CN106294061B - 能量强度可变性分析 - Google Patents
能量强度可变性分析 Download PDFInfo
- Publication number
- CN106294061B CN106294061B CN201610500530.1A CN201610500530A CN106294061B CN 106294061 B CN106294061 B CN 106294061B CN 201610500530 A CN201610500530 A CN 201610500530A CN 106294061 B CN106294061 B CN 106294061B
- Authority
- CN
- China
- Prior art keywords
- energy intensity
- energy
- entity
- candidate
- basic reason
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000002829 reductive effect Effects 0.000 claims abstract description 12
- 230000000116 mitigating effect Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 42
- 230000006835 compression Effects 0.000 claims description 25
- 238000007906 compression Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 16
- 238000012360 testing method Methods 0.000 description 14
- 238000012806 monitoring device Methods 0.000 description 13
- 238000009826 distribution Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000035945 sensitivity Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000005381 potential energy Methods 0.000 description 6
- GXCLVBGFBYZDAG-UHFFFAOYSA-N N-[2-(1H-indol-3-yl)ethyl]-N-methylprop-2-en-1-amine Chemical compound CN(CCC1=CNC2=C1C=CC=C2)CC=C GXCLVBGFBYZDAG-UHFFFAOYSA-N 0.000 description 5
- 235000013336 milk Nutrition 0.000 description 5
- 239000008267 milk Substances 0.000 description 5
- 210000004080 milk Anatomy 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000000540 analysis of variance Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 235000020183 skimmed milk Nutrition 0.000 description 3
- 238000003070 Statistical process control Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000019219 chocolate Nutrition 0.000 description 2
- 239000006071 cream Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 240000001439 Opuntia Species 0.000 description 1
- 238000010162 Tukey test Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 231100000871 behavioral problem Toxicity 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 235000020140 chocolate milk drink Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本公开涉及能量强度可变性分析。用于减小在设施处的能量成本的方法包括:识别在设施处的具有能量强度变化减小的高可能性的候选生产实体,确定与减小在候选生产实体中的能量强度变化相关的潜在的成本节省,识别在候选生产实体中的能量强度变化的根本原因,以及使减轻根本原因的动作被执行。
Description
技术领域
本公开的方面和实施方式涉及用于向消费者提供能量管理服务的系统和方法。
背景技术
能量管理系统的一个关键目标是找到能量节省机会,但即使在适当的地方上使用监控系统,找到这些机会也可能有挑战性。大能量负载通常被作为目标,但这些负载可能不提供对低成本节省的最好机会。
发明内容
根据本公开的方面,提供了用于减小在设施处的能量成本的方法。该方法包括:识别在设施处的具有能量强度变化减小的高可能性的候选生产实体,确定潜在的能量和/或与减小在候选生产实体中的能量强度变化相关的能量成本节省,识别在候选生产实体中的能量强度变化的根本原因,以及使减轻根本原因的动作被执行。
在一些实施方式中,通过压缩预测试来识别候选生产实体。压缩预测试可包括将与第一组变量相关的第一能量强度数据集和在统计上类似于第一数据集并与第二组变量相关的第二能量强度数据集组合成复合宏组变量(composite macro group variable)以用于分析。压缩预测试还可包括将与多组变量相关的在统计上类似的数据集组合成多个复合宏组变量,每个复合宏组变量具有在统计上不同的相关数据集。可以通过被包括对在每个宏组变量中的变量的参数进行的分析来识别根本原因。
在一些实施方式中,压缩预测试包括对从以下项中每个得到的参数分级:每个候选生产实体的能量强度的可变性、能量强度偏斜度和总生产量。
在一些实施方式中,通过压缩分析来确定潜在的成本节省。
在一些实施方式中,识别在候选生产实体中的能量强度变化的根本原因包括通过变化点检测的方法来确定在候选生产实体中的能量强度变化中的变化的时间。变化点检测的方法可包括自举分析。变化点检测的方法可包括均方误差分析。变化点检测的方法可包括BS-MSE分析。变化点检测的方法可包括相对标准偏差分析。
在一些实施方式中,根本原因由在候选生产实体中的能量强度变化的识别特征与能量强度变化识别特征和相关根本原因的数据库的比较来确定。
在一些实施方式中,使减轻根本原因的动作被执行包括使对一个或多个候选生产实体的一个或多个操作参数和/或对与一个或多个候选生产实体相关的辅助系统的一个或多个操作参数的调节被做出。
根据另一方面,提供了包括配置成执行方法的处理器的计算机系统,该方法包括:识别在设施处的具有能量强度变化减小的高可能性的候选生产实体,确定与减小在候选生产实体中的能量强度变化相关的潜在的成本节省,识别在候选生产实体中的能量强度变化的根本原因,以及使减轻根本原因的动作被执行。
在一些实施方式中,计算机系统还包括配置成向一个或多个候选生产实体提供控制信号的输出设备,其中使减轻根本原因的动作被执行包括通过向一个或多个候选生产实体提供一个或多个控制信号来调节一个或多个候选生产实体的一个或多个操作参数。
在一些实施方式中,计算机系统还包括配置成向与一个或多个候选生产实体相关的一个或多个辅助系统提供控制信号的输出设备,其中使减轻根本原因的动作被执行包括通过向一个或多个辅助系统提供一个或多个控制信号来调节一个或多个辅助系统的一个或多个操作参数。
在一些实施方式中,计算机系统配置成通过包括以下项的方法来识别在候选生产实体中的能量强度变化的根本原因:通过变化点检测的方法来确定在候选生产实体中的能量强度变化中的变化的时间。
在一些实施方式中,计算机系统还包括数据库,其中处理器配置成确定根本原因是通过对在候选生产实体中的能量强度变化的识别特征与存储在数据库中的能量强度变化识别特征和相关根本原因进行比较来进行的。
根据另一方面,提供了包括指令的非临时计算机可读介质,所述指令当在计算机系统上被执行时使计算机系统执行方法,该方法包括:识别在设施处的具有能量强度变化减小的高可能性的候选生产实体,确定与减小在候选生产实体中的能量强度变化相关的潜在的成本节省,识别在候选生产实体中的能量强度变化的根本原因,以及使减轻根本原因的动作被执行。
附图说明
附图并没有被规定为按比例绘制。在附图中,在各个附图中示出的每个相同或几乎相同的部件由相似的数字表示。为了清楚的目的,不是每个部件在每个附图中都被标出。在附图中:
图1是在示例系统中的变量的能量强度值的方框图表;
图2是从图1的方框图表的变量得到的复合变量的能量强度值的方框图表;
图3是用于在压缩预测试的方法中将变量分级的方法的流程图;
图4是从图2的方框图表的变量得到的复合变量的能量强度值的方框图表;
图5示出具有不同类型的偏斜度的统计分布;
图6是示出与生产实体的能量强度可变性中的减小相关的能量节省机会的图表;
图7A是示例数据集的第一CUSUM自举图表;
图7B是在图7A的图表中使用的示例数据集的第二CUSUM自举图表;
图8是在图7A的图表中使用的示例数据集的均方误差图表;
图9是示例系统的能量输出与能量输入的关系曲线图;
图10是在图9的曲线图中使用的数据集的CUSUM自举图表;
图11是在图9的曲线图中使用的数据集的均方误差图表;
图12是在图9的曲线图中使用的数据集的BS-MSE图表;
图13是示例数据集的相对标准偏差图表;
图14是示出其上可以执行本文所公开的方法的计算机系统的示意图;以及
图15是图14的计算机系统的存储器系统的示意图。
具体实施方式
本公开在其应用中不限于在下面的描述中阐述的或在附图中示出的部件的构造和布置的细节。所公开的系统和方法能够有其它实施方式并以各种方式被实践或实现。此外,在本文使用的短语和术语是为了描述的目的,且不应被视为限制性的。“包括(including)”、“包括(comprising)”、“具有”、“包含”、“涉及”及其变形在本文中的使用意指包括其后列出的项目及其等效形式以及额外的项目。
本文公开的各种方面和实施方式包括用于向消费者提供能量管理服务的系统和方法。本文公开的方面和实施方式包括一个或多个监控设备和在托管服务处的中央处理器的组合,托管服务配置成从消费者站点收集数据,识别感兴趣的能量和生产系统事件,并分析感兴趣的能量和生产系统事件以确定并推荐和/或实现设计成增加能量节省和/或减小在能量强度中的可变性的卖方服务。
本文公开的方面和实施方式包括组合监控设备和托管数据分析处理器来自动识别对消费者有价值的可能的能量服务的能量服务推荐系统。
能量服务监控器和推荐系统的方面和实施方式包括一个或多个能量和生产系统监控设备。能量系统监控设备配置成测量消费者的系统的各种能量系统参数,且生产系统监控设备收集关于设施的输出或驱动器的相关数据。系统分析所收集的测量数据以突出感兴趣的能量系统事件,例如代表增加能量系统节省的机会的那些事件。至少一些实施方式向能量或生产系统的设备或耦合到能量系统的设备提供控制信号,以提供增加的节省和/或可靠性。
能量服务推荐系统包括与监控设备和/或与在消费者的设施处的能量系统事件的数据库通信的中央处理器。中央处理器从一个或多个能量系统监控设备或能量系统事件的数据库接收代表感兴趣的能量系统事件的数据,并进一步处理该数据以探究可用来提供另外的能量节省和/或增加的可靠性的机会。在一些实施方式中,由中央处理器提供的分析可作为托管服务由卖方提供。根据一些实施方式,服务由卖方提供以处理由一个或多个能量系统监控设备和中央处理器的组合发现的潜在机会。这样的服务的例子包括能量性能合约、进一步量化能量节约措施和相关能量节省的能量审计、正在进行的抢先维修和现有能量系统配置的优化试运转。
在一些实施方式中,单独监控设备包括识别感兴趣的潜在能量系统事件的功能。单独监控设备识别感兴趣的潜在能量系统事件的功能可以或可以不是通过消费者可见的界面可访问或可修改的。消费者可以选择进入以允许监控设备与中央处理器通信并从卖方接收服务提议。监控设备应用该功能以识别感兴趣的事件,并将相关数据传输到中央处理器。在其它实施方式中,监控设备向消费者的计算机系统提供数据,消费者的计算机系统然后将所述数据传递到包括如在本文公开的中央处理器的外部数据分析系统。这样的相关数据可包括帮助将上下文添加到感兴趣的已捕获事件(例如站点地理位置、所监控的设备的类型和/或消费者行业)的元数据。在一些实施方式中,特定的功能在所测量的数据上操作以自动确定该元数据,例如以确定监控器是否用于跟踪供暖通风和空气调节(HVAC)单元与计算机服务器的机架。
在一些实施方式中,中央处理器可将复杂的分析应用于从监控设备接收的数据以提炼对消费者有价值的推荐服务的列表。中央处理器可从其它源获取数据以与从监控器接收的数据组合作为分析步骤的部分,并可比较来自一个消费者站点的分析结果与对其它类似的消费者站点产生的结果以便于最佳服务推荐的规划。
中央处理器可产生消费者要考虑的推荐服务的列表。该列表可被自动发送到所指定的消费者联系,或可由服务卖方雇员预先审阅,相关推荐最终被提供给消费者。
本文公开的方面和实施方式与识别设施(包括例如工厂、办公室建筑物和住宅建筑物)的能量节省机会有关。在一些实施方式中,识别在能量系统中的具有在能量强度中的大变化的点,并采取动作来提高能量系统的操作以消除高强度事件。
基于来自统计过程控制(SPC)的概念,本文公开的方面和实施方式提供了用于检查在能量强度中的可变性并可能通过“压缩”分析来量化节省的方法。这个分析检查在产生某个输出(例如在工厂处的生产量)时涉及的能量强度值(以例如kWh/ton为单位)的分布。能量强度指每生产单位消耗的能量的数量。具有朝着给定生产输出的高能量强度值的大正“偏斜”的能量强度分布被认为是高度可压缩的。对准并消除这些高强度事件可提供重要的成本节省机会。
本文公开的一些方面和实施方式规定通过执行一种方法来减小与在设施处的能量消耗相关的成本:
A)压缩预测试:能量强度变量针对可压缩性被测试并被优先用于压缩分析。这个步骤对与大能量驱动器值(例如生产输出)相关的能量强度中的可变性进行测试。当有可影响能量强度的大量变量时,可应用这个步骤。
B)压缩分析:能量强度和相关能量消耗间隔数据按照远离能量强度值的平均值的标准偏差的数量进行分组。例如,如果这样的高强度事件都确切地减小到远离平均值的4σ,则可将远离平均值的多于4个标准偏差(或4σ)的能量强度值的能量消耗值求和以计算可用的总能量节省;以及
C)分析结果的视觉化:各种图表可被创建并用于呈现可得到的能量节省并帮助识别高强度事件的原因。例如,线图可显示增加的可得到的能量节省,因为能量强度值被压缩得更接近平均值。盒形图可示出按照一个或多个类别(例如生产小组)划分的能量强度值的分布。
压缩预测试(优先级评估):
压缩预测试——如该术语在本文被使用的——指将与能量强度和相关能量消耗有关的变量分级来用于压缩分析以确定哪些变量对能量强度具有极大的影响和因而得到对能量消耗成本中的减小的最佳机会。现在将使用假设的乳品加工厂数据集来介绍执行压缩预测试的方法的例子。这个例子假设关于能量强度的数据已经被收集并与感兴趣的各种变量相关。
表1在下面示出被考虑为对在假设的乳品加工厂处的能量强度变化做出贡献的最初的一组变量:
表1:乳品加工厂变量
小组 | 工厂状态 | 混合器模式 | 配方 |
α | 活动 | 仅麦芽 | 巧克力麦芽 |
β | 待机 | 仅全脂 | 巧克力牛奶 |
γ | 仅脱脂乳 | 巧克力脱脂乳 | |
变化 | 麦芽牛奶 | ||
吸管牛奶 | |||
吸管脱脂乳 |
为了提供与这些变量中的每个相关的能量强度中的可变性的初始概观,可创建原始能量强度数据的盒形图。盒形图在图1中示出。
可创建代表在表1中所示的每个变量的组合的“宏组”。最小可能的组(宏组)的最大数量是初始变量的数量的乘积。在所呈现的例子中,将可能有4x2x3x6=144个宏组。然而,对于一些组可以没有数据。在这样的实例中,宏组的数量将小于可能的微组的最大数量。消除在这个假设例子中不包含数据的宏组允许接下来的16个宏组具有在下面的表2中所示的规范:
表2:重要的宏组
在表2中,从在每个微组中规定的变量得到微组标识。例如,微组v_3114包括:小组γ,其是在表1中的小组的列表中的第三项;工厂活动状态,其是在表1中的工厂状态的列表中的第一项;混合器模式仅麦芽,其是在表1中的混合器模式的列表中的第一项;以及麦芽牛奶的配方,其是在表1中的配方的列表中的第四项。
基于平均能量强度值将微组分类并将它们绘制在盒形图上产生图2所示的方框图。
既然微组及其相应的能量强度分布被定义,统计工具可用于发现是否任一微组在统计上是类似的。ANOVA和Tukey的测试可用于确定各个微组的平均值是否相同,且Bartlett的测试,假设分布的正态性,将告知方差是否是相同。这些测试的输出是p值,其将定义显著水平。因此,显著阈值水平应被定义为用作灵敏度水平。在一些实施方式中,0.05可以是合乎需要的灵敏度水平。灵敏度越低,微组将合并的数量就越高。用于当前例子的灵敏度水平是0.02。用于执行微组的合并的方法的例子在图3的流程图中示出,通常以300指示。
图3所示的方法包括下面的动作:在动作305中,执行ANOVA测试和然后执行Tukey的此后的测试以比较每对微组的平均值。这将导致相应于每对微组的一组p值。在动作310中,选择具有比规定灵敏度水平高的p值的微组对。如果没有具有比灵敏度水平高的p值的对,则该方法结束且没有微组被合并。在动作315中,对于微组的选定对中的每个,执行Bartlett的测试以比较在微组对中的组的方差。这将导致每对的第二p值。在动作320中,Bartlett的p值乘以相应的Tukey的p值。选择具有这个乘积的最高值的微组对。在动作325,比较在p值的乘积之间被执行并且是灵敏度水平的平方。如果乘积高于灵敏度水平的平方,则这两个相应的微组合并到单个新组内。然后选择具有p值的下一最高乘积的微组对(动作330)。如果乘积不高于灵敏度水平的平方,则该方法结束且没有另外的微组被合并(动作325)。
进行这个过程时,技术人员将以可被称为宏组的一套新的组结束。这些宏组中没有一个在统计上彼此类似。因此,研究这些组的细节将可能是有益的。下面的表3和图4所示的盒形图显示从这个分析产生的这个例子的四个宏组。在表3和图4中,宏组标识是被组合以产生相应的宏组的微组标识的串联。
表3:宏组
如可在表3中看到的,大部分能量强度差异是由于混合器模式,但在两个中间组之间的差异仅仅是由于小组,其可建议在小组之间的培训或熟练差异可以是对应该被进一步调查的能量强度变化做出贡献的因素。小组“γ”与其它小组比较在产生“仅全脂”时具有高方差。
应注意,上面仅仅是用于说明用于执行压缩预测试的方法的一个例子。可使用类似的技术来分析更复杂的数据集。
可利用执行压缩预测试的方法的另一实施方式,其中系统包括被怀疑对能量强度变化做出贡献但不被怀疑与彼此交互作用的不同因素。例如,工厂可具有一组相同类型的机器或重复的生产线,且识别应受到详细能量强度可变性分析的机器或生产线的组的特定子集可能是合乎需要的。
在压缩预测试的这个第二实施方式中,我们在单独的柱状图中绘制每个变量(例如每个相同的机器)的能量强度数据点并针对偏斜度检查柱状图。在图5中示出不同类型的偏斜度的例子。
右偏斜(正偏斜)能量强度分布将比左偏斜分布提供通过可变性减小进行能量节省的更多机会。此外,能量节省数量直接与生产的数量相关。基于特定的机器、生产线路或其它生产单元的能量强度的可变性、能量强度偏斜度和总生产量中的每个而计算的参数可用于执行在压缩预测试分析中的优化。
在一个实施方式中,在压缩预测试分析中用于执行优化的参数通过使能量输入除以每个生产单元的每个数据点的生产输出而通过第一计算能量强度数据点计算出。在生产单元的能量强度值分布中的能量强度值分成具有比分布的平均值高的值的数据点和具有小于平均值的值的数据点的列表。具有小于平均值的值的数据点被丢弃。来自每个分布的剩余数据点的标准偏差然后被计算,且这些标准偏差乘以每个相应的生产单元的总生产以产生优化参数。每个生产单元的优化参数可接着在Pareto图表中被制成图表。与展示较低优化参数的生产单元比较,展示最高优化参数的生产单元可被选择,因为其提供能量强度变化减小和能量节省的更高机会。压缩分析(能量节省量化):
一旦为了分析而优化宏组或生产单元(在下文中“生产实体”),就可分析展示能量强度可变性减小的最大可能性的生产实体以确定相关潜在的成本节省。为了执行这个分析,生产实体的能量强度数据集分成数据点的集合:具有偏离平均能量强度值一个标准偏差或多于一个标准偏差的值的数据点、具有偏离平均能量强度值两个标准偏差或多于两个标准偏差的值的数据点、具有偏离平均能量强度值三个标准偏差或多于三个标准偏差的值的数据点。落到这些组中的每个内的数据点的计数除以在所有组中的数据点的总数以确定对每组的出现频率。与在每组中的每个数据点相关的产量值乘以每个数据点的能量强度值以将能量强度数据点的组转换成能量消耗数据点的组。通过将具有每个相应组的平均值的值的额外的数据点添加到每组来增加在每组能量消耗数据点中的数据点的数量以形成相应的衍生组,直到在每个衍生组中的数据点的数量等于在生产实体的原始全数据集中的数据点的总数为止。然后通过从所计算的假设值减去在每组中的能量消耗数据点的和来计算每组的能量节省值,其中具有较高可变性的所有数据点减小到当前分组的下限。
分析结果的视觉化:
可接着例如绘制每组的潜在能量节省和相应的出现频率,如图6所示,以示出可通过消除在生产实体的能量强度中的各种程度的可变性来实现多少节省。例如,图6的数据曲线指示如果大约0.1%的实例(其中能量强度可变性大于来自生产实体的平均能量强度的三σ)可减小到三σ,则每月可节省130,000kWh。
可对被确定为能量节省的潜在源的设施中的各种生产实体执行类似的潜在能量节省分析。潜在的能量节省可与所估计的成本比较,以用于减小能量强度可变性从而确定与潜在节省相比较成本是否足够低,以实现减小所观察的能量强度可变性的动作。
变化点检测
为了确定生产实体(例如一件生产设备)的能量强度变化的根本原因,确定对能量强度变化做出贡献的能量事件何时出现是有用的,使得关于潜在的贡献因素的调查可被进行。可通过比较来自生产实体的能量强度数据与该变量的数据模型来执行对能量强度变化做出贡献的能量事件何时出现的确定。
数据模型通常可被描述为描述在一对因变量和自变量之间的关系的数学方程。在理想状态下的稳定的系统中,因变量可以由模型很好地预测,其中具有可忽略的误差量。然而在实际系统中,模型随着时间的推移通过在系统条件中的任何变化而发展。系统老化、在环境条件中的变化和输入的变化是模型发展的一些原因。技术人员可从历史数据集得到的最感兴趣的数条信息之一是在过去的时间发生的这些变化点事件。
CUSUM图表是监控系统的稳定性并检测变化点的众所周知的工具。可通过累积地合计在数据模型预测系统行为和实际系统行为之间的差异(被称为误差值)来创建CUSUM图表。在CUSUM图表中的平坦区域可被解释为稳定的区域,且在CUSUM图表中的任何极值代表在系统行为中的变化。存在与CUSUM图表视觉解释有关的两个主要问题。首先,一般没有量化每个数据点的显著性的参数,且其次,不是所有事件都通过仅仅看图表就可容易地被检测。
根据本公开,两种分析方法组合以补偿CUSUM图表分析的问题。自举(BS)提供置信度水平,而均方误差(MSE)找到变化事件的确切位置。这个组合分析方法可被自动化成能够操纵大历史数据集而不考虑在它们中的变化点的数量的鲁棒工具。所有重大变化点事件将实际上以相应的置信度水平被检测。而且,可在实时过程监控中使用这个工具,因为它能够检测在出现之后不久的事件。
自举:
假设XActual为数据集中的因变量。有了数学模型XModel,技术人员能够如下解出CUSUM参数:
Xi=XModel-XActual
CUSUM=Cummdative Summation(Brror)
另一重要参数是被定义为在CUSUM(Sdiff)的最大值和最小值之间的差的CUSUM范围。
通过在没有置换的情况下随机地对数据采样来执行自举测试。原理来自下面的事实:如果没有重大的变化发生,随机重排序的数据将可能导致具有大抵相同的CUSUM范围的类似的CUSUM图表。否则,CUSUM行为是由于真实变化而不是随机性。
自举测试过程的实施方式如下:
1)随机地使误差函数重排序。
2)根据新误差函数重新计算自举CUSUM。
3)计算自举CUSUM范围
4)检查是否大于(Sdiff)。
上述过程应是关于大量自举样本来进行的,且置信度水平将被计算为:
其中当CUSUM范围大于自举CUSUM范围时分子是次数,且N是自举样本的总数。在一些实施方式中,在大约90%和大约95%之间的置信度水平足以说明在统计上重大的变化已出现。当自举样本的数量增加时,可做出更好的估计。在一些实施方式中,N~1,000是自举样本的足够数量。
图7A和7B示出CUSUM图表(以710指示)和步骤检测过程的自举CUSUM图表。图7A示出10个自举样本,而图7B示出1,000个样本。在这两种情况下的置信度水平是100%,这意味着在数据集中有至少一个重大变化点。
均方误差(MSE):
均方误差测试是在数据集的统计参数中的变化何时发生的估计器。MSE的原理是将数据分成两段并对每段使用两个不同的模型。将为每段重新计算误差函数。在总误差曲线中的最小点将显示这两个新模型最佳拟合这两段的地方,且这是事件发生的地方。在一些实例中,在数据中可以有多于一个变化点事件,且MSE的最小值将找出最明显的一个。
MSE被定义为:
Xi=XModel-XMotual
图8示出用于产生在图7A和图7B中的CUSUM图表的同一数据集的MSE曲线。在图8的图表中的每个最小点与步骤(变化点事件)有关。与以810指示的在右边的曲线中的最小值相关的变化点是主要的检测到的变化点。
BS-MSE测试和结果:
自举和均方误差测试方法可组合以形成事件检测算法。BS-MSE测试由在每个阶段处的三个步骤组成:
1)执行自举测试,且如果置信度水平足够高,则转到下一步骤。
2)执行均方误差测试并识别主要事件。
3)将数据分成两个部分:在主要事件之前和之后。
这个过程重复,直到没有更重大的事件被找到为止。
作为BS-MSE测试应用的例子,泵送系统数据集被分析。图9是由黑色圆描绘的系统的输出能量与输入能量的关系的曲线图。在曲线图中的线表示泵送系统数据的数学模型。
首先计算误差函数和CUSUM。接着,将执行自举测试以得到置信度水平。图10示出CUSUM图表和10个其它自举CUSUM图表。
在对1000个样本完成自举测试之后,得到100%的置信度水平。下一步骤是执行MSE分析。图11是因而产生的MSE图表的曲线图。以1110指示主要的变化点事件。
数据然后分成两个部分,且同一BS-MSE过程对每个部分重复。这个过程重复,直到没有更多重要的事件被发现为止。在本例中,七个在统计上重大的变化事件被发现。为了说明它们,在图12中绘制了平均能量效率。能量效率的单独数据点的图表被呈现为插图。
相对标准偏差分析:
检测在系统中的能量强度可变性变化事件的出现的另一方法涉及对来自系统的能量强度数据的相对标准偏差的分析。相对标准偏差(RSD)是示出不同的数据集的变化和稳定性的参数,而不考虑生产量和平均能量强度。它被定义为在规定时间段(例如一个月)内的数据的标准偏差除以在规定时间段内的数据的平均值乘以100。图13示出一个假设能量强度数据集的每月RSD曲线。为了识别可指示应被调查的变化事件的高能量强度变化的时期,应识别每月RSD在平均值之上时的时间段。在图13中,以1310和1320指示的两个时间段显示高相对标准偏差的时期并表示可被标记用于进一步调查的时间段。在一些实例中,一般趋势可以是可检测的;例如,可观察到稳定性的全局增加或减小或随着季节的变化,这也可提供应被标记用于进一步调查的时间段或生产实体的指示。可在规定时间段期间为RSD曲线图选择其它时间段,例如一天而不是一个月,以提供更实时的监控。
一旦使用上述方法中的任一个或多个检测到能量强度改变的变化事件,对事件的根本原因的调查就可被执行。例如,如果通过自举、MSE或BS-MSE分析检测到能量强度可变性的变化事件,则可执行可影响所分析的特定的生产实体的能量强度可变性的各种因素的压缩测试和/或ANOVA分析。随着时间的推移,当检测到不同的能量强度可变性变化事件且识别出并解决了根本原因时,可构造使不同的能量强度可变性变化事件的“识别标志(signature)”与其根本原因相关的数据库。例如,可发现的是,特定类型的生产设备展示能量强度可变性变化事件,其中能量强度可变性响应于特定的原因(例如冷却系统误差、错过的预防性维护事件或其它可识别的根本原因)而改变了某个量或在某个方向上改变。该类型的生产设备的能量强度可变性变化事件的性质和事件的根本原因可在数据库中相关。如果稍后观察到类似类型的生产设备的类似的能量强度可变性变化事件,则数据库可用于将设施人员引导到以前确定的根本原因作为待处理的可能的根本原因以解决类似类型的生产设备的类似的能量强度可变性变化事件。在一些实施方式中,通过调节生产实体的一个或多个操作参数和/或辅助设备的一个或多个操作参数(例如化学、水、空气或电源或与生产实体相关的环境控制)来处理根本原因。或者,可通过针对影响能量强度的行为问题对工作人员进行培训来处理根本原因。
计算机系统:
在一些实施方式中,本文公开的一个或多个方法可在计算机化控制系统上实现。各种方面可被实现为在例如图14中所示的通用或专用计算机系统1400中执行的专用软件。计算机系统1400可包括连接到例如磁盘驱动器、固态存储器或用于存储数据的其它设备的一个或多个存储器设备1404的处理器1402。存储器1404一般用于在计算机系统1400的操作期间存储程序和数据。
计算机系统1400的部件可由可包括一个或多个总线(例如在集成在同一机器内的部件之间)和/或网络的互连机构1406耦合。互连机构1406使通信(例如数据、指令)能够在系统1400的系统部件之间被交换。计算机系统1400包括一个或多个输入设备1408,例如键盘、鼠标、轨迹球、麦克风或触摸屏,操作员可通过这些输入设备向系统1400发出命令或程序编制。在一些实施方式中,计算机系统1400可包括或耦合到一个或多个输入设备1408或与一个或多个输入设备1408通信,输入设备1408配置成与设施的生产实体1416或在设施处包括与生产实体1416的功率消耗和生产有关的数据的计算机系统通信并从生产实体1416和/或在设施处的计算机系统读取这样的数据。计算机系统1400包括一个或多个输出设备1410,例如打印设备、显示屏和/或扬声器。在一些实施方式中,计算机系统1400可包括或耦合到一个或多个输出设备1410或与一个或多个输出设备1410通信,输出设备1410配置成提供控制信号以调节设施的生产实体1416和/或与生产实体1416相关的辅助设备1418的一个或多个操作参数。一个或多个传感器1414也可向计算机系统1400提供输入。这些传感器可包括例如能够或配置成测量被输送到设施的生产实体1416(例如功率计或监控器)的或由设施的生产实体1416(例如功率计或监控器)消耗的功率的一个或多个参数的传感器。此外,计算机系统1400可包含将计算机系统1400连接到除了互连机构1406以外的或作为互连机构1406的可选形式的通信网络的一个或多个接口(未示出)。这些接口可由中央处理单元利用来收集数据,例如来自在消费者的设施处的一个或多个生产实体的能量消耗和生产数据或关于其的存储在消费者的设施处的数据库中的数据。
也可将其它数据例如环境数据例如与温度和/或湿度有关的数据或关于风暴的存在或缺乏或在设施(其中被监控或分析的生产实体位于该设施处)的位置上的其它环境事件的信息提供到计算机系统1400以便于与生产实体相关的数据的分析和/或便于确定适当的响应。环境数据在一些实施方式中可连同来自生产实体的数据一起被提供,且在其它实施方式中可从单独的系统(例如在互联网上的天气报告网站)得到。在一些实施方式中,计算机系统1400可得到关于设施的位置的地理数据,其中被监控或分析的生产实体被找出并利用这个地理数据例如通过互联网或从天气报告服务来查找环境数据。计算机系统1400可使环境数据与关于生产实体的能量强度变化的数据相关。
在图15中更详细示出的存储系统1412一般包括计算机可读和可写非易失性记录介质1502,其中存储规定程序由处理器执行或信息由程序处理的信号。介质可包括例如磁盘或闪存。一般,在操作中,处理器使数据从非易失性记录介质1502被读取到允许由处理器比访问介质1502更快地访问信息的另一存储器1504内。这个存储器1504一般是易失性随机存取集成电路存储器,例如动态随机存取存储器(DRAM)或静态存储器(SRAM)。它可位于存储系统1412中,如所示,或在存储器系统1404中。处理器1402通常操纵在集成电路存储器1504内的数据并接着在处理完成之后将数据复制到介质1502。用于管理在介质1502和集成电路存储器元件1504之间的数据移动的各种机制是已知的,且本文公开的实施方式不限于任何特定的数据移动机制。本文公开的实施方式不限于特定的存储器系统1404或存储系统1412。
计算机系统可包括特别编程的专用硬件,例如专用集成电路(ASIC)。本文公开的实施方式可在软件、硬件、固件或其任何组合中实现。此外,这样的方法、动作、系统、系统元件及其部件可被实现为上面所述的计算机系统的部分或实现为独立的部件。
虽然计算机系统1400作为例子被示为一种类型的计算机系统(其上可实践本文公开的各种实施方式),但是应认识到,本文公开的实施方式不限于在如图14所示的计算机系统上实现。可在具有在图14中示出的不同体系结构或部件的一个或多个计算机上实践本文公开的各种实施方式。
计算机系统1400可以是使用高级计算机编程语言可编程的通用计算机系统。也可使用特别编程的专用硬件来实现计算机系统1400。在计算机系统1400中,处理器1402一般是市场上可买到的处理器,例如从英特尔公司可得到的众所周知的PentiumTM或CoreTM类处理器。很多其它处理器是可得到的。这样的处理器通常执行操作系统,其可以是例如从微软公司可得到的Windows 7或Windows 8操作系统、从苹果计算机可得到的MAC OSSystem X、从Sun Microsystems可得到的Solaris Operating System或从各种源可得到的UNIX。也可使用很多其它操作系统。
处理器和操作系统一起定义计算机平台,对其的应用程序以高级编程语言被编写。应理解,本文公开的实施方式不限于特定的计算机系统平台、处理器、操作系统或网络。此外,对本领域中的技术人员应该明显的是,本文公开的实施方式不限于特定的编程语言或计算机系统。此外,应认识到,也可使用其它适当的编程语言和其它适当的计算机系统。
计算机系统的一个或多个部分可分布在耦合到通信网络的一个或多个计算机系统(未示出)当中。这些计算机系统也可以是通用计算机系统。例如,本文公开的各种实施方式可分布在配置成向一个或多个客户端计算机提供服务(例如服务器)或作为分布式系统的部分执行总任务的一个或多个计算机系统当中。例如,本文公开的各种实施方式可在包括分布在根据各种实施方式执行各种功能的一个或多个服务器系统当中的部件的客户端-服务器系统上执行。这些部件可以是使用通信协议(例如TCP/IP)通过通信网络(例如互联网)进行通信的可执行的中间件(例如IL)或解释(例如Java)代码。在一些实施方式中,计算机系统1400的一个或多个部件可通过无线网络(包括例如蜂窝电话网络)与一个或多个其它部件通信。
应认识到,本文公开的实施方式不限于在任何特定的系统或系统组上执行。此外,应认识到,本文公开的实施方式不限于任何特定的分布式体系结构、网络或通信协议。可使用面向对象的编程语言例如SmallTalk、Java、C++、Ada或C#(C-Sharp)来对各种实施方式编程。也可使用其它面向对象的编程语言。可选地,可使用函数、脚本和/或逻辑编程语言。本文公开的各种实施方式可在非编程环境中实现(例如以HTML、XML或其它格式创建的文件,其当在浏览器程序的窗口中被观看时再现图形用户界面(GUI)的方面或执行其它功能)。本文公开的各种实施方式可被实现为编程或非编程元件或其任何组合。
这样已经描述了本发明的至少一个实施方式的几个方面后,应认识到,本领域中的技术人员将容易想到各种变更、修改和改进。例如,虽然本文提供的例子聚焦于能量强度分析,这同一方法可例如用于识别与除了能量强度以外的参数相关的高成本事件。可收费参数(消耗、峰值要求、功率因数等)的间隔数据可组合以产生间隔成本值,且本文公开的方法可用于找到并对准高成本事件。在任一实施方式中所述的任何特征可被包括在任何其它实施方式的任何特征中或代替任何其它实施方式的任何特征。本文公开的方法的动作可以按可选的顺序被执行,且一个或多个动作可被省略或由可选的动作代替。本文公开的方法可包括未明确描述的额外动作。这样的变更、修改和提高被规定为本公开的部分,且被规定为在本发明的范围内。相应地,前述描述和附图仅仅作为例子。
Claims (18)
1.一种用于减小在设施处的能量成本的方法,所述方法包括:
通过压缩预测试识别在所述设施处的具有能量强度变化减小的高可能性的候选生产实体,其中所述压缩预测试包括与能量强度有关的变量分级以确定哪些变量代表能量消耗成本中的减小的最佳机会;
确定与减小在所述候选生产实体中的能量强度变化相关的潜在的成本节省;
识别在所述候选生产实体中的能量强度变化的根本原因;以及
使减轻所述根本原因的动作被执行。
2.如权利要求1所述的方法,其中所述压缩预测试包括将与第一组变量相关的第一能量强度数据集和在统计上类似于所述第一能量强度数据集并与第二组变量相关的第二能量强度数据集组合成复合宏组变量以用于分析。
3.如权利要求2所述的方法,其中所述压缩预测试包括将与多组变量相关的在统计上类似的数据集组合成多个复合宏组变量,所述多个复合宏组变量中的每个复合宏组变量具有在统计上不同的相关数据集。
4.如权利要求3所述的方法,其中通过对被包括在每个宏组变量中的变量的参数进行的分析来识别所述根本原因。
5.如权利要求1所述的方法,其中所述压缩预测试包括对从以下中的每个得到的参数进行分级:能量强度的可变性、能量强度偏斜度和所述候选生产实体中的每个的总生产量。
6.如权利要求1所述的方法,其中所述潜在的成本节省是通过压缩分析来确定的。
7.如权利要求1所述的方法,其中识别在所述候选生产实体中的能量强度变化的所述根本原因包括通过变化点检测的方法来确定在所述候选生产实体中的能量强度变化中的变化的时间。
8.如权利要求7所述的方法,其中所述变化点检测的方法包括自举分析。
9.如权利要求7所述的方法,其中所述变化点检测的方法包括均方误差分析。
10.如权利要求7所述的方法,其中所述变化点检测的方法包括BS-MSE分析。
11.如权利要求7所述的方法,其中所述变化点检测的方法包括相对标准偏差分析。
12.如权利要求1所述的方法,其中所述根本原因是通过在所述候选生产实体中的所述能量强度变化的识别特征与能量强度变化识别特征和相关根本原因的数据库的比较来确定的。
13.如权利要求1所述的方法,其中使减轻所述根本原因的所述动作被执行包括使对所述候选生产实体中的一个或多个候选生产实体的一个或多个操作参数和/或对与所述候选生产实体中的所述一个或多个候选生产实体相关的辅助系统的一个或多个操作参数的调节被做出。
14.一种包括配置成执行方法的处理器的计算机系统,所述方法包括:
通过压缩预测试识别在设施处的具有能量强度变化减小的高可能性的候选生产实体,其中所述压缩预测试包括与能量强度有关的变量分级以确定哪些变量代表能量消耗成本中的减小的最佳机会;
确定与减小在所述候选生产实体中的能量强度变化相关的潜在的成本节省;
识别在所述候选生产实体中的能量强度变化的根本原因;以及
使减轻所述根本原因的动作被执行。
15.如权利要求14所述的计算机系统,还包括输出设备,所述输出设备配置成向所述候选生产实体中的一个或多个候选生产实体提供控制信号,其中使减轻所述根本原因的所述动作被执行包括通过向所述候选生产实体中的所述一个或多个候选生产实体提供一个或多个控制信号来调节所述候选生产实体中的所述一个或多个候选生产实体的一个或多个操作参数。
16.如权利要求14所述的计算机系统,还包括输出设备,所述输出设备配置成向与所述候选生产实体中的一个或多个候选生产实体相关的一个或多个辅助系统提供控制信号,其中使减轻所述根本原因的所述动作被执行包括通过向所述辅助系统中的所述一个或多个辅助系统提供一个或多个控制信号来调节所述辅助系统中的所述一个或多个辅助系统的一个或多个操作参数。
17.如权利要求14所述的计算机系统,配置成通过包括下列项的方法来识别在所述候选生产实体中的能量强度变化的所述根本原因:通过变化点检测的方法来确定在所述候选生产实体中的能量强度变化中的变化的时间。
18.如权利要求14所述的计算机系统,还包括数据库,其中所述处理器配置成通过比较在所述候选生产实体中的所述能量强度变化的识别特征与存储在所述数据库中的能量强度变化识别特征和相关根本原因来确定所述根本原因。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/753,610 | 2015-06-29 | ||
US14/753,610 US10438150B2 (en) | 2015-06-29 | 2015-06-29 | Energy intensity variability analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106294061A CN106294061A (zh) | 2017-01-04 |
CN106294061B true CN106294061B (zh) | 2019-04-09 |
Family
ID=56203259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610500530.1A Active CN106294061B (zh) | 2015-06-29 | 2016-06-29 | 能量强度可变性分析 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10438150B2 (zh) |
EP (1) | EP3113088A1 (zh) |
CN (1) | CN106294061B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11158007B2 (en) * | 2018-08-10 | 2021-10-26 | International Business Machines Corporation | Dynamic energy consumption and harvesting with feedback |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320098A (zh) * | 2008-07-11 | 2008-12-10 | 重庆大学 | 基于数字图像分析的城镇热岛特性预测方法及系统 |
CN102929232A (zh) * | 2012-10-22 | 2013-02-13 | 天津大学 | 办公建筑独立房间能耗采集、监测、分析及报警系统 |
CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
CN104676752A (zh) * | 2014-11-03 | 2015-06-03 | 广东工业大学 | 水冷冷水机组为冷源的集中空调系统运行能耗的分析方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6424959B1 (en) * | 1999-06-17 | 2002-07-23 | John R. Koza | Method and apparatus for automatic synthesis, placement and routing of complex structures |
US8356000B1 (en) * | 2000-04-13 | 2013-01-15 | John R. Koza | Method and apparatus for designing structures |
JP2002092098A (ja) | 2000-09-20 | 2002-03-29 | Hitachi Ltd | 省エネルギー設備費用の回収方法及び回収システム |
GB0506560D0 (en) * | 2005-03-31 | 2005-05-04 | Univ Court Of The Univeresity | Method of operating a telecommunications network |
US7562234B2 (en) * | 2005-08-25 | 2009-07-14 | Apple Inc. | Methods and apparatuses for dynamic power control |
US20090099887A1 (en) * | 2007-10-12 | 2009-04-16 | Sklar Michael S | Method of undertaking and implementing a project using at least one concept, method or tool which integrates lean six sigma and sustainability concepts |
JP5159555B2 (ja) * | 2008-10-17 | 2013-03-06 | 株式会社日立製作所 | 環境負荷量算出方法、その実行プログラム及びその実行装置 |
US8706650B2 (en) | 2009-01-14 | 2014-04-22 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
US9406036B2 (en) * | 2009-04-24 | 2016-08-02 | Rockwell Automation Technologies, Inc. | Discrete energy assignments for manufacturing specifications |
US9129231B2 (en) * | 2009-04-24 | 2015-09-08 | Rockwell Automation Technologies, Inc. | Real time energy consumption analysis and reporting |
US20110095897A1 (en) | 2009-10-26 | 2011-04-28 | Eaton Corporation | Energy usage index |
US8141416B2 (en) * | 2010-09-30 | 2012-03-27 | General Electric Company | Systems and methods for identifying wind turbine performance inefficiency |
US8571832B2 (en) | 2010-12-15 | 2013-10-29 | Honeywell International Inc. | Approach for monitoring energy consumption and preventive maintenance of a system based on control loop efficiency |
US20120158603A1 (en) * | 2010-12-17 | 2012-06-21 | Sap Ag | Mapping and aggregation of energy consumption for production |
EP2791744A4 (en) | 2011-12-16 | 2015-06-10 | Schneider Electric Usa Inc | Collocation CIRCUIT ARCHITECTURE |
US10140670B2 (en) | 2012-08-31 | 2018-11-27 | Engie Storage Services Na Llc | Energy management methods and systems based on financial impact |
JP5790952B2 (ja) * | 2013-04-23 | 2015-10-07 | 横河電機株式会社 | 生産エネルギー管理システムおよびコンピュータプログラム |
JP5818865B2 (ja) * | 2013-11-27 | 2015-11-18 | 三菱重工業株式会社 | 消費電力制御システム及び方法 |
-
2015
- 2015-06-29 US US14/753,610 patent/US10438150B2/en active Active
-
2016
- 2016-06-23 EP EP16176057.4A patent/EP3113088A1/en not_active Ceased
- 2016-06-29 CN CN201610500530.1A patent/CN106294061B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320098A (zh) * | 2008-07-11 | 2008-12-10 | 重庆大学 | 基于数字图像分析的城镇热岛特性预测方法及系统 |
CN102929232A (zh) * | 2012-10-22 | 2013-02-13 | 天津大学 | 办公建筑独立房间能耗采集、监测、分析及报警系统 |
CN103870678A (zh) * | 2014-02-18 | 2014-06-18 | 上海零碳建筑科技有限公司 | 一种基于城市规划的碳排放计量方法 |
CN104676752A (zh) * | 2014-11-03 | 2015-06-03 | 广东工业大学 | 水冷冷水机组为冷源的集中空调系统运行能耗的分析方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160379147A1 (en) | 2016-12-29 |
US10438150B2 (en) | 2019-10-08 |
EP3113088A1 (en) | 2017-01-04 |
CN106294061A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647891B (zh) | 数据异常归因分析方法及装置 | |
CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN105612546B (zh) | 用于能量测量的装置、服务器、系统和方法 | |
CN110458195B (zh) | 一种基于多判据融合的异常数据甄别方法 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
US10139437B2 (en) | Apparatus, server, system and method for energy measuring | |
Frank et al. | A performance evaluation framework for building fault detection and diagnosis algorithms | |
Harmer et al. | Using calibrated energy models for building commissioning and load prediction | |
US20160282400A1 (en) | Equipment failure prediction system, equipment failure prediction device and equipment failure prediction method | |
Roth et al. | Data-driven, multi-metric, and time-varying (DMT) building energy Benchmarking using smart meter data | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
CN110852906B (zh) | 一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统 | |
Ahir et al. | A meta-analytic approach for determining the success factors for energy conservation | |
CN110826859A (zh) | 一种基于日电量远程识别用户用电性质的方法及系统 | |
RU2654167C2 (ru) | Способ обнаружения скрытых взаимосвязей в Интернете Вещей | |
CN106294061B (zh) | 能量强度可变性分析 | |
CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
CN111784379B (zh) | 追缴电费的估算方法、装置和异常案例的筛选方法、装置 | |
Carrasco-Jiménez et al. | Detection of anomalous patterns in water consumption: An overview of approaches | |
US20210372647A1 (en) | Method and system for automatic detection of malfunctions/inefficient household electronic heating device | |
Nayak et al. | A review of residential building archetypes and their applications to study building energy consumption | |
Yu et al. | Long-term and short-term effects of green strategy on corporate performance: evidence from Chinese listed companies | |
CN113591982A (zh) | 一种故障检测与诊断算法的性能评估方法及系统 | |
Van Hove et al. | Uncertainty and sensitivity analysis of building-stock energy models: sampling procedure, stock size and Sobol’convergence | |
Maalej et al. | Sensor data augmentation strategy for load forecasting in smart grid context |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |