库匹配结合当前设备的运行参数查找相关的优化方案，给出相应的目标值。

(9)预警决策是对超过阈值的参数进行短信，声光等多种形式的预警。

(10)最后综合以上的分析和匹配结果形成一份提高能效的解决方案。规则库更新是不断对数据挖掘规则库和专家库等进行扩充。

可见，本发明提供的能效人工智能分析系统具有能效数据的采集、传输、存储、人工智能分析以及生成评估报告等多种功能，具有配置灵活、使用简单、分析结果更准确客观等优点。而且，在能效人工智能分析过程中，综合了数据挖掘技术和人工智能技术，结合能效专家的专家资料库进行推理和判断，模拟人类能效专家的决策过程，对各个企事业、建筑、公共设施等的能效质量和用能习惯进行分析、评估，最后给出的专业的评估报告和改进方案更准确，从而更有利于用户根据评估结果提高用能设备的利用效率，达到节约能源的目的。

以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (8)

1.一种能效人工智能分析系统，其特征在于，包括：分布式网络、服务器和多个设备运行参数实时采集装置；其中，所述设备运行参数实时采集装置用于实时采集用能设备的各种运行参数，并将采集到的运行参数通过所述分布式网络上传给所述服务器；所述服务器保存接收到的用能设备的各种运行参数，对所述运行参数进行人工智能分析，然后向终端用户显示能效评估报告。

2.根据权利要求1所述的能效人工智能分析系统，其特征在于，所述设备运行参数实时采集装置包括智能电表、温度传感器、湿度传感器和GPS设备中的一种或几种；其中，所述智能电表用于实时采集用电设备的电压信息、电流信息、功率信息和畸变信息中的一种或几种。

3.根据权利要求1所述的能效人工智能分析系统，其特征在于，所述服务器包括：专家意见库、设备参数库、数据挖掘算法模块、人工智能分析引擎模块和能效评估报告模块；其中，所述专家意见库为开放性模块化的资料库，用于存储能效专家对各种用能设备能效的参考意见；所述设备参数库包括：设备基本参数库和设备运行参数库，其中，所述设备基本参数库用于存储各种用能设备的正常使用参数，包括出厂日期信息、额定功率信息、最佳功耗信息、最佳电压电流阈值信息、最佳温度区间信息中的一种或几种；所述设备运行参数库用于保存所述设备运行参数实时采集装置上传的用能设备的各种运行参数；所述数据挖掘算法模块用于对所述服务器中存储的各类信息进行直接数据挖掘和/或间接数据挖掘；所述人工智能分析引擎模块根据预存的各种规则、模型以及所述数据挖掘算法模块对数据的挖掘结果进行人工智能分析，得出能效评估报告结果；所述能效评估报告模块用于显示所述人工智能分析引擎模块分析得到的能效评估报告。

4.根据权利要求3所述的能效人工智能分析系统，其特征在于，还包括：RFID芯片，所述RFID芯片固定在所述用能设备上，并预先存储所述用能设备的正常使用参数，然后被直接读取到所述服务器中的设备基本参数库中。

5.根据权利要求3所述的能效人工智能分析系统，其特征在于，所述能效人工智能分析引擎分析得到的能效评估报告包括：用能分析信息、智能评测信息以及经济运行建议信息三部分。

6.根据权利要求5所述的能效人工智能分析系统，其特征在于，所述用能分析信息是通过以下方法获得的：所述人工智能分析引擎模块根据所述设备运行参数库中存储的信息直接分析该用能设备的能效利用率；所述用能分析信息包括用电负荷率信息、变电率信息、力率信息、网损信息和电能质量信息中的一种或几种。

7.根据权利要求5所述的能效人工智能分析系统，其特征在于，所述智能评测信息包括指标匹配信息、效能评分信息、超限报警信息和综合评估信息中的一种或几种。

8.根据权利要求5所述的能效人工智能分析系统，其特征在于，所述经济运行建议信息包括瓶颈分析信息、设备管理信息、工艺优化信息、设备更新信息和负载优化信息中的一种或几种。

Images