CN102663232B - 一种面向用户能效评估的多维仿真分析系统及其方法 - Google Patents
一种面向用户能效评估的多维仿真分析系统及其方法 Download PDFInfo
- Publication number
- CN102663232B CN102663232B CN201210064407.1A CN201210064407A CN102663232B CN 102663232 B CN102663232 B CN 102663232B CN 201210064407 A CN201210064407 A CN 201210064407A CN 102663232 B CN102663232 B CN 102663232B
- Authority
- CN
- China
- Prior art keywords
- data
- efficiency
- analysis
- user
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明涉及一种面向用户能效评估的多维仿真分析系统，所述系统设置于各个能源用户处，用于对用户的能效数据进行多维仿真分析，实现对用户能效的评估分析和经济化管理，本发明的主要技术为人工学习推理、数据挖掘和模糊Petri网仿真技术，包括数据接口模块、数据粗糙处理模块、能效分析模型管理模块和能效多维仿真分析模块，所述数据接口模块与所述数据粗糙处理模块通信链接，所述数据粗糙处理模块与所述能效分析模型管理模块和所述能效多维仿真分析模块通信链接。本发明极大提高了能效分析和评估结果的准确性，适用于各类能耗用户、能耗类型和行业领域。
Description
技术领域
本发明涉及一种多维仿真分析系统，更具体的说涉及一种面向用户能效评估的多维仿真分析系统。
背景技术
随着全球能源消耗的增加，温室气体排放开始日渐威胁到全球环境安全与气候安全，限制碳排放、减缓温室气体排放导致的环境气候恶化已经成为重要程度超越缓解全球能源供求危机的世界性话题。
我国经济快速增长，各项建设取得巨大成就，但也造成了巨大的资源浪费和环境破坏，这两者之间的矛盾日趋尖锐，群众对环境污染问题反应强烈。这种状况与经济结构不合理、增长方式粗放直接相关。不加快调整经济结构、转变增长方式，将会导致资源支撑不住，环境容纳不下，社会承受不起，经济发展难以为继。只有坚持节约发展、清洁发展、安全发展，才能实现经济又好又快发展。同时，温室气体排放引起全球气候变暖，备受国际社会广泛关注。进一步加强节能减排工作，也是应对全球气候变化的迫切需要。
作为处于世界能耗总量前列的我国减排的压力异常巨大，因为在我国60%以上的电力是依靠燃烧煤炭发电的火力发电，我们国内的每一度电的60%都是以排放温室气体恶化环境、恶化气候为代价的。
目前，我国对企业、商业、建筑、家庭等能源用户的能效已经有了基本的监控，但对能耗数据的高级应用、挖掘和评估基本没有或者较少，分项能耗的计量更加缺少，带有人为主观因素的能耗拆分数据不可靠，无法有效的发现用能问题，造成决策偏差。对于能耗数据的处理，也缺乏基础数据平台，缺乏有效的分析手段，已有的一些分析手段也只能针对个别设备、企业或者生产线，缺少能够直接面对各类用户的能效经济化管理和分析评估的方法，各种节能措施的实际效果无法得到客观的反映和评价，缺乏评估手段。
面向中小型企业的常用设备，如：锅炉蒸汽系统、水泵、风机和空气压缩机等电机系统、照明系统、空调系统，建立了一些相应的效率计算和节能分析模型，但各个算法、模型和系统之间缺乏关联性、缺少通用型，导致应用面较窄，使用复杂，专业要求性高，且无法支持整个企业、用户或多种行业的综合能效分析和评估，无法对今后能效标准的制定及基准性数据的获取起到支撑作用。
发明内容
本发明所要解决的技术问题是，克服现有技术的缺点，提供一种极大提高了能效分析和评估结果的准确性，适用于各类能耗用户、能耗类型和行业领域的面向用户能效评估的多维仿真分析系统。
同时，本发明还提供一种面向用户能效评估的多维仿真分析方法。
为了解决其技术问题，本发明采用的技术方案是：
一种面向用户能效评估的多维仿真分析系统，其特征在于，所述系统设置于各个能源用户处，包括数据接口模块、数据粗糙处理模块、能效分析模型管理模块和能效多维仿真分析模块，所述数据接口模块与所述数据粗糙处理模块通信链接，所述数据粗糙处理模块与所述能效分析模型管理模块和所述能效多维仿真分析模块通信链接，其中：
所述能效分析模型管理模块包括：
能效模型管理单元：用于面向各类能源用户和能耗方式，管理和扩展各类能效模型；
能效模型优化单元：建立能效数据分析的模型库，针对能效数据类型的不同，确立计算所采用的应用模型，利用人工神经网络的原理，采用人工学习推理步骤技术，对选择的应用模型的各项参数和系数进行调整优化；
所述能效多维仿真分析模块包括：
多维分析单元：用于通过对时域、空域、功能域三维数据的分析，对能效数据进行横向及纵向的分析评估；
数据挖掘单元：用于通过数据挖掘的方法，对大量能效数据进行评估、分类和并联规则挖掘；
仿真分析单元：用于利用仿真技术，对用户的能耗过程进行仿真分析和评估；
分析插件管理单元：用于管理和扩展各类型能效仿真算法插件和分析方法插件。
对本发明技术方案的进一步限定为，所述能效数据粗糙处理模块包括：
信息完备性处理单元：用于利用组合填入法补充缺失的数据；
数据离散化处理单元：用于利用等频离散法对数据进行处理，使得数据符合计算的需要；
属性约简处理单元：用于利用直接删除法去除冗余的信息。
进一步的，所述数据挖掘单元包括：
估计原子，用于对能效的数据根据预先设定的阈值和基准性数据进行基本估算；
分类原子，用于从能效数据中选出已经分好类的训练集，根据估计的结果对能效数据进行再次分类，在该训练集上运用数据挖掘分类的技术；
关联规则挖掘原子，用于通过简单关联、时序关联、因果关联等这些关联方式，对估计、分类、以及粗糙处理后的数据，通过关联规则挖掘算法进行能效数据的深层次挖掘和分析。
进一步的，所述并联规则挖掘算法还包括Apriori算法、基于划分的算法和FP－树频集算法。
进一步的，所述仿真分析单元使用的仿真技术为Petri网仿真技术。
一种面向用户能效评估的多维仿真分析方法，包括如下步骤：
（1）、系统通过数据接口模块获得用户的能效数据；
（2）、数据粗糙处理模块对数据进行处理，得到可用于进一步分析评估的用户能效数据；
（3）、利用步骤（2）中得到的用户能效数据，结合用户的种类、能源的类型、行业类别等特征，从能效模型管理单元中提取适合于本次分析的能效模型；
（4）、基于步骤（3）中选用的能效模型，多维分析单元对步骤（2）中得到的用户能效数据进行分析，实现时间域、空间域和功能域的多维尺度的能效评估；
（5）、数据挖掘单元通过数据挖掘的方法，对步骤（2）中得到的用户能效数据进行估计、分类和关联规则挖掘，评估用户能效是否超过了基准性数据，识别超标环节或生产步骤；
（6）、利用仿真技术，对用户的能耗过程进行数字化和图形化仿真分析和建模，结合步骤（4）和步骤（5）的分析结果，对耗能环节、超标环节或生产步骤、设备进行识别和发现，通过Petri网仿真建模，有效模拟仿真耗能过程，指导节能手段和方法的实施，并对节能方法的实施结果进行仿真估算、分析和比较。
对本发明技术方案的进一步限定为，还包括人工学习推理步骤，对分析评估的结果进行学习，把计算出的结果与实际观测的结果进行对比，如果误差在非常小的范围内，说明计算结果是优秀的；如果误差比较大，说明计算结果比较差；系统把计算比较好的过程与计算比较差的过程都存于数据库中，提供给能效模型优化单元使用。
进一步的，步骤（2）中数据粗糙处理步骤分为：
信息完备性处理步骤：利用组合填入法，按照一定的原理或规则，对现有的信息进行有效的综合，填充数据中缺失的部分；
数据离散化处理步骤，利用粗糙集算法和等频离散法，将某个区间的值对应于某个值；
属性约简处理步骤，通过直接删除法，取出系统认为冗余的数据。
进一步的，步骤（5）中所述的关联规则挖掘算法包括Apriori算法、基于划分的算法、FP-树频集算法。
进一步的，步骤（6）中所述的Petri网仿真建模的模型包括库所、变迁方形节点、有向弧和令牌；
仿真模型的状态分为：当前状态、可达状态和不可达状态；
仿真模型的规则为：能耗转化有方向；两个输入能耗或能耗活动之间不允许有能耗转化；输入能耗可以拥有任意数量的能耗设备单元。
本发明的有益效果是：本发明所述的面向用户能效评估的多维仿真分析系统及其方法，利用数据挖掘技术、多维分析技术和先进的计算机仿真技术相结合，建立了能效模型库，把能效数据和生产数据、运行参数相结合，并对数据分类、离散化处理，采用数据挖掘技术、多维分析技术，并引进人工智能原理进行学习和推理，使得计算方法模型不断优化，对用户能效进行较为准确的评估和分析，并结合先进的计算机仿真技术，对用户的耗能过程进行较为精确的模拟和分析，极大提高了能效分析和评估结果的准确性，对于节能方法的实行和结果的仿真估算有着极其重要的指导意义，且模型库的建立和多维仿真分析方法的应用使得这种方法在各类能耗用户、能耗类型、行业领域内都可以使用，摆脱了以往一种分析方法只能在特定行业特定企业特定条件下使用的缺陷，具有相当高的推广价值。
附图说明
图1为本发明系统的结构示意图；
图2为本发明方法的流程图；
图3为Petri网简单能耗过程模型。
具体实施方式
实施例1
一种面向用户能效经济化管理的多维仿真分析系统，所述系统的应用结构图如图1所示，所述系统设置于各个能源用户处，用于对用户的能效数据进行多维仿真分析，实现对用户能效的评估分析和经济化管理，本发明的主要技术为人工神经网络、数据挖掘和Petri网仿真技术。本系统用户能效分析对象包含：工业企业，如原材料工业、加工工业和制造类轻工业等；商业用户，建筑及楼宇，家庭用户等。
所述系统包括数据接口模块、数据粗糙处理模块、能效分析模型管理模块和能效多维仿真分析模块，所述数据接口模块与所述数据粗糙处理模块通信链接，所述数据粗糙处理模块与所述能效分析模型管理模块和所述能效多维仿真分析模块通信链接。
其中：
所述能效数据粗糙处理模块包括：
信息完备性处理单元：用于利用组合填入法补充缺失的数据。
数据离散化处理单元：用于利用等频离散法对数据进行处理，使得数据符合计算的需要。
属性约简处理单元：用于利用直接删除法去除冗余的信息。
所述能效分析模型管理模块包括：
能效模型管理单元：用于面向各类能源用户和能耗方式，管理和扩展各类能效模型。
能效模型优化单元：建立能效数据分析的模型库，针对能效数据类型的不同，确立计算所采用的应用模型，并对选择的应用模型的各项参数和系数进行调整优化。利用人工神经网络原理，采用人工学习推理技术，即把历次能效分析评估的过程纳入数据库，供后续的计算使用。
所述能效多维仿真分析模块包括：
多维分析单元：用于通过对时域、空域、功能域三维数据的分析，对能效数据进行横向及纵向的分析评估；其中，横向指产品间、企业间、用户间和部件间等；纵向指产品线内、用户内、特定批次内等。
数据挖掘单元：用于通过数据挖掘的方法，对大量能效数据进行评估、分类和并联规则挖掘。
所述数据挖掘单元包括：估计原子，用于对能效的数据根据预先设定的阈值和基准性数据进行基本估算。
例如：
工序A能耗系数P1=企业1工序A能耗值/国内行业企业工序A标杆能耗值；
工序A能耗系数P2=企业2工序A能耗值/国内行业企业工序A标杆能耗值；
对P1，P2，多个企业或同企业不同生产线同种工序的能效数据进行比较，确定中间值，对于大于中间值和小于中间值的数据分为非正常能耗，高能耗数据，对于接近1的数据为正常能耗数据，通过估计分类再进行进一步的数据挖掘和分析。
分类原子，用于从能效数据中选出已经分好类的训练集，以及根据估计的结果对能效数据进行分类，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。例如采用同种工序的能效数据，生产同类型产品的能效数据，采用同种供能方式的能效数据等等。
关联规则挖掘原子，用于通过简单关联、时序关联、因果关联等这些关联方式，对估计、分类、以及粗糙处理后的数据，通过关联规则挖掘算法进行能效数据的深层次挖掘和分析。其中，
简单关联：通过同等能耗设备、能耗单元、生产产品之间的横向比较，简单发现能耗缺陷数据，指导能效分析；
时序关联：通过小时、日、周、月进行多批次数据的纵向比较，可以发现供能环节上的能耗缺陷，例如：固定时间段上的电能谐波问题；
因果关联：对于生产环节、工序、使用设备等客观条件进行分析，和输出产品进行因果关联，可以有效发现高能耗数据和低能耗数据在客观条件上的区别，从而分析出高能耗的客观原因。
仿真分析单元：用于利用仿真技术，本发明采用的是Petri网仿真技术，对用户的能耗过程进行仿真分析和评估；Petri网仿真技术是一种用于算法开发、数据可视化、数据分析以及数据计算的高级技术计算语言和互交式环境。
分析插件管理单元：用于管理和扩展各类型能效仿真算法插件和分析方法插件。
本实施例还提供一种面向用户能效经济化管理的多维仿真分析方法，所述方法的流程图如图2所示，具体步骤为：
（1）、系统通过数据接口获得用户的能效数据，所述能效数据包括能耗数据、产量数据、运行记录等。
（2）、数据粗糙处理模块对数据进行处理，得到可用于进一步分析评估的用户能效数据。
所述数据粗糙处理步骤分为：
信息完备性处理步骤：利用组合填入法，按照一定的原理或规则，如数据的连续性，对现有的信息进行有效的综合，填充数据中缺失的部分；
数据离散化处理步骤，利用粗糙集算法和等频离散法，将某个区间的值对应于某个值；
属性约简处理步骤，通过直接删除法，取出系统认为冗余的数据。
（3）、利用步骤（2）中得到的用户能效数据，结合用户的种类、能源的类型、行业类别等特征，从能效模型管理单元中提取适合于本次分析的能效模型。
（4）、基于步骤（3）中选用的能效模型，多维分析单元对步骤（2）中得到的用户能效数据进行分析，实现时间域、空间域和功能域的多维尺度的能效评估。
各尺度定义如下：
时间域尺度定义为用户可选择的评估时窗长度，如小时、天、周、月和年度；空间域尺度定义为用户可选择的物理空间，如某设备、生产装置、生产线、某企业、某用户等；功能域尺度定义为按用户选择的功能，如某产品、某特定批次等。
多维度的能效数据评估包括横向数据，如产品间、企业间、用户间、部件间等；纵向数据，如产品线内、用户内、特定批次内等。
（5）、数据挖掘单元通过数据挖掘的方法，对步骤（2）中得到的用户能效数据进行估计、分类和关联规则挖掘，评估用户能效是否超过了基准性数据，识别超标环节或生产步骤。适用的关联规则挖掘算法有Apriori算法，基于划分的散发，FP-树频集算法等。
（6）、利用仿真技术，对用户的能耗过程进行数字化和图形化仿真分析和建模，结合步骤（4）和步骤（5）的分析结果，对耗能环节、超标环节或生产步骤、设备进行识别和发现，通过Petri网仿真建模，有效模拟仿真耗能过程，指导节能手段和方法的实施，并对节能方法的实施结果进行仿真估算、分析和比较。
所述的Petri网简单能耗过程模型如图3所示，其中：
Petri网能耗过程模型的元素：
库所（Place）：表示输入的能耗，原材料及消耗的能源，如：电能、油、燃气等；
变迁（Transition）方形节点：表示具体的能耗活动、生产过程等；
有向弧（Arc）是库所和变迁之间的有向弧：能耗转化的方向；
令牌（Token）：表示代表具体的能耗设备、生产单元等。
每一个仿真生产流程（Flow）有当前状态，可达状态，不可达状态。
Petri网能耗过程模型的规则是：能耗转化有方向；两个输入能耗或能耗活动之间不允许有能耗转化；输入能耗可以拥有任意数量的能耗设备和单元。
（7）、人工学习推理步骤，对分析评估的结果进行学习，把计算出的结果与实际观测的结果进行对比，如果误差在非常小的范围内，说明计算结果是优秀的；如果误差比较大，说明计算结果比较差；系统把计算比较好的过程与计算比较差的过程都存于数据库中，提供给能效模型优化单元使用。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (10)
1.一种面向用户能效评估的多维仿真分析系统，其特征在于，所述系统设置于各个能源用户处，包括数据接口模块、数据粗糙处理模块、能效分析模型管理模块和能效多维仿真分析模块，所述数据接口模块与所述数据粗糙处理模块通信链接，所述数据粗糙处理模块与所述能效分析模型管理模块和所述能效多维仿真分析模块通信链接，其中：所述能效分析模型管理模块包括：
能效模型管理单元：用于面向各类能源用户和能耗方式，管理和扩展各类能效模型；
能效模型优化单元：建立能效数据分析的模型库，针对能效数据类型的不同，确立计算所采用的应用模型，利用人工神经网络的原理，采用人工学习推理步骤技术，对选择的应用模型的各项参数和系数进行调整优化；
所述能效多维仿真分析模块包括：
多维分析单元：用于通过对时域、空域、功能域三维数据的分析，对能效数据进行横向及纵向的分析评估；
数据挖掘单元：用于通过数据挖掘的方法，对能效数据进行评估、分类和并联规则挖掘；
仿真分析单元：用于利用仿真技术，对用户的能耗过程进行仿真分析和评估；
分析插件管理单元：用于管理和扩展各类型能效仿真算法插件和分析方法插件。
2.根据权利要求1所述的一种面向用户能效评估的多维仿真分析系统，其特征在于，所述能效数据粗糙处理模块包括：
信息完备性处理单元：用于利用组合填入法补充缺失的数据；
数据离散化处理单元：用于利用等频离散法对数据进行处理，使得数据符合计算的需要；
属性约简处理单元：用于利用直接删除法去除冗余的信息。
3.根据权利要求1所述的一种面向用户能效评估的多维仿真分析系统，其特征在于，所述数据挖掘单元包括：
估计原子，用于对能效的数据根据预先设定的阈值和基准性数据进行基本估算；
分类原子，用于从能效数据中选出已经分好类的训练集，根据估计的结果对能效数据
进行再次分类，在该训练集上运用数据挖掘分类的技术；
关联规则挖掘原子，用于通过简单关联、时序关联、因果关联等三种关联方式，对估计、分类、以及粗糙处理后的数据，通过关联规则挖掘算法进行能效数据的深层次挖掘和分析。
4.根据权利要求3所述的一种面向用户能效评估的多维仿真分析系统，其特征在于，并联规则挖掘算法还包括Apriori算法、基于划分的算法和FP－树频集算法。
5.根据权利要求1所述的一种面向用户能效评估的多维仿真分析系统，其特征在于，所述仿真分析单元使用的仿真技术为Petri网仿真技术。
6.一种面向用户能效评估的多维仿真分析方法，其特征在于，包括如下步骤：
（1）、系统通过数据接口模块获得用户的能效数据；
（2）、数据粗糙处理模块对数据进行处理，得到可用于进一步分析评估的用户能效数据；
（3）、利用步骤（2）中得到的用户能效数据，结合用户的种类、能源的类型、行业类别等三种特征，从能效模型管理单元中提取适合于本次分析的能效模型；
（4）、基于步骤（3）中选用的能效模型，多维分析单元对步骤（2）中得到的用户能效数据进行分析，实现时间域、空间域和功能域的多维尺度的能效评估；
（5）、数据挖掘单元通过数据挖掘的方法，对步骤（2）中得到的用户能效数据进行估计、分类和关联规则挖掘，评估用户能效是否超过了基准性数据，识别超标环节或生产步骤；
（6）、利用仿真技术，对用户的能耗过程进行数字化和图形化仿真分析和建模，结合步骤（4）和步骤（5）的分析结果，对耗能环节、超标环节或生产步骤、设备进行识别和发现，通过Petri网仿真建模，有效模拟仿真耗能过程，指导节能手段和方法的实施，并对节能方法的实施结果进行仿真估算、分析和比较。
7.根据权利要求6所述的一种面向用户能效评估的多维仿真分析方法，其特征在于，还包括人工学习推理步骤，对分析评估的结果进行学习，把计算出的结果与实际观测的结果进行对比，如果误差小，说明计算结果是优秀的；如果误差大，说明计算结果比较差；系统把计算比较好的过程与计算比较差的过程都存于数据库中，提供给能效模型优化单元使用。
8.根据权利要求6所述的一种面向用户能效评估的多维仿真分析方法，其特征在于，步骤（2）中数据粗糙处理步骤分为：信息完备性处理步骤：利用组合填入法，按照对应的原理或规则，对现有的信息进行有效的综合，填充数据中缺失的部分；数据离散化处理步骤，利用粗糙集算法和等频离散法，将某个区间的值对应于某个值；属性约简处理步骤，通过直接删除法，取出系统认为冗余的数据。
9.根据权利要求6所述的一种面向用户能效评估的多维仿真分析方法，其特征在于，步骤（5）中所述的关联规则挖掘算法包括Apriori算法、基于划分的算法、FP-树频集算法。
10.根据权利要求6所述的一种面向用户能效评估的多维仿真分析方法，其特征在于，步骤（6）中所述的Petri网仿真建模的模型包括库所、变迁方形节点、有向弧和令牌；仿真模型的状态分为：当前状态、可达状态和不可达状态；仿真模型的规则为：能耗转化有方向；两个输入能耗或能耗活动之间不允许有能耗转化；输入能耗可以拥有任意数量的能耗设备单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210064407.1A CN102663232B (zh) | 2012-03-13 | 2012-03-13 | 一种面向用户能效评估的多维仿真分析系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210064407.1A CN102663232B (zh) | 2012-03-13 | 2012-03-13 | 一种面向用户能效评估的多维仿真分析系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102663232A CN102663232A (zh) | 2012-09-12 |
| CN102663232B true CN102663232B (zh) | 2016-03-23 |
Family
ID=46772723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210064407.1A Active CN102663232B (zh) | 2012-03-13 | 2012-03-13 | 一种面向用户能效评估的多维仿真分析系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102663232B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103676794A (zh) * | 2012-09-04 | 2014-03-26 | 上海杰之能信息科技有限公司 | 能耗监测方法及能耗监测系统 |
| CN104281880A (zh) * | 2013-07-05 | 2015-01-14 | 厦门市博维科技有限公司 | 能耗建模系统 |
| CN104281107A (zh) * | 2013-07-05 | 2015-01-14 | 厦门市博维科技有限公司 | 一种能耗监控应用系统 |
| CN104344852B (zh) * | 2013-08-05 | 2018-04-06 | 中国石油化工股份有限公司 | 锅炉供暖系统的节能诊断方法及节能诊断系统 |
| CN104182613B (zh) * | 2014-07-25 | 2017-03-08 | 中国人民解放军海军工程大学 | 基于粗糙集的petri网的船用电站故障诊断模型构建方法 |
| CN104299167A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种智能用能系统用户电力数据的用能分析方法 |
| CN106327078B (zh) * | 2016-08-23 | 2019-07-30 | 佛山市鼎兴科技有限公司 | 一种可模拟真实节点数据变化的能源管理实验系统、方法 |
| CN106404062A (zh) * | 2016-09-09 | 2017-02-15 | 上海理工大学 | 工业空压站运行能效实时监测与评估系统 |
| CN106597862B (zh) * | 2016-12-13 | 2019-06-11 | 山东建筑大学 | 基于关联规则挖掘的建筑能耗控制装置及方法 |
| CN109389412B (zh) * | 2017-08-02 | 2022-03-04 | 创新先进技术有限公司 | 一种训练模型的方法、装置、服务设备以及用户设备 |
| CN107831672A (zh) * | 2017-10-31 | 2018-03-23 | 上海电力学院 | 智慧能源系统可视化优化设计运行一体化装置及方法 |
| CN107919983B (zh) * | 2017-11-01 | 2020-07-10 | 中国科学院软件研究所 | 一种基于数据挖掘的天基信息网络效能评估系统及方法 |
| KR101896015B1 (ko) * | 2018-01-25 | 2018-09-06 | (주)베스트인포텍 | Ai형 원격 검침시스템 |
| CN108564136B (zh) * | 2018-05-02 | 2019-05-03 | 北京航空航天大学 | 一种基于模糊推理的空域运行态势评估分类方法 |
| CN108776436A (zh) * | 2018-06-05 | 2018-11-09 | 南京邮电大学 | 面向智慧家庭认知能源管理方法及系统 |
| CN109213033A (zh) * | 2018-08-23 | 2019-01-15 | 深圳供电局有限公司 | 一种楼宇智慧能源管理方法及系统 |
| CN109874197B (zh) * | 2018-11-02 | 2021-03-12 | 中国计量大学 | 基于场景自动识别的商务酒店客房照明控制方法 |
| CN109611815B (zh) * | 2018-12-28 | 2020-09-08 | 新奥数能科技有限公司 | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 |
| CN110429584A (zh) * | 2019-07-10 | 2019-11-08 | 唐山钢铁集团有限责任公司 | 一种采用Petri网建立电耗系统预测模型的方法 |
| CN111753470B (zh) * | 2020-06-30 | 2022-09-16 | 桂林电子科技大学 | 一种基于粗糙集和深度置信神经网络的建筑能耗预测方法 |
| CN112418637A (zh) * | 2020-11-18 | 2021-02-26 | 青岛理工大学 | 一种湖泊富营养化的水环境评价方法 |
| CN112926899B (zh) * | 2021-04-13 | 2022-01-28 | 山东国研自动化有限公司 | 能源管理系统的模型构建方法、系统及设备 |
| CN117114116A (zh) * | 2023-08-04 | 2023-11-24 | 北京杰成合力科技有限公司 | 一种基于机器学习的根因分析方法、介质和设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8401807B2 (en) * | 2009-04-17 | 2013-03-19 | Nec Europe Ltd. | Method and system for energy consumption monitoring in an ICT environment |
-
2012
- 2012-03-13 CN CN201210064407.1A patent/CN102663232B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 智能建筑综合能耗分析评估系统之管理平台设计与应用;陈迪泉;《中国建设信息》;20070228(第4期);第66-69页 * |
| 高能耗企业能效综合评估系统设计研究;胡小梅;《计算机工程与设计》;20090915;第30卷(第17期);第4081-4084页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102663232A (zh) | 2012-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102663232B (zh) | 一种面向用户能效评估的多维仿真分析系统及其方法 | |
| Vaghefi et al. | Modeling and forecasting of cooling and electricity load demand | |
| Xuemei et al. | Building cooling load forecasting model based on LS-SVM | |
| Yan et al. | The performance prediction of ground source heat pump system based on monitoring data and data mining technology | |
| Liu et al. | Load forecasting and operation strategy design for CCHP systems using forecasted loads | |
| CN103853106A (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
| Fan et al. | A graph mining-based methodology for discovering and visualizing high-level knowledge for building energy management | |
| Sangireddy et al. | Development of a surrogate model by extracting top characteristic feature vectors for building energy prediction | |
| CN104699890A (zh) | 一种城网配变重过载短期预警模型的建模方法 | |
| Ma et al. | Economic operation evaluation of active distribution network based on fuzzy Borda method | |
| Liu et al. | Optimization of intelligent heating ventilation air conditioning system in urban building based on BIM and artificial intelligence technology | |
| Sun et al. | Predicting and Analyzing CO 2 Emissions Based on an Improved Least Squares Support Vector Machine. | |
| Sapnken et al. | Modeling energy-efficient building loads using machine-learning algorithms for the design phase | |
| CN102426676B (zh) | 一种智能用电策略的特征提取方法 | |
| CN116542430B (zh) | 多维度水务碳排放量智能分析方法及系统 | |
| CN112365082A (zh) | 一种基于机器学习的公共能源消耗预测方法 | |
| CN112288170A (zh) | 基于大数据分析的电厂机组工况寻优分析方法 | |
| CN116796633A (zh) | 一种基于数字孪生技术的电网监测模型校正方法 | |
| Zhang et al. | Energy economy and energy structure optimization countermeasures based on big data mining | |
| Jiang et al. | A building energy consumption prediction method based on random forest and ARMA | |
| Moreno et al. | Exploiting IoT-based sensed data in smart buildings to model its energy consumption | |
| CN115759414A (zh) | 一种基于云原生技术的能源互联网系统及方法 | |
| Light | Energy usage profiling for green computing | |
| Song et al. | An undesirable-output-considered super-efficiency DEA model and its illustration in evaluation of thermoelectric enterprises | |
| Shankar et al. | Examining energy consumption in a higher educational institution-the role of smart analytics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 210012, 168 software Avenue, Yuhuatai District, Jiangsu, Nanjing Co-patentee after: Jiangsu Runhe Technology Investment Group Co., Ltd Patentee after: JIANGSU HOPERUN SOFTWARE Co.,Ltd. Address before: 210012, 168 software Avenue, Yuhuatai District, Jiangsu, Nanjing Co-patentee before: Jiangsu Runhe Technology Investment Co.,Ltd. Patentee before: JIANGSU HOPERUN SOFTWARE Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |