CN109492883A - 一种能效人工智能在线分析系统及方法 - Google Patents

一种能效人工智能在线分析系统及方法 Download PDF

Info

Publication number
CN109492883A
CN109492883A CN201811247345.1A CN201811247345A CN109492883A CN 109492883 A CN109492883 A CN 109492883A CN 201811247345 A CN201811247345 A CN 201811247345A CN 109492883 A CN109492883 A CN 109492883A
Authority
CN
China
Prior art keywords
module
data
artificial intelligence
parameter
efficiency
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.)
Pending
Application number
CN201811247345.1A
Other languages
English (en)
Inventor
任清元
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.)
Shandong Vocational College of Industry
Original Assignee
Shandong Vocational College of Industry
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 Shandong Vocational College of Industry filed Critical Shandong Vocational College of Industry
Priority to CN201811247345.1A priority Critical patent/CN109492883A/zh
Publication of CN109492883A publication Critical patent/CN109492883A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
    • 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)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于能效分析技术领域，公开了一种能效人工智能在线分析系统及方法，能效人工智能在线分析系统包括：数据在线采集模块、主控模块、数据分析模块、曲线绘制模块、数据收集存储模块、数据管理模块、优化模块、显示模块。本发明提供的能效人工智能在线分析系统具有能效数据的采集、传输、存储、人工智能在线分析以及出具评估报告等多种功能；同时，本发明通过数据分析模块使得所有数据通过数据之间的连接成为一个有机体，提高了数据分析结果的可靠性；另外，通过优化模块采用的混沌蚂蚁群算法具有较强的全局搜索能力；混沌蚂蚁群算法具有模型简单，算法不复杂，但是训练结果精度很高。

Description

一种能效人工智能在线分析系统及方法
技术领域
本发明属于能效分析技术领域，尤其涉及一种能效人工智能在线分析系统及方法。
背景技术
能效，即能源效率，是指在能源利用过程中，发挥作用的能源量与实际消耗的能源量之比。随着人们节能意识的不断增强，提高用能设备的能效越来越受到人们的关注。能效在线分析的参数主要包括：负载率，变电率，力率，网损以及电能质量参数，其中，电能质量参数为电压偏差、频率、三相不平衡和谐波等。
目前，能效在线分析的装置通常包括：设备运行信息采集装置和服务器显示装置，具体工作过程为：设备运行信息采集装置实时采集设备的各种运行参数，并将采集到的运行参数上传给服务器，由服务器向终端用户显示该设备的实时运行参数，然后，由评估专家结合自己的专业经验得出该设备的能效情况。因此，这种人工在线分析能效的过程不仅在线分析周期长、费用高，而且在线分析的结果依赖于个别评估专家的经验，具有较大的局限性；同时，现有的数据分析技术，只能从单一层面进行分析，无法将分析结果衍生到其他层面，造成分析结果偏差很大；另外，当代的人工智能技术发展还不完善，用户在使用人工智能机器的过程中会遇到很问题，人工智能设备也会出现许多错误，对用户的使用极为不利。
综上所述，现有技术存在的问题是：
(1)现有人工在线分析能效的过程不仅在线分析周期长、费用高，而且在线分析的结果依赖于个别评估专家的经验，具有较大的局限性；同时，现有的数据分析技术，只能从单一层面进行分析，无法将分析结果衍生到其他层面，造成分析结果偏差很大；另外，当代的人工智能技术发展还不完善，用户在使用人工智能机器的过程中会遇到很问题，人工智能设备也会出现许多错误，对用户的使用极为不利。
(2)现有的曲线绘制模块，不能精准拟合出光滑的曲线，导致绘制出来的曲线不光滑，无法真实反映变化的规律。
(3)现有的语音采集模块，去噪能力弱，导致采集的语音中有许多杂声。
(4)现有的PID控制器采用的算法本质上是一种线性控制方法，目前增量式PID控制模型应用比较广泛。假定调节量偏差为
Δu(k)＝u(k)-u(k-1)；
Δu(k)＝Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-2e(k-1)+e(k-2)]；
式中：u(k)、u(k-1)分别为第k时刻和第(k-1)时刻的调节量偏差信号。取调节量偏差为输入量，实际调节量为输出量，则调节量控制系统可看成一个单输入单输出的非线性系统。
但由于采用PID控制算法易产生超调，且不具备在线调整参数能力，自适应能力差，对参数进行整定，容易陷入局部极小，难以实现高性能的整定效果，导致超调较大，调整误差指标过大。不利用优化方案的选取。
解决上述问题，本发明通过采用混沌蚂蚁群算法，具有较强的全局搜索能力；混沌蚂蚁群算法具有模型简单，算法不复杂，训练结果精度很高。因此在解决调整用能设备的各种运行参数能效匹配数据中，误差指标过大问题上，具有重要意义。
发明内容
针对现有技术存在的问题，本发明提供了一种能效人工智能在线分析系统及方法。
本发明是这样实现的，一种能效人工智能在线分析方法，所述能效人工智能在线分析方法为：通专家意见模块匹配结合当前设备的运行参数后，利用优化模块查找和优化相关的方案，给出相应的目标值；具体包括：
第一步，用户在人工智能设备中输入相应的命令，建立操作和命令集映射对，作为人工智能设备集成的PID控制器的参数分类器，对PID控制器的原始命令信息，人工智能设备中的处理模块进行预处理及特征参数提取，将提取的特征参数值输入到PID控制器的输入端；
第二步，处理模块采用蚂蚁算法对PID控制器的参数进行判定，以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益相位裕度为约束条件建立数学模型，最后得出量个数值进行对比分析，若有其中一个误差值小于预先设定的误差值，则将该误差对应的输出作为语音识别的最终输出，然后进入第三步，若所有的误差值均大于预先设定的误差值，则进入第四步；
第三步、处理模块识别PID控制器输出的应用程序的包名，调用包名相应的应用程序，执行应用程序相应的操作；
步骤四、将所有的误差值在PID控制器中反向传播，作为PID控制器的输入，修正各个节点单元的权值，若当前学习次数小于预先设定的学习次数，则继续传播，直到其中一个误差值小于预先设定的误差值为止。
进一步，所述第二步中的蚂蚁算法为混沌蚂蚁群算法；
所述混沌蚂蚁群算法为：
式中：μi表示蚁群系统的组织变量且μi(0)＝0.999，ri表示组织因子，θid表示第i个蚂蚁的d维状态，d＝1，2，…，L，L表示优化空间的维数，i＝1，2，…，N，N表示蚂蚁数，pid(n-1)表示第i个蚂蚁和它的邻居在n-1步内找到的最好位置；ψd是常数，用来调整θid的搜索范围，Vi决定蚂蚁混沌动力学行为方程的吸引子在相空间移动的比列大小，令Vi＝1/2，δ为常数且0≤δ≤2/3，a是正常数，取a＝200。
进一步，所述能效人工智能在线分析方法具体包括：
步骤一，数据信息存储；通过安装在各个用能设备的RFID，存储设备基本参数、用户配置参数以及实时采集到的各用能设备的运行参数；
步骤二，数据采集；通过RFID读卡器、用户输入采集设备实时运行参数；
步骤三，数据处理；从步骤二中的数据中根据实际使用需要提取所需要的参数，并对所需要的参数进行归类；
步骤四，数据在线分析；根据总体的功率因素电量和费效比等因素进行一个初步的评分；
步骤五，数据规则挖掘和数据规则分类：对功率因素、电容、不平衡率、负荷率、变电率和网损结合实际的参数进行在线分析计算；
步骤六，通过设备基本参数匹配在线分析出设备的运行状况；
步骤七，通专家意见模块匹配结合当前设备的运行参数后，利用优化模块查找和优化相关的方案，给出相应的目标值；
步骤八，预警决策，对超过阈值的参数进行短信，声光多种形式的预警；
步骤九，综合在线分析的信息和匹配结果形成提高能效的解决方案，并通过规则库更新不断对数据挖掘规则库和专家库进行扩充。
进一步，数据分析方法如下：
(1)建立带权重的神经网络；所述神经网络中每个连接对应各自的权重值；
(2)随机化所有权重值，并将数据库中的数据输出到神经网络中；
(3)神经网络学习输入到神经网络中的数据；
(4)对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识；
(5)被赋予优质标识连接对应的权重值，被赋予劣质标识连接对应的权重值。
本发明的另一目的在于提供一种能效人工智能在线分析计算机程序，所述能效人工智能在线分析计算机程序实现所述能效人工智能在线分析方法。
本发明的另一目的在于提供一种终端，所述终端实现所述能效人工智能在线分析方法的控制器。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如所述的能效人工智能在线分析方法。
本发明的另一目的在于提供一种实现所述能效人工智能在线分析方法的能效人工智能在线分析系统，包括：
数据在线采集模块，与主控模块连接，用于通过多个设备运行参数在线采集装置在线采集用能设备的各种运行参数；
主控模块，与数据在线采集模块、数据分析模块、曲线绘制模块、数据收集存储模块、数据管理模块、优化模块、显示模块连接，用于通过单片机控制各个模块正常工作；
数据分析模块，与主控模块连接，用于通过带权重的神经网络对能效数据进行分析处理；
曲线绘制模块，与主控模块连接，用于通过数据处理程序绘制能效变化曲线图；
数据收集存储模块，与主控模块连接，用于通过包括数据收集存储服务器和交换机，采用分布式以太网保存接收到的用能设备的各种运行参数，对运行参数进行人工智能在线分析；
数据管理模块，与主控模块连接，用于根据接收的人工智能在线分析的运行参数显示能效评估报告；
优化模块，与主控模块连接，用于通过蚂蚁算法对用能设备的各种运行参数能效匹配进行优化；
显示模块，与主控模块连接，用于通过显示器显示采集的数据信息及绘制的能效曲线图。
进一步，所述数据在线采集模块包括环境参数采集模块、语音采集模块、电能参数采集模块、参数配置模块；
环境参数采集模块，用于采集电能使用环境的温度、湿度等数据；
语音采集模块，用于获取所处环境中使用者发出的语音信号；
电能参数采集模块，用于获取负载率，变电率，力率，网损以及电能质量参数等数据；
参数配置模块，用于配置能效分析系统初始参数。
本发明的另一目的在于提供一种能效在线分析人工智能机器人，所述能效在线分析人工智能机器人至少搭载所述的能效人工智能在线分析系统。
本发明的优点及积极效果为：
本发明提供的能效人工智能在线分析系统具有能效数据的采集、传输、存储、人工智能在线分析以及出具评估报告等多种功能，具有配置灵活、使用简单、测评结果更准确客观。
同时，本发明通过数据分析模块将数据通过神经网络进行连接，并对连接赋予权重，同时根据连接产生的结果调整权重值，使得数据分析从单一层面扩展到整个数据库，使得所有数据通过数据之间的连接成为一个有机体，提高了数据分析结果的可靠性；另外，通过优化模块采用的混沌蚂蚁群算法具有较强的全局搜索能力；混沌蚂蚁群算法具有模型简单，算法不复杂，但是训练结果精度很高。
本发明中的曲线绘制模块的曲线拟合算法采用最小二乘法算法能精准拟合出光滑的曲线，避免绘制出来的曲线不光滑，无法真实反映变化的规律；本发明中语音采集模块中的语音信号增强采用基于改进小波阈值函数的卡尔曼滤波增强算法去噪能力强，能在各种背景环境下语音去噪效果都比较理想。
本发明PID控制器整定参数采用混沌蚂蚁群算法，避免陷入局部极小，提高实现高性能的整定效果，避免超调较大，使调整误差指标小。解决了调整用能设备的各种运行参数能效匹配数据中，误差指标过大问题上，具有重要意义。为合理的优化方案提供依据。
附图说明
图1是本发明实施提供的能效人工智能在线分析方法流程图。
图2是本发明实施提供的能效人工智能在线分析系统结构图。
图中：1、数据在线采集模块；2、主控模块；3、数据分析模块；4、曲线绘制模块；5、数据收集存储模块；6、数据管理模块；7、优化模块；8、显示模块。
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。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明在实施例提供的能效人工智能在线分析方法包括以下步骤：
骤S101，数据信息存储；
主要包括安装在各个用能设备的RFID，存储设备基本参数、RFID里存储的用户配置参数以及实时采集到的各用能设备的运行参数；
S102，数据采集；
具体获取方式包括：通过RFID读卡器、用户输入或者设备运行参数实时采集装置实时采集；
S103，数据处理；
从步骤二中的数据中根据实际使用需要提取所需要的参数，并对其进行归类；
S104，数据在线分析；
根据总体的功率因素电量和费效比等因素进行一个初步的评分；
S105，数据规则挖掘和数据规则分类：对功率因素、电容、不平衡率、负荷率、变电率和网损结合实际的参数进行在线分析计算；
S106，通过设备基本参数匹配在线分析出设备的运行状况；
S107，通过专家意见模块匹配结合当前设备的运行参数查找相关的优化方案，给出相应的目标值；
S108，预警决策是对超过阈值的参数进行短信，声光等多种形式的预警；
S109，最后综合以上的在线分析和匹配结果形成一份提高能效的解决方案，规则库更新是不断对数据挖掘规则库和专家库等进行扩充。
步骤S107具体为：通通专家意见模块匹配结合当前设备的运行参数后，利用优化模块查找和优化相关的方案，给出相应的目标值。
如图2所示，本发明实施例提供的能效人工智能在线分析系统，包括：数据在线采集模块1、主控模块2、数据分析模块3、曲线绘制模块4、数据收集存储模块5、数据管理模块6、优化模块7、显示模块8。
数据在线采集模块1，与主控模块2连接，用于通过多个设备运行参数在线采集装置在线采集用能设备的各种运行参数；
主控模块2，与数据在线采集模块1、数据分析模块3、曲线绘制模块4、数据收集存储模块5、数据管理模块6、优化模块7、显示模块8连接，用于通过单片机控制各个模块正常工作；
数据分析模块3，与主控模块2连接，用于通过带权重的神经网络对能效数据进行分析处理；
曲线绘制模块4，与主控模块2连接，用于通过数据处理程序绘制能效变化曲线图；
数据收集存储模块5，与主控模块2连接，用于通过包括数据收集存储服务器和交换机，采用分布式以太网保存接收到的用能设备的各种运行参数，对运行参数进行人工智能在线分析；
数据管理模块6，与主控模块2连接，用于根据接收的人工智能在线在线分析的运行参数显示能效评估报告；
优化模块7，与主控模块2连接，用于通过蚂蚁算法对用能设备的各种运行参数能效匹配进行优化；
显示模块8，与主控模块2连接，用于通过显示器显示采集的数据信息及绘制的能效曲线图。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的曲线绘制模块中的曲线拟合算法采用最小二乘法算法为：
p(x)＝a0+a1x+a2x2+…+amxm；
式中：
a：为常数；
p(x)：多项式函数；
δ：偏差的平方和。
本发明提供的数据在线采集模块1包括环境参数采集模块、语音采集模块、电能参数采集模块、参数配置模块；
环境参数采集模块，用于采集电能使用环境的温度、湿度等数据；
语音采集模块，用于获取所处环境中使用者发出的语音信号；
电能参数采集模块，用于获取负载率，变电率，力率，网损以及电能质量参数等数据；
参数配置模块，用于配置能效分析系统初始参数。
所述语音采集模块中的语音信号增强采用基于改进小波阈值函数的卡尔曼滤波增强算法为：
式中：为n时刻的估计值，语音信号的估算值，
H(z)为
本发明实施例提供的数据分析模块3分析方法如下：(1)建立带权重的神经网络；所述神经网络中每个连接对应各自的权重值；(2)随机化所有权重值，并将数据库中的数据输出到神经网络中；(3)神经网络学习输入到神经网络中的数据；(4)对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识；(5)提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的能效人工智能在线分析方法，包括：通专家意见模块匹配结合当前设备的运行参数后，利用优化模块查找和优化相关的方案，给出相应的目标值；具体包括：
第一步，用户在人工智能设备中输入相应的命令，建立操作和命令集映射对，作为人工智能设备集成的PID控制器的参数分类器，对PID控制器的原始命令信息，人工智能设备中的处理模块进行预处理及特征参数提取，将提取的特征参数值输入到PID控制器的输入端；
第二步，处理模块采用蚂蚁算法对PID控制器的参数进行判定，以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益相位裕度为约束条件建立数学模型，最后得出量个数值进行对比分析，若有其中一个误差值小于预先设定的误差值，则将该误差对应的输出作为语音识别的最终输出，然后进入第三步，若所有的误差值均大于预先设定的误差值，则进入第四步；
第三步、处理模块识别PID控制器输出的应用程序的包名，调用包名相应的应用程序，执行应用程序相应的操作；
步骤四、将所有的误差值在PID控制器中反向传播，作为PID控制器的输入，修正各个节点单元的权值，若当前学习次数小于预先设定的学习次数，则继续传播，直到其中一个误差值小于预先设定的误差值为止。
本发明提供的蚂蚁算法为混沌蚂蚁群算法；
所述混沌蚂蚁群算法为：
式中：
μi表示蚁群系统的组织变量且μi(0)＝0.999，ri表示组织因子，θid表示第i个蚂蚁的d维状态，d＝1，2，…，L，L表示优化空间的维数，i＝1，2，…，N，N表示蚂蚁数，pid(n-1)表示第i个蚂蚁和它的邻居在n-1步内找到的最好位置。ψd是常数，用来调整θid的搜索范围，Vi决定了蚂蚁混沌动力学行为方程的吸引子在相空间移动的比列大小，一般可以令Vi＝1/2，δ为常数且0≤δ≤2/3，a是一个很大的正常数，比如取a＝200。
本发明工作时，通过数据在线采集模块1利用多个设备运行参数在线采集装置在线采集用能设备的各种运行参数；通过主控模块2调度数据分析模块3利用带权重的神经网络对能效数据进行分析处理；通过曲线绘制模块4利用数据处理程序绘制能效变化曲线图；通过数据收集存储模块5利用包括数据收集存储服务器和交换机，采用分布式以太网保存接收到的用能设备的各种运行参数，对运行参数进行人工智能在线分析；通过数据管理模块6根据接收的人工智能在线分析的运行参数显示能效评估报告；通过优化模块7利用蚂蚁算法对人工智能设备进行优化；通过显示模块8利用显示器显示采集的数据信息及绘制的能效曲线图。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))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)

1.一种能效人工智能在线分析方法，其特征在于，所述能效人工智能在线分析方法为：通专家意见模块匹配结合当前设备的运行参数后，利用优化模块查找和优化相关的方案，给出相应的目标值；具体包括：
第一步，用户在人工智能设备中输入相应的命令，建立操作和命令集映射对，作为人工智能设备集成的PID控制器的参数分类器，对PID控制器的原始命令信息，人工智能设备中的处理模块进行预处理及特征参数提取，将提取的特征参数值输入到PID控制器的输入端；
第二步，处理模块采用蚂蚁算法对PID控制器的参数进行判定，以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益相位裕度为约束条件建立数学模型，最后得出量个数值进行对比分析，若有其中一个误差值小于预先设定的误差值，则将该误差对应的输出作为语音识别的最终输出，然后进入第三步，若所有的误差值均大于预先设定的误差值，则进入第四步；
第三步、处理模块识别PID控制器输出的应用程序的包名，调用包名相应的应用程序，执行应用程序相应的操作；
步骤四、将所有的误差值在PID控制器中反向传播，作为PID控制器的输入，修正各个节点单元的权值，若当前学习次数小于预先设定的学习次数，则继续传播，直到其中一个误差值小于预先设定的误差值为止。
2.如权利要求1所述的能效人工智能在线分析方法，其特征在于，所述第二步中的蚂蚁算法为混沌蚂蚁群算法；
所述混沌蚂蚁群算法为：
式中：μi表示蚁群系统的组织变量且μi(0)＝0.999，ri表示组织因子，θid表示第i个蚂蚁的d维状态，d＝1，2，…，L，L表示优化空间的维数，i＝1，2，…，N，N表示蚂蚁数，pid(n-1)表示第i个蚂蚁和它的邻居在n-1步内找到的最好位置；ψd是常数，用来调整θid的搜索范围，Vi决定蚂蚁混沌动力学行为方程的吸引子在相空间移动的比列大小，令Vi＝1/2，δ为常数且0≤δ≤2/3，a是正常数，取a＝200。
3.如权利要求1所述的能效人工智能在线分析方法，其特征在于，所述能效人工智能在线分析方法具体包括：
步骤一，数据信息存储；通过安装在各个用能设备的RFID，存储设备基本参数、用户配置参数以及实时采集到的各用能设备的运行参数；
步骤二，数据采集；通过RFID读卡器、用户输入采集设备实时运行参数；
步骤三，数据处理；从步骤二中的数据中根据实际使用需要提取所需要的参数，并对所需要的参数进行归类；
步骤四，数据在线分析；根据总体的功率因素电量和费效比因素进行一个初步的评分；
步骤五，数据规则挖掘和数据规则分类：对功率因素、电容、不平衡率、负荷率、变电率和网损结合实际的参数进行在线分析计算；
步骤六，通过设备基本参数匹配在线分析出设备的运行状况；
步骤七，通专家意见模块匹配结合当前设备的运行参数后，利用优化模块查找和优化相关的方案，给出相应的目标值；
步骤八，预警决策，对超过阈值的参数进行短信，声光多种形式的预警；
步骤九，综合在线分析的信息和匹配结果形成提高能效的解决方案，并通过规则库更新不断对数据挖掘规则库和专家库进行扩充。
4.如权利要求3所述的能效人工智能在线分析方法，其特征在于，数据分析方法如下：
(1)建立带权重的神经网络；所述神经网络中每个连接对应各自的权重值；
(2)随机化所有权重值，并将数据库中的数据输出到神经网络中；
(3)神经网络学习输入到神经网络中的数据；
(4)对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识；
(5)被赋予优质标识连接对应的权重值，被赋予劣质标识连接对应的权重值。
5.一种能效人工智能在线分析计算机程序，其特征在于，所述能效人工智能在线分析计算机程序实现权利要求1～4任意一项所述能效人工智能在线分析方法。
6.一种终端，其特征在于，所述实现权利要求1～4任意一项所述能效人工智能在线分析方法的控制器。
7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任意一项所述的能效人工智能在线分析方法。
8.一种实现权利要求1所述能效人工智能在线分析方法的能效人工智能在线分析系统，其特征在于，所述能效人工智能在线分析系统包括：
数据在线采集模块，与主控模块连接，用于通过多个设备运行参数在线采集装置在线采集用能设备的各种运行参数；
主控模块，与数据在线采集模块、数据分析模块、曲线绘制模块、数据收集存储模块、数据管理模块、优化模块、显示模块连接，用于通过单片机控制各个模块正常工作；
数据分析模块，与主控模块连接，用于通过带权重的神经网络对能效数据进行分析处理；
曲线绘制模块，与主控模块连接，用于通过数据处理程序绘制能效变化曲线图；
数据收集存储模块，与主控模块连接，用于通过包括数据收集存储服务器和交换机，采用分布式以太网保存接收到的用能设备的各种运行参数，对运行参数进行人工智能在线分析；
数据管理模块，与主控模块连接，用于根据接收的人工智能在线分析的运行参数显示能效评估报告；
优化模块，与主控模块连接，用于通过蚂蚁算法对用能设备的各种运行参数能效匹配进行优化；
显示模块，与主控模块连接，用于通过显示器显示采集的数据信息及绘制的能效曲线图。
9.如权利要求8所述的能效人工智能在线分析系统，其特征在于，所述数据在线采集模块包括：
环境参数采集模块，用于采集电能使用环境的温度、湿度数据；
语音采集模块，用于获取所处环境中使用者发出的语音信号；
电能参数采集模块，用于获取负载率，变电率，力率，网损以及电能质量参数数据；
参数配置模块，用于配置能效分析系统初始参数。
10.一种搭载权利要求8-9任意一项所述能效人工智能在线分析系统的智能机器人。
CN201811247345.1A 2018-10-18 2018-10-18 一种能效人工智能在线分析系统及方法 Pending CN109492883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811247345.1A CN109492883A (zh) 2018-10-18 2018-10-18 一种能效人工智能在线分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811247345.1A CN109492883A (zh) 2018-10-18 2018-10-18 一种能效人工智能在线分析系统及方法

Publications (1)

Publication Number Publication Date
CN109492883A true CN109492883A (zh) 2019-03-19

Family

ID=65691554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811247345.1A Pending CN109492883A (zh) 2018-10-18 2018-10-18 一种能效人工智能在线分析系统及方法

Country Status (1)

Country Link
CN (1) CN109492883A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633852A (zh) * 2019-09-11 2019-12-31 刘晓军 一种智能数据演化系统及方法
CN112542161A (zh) * 2020-12-10 2021-03-23 长春工程学院 一种双层pid优化的bp神经网络语音识别方法
CN114509935A (zh) * 2022-02-25 2022-05-17 重庆长安汽车股份有限公司 基于神经网络的电动侧开门的电驱动控制方法
US20230083696A1 (en) * 2021-08-27 2023-03-16 Spintech, Inc. Systems and methods of constrained reconstruction of images with white noise
CN116667745A (zh) * 2023-07-27 2023-08-29 大澳电器（江苏）有限公司 电机内部温度显示及控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102629340A (zh) * 2012-03-06 2012-08-08 常州节安得能源科技有限公司 能效人工智能分析系统
CN106651200A (zh) * 2016-12-29 2017-05-10 中国西电电气股份有限公司 一种工业企业聚合用户电力负荷管理方法和系统
CN106846926A (zh) * 2017-04-13 2017-06-13 电子科技大学 一种禁飞区无人机预警方法
KR101803496B1 (ko) * 2017-10-11 2017-11-30 이동년 커브드 솔라셀 어레이 기반의 인공 지능형 차양막 장치
CN107944549A (zh) * 2017-12-08 2018-04-20 成都谷问信息技术有限公司 基于人工智能的数据分析方法
CN107966900A (zh) * 2017-12-05 2018-04-27 成都猎维科技有限公司 一种基于蚂蚁算法的人工智能优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102629340A (zh) * 2012-03-06 2012-08-08 常州节安得能源科技有限公司 能效人工智能分析系统
CN106651200A (zh) * 2016-12-29 2017-05-10 中国西电电气股份有限公司 一种工业企业聚合用户电力负荷管理方法和系统
CN106846926A (zh) * 2017-04-13 2017-06-13 电子科技大学 一种禁飞区无人机预警方法
KR101803496B1 (ko) * 2017-10-11 2017-11-30 이동년 커브드 솔라셀 어레이 기반의 인공 지능형 차양막 장치
CN107966900A (zh) * 2017-12-05 2018-04-27 成都猎维科技有限公司 一种基于蚂蚁算法的人工智能优化方法
CN107944549A (zh) * 2017-12-08 2018-04-20 成都谷问信息技术有限公司 基于人工智能的数据分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
唐鹏: "基于改进小波阈值函数的语音增强算法研究", 《信息科技辑》 *
李玉英等: "改进的混沌蚂蚁群算法", 《仪器仪表学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633852A (zh) * 2019-09-11 2019-12-31 刘晓军 一种智能数据演化系统及方法
CN110633852B (zh) * 2019-09-11 2023-11-07 刘晓军 一种智能数据演化系统及方法
CN112542161A (zh) * 2020-12-10 2021-03-23 长春工程学院 一种双层pid优化的bp神经网络语音识别方法
US20230083696A1 (en) * 2021-08-27 2023-03-16 Spintech, Inc. Systems and methods of constrained reconstruction of images with white noise
US11789105B2 (en) * 2021-08-27 2023-10-17 Spintech, Inc. Systems and methods of constrained reconstruction of images with white noise
CN114509935A (zh) * 2022-02-25 2022-05-17 重庆长安汽车股份有限公司 基于神经网络的电动侧开门的电驱动控制方法
CN114509935B (zh) * 2022-02-25 2024-05-17 重庆长安汽车股份有限公司 基于神经网络的电动侧开门的电驱动控制方法
CN116667745A (zh) * 2023-07-27 2023-08-29 大澳电器（江苏）有限公司 电机内部温度显示及控制系统
CN116667745B (zh) * 2023-07-27 2023-10-03 大澳电器（江苏）有限公司 电机内部温度显示及控制系统

Similar Documents

Publication Publication Date Title
CN109492883A (zh) 一种能效人工智能在线分析系统及方法
Jiang et al. Scenario generation for wind power using improved generative adversarial networks
US10481629B2 (en) Cognitive platform and method for energy management for enterprises
Piras et al. Heterogeneous artificial neural network for short term electrical load forecasting
WO2021129086A1 (zh) 流量预测方法、装置以及存储介质
CN106327357B (zh) 一种基于改进概率神经网络的负载识别方法
CN109711453A (zh) 一种基于多变量的设备动态健康状态评估方法
CN108549907B (zh) 一种基于多源迁移学习的数据校验方法
CN108921355A (zh) 一种基于时间序列预测模型的告警阈值设定方法及装置
CN113868953B (zh) 工业系统中多机组运行优化方法、装置、系统及存储介质
DE112020002684T5 (de) Ein Mehrfachverfahrenssystem für optimale Vorhersagemodellauswahl
US11656589B2 (en) Systems and methods for automatic power topology discovery
Bento et al. Short-term load forecasting using optimized LSTM networks via improved bat algorithm
CN103618315B (zh) 一种基于bart算法和超吸收壁的电网电压无功优化方法
CN113471982A (zh) 云边协同与电网隐私保护的分布式电源就地电压控制方法
Porteiro et al. Short term load forecasting of industrial electricity using machine learning
US11197175B2 (en) Forcasting time series data
Lee et al. Energy consumption prediction system based on deep learning with edge computing
Yang et al. Developing data-driven models to predict BEMS energy consumption for demand response systems
CN107329887A (zh) 一种基于推荐系统的数据处理方法以及装置
CN113422371B (zh) 一种基于图卷积神经网络的分布式电源就地电压控制方法
Bantouna et al. Network load predictions based on big data and the utilization of self-organizing maps
CN116840764A (zh) 一种电容式电压互感器综合误差状态评估方法及系统
Mutoh et al. A model of friendship networks based on social network analysis
CN109711450A (zh) 一种电网预想故障集预测方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190319

RJ01 Rejection of invention patent application after publication