CN107220921B - 一种对能耗在线监测系统所采集数据的验证方法 - Google Patents

一种对能耗在线监测系统所采集数据的验证方法 Download PDF

Info

Publication number
CN107220921B
CN107220921B CN201710382164.9A CN201710382164A CN107220921B CN 107220921 B CN107220921 B CN 107220921B CN 201710382164 A CN201710382164 A CN 201710382164A CN 107220921 B CN107220921 B CN 107220921B
Authority
CN
China
Prior art keywords
data
abnormal
energy consumption
storing
verification
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
Application number
CN201710382164.9A
Other languages
English (en)
Other versions
CN107220921A (zh
Inventor
王志强
朱小磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Moonew Energy Technology Service Co ltd
Original Assignee
Xi'an Moonew Energy Technology Service Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Moonew Energy Technology Service Co ltd filed Critical Xi'an Moonew Energy Technology Service Co ltd
Priority to CN201710382164.9A priority Critical patent/CN107220921B/zh
Publication of CN107220921A publication Critical patent/CN107220921A/zh
Application granted granted Critical
Publication of CN107220921B publication Critical patent/CN107220921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种对能耗在线监测系统所采集数据的验证方法，步骤101，获取监测的异常数据；步骤102，判定是否属于非人为因素造成异常数据；若是进入步骤103，若不是进入步骤104；步骤103，拟合数据并将数据存储在临时数据库；步骤104，判定是否属于人为因素造成数据异常；若是进入步骤105，若不是进入步骤107；步骤105，报警并将数据存储在临时数据库；步骤106，确认数据的正确性；步骤107，进行功率验证；若异常，进入步骤108，若正常，进入步骤109；步骤108，报警并将数据存储在临时数据库；步骤109，进行总量验证；若异常，进入步骤110，若正常，进入步骤112；步骤110，报警并将数据存储在临时数据库；步骤111，手动核查数据；步骤112，将数据保存至正式数据库。

Description

一种对能耗在线监测系统所采集数据的验证方法
技术领域
本发明涉及一种能耗在线监测系统，特别是一种对能耗在线监测系统所采集数据的验证方法。
背景技术
随着我国经济的发展，全社会能耗逐年迅速增加，给我国环境保护和资源节约带来了极大挑战。鉴于此，国务院及各级节能行政主管部门制定并发布了系列政策措施，能耗在线监测系统在工业、建筑、教育、医疗、公共机构等领域的应用已稳步实施。
能耗在线监测系统是运用信息化技术实时采集各类能源（水、电、气、暖/冷）的消耗数据，上传至上一级能耗监测系统或平台，并进行统计、分析，以直观的数据图表形式向管理人员或决策层系统展示，便于了解公共建筑的真实能耗数据，及时找出不合理的高能耗点或不合理的耗能习惯。
在实际运行过程中，广泛存在着对能耗在线监测系统所采集数据进行正确性验证的需求。例如，网络硬件等故障产生的断点数据、电表与互感器配比有误产生的错误数据、监测点位重复计量导致的问题数据等。能耗在线监测系统或平台，如果不能有效的对采集数据进行验证，将产生大量的垃圾数据并干扰到正常数据，进而会影响到政府政策的制定。
发明内容
本发明的目的是提供一种对能耗在线监测系统所采集数据的验证方法，通过实时扫描数据，并按照系列验证规则进行数据验证，以解决系统接收的异常数据对正常数据的干扰。
本发明是这样实现的，一种对能耗在线监测系统所采集数据的验证方法，其特征是：它至少包括以下步骤：
步骤101，获取监测的异常数据；
步骤102，判定是否属于非人为因素造成异常数据；若是进入步骤103，若不是进入步骤104；
步骤103，拟合数据并将数据存储在临时数据库；
步骤104，判定是否属于人为因素造成数据异常；若是进入步骤105，若不是进入步骤107；
步骤105，报警并将数据存储在临时数据库；
步骤106，确认数据的正确性；
步骤107，进行功率验证；若异常，进入步骤108，若正常，进入步骤109；
步骤108，报警并将数据存储在临时数据库；
步骤109，进行总量验证；若异常，进入步骤110，若正常，进入步骤112；
步骤110，报警并将数据存储在临时数据库；
步骤111，人工手动核查数据的正确性；
步骤112，将数据保存至正式数据库。
所述步骤102判定是否属于非人为因素是通过如下步骤完成,
步骤201开始;
步骤202,检测数据是否出现断点,没有从步骤206返回;有进入步骤203;
步骤203,扫描实时数据;
步骤204, 实时数据是否出现异常大数据,没有返回步骤203;有进入步骤205;
步骤205,标记为非人为因素异常;
步骤206, 返回。
所述的步骤111包括如下步骤：
步骤301,开始;
步骤302,是不是逐时数据等差等比变化;是,进入步骤306;不是进入步骤303;
步骤303,工作日与非工作日是否明显不同;是,进入步骤304;不是进步骤306;
步骤304, 工作日与非工作日数据是否明显不同;是,进入步骤305;不是进步骤306;
步骤305,超出k值的10倍以上, 进入步骤306;
步骤306;标记人为产生。
所述的步骤107包括如下步骤：
步骤401,记录每一个数据所对应的所有设备类型、额定功率、运行时间;
步骤402,计算所有负载的数据区间(0,x);
步骤403, 数据区间(0,x)是否在合理的数据区间(0,y),其中y≥x;不是,进入步骤404;是,进入步骤405;
步骤404,给出功率数据异常标志,返回步骤108;
步骤405, ,给出功率数据正常标志,返回步骤109。
所述的步骤111包括如下步骤：
步骤501,选择人工所统计数据的时间区间;
步骤502,输入能耗数据(人工统计的);
步骤503, 检测步骤502输入能耗数据与系统自动统计的数据差异小于k值, k值=步骤502输入能耗数据-自动统计的数据/自动统计的数据小于15%,是到步骤505.不是到步骤504;
步骤504数据大于15%,总量验证异常;
步骤505数据小于15%,总量验证正常。
本发明的优点是;由于获取监测的异常能耗数据经过不断的分化, 将减少产生大量的垃圾数据对正常数据的干扰，进而保证大数据的可靠,不会影响到政府政策的制定。
附图说明
下面结合实施例对本发明作进一步说明：
图1 本发明实施例总体实现流程示意图；
图2 是否属“天灾类”的流程示意图；
图3 是否属“人祸类”的流程示意图；
图4 功率验证的流程示意图；
图5 总量验证的流程示意图。
具体实施方式
如图1所示,一种对能耗在线监测系统所采集数据的验证方法，其特征是：它至少包括以下步骤：
步骤101，获取监测的异常数据；
步骤102，判定是否属于非人为因素造成异常数据；若是进入步骤103，若不是进入步骤104；
步骤103，拟合数据并将数据存储在临时数据库；
步骤104，判定是否属于人为因素造成数据异常；若是进入步骤105，若不是进入步骤107；
步骤105，报警并将数据存储在临时数据库；
步骤106，确认数据的正确性；
步骤107，进行功率验证；若异常，进入步骤108，若正常，进入步骤109；
步骤108，报警并将数据存储在临时数据库；
步骤109，进行总量验证；若异常，进入步骤110，若正常，进入步骤112；
步骤110，报警并将数据存储在临时数据库；
步骤111，人工手动核查数据的正确性；
步骤112，将数据保存至正式数据库。
如图2所示,所述步骤102判定是否属于非人为因素是通过如下步骤完成,
步骤201开始;
步骤202,检测数据是否出现断点,没有从步骤206返回;有进入步骤203;
步骤203,扫描实时数据;
步骤204, 实时数据是否出现异常大数据,没有返回步骤203;有进入步骤205;
步骤205,标记为非人为因素异常;
步骤206, 返回。
如图3所示,所述的步骤111包括如下步骤：
步骤301,开始;
步骤302,是不是逐时数据等差等比变化;是,进入步骤306;不是进入步骤303;
步骤303,工作日与非工作日是否明显不同;是,进入步骤304;不是进步骤306;
步骤304, 工作日与非工作日数据是否明显不同;是,进入步骤305;不是进步骤306;
步骤305,超出k值的10倍以上, 进入步骤306;
步骤306;标记人为产生。
如图4所示,所述的步骤107包括如下步骤：
步骤401,记录每一个数据所对应的所有设备类型、额定功率、运行时间;
步骤402,计算所有负载的数据区间(0,x);
步骤403, 数据区间(0,x)是否在合理的数据区间(0,y),其中y≥x;不是,进入步骤404;是,进入步骤405;
步骤404,给出功率数据异常标志,返回步骤108;
步骤405, ,给出功率数据正常标志,返回步骤109。
如图5所示,所述的步骤111包括如下步骤：
步骤501,选择人工所统计数据的时间区间;
步骤502,输入能耗数据(人工统计的);
步骤503, 检测步骤502输入能耗数据与系统自动统计的数据差异小于k值, k值=步骤502输入能耗数据-自动统计的数据/自动统计的数据小于15%,是到步骤505.不是到步骤504;
步骤504数据大于15%,总量验证异常;
步骤505数据小于15%,总量验证正常。
本发明由于获取监测的异常能耗数据经过不断的分化,将减少产生大量的垃圾数据对正常数据的干扰，进而保证大数据的可靠,不会影响到政府政策的制定。

Claims (1)

1.一种对能耗在线监测系统所采集数据的验证方法，其特征是：它至少包括以下步骤：
步骤101，获取监测的异常数据；
步骤102，判定是否属于非人为因素造成异常数据；若是进入步骤103，若不是进入步骤104；
步骤103，拟合数据并将数据存储在临时数据库；
步骤104，判定是否属于人为因素造成数据异常；若是进入步骤105，若不是进入步骤107；
步骤105，报警并将数据存储在临时数据库；
步骤106，确认数据的正确性；验证结束；
步骤107，进行功率验证；若异常，进入步骤108，若正常，进入步骤109；
步骤108，报警并将数据存储在临时数据库；
步骤109，进行总量验证；若异常，进入步骤110，若正常，进入步骤112；
步骤110，报警并将数据存储在临时数据库；
步骤111，人工手动核查数据的正确性；验证结束；
步骤112，将数据保存至正式数据库；
所述步骤102判定是否属于非人为因素是通过如下步骤完成,
步骤201开始；
步骤202，检测数据是否出现断点,没有从步骤206返回；有进入步骤203;
步骤203 ，扫描实时数据；
步骤204 ，实时数据是否出现异常大数据，没有，返回步骤203；有进入步骤205;
步骤205 ，标记为非人为因素异常；
步骤206 ，返回；
所述的步骤104包括如下步骤：
步骤301，开始；
步骤302，是不是逐时数据等差等比变化;是,进入步骤306;不是进入步骤303；
步骤303 ，工作日与非工作日是否明显不同;是,进入步骤304;不是进步骤306；
步骤304 ， 工作日与非工作日数据是否明显不同;是,进入步骤305;不是进步骤306；
步骤305，超出k值的10倍以上, 进入步骤306; k值=输入能耗数据-自动统计的数据/自动统计的数据的比值；
步骤306，标记人为产生；
所述的步骤107包括如下步骤：
步骤401，记录每一个数据所对应的所有设备类型、额定功率、运行时间;
步骤402，计算所有负载的数据区间(0 ,x)；
步骤403， 数据区间(0 ,x)是否在合理的数据区间(0 ,y) ,其中y≥x；不是,进入步骤404；是,进入步骤405；
步骤404，给出功率数据异常标志,返回步骤108；
步骤405，给出功率数据正常标志,返回步骤109；
所述的步骤111包括如下步骤：
步骤501，选择人工所统计数据的时间区间；
步骤502，输入能耗数据；
步骤503 ， 检测步骤502输入能耗数据与系统自动统计的数据差异小于k值， k值=步骤502输入能耗数据-自动统计的数据/自动统计的数据小于15% ，是到步骤505 ，不是到步骤504；
步骤504数据大于15% ，总量验证异常；
步骤505数据小于15%，总量验证正常。
CN201710382164.9A 2017-05-26 2017-05-26 一种对能耗在线监测系统所采集数据的验证方法 Active CN107220921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710382164.9A CN107220921B (zh) 2017-05-26 2017-05-26 一种对能耗在线监测系统所采集数据的验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710382164.9A CN107220921B (zh) 2017-05-26 2017-05-26 一种对能耗在线监测系统所采集数据的验证方法

Publications (2)

Publication Number Publication Date
CN107220921A CN107220921A (zh) 2017-09-29
CN107220921B true CN107220921B (zh) 2020-09-29

Family

ID=59945488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710382164.9A Active CN107220921B (zh) 2017-05-26 2017-05-26 一种对能耗在线监测系统所采集数据的验证方法

Country Status (1)

Country Link
CN (1) CN107220921B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109471854B (zh) * 2018-10-31 2020-09-15 广东兴发铝业有限公司 一种大数据能耗在线监测系统所采集数据的验证方法
CN109492785B (zh) * 2018-12-12 2021-12-17 重庆九钰智慧科技有限公司 智慧路灯照明数据质量控制系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184267A (zh) * 2011-04-14 2011-09-14 上海同岩土木工程科技有限公司 一种自动数据采集系统消除干扰的异常数据过滤方法
CN104391888A (zh) * 2014-11-11 2015-03-04 福建星海通信科技有限公司 一种异常定位数据的过滤方法
CN105631358A (zh) * 2015-12-23 2016-06-01 罗普特（厦门）科技集团有限公司 重要实验数据防篡改监视控制系统及其使用方法
CN106789912A (zh) * 2016-11-22 2017-05-31 清华大学 基于分类回归决策树的路由器数据平面异常行为检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3549505B2 (ja) * 2001-08-10 2004-08-04 本田技研工業株式会社 データ記録装置
US7369950B2 (en) * 2003-02-07 2008-05-06 Power Measurement Ltd. System and method for power quality analytics
US9846938B2 (en) * 2015-06-01 2017-12-19 Virtual Radiologic Corporation Medical evaluation machine learning workflows and processes

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184267A (zh) * 2011-04-14 2011-09-14 上海同岩土木工程科技有限公司 一种自动数据采集系统消除干扰的异常数据过滤方法
CN104391888A (zh) * 2014-11-11 2015-03-04 福建星海通信科技有限公司 一种异常定位数据的过滤方法
CN105631358A (zh) * 2015-12-23 2016-06-01 罗普特（厦门）科技集团有限公司 重要实验数据防篡改监视控制系统及其使用方法
CN106789912A (zh) * 2016-11-22 2017-05-31 清华大学 基于分类回归决策树的路由器数据平面异常行为检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
装甲装备维修性试验数据处理和小子样验证方法;黄秀平;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20100515;全文 *

Also Published As

Publication number Publication date
CN107220921A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
CN110097297B (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN106384210B (zh) 一种基于检修风险收益的输变电设备检修优先级排序方法
CN103810533B (zh) 一种基于云模型的配电网故障风险识别方法
CN106327062A (zh) 一种配电网设备的状态评估方法
CN106570784A (zh) 电压监测一体化模型
CN112686405A (zh) 一种基于故障树的配电网故障区域划分方法
CN206312210U (zh) 一种配电网设备的状态评估系统
Lu et al. Estimation of sensitive equipment disruptions due to voltage sags
CN105447618B (zh) 一种电力系统分区可靠性评估方法
CN106571627A (zh) 一种基于在线监测信息的二次设备健康状态评价方法
CN110855012A (zh) 一种台区实时线损智能分析系统
CN107220921B (zh) 一种对能耗在线监测系统所采集数据的验证方法
Tang et al. Enhancement of distribution load modeling using statistical hybrid regression
CN107292490A (zh) 试运行变电站运行风险评估体系及评估方法
CN103487644A (zh) 电能分项能耗计量方法和装置
CN106841857A (zh) 一种电能质量监测装置可靠性评估方法
CN104751292A (zh) 一种机电设备运行综合管理方法
CN104715156A (zh) 一种建筑节能潜力动态评估方法
CN104574211B (zh) 基于风险源的电网调度操作风险预警方法和系统
CN102682212B (zh) 机电类产品的一种可靠性度量方法
CN108604821A (zh) 能量消耗报警方法、能量消耗报警系统和平台
CN106709623B (zh) 一种基于风险计算模型的电网营销稽查风险管控方法
Yuan et al. LMP step pattern detection based on real-time data
CN116106627A (zh) 一种基于电压电流不同相错误接线异常的判断方法
Stellberg Assessment of energy efficiency achievable from improved compliance with US building energy codes: 2013–2030

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 710075 Shaanxi city of Xi'an province high tech Zone day Valley Ba Lu No. 156 software R & D base two Metro building A9 Room 501

Applicant after: XI'AN MOONEW ENERGY TECHNOLOGY SERVICES CO., LTD.

Address before: 710075 Shaanxi city of Xi'an province high tech Zone Plaza Garden - Xi'an (two) building first room 20715

Applicant before: XI'AN MOONEW ENERGY TECHNOLOGY SERVICES CO., LTD.

GR01 Patent grant
GR01 Patent grant