CN109032087B - 工业生产设备能耗状态诊断与节能评估方法及系统 - Google Patents

工业生产设备能耗状态诊断与节能评估方法及系统 Download PDF

Info

Publication number
CN109032087B
CN109032087B CN201810738659.5A CN201810738659A CN109032087B CN 109032087 B CN109032087 B CN 109032087B CN 201810738659 A CN201810738659 A CN 201810738659A CN 109032087 B CN109032087 B CN 109032087B
Authority
CN
China
Prior art keywords
energy consumption
production equipment
industrial production
state
time
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
CN201810738659.5A
Other languages
English (en)
Other versions
CN109032087A (zh
Inventor
周开乐
孙莉
杨善林
于俊卿
温露露
陆信辉
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201810738659.5A priority Critical patent/CN109032087B/zh
Publication of CN109032087A publication Critical patent/CN109032087A/zh
Application granted granted Critical
Publication of CN109032087B publication Critical patent/CN109032087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32339Object oriented modeling, design, analysis, implementation, simulation language
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00Climate change mitigation technologies for sector-wide applications
    • Y02P80/10Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例涉及一种工业生产设备能耗状态诊断与节能评估方法及系统,该方法包括:每隔预设时长监测工业生产设备当前的状态,将本次监测到的状态确定为所述工业生产设备在当前的时间区间的状态;根据所述工业生产设备在多个连续的时间区间的状态,确定多个时间子区间;获取所述工业生产设备在每个时间子区间的能耗监测数据,并确定所述工业生产设备在每个时间子区间的平均能耗;预设所述工业生产设备能耗分析的时间区间,生成所述工业生产设备的能耗统计分析报告;对所述工业生产设备的能耗状态进行诊断,将诊断结果发送给工业生产设备能耗状态监控界面;确定所述工业生产设备的单位产品能耗,对所述工业生产设备进行节能评价。

Description

工业生产设备能耗状态诊断与节能评估方法及系统
技术领域
本发明实施例涉及工业企业能源管理技术领域,具体涉及一种工业生产设备能耗状态诊断与节能评估方法及系统。
背景技术
目前的工业企业能源管理系统,聚焦于对工业生产设备进行能耗监测,通过对工业生产设备能耗曲线的可视化,为有经验的管理人员诊断工业生产设备是否能耗异常提供参考依据。其中,能耗异常既包括一些突发的不可预测的能耗异常,比如工业生产设备突发的故障带来的能耗异常、工业生产设备监测数据传输错误显示的异常,也包括一些缓慢发生的但可以预计的异常,比如随着工业生产设备损耗增加,生产单位产品的能耗增加,维持设备运行带来生产成本的增加,达到一个临界点后,不仅无法保证设备经济性,还极有可能出现设备停机异常,从而影响企业的正常生产。在实际生产中,既要对一些突发异常及时处理,也要对缓慢发生的异常准确预测,从而避免生产设备停机、停工带来的损失。
然而,在进行发明创造的过程中发明人发现,现有技术存在以下缺陷:
(1)目前的工业企业能源管理系统,缺乏科学高效的工业生产设备能耗分析方法,因此难以准确诊断工业生产设备是否能耗异常。
(2)工业企业节能评估多为长期评估,在每一年的年末运用总体数据简单评估,评估结果无法即时地指导生产决策。
发明内容
本发明实施例提供了一种工业生产设备能耗状态诊断与节能评估方法及系统,用以解决上述至少一个技术问题。
第一方面,本发明实施例提供一种工业生产设备能耗状态诊断与节能评估方法,包括:
每隔预设时长监测工业生产设备p当前的状态,将本次监测到的状态确定为所述工业生产设备p在当前的时间区间的状态,所述时间区间的长度为所述预设时长,所述状态为停机状态s1、待机状态s2和运行状态s3中的一种;
根据所述工业生产设备p在多个连续的时间区间的状态,确定多个时间子区间,从而在每个时间子区间内所述工业生产设备p的状态相同;
获取所述工业生产设备p在每个时间子区间的能耗监测数据,并确定所述工业生产设备p在每个时间子区间的平均能耗;
预设所述工业生产设备p能耗分析的时间区间b,生成所述工业生产设备p的能耗统计分析报告,所述能耗统计分析报告包括:运行时间统计分析和能耗分析;
对所述工业生产设备p的能耗状态进行诊断,将诊断结果发送给工业生产设备p的能耗状态监控界面,所述诊断结果为正常或异常;
确定所述工业生产设备p的单位产品能耗,对照行业标准,对所述工业生产设备p进行节能评价。
可选地,所述运行时间统计分析按照以下方式得到:
根据所述工业生产设备p在各时间子区间的状态,统计所述工业设备p处于停机状态s1的时长tp,1、处于待机状态s2的时长tp,2和处于运行状态s3的时长tp,3
确定所述工业设备p处于停机状态s1的时长、处于待机状态s2的时长和处于运行状态s3的时长分别占所述预设工业生产设备能耗分析的时间区间T的时长b的比例
Figure GDA0002769147030000021
并可视化。
可选地,所述能耗分析按照以下方式得到:
根据所述工业生产设备p在每个时间子区间的平均能耗,确定所述工业设备处于待机状态s2的能耗Ep,2,以及,所述工业生产设备p处于运行状态s3的能耗Ep,3
确定所述工业生产设备p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure GDA0002769147030000031
Figure GDA0002769147030000032
并可视化。
可选地,所述对所述工业生产设备p的能耗状态进行诊断,包括:
按照工业企业产品的离散生产的流程,识别典型生产过程,所述典型生产过程是循环、重复出现的;
将所述典型生产过程的已知异常模式编码并存储在所述工业生产设备p的特殊模式库中,每一个编码对应且只对应一种异常模式,所述异常模式由编码、文字描述和能耗时间序列数据共同描述;
从所述生产设备p的特殊模式库中获取所述典型生产过程的能耗时间序列数据,并与所述工业生产设备p在每个时间子区间的平均能耗比较,根据比较结果,确定所述工业生产设备p的能耗状态是否异常。
可选地,所述方法还包括:
结合确定所述工业生产设备p的单位产品能耗和单位产品生产成本,对照行业标准,对所述工业生产设备p的经济性进行评价。
可选地,所述方法还包括:
将节能评价的结果反馈给工业生产设备能耗状态诊断模块。
可选地,所述方法还包括:
根据节能评价的结果,为企业生产推荐节能策略。
第二方面,本发明实施例提供一种工业生产设备能耗状态诊断与节能评估系统,其特征在于,包括:工业生产设备能耗监测模块、工业生产设备能耗分析模块、工业生产设备能耗状态诊断模块以及节能评价模块;
其中,所述工业生产设备能耗监测模块用于:
每隔预设时长监测工业生产设备p当前的状态,将本次监测到的状态确定为所述工业生产设备p在当前的时间区间的状态,所述时间区间的长度为所述预设时长,所述状态为停机状态s1、待机状态s2和运行状态s3中的一种;根据所述工业生产设备p在多个连续的时间区间的状态,确定多个时间子区间,在每个时间子区间所述工业生产设备p的状态相同;获取所述工业生产设备p在每个时间子区间的能耗监测数据,并确定所述工业生产设备p在每个时间子区间的平均能耗;
所述工业生产设备能耗分析模块用于:预设所述工业生产设备p能耗分析的时间区间b,生成所述工业生产设备p的能耗统计分析报告,所述能耗统计分析报告包括:运行时间统计分析和能耗分析;
所述工业生产设备能耗状态诊断模块用于:对所述工业生产设备p的能耗状态进行诊断,将诊断结果发送给工业生产设备p的能耗状态监控界面,所述诊断结果为正常或异常;
所述节能评价模块用于:确定所述工业生产设备p的单位产品能耗,对照行业标准,对所述工业生产设备p进行节能评价。
可选地,所述工业生产设备能耗分析模块用于:
根据所述工业生产设备p在各时间子区间的状态,统计所述工业设备p处于停机状态s1的时长tp,1、处于待机状态s2的时长tp,2和处于运行状态s3的时长tp,3
确定所述工业设备p处于停机状态s1的时长、处于待机状态s2的时长和处于运行状态s3的时长分别占所述预设工业生产设备能耗分析的时间区间T的时长b的比例
Figure GDA0002769147030000041
并可视化;
根据所述工业生产设备p在每个时间子区间的平均能耗,确定所述工业设备处于待机状态s2的能耗Ep,2,以及,所述工业生产设备p处于运行状态s3的能耗Ep,3
确定所述工业生产设备p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure GDA0002769147030000042
Figure GDA0002769147030000043
并可视化。
可选地,所述工业生产设备能耗状态诊断模块用于:
按照工业企业产品的离散生产的流程,识别典型生产过程,所述典型生产过程是循环、重复出现的;
将所述典型生产过程的异常模式编码并存储在所述工业生产设备p的特殊模式库中,每一个编码对应且只对应一种异常模式,所述异常模式由编码、文字描述和能耗时间序列数据共同描述;
从所述生产设备p的特殊模式库中获取所述典型生产过程的能耗时间序列数据,并与所述工业生产设备p在每个时间子区间的平均能耗比较,根据比较结果,确定所述工业生产设备p的能耗状态是否异常。
本发明基于工业生产设备能耗监测数据,分析、诊断工业生产设备能耗状态,识别并预测工业生产设备的能耗异常。通过以上过程有助于工业企业及时关闭当前尚在运行的能耗异常设备,从而有助于避免因生产设备停机、停工带来企业损失。
本发明基于细粒度的工业生产设备能耗数据进行节能评估,能够挖掘工业生产设备节能潜力,并且能够支持工业生产中的决策制定,包括:备机设备启停策略设计、工业生产设备组合方案制定等,从而促进工业企业的清洁生产和高效生产。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例提供的一种工业生产设备能耗状态诊断与节能评估方法流程图;
图2是本发明实施例提供的一种工业生产设备能耗状态诊断与节能评估系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种工业生产设备能耗状态诊断与节能评估方法,基于工业生产设备能耗监测数据,分析、诊断工业生产设备能耗状态,识别并预测工业生产设备的能耗异常。并且,基于细粒度的工业生产设备能耗数据进行节能评估,能够挖掘工业生产设备节能潜力,并且能够支持工业生产中的决策制定,包括:备机设备启停策略设计、工业生产设备组合方案制定等,从而促进工业企业的清洁生产和高效生产。
基于此,本发明的一个实施例提供了一种工业生产设备能耗状态诊断与节能评估方法,如图1所示,包括:
S1、每隔预设时长监测工业生产设备当前的状态,将本次监测到的状态确定为所述工业生产设备在当前的时间区间的状态,所述时间区间的长度为所述预设时长,所述状态为停机状态、待机状态和运行状态中的一种;
S2、根据所述工业生产设备在多个连续的时间区间的状态,确定多个时间子区间,从而在每个时间子区间内所述工业生产设备的状态相同;
S3、获取所述工业生产设备在每个时间子区间的能耗监测数据,并确定所述工业生产设备在每个时间子区间的平均能耗;
S4、预设所述工业生产设备能耗分析的时间区间,生成所述工业生产设备的能耗统计分析报告,所述能耗统计分析报告包括:运行时间统计分析和能耗分析;
S5、对所述工业生产设备的能耗状态进行诊断,将诊断结果发送给工业生产设备能耗状态监控界面,所述诊断结果为正常或异常;
S6、确定所述工业生产设备的单位产品能耗,对照行业标准,对所述工业生产设备进行节能评价。
本发明基于工业生产设备能耗监测数据,分析、诊断工业生产设备能耗状态,识别并预测工业生产设备的能耗异常。通过以上过程有助于工业企业及时关闭当前尚在运行的能耗异常设备,从而有助于避免因生产设备停机、停工带来企业损失。并且,基于细粒度的工业生产设备能耗数据进行节能评估,能够挖掘工业生产设备节能潜力,并且能够支持工业生产中的决策制定,包括:备机设备启停策略设计、工业生产设备组合方案制定等,从而促进工业企业的清洁生产和高效生产。
在具体实施时,步骤S1-S3包括:
(1)为每台工业生产设备设置一个唯一的身份编号,从而每隔一个预设时长a,按身份编号IDp监测工业生产设备p当前的状态,并将监测的数据存储在临时数据库。一般来说,a可以取5秒。所述工业生产设备p当前的状态包括:停机、待机和运行三种,相应地分别记为s1、s2和s3。具体地,比如在ti时刻,p的当前状态
Figure GDA0002769147030000079
为停机,即
Figure GDA00027691470300000710
就认为在时间区间Ti=[ti,ti+1)内,p的状态保持s1不变,这里ti时刻与ti+1时刻之间的时间间隔为a,将所述Ti命名为初始时间区间。
(2)对于每台工业生产设备p,依据设备状态的改变合并初始时间区间,并将合并后的时间子区间和工业生产设备p在合并后的时间子区间的状态存储到数据中心。合并后的时间子区间记作
Figure GDA0002769147030000071
Figure GDA0002769147030000072
表示第j个时间子区间。时间子区间的产生方案如下:
从t1时刻开始,如果p在初始时间区间T1=[t1,t2)内的设备状态
Figure GDA0002769147030000073
接下来一直保持不变,直到ti时刻发生改变,i>1,就将时间区间T1,...,Ti合并,记为
Figure GDA0002769147030000074
这里ti时刻与t1时刻之间的时间间隔为(i-1)×a,p在
Figure GDA0002769147030000075
内的状态
Figure GDA0002769147030000076
Figure GDA0002769147030000077
及状态
Figure GDA0002769147030000078
存入数据中心;清空临时数据库中ti时刻之前的所有数据;从ti时刻开始,继续合并。
由以上过程可知,工业生产设备在时间子区间
Figure GDA0002769147030000081
内的状态与在相邻时间子区间
Figure GDA0002769147030000082
内的状态一定是不同的,即
Figure GDA0002769147030000083
(3)获取每台工业生产设备p在每个时间子区间
Figure GDA0002769147030000084
内的能耗监测数据,计算p在
Figure GDA0002769147030000085
内的平均能耗ep,j存入数据中心,如果p的能耗类型有m种,包括水,电,气等,那么
Figure GDA0002769147030000086
在具体实施时,步骤S4中的运行时间统计分析按照以下方式得到:
根据所述工业生产设备p在各时间子区间的状态,统计所述工业设备p处于停机状态s1的时长tp,1、处于待机状态s2的时长tp,2和处于运行状态s3的时长tp,3
确定所述工业设备p处于停机状态s1的时长、处于待机状态s2的时长和处于运行状态s3的时长分别占所述预设工业生产设备能耗分析的时间区间T的时长b的比例
Figure GDA0002769147030000087
并可视化。
在具体实施时,步骤S4中的能耗分析按照以下方式得到:
根据所述工业生产设备p在每个时间子区间的平均能耗,确定所述工业设备处于待机状态s2的能耗Ep,2,以及,所述工业生产设备p处于运行状态s3的能耗Ep,3
确定所述工业生产设备p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure GDA0002769147030000088
Figure GDA0002769147030000089
并可视化。
在具体实施时,步骤S4包括:
预设工业生产设备能耗分析的时间区间T,将时间区间T的时长记作b,生成每台工业生产设备p的能耗统计分析报告。比如时间区间T设置成2018年6月1日0:00-2018年6月1日24:00,从而所述时间区间T的时长b=24小时,对于p,T内每个时间子区间Tj com的时长记作bj
Figure GDA00027691470300000810
所述能耗统计分析报告的内容包括:
(1)运行时间统计分析。
在时间区间T内,根据数据中心中存储的p在各时间子区间
Figure GDA0002769147030000091
内的状态
Figure GDA0002769147030000092
统计p处于s1状态的时长tp,1、处于s2状态的时长tp,2和处于s3状态的时长tp,3,tp,1+tp,2+tp,3=b。具体地,比如p的状态为s1的所有时间子区间有
Figure GDA0002769147030000093
Figure GDA0002769147030000094
那么tp,1=b1+b2+b4
计算每个状态的时长占总时长的比例
Figure GDA0002769147030000095
并可视化。特别地,比如将时间区间T设置为一天,如果
Figure GDA0002769147030000096
也即设备待机时间大于8小时,就需要检查设备是否在夜间待机,或减少不必要的待机以降低能耗。
(2)能耗分析。
在时间区间T内,根据数据中心中存储的p在各时间子区间Tj com内的平均能耗ep,j,计算p处于s2状态的能耗Ep,2和处于s3状态的能耗Ep,3。具体地,比如设备p的状态为s2的所有时间子区间有
Figure GDA0002769147030000097
Figure GDA0002769147030000098
那么Ep,2=ep,3·b3+ep,8·b8+ep,9·b9
计算p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure GDA0002769147030000099
并可视化。
本发明中,将工业生产设备能耗异常分为两类。一些突变的异常模式可以基于历史数据定义,从而被检测诊断。对于一些缓慢发生的异常,比如平均能耗随着设备不断损耗递增并超限(即超过一个阈值),比如冷却设备因产生水垢导致换热效率降低,从而能耗增加并超限,这些超限往往表现为典型的周期性变化,这些异常模式不仅可以基于历史的能耗时间序列数据定义从而被诊断,还可以被预测。
在具体实施时,步骤S5包括:
(1)按照工业企业产品的生产流程(这里的生产为离散生产),识别典型生产过程,这种典型生产过程是循环、重复出现的,比如,制造零件L需要且只需要依次经过设备A、设备B和设备C加工,就认为从设备A到设备B到设备C的过程是一个典型生产过程。
(2)将已知的典型生产过程的异常模式存储在生产设备特殊模式库中,编码为异常001,异常002等,每一个编码对应且只对应一种异常模式。所述异常模式由编码、文字描述和能耗时间序列数据共同描述。所述生产设备特殊模式库有人工更新和自动更新两种方式,一种是人工加入新的异常模式,另一种是通过一些智能算法自动检测异常模式。
(3)检测某个典型生产过程在最近一段时间内的能耗是否发生异常,要先从生产设备特殊模式库中获取所述典型生产过程的异常模式数据,然后与输入的能耗时间序列数据匹配,识别异常模式。匹配过程举例如下,由历史数据预设合理的阈值,计算输入的能耗时间序列数据与异常模式时间序列数据之间的距离,比如用欧氏距离,通过比较计算结果与阈值判断异常。特别地,对于一些异常模式,比如平均能耗随着设备损耗的增加递增并超限,可以基于时间序列进行趋势分析和预测,比如DARNN循环神经网络方法。
在具体实施时,步骤S6包括:
聚焦典型生产过程,计算单位产品能耗,通过对标分析,对零件生产进行节能评价。具体地,比如选定时间周期为1天,1天内的零件总能耗除以零件总产量得到单位产品能耗。对照行业标准,评价达标情况为优秀、良好、合格、不合格。此外,还可以结合能耗数据与生产成本数据,评价生产设备的经济性。
节能评价的结果可以反馈给生产设备能耗状态诊断模块,比如,发现单位产品能耗数值过高的零件,从而发现可能发生异常的设备。依据节能评价结果,可以为企业生产推荐节能策略。比如,通过发现同类设备中的高效设备,推荐备机设备启停策略、推荐工业生产设备组合方案,从而促进工业企业的清洁生产和高效生产。
本发明的有益效果如下:
1、本发明基于工业生产设备能耗监测数据,分析、诊断工业生产设备状态,识别并预测工业生产设备的能耗异常。通过以上过程有助于工业企业及时关闭当前尚在运行的能耗异常的生产设备;以及有助于避免因生产设备停机、停工带来企业生产损失。
2、本发明方法基于细粒度的工业生产设备能耗数据进行节能评估,能够挖掘工业生产设备节能潜力,并且能够支持工业生产中的决策制定,包括:备机设备启停策略设计、工业生产设备组合方案制定等,从而促进工业企业的清洁生产和高效生产。
基于同样的发明构思,本发明又一实施例提供了一种工业生产设备能耗状态诊断与节能评估系统,如图2所示,包括:
工业生产设备能耗监测模块、工业生产设备能耗分析模块、工业生产设备能耗状态诊断模块以及节能评价模块;
其中,所述工业生产设备能耗监测模块用于:
每隔预设时长监测工业生产设备当前的状态,将本次监测到的状态确定为所述工业生产设备在当前的时间区间的状态,所述时间区间的长度为所述预设时长,所述状态为停机状态、待机状态和运行状态中的一种;根据所述工业生产设备在多个连续的时间区间的状态,确定多个时间子区间,在每个时间子区间所述工业生产设备的状态相同;获取所述工业生产设备在每个时间子区间的能耗监测数据,并确定所述工业生产设备在每个时间子区间的平均能耗;
所述工业生产设备能耗分析模块用于:预设所述工业生产设备能耗分析的时间区间,生成所述工业生产设备的能耗统计分析报告,所述能耗统计分析报告包括:运行时间统计分析和能耗分析;
所述工业生产设备能耗状态诊断模块用于:对所述工业生产设备的能耗状态进行诊断,将诊断结果发送给工业生产设备能耗状态监控界面,所述诊断结果为正常或异常;
所述节能评价模块用于:确定所述工业生产设备的单位产品能耗,对照行业标准,对所述工业生产设备进行节能评价。
可选地,所述工业生产设备能耗分析模块用于:
根据所述工业生产设备p在各时间子区间的状态,统计所述工业设备p处于停机状态s1的时长tp,1、处于待机状态s2的时长tp,2和处于运行状态s3的时长tp,3
确定所述工业设备p处于停机状态s1的时长、处于待机状态s2的时长和处于运行状态s3的时长分别占所述预设工业生产设备能耗分析的时间区间T的时长b的比例
Figure GDA0002769147030000121
并可视化;
根据所述工业生产设备p在每个时间子区间的平均能耗,确定所述工业设备处于待机状态s2的能耗Ep,2,以及,所述工业生产设备p处于运行状态s3的能耗Ep,3
确定所述工业生产设备p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure GDA0002769147030000122
Figure GDA0002769147030000123
并可视化。
可选地,所述工业生产设备能耗状态诊断模块用于:
按照工业企业产品的离散生产的流程,识别典型生产过程,所述典型生产过程是循环、重复出现的;
将所述典型生产过程的异常模式编码并存储在所述工业生产设备p的特殊模式库中,每一个编码对应且只对应一种异常模式,所述异常模式由编码、文字描述和能耗时间序列数据共同描述;
从所述生产设备p的特殊模式库中获取所述典型生产过程的能耗时间序列数据,并与所述工业生产设备p在每个时间子区间的平均能耗比较,根据比较结果,确定所述工业生产设备p的能耗状态是否异常。
由于本实施例所介绍的工业生产设备能耗状态诊断与节能评估系统为可以执行本发明实施例中的工业生产设备能耗状态诊断与节能评估方法的系统,故而基于本发明实施例中所介绍的工业生产设备能耗状态诊断与节能评估方法,本领域所属技术人员能够了解本实施例的工业生产设备能耗状态诊断与节能评估系统的具体实施方式以及其各种变化形式,所以在此对于该工业生产设备能耗状态诊断与节能评估系统如何实现本发明实施例中的工业生产设备能耗状态诊断与节能评估方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中工业生产设备能耗状态诊断与节能评估方法所采用的系统,都属于本申请所欲保护的范围。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的示例性实施例的描述中,本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的单独实施例。

Claims (8)

1.一种工业生产设备能耗状态诊断与节能评估方法,其特征在于,包括:
每隔预设时长监测工业生产设备当前的状态,将本次监测到的状态确定为所述工业生产设备在当前的时间区间的状态,所述时间区间的长度为所述预设时长,所述状态为停机状态、待机状态和运行状态中的一种;
根据所述工业生产设备在多个连续的时间区间的状态,确定多个时间子区间,从而在每个时间子区间内所述工业生产设备的状态相同;
获取所述工业生产设备在每个时间子区间的能耗监测数据,并确定所述工业生产设备在每个时间子区间的平均能耗;
预设所述工业生产设备能耗分析的时间区间,生成所述工业生产设备的能耗统计分析报告,所述能耗统计分析报告包括:运行时间统计分析和能耗分析;
对所述工业生产设备的能耗状态进行诊断,将诊断结果发送给工业生产设备能耗状态监控界面,所述诊断结果为正常或异常;
确定所述工业生产设备的单位产品能耗,对照行业标准,对所述工业生产设备进行节能评价;
所述运行时间统计分析按照以下方式得到:
根据所述工业生产设备p在各时间子区间的状态,统计所述工业设备p处于停机状态s1的时长tp,1、处于待机状态s2的时长tp,2和处于运行状态s3的时长tp,3
确定所述工业设备p处于停机状态s1的时长、处于待机状态s2的时长和处于运行状态s3的时长分别占所述预设工业生产设备能耗分析的时间区间T的时长b的比例
Figure FDA0002769147020000011
并可视化;
所述能耗分析按照以下方式得到:
根据所述工业生产设备p在每个时间子区间的平均能耗,确定所述工业设备处于待机状态s2的能耗Ep,2,以及,所述工业生产设备p处于运行状态s3的能耗Ep,3
确定所述工业生产设备p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure FDA0002769147020000021
Figure FDA0002769147020000022
并可视化。
2.根据权利要求1所述的方法,其特征在于,对所述工业生产设备的能耗状态进行诊断,包括:
按照工业企业产品的离散生产的流程,识别典型生产过程,所述典型生产过程是循环、重复出现的;
将所述典型生产过程的已知异常模式编码并存储在所述工业生产设备p的特殊模式库中,每一个编码对应且只对应一种异常模式,所述异常模式由编码、文字描述和能耗时间序列数据共同描述;
从所述生产设备p的特殊模式库中获取所述典型生产过程的能耗时间序列数据,并与所述工业生产设备p在每个时间子区间的平均能耗比较,根据比较结果,确定所述工业生产设备p的能耗状态是否异常。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
结合确定所述工业生产设备p的单位产品能耗和单位产品生产成本,对照行业标准,对所述工业生产设备p的经济性进行评价。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:将节能评价的结果反馈给工业生产设备能耗状态诊断模块。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据节能评价的结果,为企业生产推荐节能策略。
6.一种工业生产设备能耗状态诊断与节能评估系统,其特征在于,包括:工业生产设备能耗监测模块、工业生产设备能耗分析模块、工业生产设备能耗状态诊断模块以及节能评价模块;
其中,所述工业生产设备能耗监测模块用于:
每隔预设时长监测工业生产设备当前的状态,将本次监测到的状态确定为所述工业生产设备在当前的时间区间的状态,所述时间区间的长度为所述预设时长,所述状态为停机状态、待机状态和运行状态中的一种;根据所述工业生产设备在多个连续的时间区间的状态,确定多个时间子区间,从而在每个时间子区间内所述工业生产设备的状态相同;获取所述工业生产设备在每个时间子区间的能耗监测数据,并确定所述工业生产设备在每个时间子区间的平均能耗;
所述工业生产设备能耗分析模块用于:预设所述工业生产设备能耗分析的时间区间,生成所述工业生产设备的能耗统计分析报告,所述能耗统计分析报告包括:运行时间统计分析和能耗分析;
所述工业生产设备能耗状态诊断模块用于:对所述工业生产设备的能耗状态进行诊断,将诊断结果发送给工业生产设备能耗状态监控界面,所述诊断结果为正常或异常;
所述节能评价模块用于:确定所述工业生产设备的单位产品能耗,对照行业标准,对所述工业生产设备进行节能评价。
7.根据权利要求6所述的系统,其特征在于,所述工业生产设备能耗分析模块用于:
根据所述工业生产设备p在各时间子区间的状态,统计所述工业设备p处于停机状态s1的时长tp,1、处于待机状态s2的时长tp,2和处于运行状态s3的时长tp,3
确定所述工业设备p处于停机状态s1的时长、处于待机状态s2的时长和处于运行状态s3的时长分别占所述预设工业生产设备能耗分析的时间区间T的时长b的比例
Figure FDA0002769147020000031
并可视化;
根据所述工业生产设备p在每个时间子区间的平均能耗,确定所述工业设备处于待机状态s2的能耗Ep,2,以及,所述工业生产设备p处于运行状态s3的能耗Ep,3
确定所述工业生产设备p的总能耗Ep=Ep,2+Ep,3,若Ep≠0,计算
Figure FDA0002769147020000032
Figure FDA0002769147020000041
并可视化。
8.根据权利要求6所述的系统,其特征在于,所述工业生产设备能耗状态诊断模块用于:
按照工业企业产品的离散生产的流程,识别典型生产过程,所述典型生产过程是循环、重复出现的;
将所述典型生产过程的已知异常模式编码并存储在所述工业生产设备p的特殊模式库中,每一个编码对应且只对应一种异常模式,所述异常模式由编码、文字描述和能耗时间序列数据共同描述;
从所述生产设备p的特殊模式库中获取所述典型生产过程的能耗时间序列数据,并与所述工业生产设备p在每个时间子区间的平均能耗比较,根据比较结果,确定所述工业生产设备p的能耗状态是否异常。
CN201810738659.5A 2018-07-06 2018-07-06 工业生产设备能耗状态诊断与节能评估方法及系统 Active CN109032087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810738659.5A CN109032087B (zh) 2018-07-06 2018-07-06 工业生产设备能耗状态诊断与节能评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810738659.5A CN109032087B (zh) 2018-07-06 2018-07-06 工业生产设备能耗状态诊断与节能评估方法及系统

Publications (2)

Publication Number Publication Date
CN109032087A CN109032087A (zh) 2018-12-18
CN109032087B true CN109032087B (zh) 2021-01-22

Family

ID=64641441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810738659.5A Active CN109032087B (zh) 2018-07-06 2018-07-06 工业生产设备能耗状态诊断与节能评估方法及系统

Country Status (1)

Country Link
CN (1) CN109032087B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110456690A (zh) * 2019-07-23 2019-11-15 安徽集弘物联科技有限公司 一种智能型综合能耗管理控制系统
CN111522309A (zh) * 2020-04-18 2020-08-11 青岛奥利普自动化控制系统有限公司 一种基于ems系统的数据处理方法及设备
CN111736549A (zh) * 2020-06-11 2020-10-02 上海申瑞继保电气有限公司 产线节能辅助设备控制方法
CN111861181A (zh) * 2020-07-14 2020-10-30 深圳市安科讯电子制造有限公司 一种数字能源产品智造生产系统及生产线制定方法
CN111830925B (zh) * 2020-08-06 2021-07-02 安徽华创环保设备科技有限公司 一种基于再生金属冶炼的智能化能耗监管系统
CN112150311B (zh) * 2020-09-09 2023-09-26 日立楼宇技术(广州)有限公司 能耗异常状态检测方法、装置、计算机设备和存储介质
CN117452900B (zh) * 2023-12-22 2024-05-03 广东正德智能设备有限公司 一种基于人工智能的工业生产能耗监测系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013077191A1 (ja) * 2011-11-25 2013-05-30 東京エレクトロン株式会社 処理装置群コントローラ、生産処理システム、処理装置群制御方法、生産効率化システム、生産効率化装置および生産効率化方法
CN104076768B (zh) * 2014-05-29 2016-09-14 浙江大学 订单执行过程电能消耗的获取和节能控制方法
CN105629864B (zh) * 2016-01-22 2019-04-23 京东方科技集团股份有限公司 一种能耗监控应用系统及能耗监控的方法
CN106483884B (zh) * 2016-10-21 2018-11-30 珠海格力电器股份有限公司 一种用电设备用电管理方法、管理器和管理系统
CN107918287A (zh) * 2017-12-29 2018-04-17 广州星辰热能股份有限公司 一种基于能耗管理的远程控制照明系统

Also Published As

Publication number Publication date
CN109032087A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109032087B (zh) 工业生产设备能耗状态诊断与节能评估方法及系统
EP3902992B1 (en) Scalable system and engine for forecasting wind turbine failure
CN109240244B (zh) 基于数据驱动的设备运行状态健康度分析方法及系统
KR101955305B1 (ko) 희소 코딩 방법론을 활용한 가스 터빈 센서 고장 검출
Kolokas et al. A generic fault prognostics algorithm for manufacturing industries using unsupervised machine learning classifiers
US20170161963A1 (en) Method of identifying anomalies
CN102460529A (zh) 装置异常监视方法以及系统
Palem Condition-based maintenance using sensor arrays and telematics
CN115267646A (zh) 一种电能表状态检测的方法及相关设备
CN103471729A (zh) 一种装置温度预警方法及其应用
WO2019087508A1 (ja) 監視対象選定装置、監視対象選定方法、およびプログラム
Calabrese et al. An event based machine learning framework for predictive maintenance in industry 4.0
CN112580858A (zh) 设备参数预测分析方法及系统
Karuppusamy Machine learning approach to predictive maintenance in manufacturing industry-a comparative study
CN115167222A (zh) 一种设备监控的方法及相关设备
Godwin et al. Prognosis of wind turbine gearbox failures by utilising robust multivariate statistical techniques
Sanayha et al. Fault detection for circulating water pump using time series forecasting and outlier detection
CN114738132A (zh) 基于实船数据的增压器转速传感器故障诊断方法及系统
CN113919546A (zh) 一种设备寿命可视化预测系统
US11339763B2 (en) Method for windmill farm monitoring
Beduschi et al. Optimizing rotating equipment maintenance through machine learning algorithm
JP6980034B2 (ja) 装置寿命評価方法
Souza et al. Evaluation of data based normal behavior models for fault detection in wind turbines
JP2008267351A (ja) 発電装置の監視方法及びシステム
CN114168409A (zh) 一种业务系统运行状态监控预警方法与系统

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
GR01 Patent grant
GR01 Patent grant