CN105139157A - 一种基于能源数据的企业管理方法和系统 - Google Patents

Abstract

本发明适用于能源计量领域，提供了一种基于能源数据的企业管理方法和系统，所述方法包括：确定待预估入住率的第一时间，读取对应待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；确认与入住率相关系数值超过预设阈值的目标能耗类型；将与待预估入住率的第一时间相邻的、已经发生的，且对应目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；根据影响浮动因子和对应待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率。本发明实施例基于历史能耗和入住率，分析得到未来的入住率，从而能够更高效的分配企业资源。

Description

一种基于能源数据的企业管理方法和系统

技术领域

本发明属于能源计量领域，尤其涉及一种基于能源数据的企业管理方法和系统。

背景技术

未来是个数据时代，大数据将在推动互联网与实体经济融合中起到重要作用。能源行业数据监测也将迎来了快速发展。

国内传统的能源计量采用手动抄表方式，该方法不准确、成本高；近年来也有远程抄表系统，但仅仅实现了能耗数据远传，无法对能耗数据进行图表展示、分析、统计和能耗预警等功能，不利于企业高效的信息化管理；自2012年开始，国内涌现了一批节能改造公司，开始向能源监测延伸，能源监测系统已经实现了基本的数据展示分析等，但通过能源数据分析预测企业经营数据国内还未见。

发明内容

本发明实施例的目的在于提供一种基于能源数据的企业管理方法，以解决现有技术中没有能够通过能源数据分析预测企业经营数据的问题。

本发明实施例是这样实现的，一种基于能源数据的企业管理方法，所述方法包括以下步骤：

确定待预估入住率的第一时间，读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成；

确认与入住率相关系数值超过预设阈值的目标能耗类型；

将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；

根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率。

优选的，所述能耗类型具体包括：

空调能耗、客房能耗、走道灯能耗、前台能耗、应急灯能耗中的一项或者多项。

优选的，对应所述各能耗类型配置有相应的电能采集器，所述电能采集器按照预定周期向服务器返回能耗数据，以便所述服务器存储各电能采集器的能耗数据。

优选的，所述关联时段历史能耗数据具体为：

所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据；和与所述第一目标能耗数据处于历史相同时间的第二目标能耗数据。

优选的，所述确认与入住率相关系数值超过预设阈值的目标能耗类型，其中，所述与入住率相关系数值的计算具体实现为：

用Y表示一天的入住率，X_i(i＝1,2,…,n)表示n种能耗类型的一天的能耗值，求每个X_i(i＝1,2,…,n)和Y之间的相关系数，具体通过以下公式实现：

$R_i=\frac{{\mathrm{\Σ}}_{j=1}^m(X_{ij}-\stackrel{\‾}{X_i})(Y_j-\stackrel{\‾}{Y})}{\sqrt{{\mathrm{\Σ}}_{j=1}^m{(X_{ij}-\stackrel{\‾}{X_i})}^2{\mathrm{\Σ}}_{k=1}^m{(Y_k-\stackrel{\‾}{Y})}^2}}$

其中，R_i为第i种能耗类型与入住率Y的相关系数，X_ij为X_i的在第j天的能耗值，Y_j为变量Y的第j天的入住率；为X_i的均值， 为Y的均值，

优选的，所述预设阈值具体为0.1，则所述确认与入住率相关系数值超过预设阈值的目标能耗类型，具体实现为：

比较第i种能耗类型与入住率Y的相关系数R_i和预设阈值0.1，当R_i>0.1则所述第i种能耗类型归属于目标能耗类型；

依次比较完各能耗类型与入住率Y的相关系数和预设阈值0.1，筛选出目标能耗类型。

优选的，所述将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子，具体实现为：

以各目标能耗类型的影响浮动因子作为未知量，以每一天所采集的各目标能耗值和入住率作为参数值，求解由所述影响浮动因子构成的方程组，得到各影响浮动因子值。

优选的，所述方程组具体为：

$\left\{\begin{array}{c}{y}_1={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{11}+{\mathrm{\β}}_2{x}_{12}+...+{\mathrm{\β}}_{n-1}{x}_{1,n-1}+{\mathrm{\ϵ}}_1\\ y_2={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{21}+{\mathrm{\β}}_2{x}_{22}+...+{\mathrm{\β}}_m{x}_{2,n-1}+{\mathrm{\ϵ}}_2\\ ....................................\\ y_n={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{n1}+{\mathrm{\β}}_2{x}_{n2}+...+{\mathrm{\β}}_m{x}_{n,n-1}+{\mathrm{\ϵ}}_n\end{array}\right.,$

其中β₀,β₁,β₂,…β_m为n个影响浮动因子,ε₁,ε₂,…ε_n为n个相互独立的且服从同一正态分布N（0,σ²）的随机变量。

另一方面，本发明实施例还提供了一种基于能源数据的企业管理系统，所述系统包括用于采集一种或者多种能耗类型的电能采集器、智能终端和服务器，具体的：

所述电能采集器，用于按照预定周期向服务器返回能耗数据，以便所述服务器存储各电能采集器的能耗数据；

所述智能终端，用于接收用户输入的待预估入住率的第一时间，并转发给服务器；还用于接收服务器返回的预估入住率的计算结果；

所述服务器，用于读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成；确认与入住率相关系数值超过预设阈值的目标能耗类型；将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率；将计算结果返回给所述智能终端。

优选的，所述关联时段历史能耗数据具体为：

所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据；和与所述第一目标能耗数据处于历史相同时间的第二目标能耗数据。

本发明实施例提供的一种基于能源数据的企业管理方法的有益效果包括：本发明实施例基于历史能耗和入住率，进一步结合近期的能耗和入住率，分析得到未来的入住率。从而能够更高效的分配企业资源，从能耗方面出发提供了一种可靠的入住率分析方案。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于能源数据的企业管理方法的流程图；

图2是本发明实施例提供的一种基于能源数据的企业管理系统的架构示意图；

图3是本发明实施例提供的一种基于能源数据的企业管理服务器的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

如图1所示为本发明提供的一种基于能源数据的企业管理方法，所述方法包括以下步骤：

在步骤201中，确定待预估入住率的第一时间，读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成。

其中，所述能耗类型具体包括：空调能耗、客房能耗、走道灯能耗、前台能耗、应急灯能耗中的一项或者多项。

其中，所述关联时段历史能耗数据具体为：待预估入住率的第一时间相邻的、已经发生的，且对应目标能耗类型的第一目标能耗数据；和与第一目标能耗数据处于历史相同时间的第二目标能耗数据。

在步骤202中，确认与入住率相关系数值超过预设阈值的目标能耗类型。

在步骤203中，将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子。

在步骤204中，根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率。

本发明实施例基于历史能耗和入住率，进一步结合近期的能耗和入住率，分析得到未来的入住率。从而能够更高效的分配企业资源，从能耗方面出发提供了一种可靠的入住率分析方案。

在本发明实施例中，除了所述空调能耗、客房能耗、走道灯能耗、前台能耗、应急灯能耗等常规的电能能耗外，还可以涉及如水的能耗、天然气的能耗等等，进一步的还可以将两个时段的温度作为参考因素(例如：加权系数或者常数变量)。

结合本发明实施例，存在一种优选的方案，其中，对应所述各能耗类型配置有相应的电能采集器，所述电能采集器按照预定周期向服务器返回能耗数据，以便所述服务器存储各电能采集器的能耗数据。

结合本发明实施例，存在一种优选的方案，其中，所述确认与入住率相关系数值超过预设阈值的目标能耗类型，其中，所述与入住率相关系数值的计算具体实现为：

用Y表示一天的入住率，X_i(i＝1,2,…,n)表示n种能耗类型的一天的能耗值，求每个X_i(i＝1,2,…,n)和Y之间的相关系数，具体通过以下公式实现：

$R_i=\frac{{\mathrm{\Σ}}_{j=1}^m(X_{i,j}-\stackrel{\‾}{X_i})(Y_j-\stackrel{\‾}{Y})}{\sqrt{{\mathrm{\Σ}}_{j=1}^m{(X_{i,j}-\stackrel{\‾}{X_i})}^2{\mathrm{\Σ}}_{k=1}^m{(Y_k-\stackrel{\‾}{Y})}^2}}$

其中，R_i为第i种能耗类型与入住率Y的相关系数，X_i,j为X_i的在第j天的能耗值，Y_j为变量Y的第j天的入住率；为X_i的均值， 为Y的均值，

则所述确认与入住率相关系数值超过预设阈值的目标能耗类型，具体实现为：

比较第i种能耗类型与入住率Y的相关系数R_i和预设阈值0.1，当R_i>0.1则所述第i种能耗类型归属于目标能耗类型；

依次比较完各能耗类型与入住率Y的相关系数和预设阈值0.1，筛选出目标能耗类型。

结合本发明实施例，存在一种优选的方案，其中，所述将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子，具体实现为：

以各目标能耗类型的影响浮动因子作为未知量，以每一天所采集的各目标能耗值和入住率作为参数值，求解由所述影响浮动因子构成的方程组，得到各影响浮动因子值。

所述方程组具体为：

$\left\{\begin{array}{c}{y}_1={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1,1}+{\mathrm{\β}}_2{x}_{1,2}+...+{\mathrm{\β}}_{n-1}{x}_{1,n-1}+{\mathrm{\ϵ}}_1\\ y_2={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{2,1}+{\mathrm{\β}}_2{x}_{2,2}+...+{\mathrm{\β}}_{n-1}{x}_{2,n-1}+{\mathrm{\ϵ}}_2\\ ....................................\\ y_n={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{n,1}+{\mathrm{\β}}_2{x}_{n,2}+...+{\mathrm{\β}}_{n-1}{x}_{n,n-1}+{\mathrm{\ϵ}}_n\end{array}\right.,$

其中β₀,β₁,β₂,…β_n-1为n个影响浮动因子,ε₁,ε₂,…ε_n为n个相互独立的且服从同一正态分布N（0,σ²）的随机变量。

实施例二

本实施例基于实施例一中求解影响浮动因子的方法，进一步结合多元回归分析建模的思路，阐述如何计算得到预估的入住率。本实施的原理：虽然自变量和因变量之间没有严格的、确定性的函数关系,但可以设法找出最能代表它们之间关系的数学表达形式。

设酒店入住率y和n个自变量x₁,x₂,…x_n(n为自然数)存在线性关系：

y＝β₀+β₁x₁+β₂x₂+…+β_n-1x_n-1+ε(1)

(1)式中β₀,β₁,β₂,…β_n-1为回归系数(影响浮动因子),ε为随机误差。

本实施例解决用β₀+β₁x₁+β₂x₂+…+β_n-1x_n-1估计y的均值E(y)的问题,即

E（y）＝β₀+β₁x₁+β₂x₂+…+β_n-1x_n-1

且假设ε～N(0,σ²)，y～N(β₀+β₁x₁+β₂x₂+…+β_n-1x_n-1,σ²)，β₀,β₁,β₂,…β_n-1,σ²是与x₁,x₂,…x_n-1无关的待定常数。

设有n天的样本观测数据:

x_1,1,x_1,2,…x_1,n-1,y₁

x_2,1,x_2,2,…x_2,n-1,y₂

………………

x_n,1,x_n,2,…x_n,n-1,y_n

其中x_ij表示x_j在第i天的观测值,也就是第i天第j种能耗类型的耗电量，于是有:

$\left\{\begin{array}{c}{y}_1={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1,1}+{\mathrm{\β}}_2{x}_{1,2}+...+{\mathrm{\β}}_{n-1}{x}_{1,n-1}+{\mathrm{\ϵ}}_1\\ y_2={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{2,1}+{\mathrm{\β}}_2{x}_{2,2}+...+{\mathrm{\β}}_{n-1}{x}_{2,n-1}+{\mathrm{\ϵ}}_2\\ ....................................\\ y_n={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{n,1}+{\mathrm{\β}}_2{x}_{n,2}+...+{\mathrm{\β}}_{n-1}{x}_{n,n-1}+{\mathrm{\ϵ}}_n\end{array}\right.---\left(2\right)$

其中β₀,β₁,β₂,…β_n-1为n个待定参数,ε₀,ε₁,ε₂,…ε_n-1为n个相互独立的且服从同一正态分布N(0,σ²)的随机变量,(2)式称为多元(n元)线性回归的数学模型。亦可写成矩阵形式,设

$X=\left[\begin{array}{ccccc}1& x_{1,1}& x_{1,2}& ...& x_{1,n-1}\\ 1& x_{2,1}& x_{2,2}& ...& x_{2,n-1}\\ ...& ...& ...& ...& ...\\ 1& x_{n,1}& x_{n,2}& ...& x_{n,n-1}\end{array}\right]$

y＝[y₁,y₂,…y_n]^T

β＝[β₀,β₂,…β_n-1]^T

ε＝[ε₁,ε₂,…ε_n]^T

则(2)式变为:

y＝Xβ+ε(3)

(3)式即为多元线性回归模型的矩阵形式。

下面用最小二乘法来估计回归系数。

设b₀,b₁,b₂,…b_n-1分别为β₀,β₁,β₂,…β_n-1的最小二乘估计值,于是y的观测值

y_k＝b₀+b₁x_k,1+b₂x_k,2+…+b_n-1x_k,n-1+e_k,k＝1,2,…,n(4)

其中e_k为误差ε_k的估计值,称为残差或剩余。令为y_k的估计值,则有

$\widehat{y_k}=b_0+b_1{x}_{k,1}+b_2{x}_{k,2}+...+b_{n-1}{x}_{k,n-1},k=1,2,\mathrm{...},n---\left(5\right)$

$e_k=y_k-\widehat{y_k},k=1,2,\mathrm{...},n---\left(6\right)$

(6)式表示实际值y_k与估计值的偏离程度。欲使估计值与实际值y_k拟合的最好,则应使残差平方和

$\begin{array}{c}Q(b_0,b_1,b_2,\mathrm{...},b_{n-1})=\underset{k=1}{\overset{n}{\Σ}}{e}_k^2=\underset{k=1}{\overset{n}{\Σ}}{(y_k-\widehat{y_k})}^2\\ =\underset{k=1}{\overset{n}{\Σ}}{\[y_k-(b_0+b_1{x}_{k,1}+b_2{x}_{k,2}+...+b_{n-1}{x}_{k,n-1})\]}^2\end{array}$

达到最小,为此,应用微分求极值原理确定b₀,b₁,b₂,…b_n-1,即解下列方程组

$\left\{\begin{array}{c}\frac{\∂Q}{\∂b_0}=-2{\mathrm{\Σ}}_{k=1}^n(y_k-\widehat{y_k})=0\\ \frac{\∂Q}{\∂b_a}=-2{\mathrm{\Σ}}_{k=1}^n(y_k-\widehat{y_k})x_{ka}=0,a=1,2,\mathrm{...},n\end{array}\right.---\left(7\right)$

即

$\left\{\begin{array}{c}{\mathrm{\Σ}}_{k=1}^n(y_k-b_0-b_1{x}_{k,1}-b_2{x}_{k,2}-...-b_{n-1}{x}_{k,n-1})=0\\ {\mathrm{\Σ}}_{k=1}^n(y_k-b_0-b_1{x}_{k,1}-b_2{x}_{k,2}-...-b_{n-1}{x}_{k,n-1})x_{k,a}=0,a=1,2,\mathrm{...},n\end{array}\right.---\left(8\right)$

整理并化简则得以下正规方程组:

$\left\{\begin{array}{c}{\mathrm{nb}}_0+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,1}\right)b_1+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,2}\right)b_2+...+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,m}\right)b_{n-1}=\underset{k=1}{\overset{n}{\Σ}}{y}_k\\ \left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,1}\right)b_0+\left(\underset{k=1}{\overset{n}{\Σ}}{x_{k,1}}^2\right)b_1+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,1}{x}_{k,2}\right)b_2+...+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,1}{y}_k\right)b_m=\underset{k=1}{\overset{n}{\Σ}}{x}_{k,1}{y}_k\\ .......................................................................................\\ \left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,n-1}\right)b_0+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,n-1}{x}_{k,1}\right)b_1+\left(\underset{k=1}{\overset{n}{\Σ}}{x}_{k,n-1}{x}_{k,2}\right)b_2+...+\left(\underset{k=1}{\overset{n}{\Σ}}{x_{k,n-1}}^2\right)b_m=\underset{k=1}{\overset{n}{\Σ}}{x}_{k,n-1}{y}_k\end{array}\right.$

如果记上式的系数矩阵为A,右端常数项矩阵记为B,则有

$\begin{array}{c}A=\left[\begin{array}{ccccc}n& {\mathrm{\Σ}}_{k=1}^n{x}_{k,1}& {\mathrm{\Σ}}_{k=1}^n{x}_{k,2}& ...& {\mathrm{\Σ}}_{k=1}^n{x}_{k,n-1}\\ {\mathrm{\Σ}}_{k=1}^n{x}_{k,1}& {\mathrm{\Σ}}_{k=1}^n{x_{k,1}}^2& {\mathrm{\Σ}}_{k=1}^n{x}_{k,1}{x}_{k,2}& ...& {\mathrm{\Σ}}_{k=1}^n{x}_{k,1}{x}_{k,n-1}\\ ...& ...& ...& ...& ...\\ {\mathrm{\Σ}}_{k=1}^n{x}_{k,n-1}& {\mathrm{\Σ}}_{k=1}^n{x}_{k,n-1}{x}_{k,1}& {\mathrm{\Σ}}_{k=1}^n{x}_{k,n-1}{x}_{k,2}& ...& {\mathrm{\Σ}}_{k=1}^n{x_{k,n-1}}^2\end{array}\right]=\\ \left[\begin{array}{cccc}1& 1& ...& 1\\ x_{1,1}& x_{2,1}& ...& x_{n,1}\\ x_{1,2}& x_{2,2}& ...& x_{n,2}\\ ...& ...& ...& ...\\ x_{1,n-1}& x_{2,n-1}& ...& x_{n,n-1}\end{array}\right]\left[\begin{array}{ccccc}1& x_{1,1}& x_{1,2}& ...& x_{1,n-1}\\ 1& x_{2,1}& x_{2,2}& ...& x_{2,n-1}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ 1& x_{n,1}& x_{n,2}& ...& x_{n,n-1}\end{array}\right]=X^{T}X\end{array}---\left(9\right)$

$B=\left[\begin{array}{c}{\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{\Σ}}_{k=1}^n{x}_{k,1}{y}_k\\ .\\ .\\ .\\ {\mathrm{\Σ}}_{k=1}^n{x}_{k,n-1}{y}_k\end{array}\right]=\left[\begin{array}{cccc}1& 1& ...& 1\\ x_{1,1}& x_{2,1}& ...& x_{n,1}\\ x_{1,2}& x_{2,2}& ...& x_{n,2}\\ ...& ...& ...& ...\\ x_{1,n-1}& x_{2,n-1}& ...& x_{n,n-1}\end{array}\right]\left[\begin{array}{c}{y}_1\\ y_2\\ .\\ .\\ .\\ y_n\end{array}\right]=X^{T}y---\left(10\right)$

因此正规方程的矩阵形式为

(X^TX)b＝X^Ty(11)

或，

Ab＝B(12)

其中b＝(b₀,b₁,b₂,…b_m)^T为正规方程中待定的未知实数向量,如果n≥m+1，也就是说采集能耗和入住率数据的天数大于等于自变量的个数加1，那么系数矩阵A满秩,则A^-1存在,此时有

b＝A^-1B＝(X^TX)^-1X^Ty(13)

(13)式即为多元线性回归模型(2)式中参数的最小二乘估计。

计算完这些参数，就可以根据特定支路上的耗电量来预测酒店的入住率。

实施例三

本发明实施例还提供了一种基于能源数据的企业管理系统，如图2所示，所述系统包括用于采集一种或者多种能耗类型的电能采集器、智能终端和服务器，具体的：

所述电能采集器，用于按照预定周期向服务器返回能耗数据，以便所述服务器存储各电能采集器的能耗数据；

所述智能终端，用于接收用户输入的待预估入住率的第一时间，并转发给服务器；还用于接收服务器返回的预估入住率的计算结果；

所述服务器，用于读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成；确认与入住率相关系数值超过预设阈值的目标能耗类型；将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率；将计算结果返回给所述智能终端。

结合本发明实施例，存在一种优选的方案，其中，所述关联时段历史能耗数据具体为：

所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据；和与所述第一目标能耗数据处于历史相同时间的第二目标能耗数据。

本发明实施例还提供了一种基于能源数据的企业管理系统的能耗数据采集方法，具体的：将表计和传感器布置到用能主体的相应用能回路中，多块智能表计(电表、水表、气表等)和传感器组成RS-485网络，采用MODBUS-RTU通信协议进行总线式通讯，通信波特率为9600bps，通过采集器进行数据汇总，打包上传到固定域名的服务器。采用ARM的Cortex-M4内核，具有身份验证、数据加密、断线重连、动态域名解析等功能。采集器支持至少8种不同的表计和传感器通讯协议，兼容市面上主流的表具标准协议DTL645、T188等。采集器与服务器的通讯经过身份验证与数据加密(AES128bit)传输，保证所有数据的安全和可靠性，防止数据伪造。采集器可采用有线联网、WIFI联网、GPRS联网三种方式，根据现场网络情况确定，灵活方便。

实施例四

本发明实施例还提供了一种基于能源数据的企业管理服务器，如图3所示，所述服务器包括：收发器、存储器和处理器，具体的：

所示收发器用于接收智能终端发送过来的待预估入住率的第一时间；还用于向智能终端发送计算得到的预估入住率；

所述存储器，用于存储历史的能耗数据；

所述处理器，用于确定待预估入住率的第一时间，读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成；确认与入住率相关系数值超过预设阈值的目标能耗类型；将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率。

由于本发明实施例所提出的企业管理系统和企业管理服务器，与实施例一所提出的企业管理方法属于一个共同的发明构思，因此，本实施例中所涉及的服务器还可以用于完成实施例一中优选的扩展方案，在此不一一赘述。

本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于能源数据的企业管理方法，其特征在于，所述方法包括：

确定待预估入住率的第一时间，读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成；

确认与入住率相关系数值超过预设阈值的目标能耗类型；

将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；

根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率。

2.根据权利要求1所述的企业管理方法，其特征在于，所述能耗类型具体包括：

空调能耗、客房能耗、走道灯能耗、前台能耗、应急灯能耗中的一项或者多项。

3.根据权利要求2所述的企业管理方法，其特征在于，对应所述各能耗类型配置有相应的电能采集器，所述电能采集器按照预定周期向服务器返回能耗数据，以便所述服务器存储各电能采集器的能耗数据。

4.根据权利要求1所述的企业管理方法，其特征在于，所述关联时段历史能耗数据具体为：

所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据；和与所述第一目标能耗数据处于历史相同时间的第二目标能耗数据。

5.根据权利要求1所述的企业管理方法，其特征在于，所述确认与入住率相关系数值超过预设阈值的目标能耗类型，其中，所述与入住率相关系数值的计算具体实现为：

用Y表示一天的入住率，X_i(i＝1,2,…,n)表示n种能耗类型的一天的能耗值，求每个X_i(i＝1,2,…,n)和Y之间的相关系数，具体通过以下公式实现：

$R_i=\frac{{\Σ}_{j=1}^m(X_{ij}-{\stackrel{\‾}{X}}_i)(Y_j-\stackrel{\‾}{Y})}{\sqrt{{\Σ}_{j=1}^m{(X_{ij}-{\stackrel{\‾}{X}}_i)}^2{\Σ}_{k=1}^m{(Y_k-\stackrel{\‾}{Y})}^2}}$

其中，R_i为第i种能耗类型与入住率Y的相关系数，X_ij为X_i的在第j天的能耗值，Y_j为变量Y的第j天的入住率；为X_i的均值， 为Y的均值，

6.根据权利要求5所述的企业管理方法，其特征在于，所述预设阈值具体为0.1，则所述确认与入住率相关系数值超过预设阈值的目标能耗类型，具体实现为：

比较第i种能耗类型与入住率Y的相关系数R_i和预设阈值0.1，当R_i>0.1则所述第i种能耗类型归属于目标能耗类型；

依次比较完各能耗类型与入住率Y的相关系数和预设阈值0.1，筛选出目标能耗类型。

7.根据权利要求1所述的企业管理方法，其特征在于，所述将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子，具体实现为：

以各目标能耗类型的影响浮动因子作为未知量，以每一天所采集的各目标能耗值和入住率作为参数值，求解由所述影响浮动因子构成的方程组，得到各影响浮动因子值。

8.根据权利要求7所述的企业管理方法，其特征在于，所述方程组具体为：

$\left\{\begin{array}{c}{y}_1={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{11}+{\mathrm{\β}}_2{x}_{12}+...+{\mathrm{\β}}_{n-1}{x}_{1,n-1}+{\mathrm{\ϵ}}_1\\ y_2={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{21}+{\mathrm{\β}}_2{x}_{22}+...+{\mathrm{\β}}_m{x}_{2,n-1}+{\mathrm{\ϵ}}_2\\ \mathrm{....................................}\\ y_n={\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{n1}+{\mathrm{\β}}_2{x}_{n2}+...+{\mathrm{\β}}_m{x}_{n,n-1}+{\mathrm{\ϵ}}_n\end{array}\right.,$

其中β₀,β₁,β₂,…β_m为n个影响浮动因子,ε₁,ε₂,…ε_n为n个相互独立的且服从同一正态分布N(0,σ²)的随机变量。

9.一种基于能源数据的企业管理系统，其特征在于，所述系统包括用于采集一种或者多种能耗类型的电能采集器、智能终端和服务器，具体的：

所述电能采集器，用于按照预定周期向服务器返回能耗数据，以便所述服务器存储各电能采集器的能耗数据；

所述智能终端，用于接收用户输入的待预估入住率的第一时间，并转发给服务器；还用于接收服务器返回的预估入住率的计算结果；

所述服务器，用于读取对应所述待预估入住率的第一时间的历史相同时间能耗数据和关联时段历史能耗数据；所述能耗数据由一种或者多种能耗类型构成；确认与入住率相关系数值超过预设阈值的目标能耗类型；将与所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据，与其历史相同时间的第二目标能耗数据进行比较，得到各目标能耗类型的影响浮动因子；根据所述影响浮动因子和对应所述待预估入住率的第一时间的历史相同时间的目标能耗数据，计算待预估入住率的时间里的入住率；将计算结果返回给所述智能终端。

10.根据权利要求9所述的企业管理系统，其特征在于，所述关联时段历史能耗数据具体为：

所述待预估入住率的第一时间相邻的、已经发生的，且对应所述目标能耗类型的第一目标能耗数据；和与所述第一目标能耗数据处于历史相同时间的第二目标能耗数据。