CN110263072B - 一种公共机构能耗统计系统及方法 - Google Patents

一种公共机构能耗统计系统及方法 Download PDF

Info

Publication number
CN110263072B
CN110263072B CN201910525048.7A CN201910525048A CN110263072B CN 110263072 B CN110263072 B CN 110263072B CN 201910525048 A CN201910525048 A CN 201910525048A CN 110263072 B CN110263072 B CN 110263072B
Authority
CN
China
Prior art keywords
energy consumption
consumption
vehicle
oil
statistical
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
CN201910525048.7A
Other languages
English (en)
Other versions
CN110263072A (zh
Inventor
陈云
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.)
Chengdu Yunang Technology Co ltd
Original Assignee
Chengdu Yunang Technology 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 Chengdu Yunang Technology Co ltd filed Critical Chengdu Yunang Technology Co ltd
Priority to CN201910525048.7A priority Critical patent/CN110263072B/zh
Publication of CN110263072A publication Critical patent/CN110263072A/zh
Application granted granted Critical
Publication of CN110263072B publication Critical patent/CN110263072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Fuzzy Systems (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种公共机构能耗统计系统，包括数据采集系统和车辆管理系统和数据库，数据库依次连接能耗统计子系统和能耗监测平台，数据库中设有人均能耗统计算法模型。还公开了一种公共机构能耗统计方法，包括采集统计范围内的用电量和用气量；采集统计范围内所有车辆的单位时间内车加油量Oil和单位时间内车辆行驶里程数Distance并输入数据库；采用机器深度学习算法找到并持续更新单位距离车辆油耗UFC；结合统计的用电量和用气量，完成人均能耗的自动机器处理和自动上报。填补了国内公共机构能耗监测平台没有自动上报人均能耗统计的功能空白，大大节省了该类统计的人工时间，提高节能监管工作的效率。

Description

一种公共机构能耗统计系统及方法
技术领域
本发明涉及能耗统计技术领域，具体的说，是一种公共机构能耗统计系统及方法。
背景技术
公共机构节能目标分为人均综合能耗、单位建筑面积能耗和人均用水量等三项核心统计。其中人均综合能耗采用电、气、油用量作为基础能耗统计点纳入计算。而目前国内所有的公共机构人均能耗统计工作中，对油（包括汽油、柴油）用量的统计均采用票据人工搜集，手动汇总统计上报的方式。由于实物票据普遍具有容易缺失，且票据人工统计工作繁杂易出错，造成油量统计工作不准确，统计数据不完整等一系列统计工作的高难度。
发明内容
本发明的目的在于提供一种公共机构能耗统计系统及方法，用于解决现有技术中对油耗统计采用人工搜集票据、手动汇总统计上报方式导致工作繁杂，统计不准确的问题。
本发明通过下述技术方案解决上述问题：
一种公共机构能耗统计系统，包括数据采集系统和车辆管理系统，所述数据采集系统和车辆管理系统将采集的数据输入数据库，所述数据库依次连接能耗统计子系统和能耗监测平台，所述数据库中设有人均能耗统计算法模型，所述人均能耗统计算法模型将数据输出至所述能耗统计子系统。
进一步地，所述车辆定位子系统包括安装在车辆上的车载终端，所述车载终端自动上传采集的数据至所述数据库，所述人均能耗统计算法模型用于将所述采集的数据转换为机器可识别结构化的能耗统计数据。
进一步地，所述车载终端采集的数据包括油耗信息和GPS数据。
进一步地，所述数据采集系统包括比表计模块，所述表计模块用于采集用电量和用气量，并自动上传至所述数据库。
一种公共机构能耗统计方法，包括：
步骤S100：数据采集系统采集统计范围内的用电量和用气量，并输入数据库；
步骤S200：车辆管理系统采集统计范围内所有车辆的累积油耗信息、GPS数据、单位时间内车加油量Oil和单位时间内车辆行驶里程数Distance并输入数据库；
步骤S300：采用机器深度学习算法找到并持续更新单位距离车辆油耗UFC；
步骤S400：结合统计的用电量和用气量，完成人均能耗的自动机器处理和自动上报。
进一步地，所述步骤S200具体包括：
步骤S210：车辆定位子系统中的车载终端采集统计范围内所有车辆的油耗信息和GPS数据；
步骤S220：车辆定位子系统从车载终端的GPS数据得到实时经纬度数据和油耗信息，得到单位时间内车加油量Oil，通过地图打点机器丈量的方式，计算出单位时间内车辆行驶里程数Distance；
步骤S230：将单位时间内车辆行驶里程数Distance和单位时间内车加油量Oil输入数据库。
进一步地，所述机器深度学习算法包括：
A：将单位时间车辆加油量Oil和单位时间内车辆行驶里程数Distance输入SVM模型；
B：SVM模型输出预测UFC，由公式UFC（l/km）=(ΣOil(l))/(ΣDistance(km))计算油耗，并自动导入油耗统计。
进一步地，所述机器深度学习算法还包括：
C：预测UFC输出反馈至SVM模型；
D：SVM模型更新输出UFC预测值。
进一步地，所述步骤S400具体为：
人均综合能耗（kgce/人）=（
Figure 407299DEST_PATH_IMAGE001
）/总人数；
其中
Figure 730964DEST_PATH_IMAGE002
、/>
Figure 307439DEST_PATH_IMAGE003
、/>
Figure 358441DEST_PATH_IMAGE004
分别代表电能源发热量、天然气能源发热量以及油能源发热量和标准煤之间的转换值，为定量。
本发明与现有技术相比，具有以下优点及有益效果：
（1）本发明通过引入车辆管理系统中的车辆定位子系统中各个车辆搭载的车载终端，车载终端自动收集油耗数据和GPS数据，在数据库中设计能能耗统计算法模型，将油量统计转换为以定位数据为核心维度的路程统计，从而实现能耗统计的机器可识别结构化数据，并通过能耗统计子系统完成自动上报工作，可供能耗监测平台进行监控。
（2）本发明填补了国内公共机构能耗监测平台没有自动上报人均能耗统计的功能空白，大大节省了该类统计的人工时间，提高节能监管工作的效率。此外，油耗统计数据还可以反馈给车辆管理系统，解决在车载油耗探针硬件设备不灵敏的情况下，统计数据不准确的难题。
附图说明
图1为本发明的系统框图；
图2为机器深度学习算法示意图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例1：
结合附图1所示，一种公共机构能耗统计系统，包括数据采集系统和车辆管理系统，所述数据采集系统和车辆管理系统将采集的数据输入数据库，所述数据库依次连接能耗统计子系统和能耗监测平台，所述数据库中设有人均能耗统计算法模型，所述人均能耗统计算法模型将数据输出至所述能耗统计子系统。
进一步地，所述车辆定位子系统包括安装在车辆上的车载终端，所述车载终端自动上传采集的数据至所述数据库，所述人均能耗统计算法模型用于将所述采集的数据转换为机器可识别结构化的能耗统计数据。
进一步地，所述车载终端采集的数据包括油耗信息和GPS数据。
进一步地，所述数据采集系统包括比表计模块，所述表计模块用于采集用电量和用气量，并自动上传至所述数据库。
实施例2：
一种公共机构能耗统计方法，包括：
步骤S100：数据采集系统采集统计范围内的用电量和用气量，并输入数据库；
步骤S200：车辆管理系统采集统计范围内所有车辆的累积油耗信息、GPS数据、单位时间内车加油量Oil和单位时间内车辆行驶里程数Distance并输入数据库；
步骤S300：采用机器深度学习算法找到并持续更新单位距离车辆油耗UFC；
步骤S400：结合统计的用电量和用气量，完成人均能耗的自动机器处理和自动上报。
进一步地，所述步骤S200具体包括：
步骤S210：车辆定位子系统中的车载终端采集统计范围内所有车辆的油耗信息和GPS数据；
步骤S220：车辆定位子系统从车载终端的GPS数据得到实时经纬度数据和油耗信息，得到单位时间内车加油量Oil，通过地图打点机器丈量的方式，计算出单位时间内车辆行驶里程数Distance；
步骤S230：将单位时间内车辆行驶里程数Distance和单位时间内车加油量Oil输入数据库。
实施例3：
在实施例2的基础上，结合附图2所示，所述机器深度学习算法包括：
A：将车辆加油数据和车辆GPS路程数据中提取的单位时间车辆加油量Oil和单位时间内车辆行驶里程数Distance输入SVM模型；
B：SVM模型输出预测UFC，由公式UFC（l/km）=(ΣOil(l))/(ΣDistance(km))计算油耗，并自动导入油耗统计。
进一步地，所述机器深度学习算法还包括：
C：预测UFC输出反馈至SVM模型；
D：SVM模型更新输出UFC预测值。
进一步地，所述步骤S400具体为：
人均综合能耗（kgce/人）=（
Figure 907234DEST_PATH_IMAGE001
）/总人数；
其中
Figure 667379DEST_PATH_IMAGE002
、/>
Figure 731150DEST_PATH_IMAGE003
、/>
Figure 664471DEST_PATH_IMAGE004
分别代表电能源发热量、天然气能源发热量以及油能源发热量和标准煤之间的转换值，为定量。
尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。

Claims (4)

1.一种公共机构能耗统计方法，其特征在于，包括：
步骤S100：数据采集系统采集统计范围内的用电量和用气量，并输入数据库；
步骤S200：车辆管理系统采集统计范围内所有车辆的累积油耗信息、GPS数据、单位时间内车加油量Oil和单位时间内车辆行驶里程数Distance并输入数据库；具体包括：
步骤S210：车辆管理系统中的车载终端采集统计范围内所有车辆的油耗信息和GPS数据；
步骤S220：车辆管理系统从车载终端的GPS数据得到实时经纬度数据和油耗信息，得到单位时间内车加油量Oil，通过地图打点机器丈量的方式，计算出单位时间内车辆行驶里程数Distance；
步骤S230：将单位时间内车辆行驶里程数Distance和单位时间内车加油量Oil输入数据库；
步骤S300：采用机器深度学习算法找到并持续更新单位距离车辆油耗UFC；所述机器深度学习算法包括：
A：将单位时间车辆加油量Oil和单位时间内车辆行驶里程数Distance输入SVM模型；
B：SVM模型输出预测UFC，由公式UFC(l/km)＝(ΣOil(l))/(ΣDistance(km))计算油耗，并自动导入油耗统计；
步骤S400：结合统计的用电量和用气量，完成人均能耗的自动机器处理和自动上报。
2.根据权利要求1所述的一种公共机构能耗统计方法，其特征在于，所述机器深度学习算法还包括：
C：预测UFC输出反馈至SVM模型；
D：SVM模型更新输出UFC预测值。
3.根据权利要求2所述的一种公共机构能耗统计方法，其特征在于，所述步骤S400具体为：
人均综合能耗(kgce/人)＝(δ1*电度能耗+δ2*天然气能耗+δ3*油能耗)/总人数；
其中δ1、δ2、δ3分别代表电能源发热量、天然气能源发热量以及油能源发热量和标准煤之间的转换值，为定量。
4.一种实现如权利要求1或2所述的一种公共机构能耗统计方法的一种公共机构能耗统计系统，其特征在于，包括数据采集系统和车辆管理系统，所述数据采集系统和车辆管理系统将采集的数据输入数据库，所述数据库依次连接能耗统计子系统和能耗监测平台，所述数据库中设有人均能耗统计算法模型，所述人均能耗统计算法模型将数据输出至所述能耗统计子系统，所述数据采集系统包括表计模块，所述表计模块用于采集用电量和用气量，并自动上传至所述数据库；所述车辆管理系统包括安装在车辆上的车载终端，所述车载终端自动上传采集的数据至所述数据库，所述人均能耗统计算法模型用于将所述采集的数据转换为机器可识别结构化的能耗统计数据；所述车载终端采集的数据包括油耗信息和GPS数据。
CN201910525048.7A 2019-06-18 2019-06-18 一种公共机构能耗统计系统及方法 Active CN110263072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910525048.7A CN110263072B (zh) 2019-06-18 2019-06-18 一种公共机构能耗统计系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910525048.7A CN110263072B (zh) 2019-06-18 2019-06-18 一种公共机构能耗统计系统及方法

Publications (2)

Publication Number Publication Date
CN110263072A CN110263072A (zh) 2019-09-20
CN110263072B true CN110263072B (zh) 2023-05-30

Family

ID=67918897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910525048.7A Active CN110263072B (zh) 2019-06-18 2019-06-18 一种公共机构能耗统计系统及方法

Country Status (1)

Country Link
CN (1) CN110263072B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU3335095A (en) * 1994-09-05 1996-03-27 Mikoh Technology Limited Diffraction surfaces and methods for the manufacture thereof
CN102079359A (zh) * 2010-12-03 2011-06-01 杨淇钧 高速行驶摆杆驱动健身省力自行车
CN102509470A (zh) * 2011-10-14 2012-06-20 北京掌城科技有限公司 基于动态路径规划实现车辆节能减排的系统和方法
CN104240042A (zh) * 2014-09-30 2014-12-24 常州永安公共自行车系统股份有限公司 基于公共自行车系统的碳排放管理系统及其积累方法
CN104345705A (zh) * 2013-08-06 2015-02-11 唐海娣 一种船舶能耗优化监控系统
CN106251096A (zh) * 2016-09-27 2016-12-21 四川道亨计算机软件有限责任公司 一种基于云计算大数据技术的公共机构能耗监测方法
CN108883824A (zh) * 2016-03-23 2018-11-23 冯春魁 飞行器的数据的获取、处理及飞行状况监控的方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101197038A (zh) * 2006-12-07 2008-06-11 厦门雅迅网络股份有限公司 一种基于无线传输技术的汽车油耗统计方法
CN101470017B (zh) * 2007-12-29 2011-02-02 厦门雅迅网络股份有限公司 一种通过无线网络实时监测汽车油量及统计汽车油耗的方法
US8527132B2 (en) * 2010-03-30 2013-09-03 Honda Motor Co., Ltd. Energy maps and method of making
CN101968635B (zh) * 2010-09-20 2012-05-23 北京航空航天大学 一种在用汽车油耗实时测量监控系统及其测量监控方法
CN104463471A (zh) * 2014-12-12 2015-03-25 中国科学院城市环境研究所 基于数据包络分析的公共机构能源管理绩效评估方法
CN105549516B (zh) * 2016-02-29 2018-02-16 雅讯东方（山东）科技有限公司 一种公共建筑能耗监测系统
CN208156462U (zh) * 2018-04-11 2018-11-27 安徽建筑大学 建筑能耗数据采集终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU3335095A (en) * 1994-09-05 1996-03-27 Mikoh Technology Limited Diffraction surfaces and methods for the manufacture thereof
CN102079359A (zh) * 2010-12-03 2011-06-01 杨淇钧 高速行驶摆杆驱动健身省力自行车
CN102509470A (zh) * 2011-10-14 2012-06-20 北京掌城科技有限公司 基于动态路径规划实现车辆节能减排的系统和方法
CN104345705A (zh) * 2013-08-06 2015-02-11 唐海娣 一种船舶能耗优化监控系统
CN104240042A (zh) * 2014-09-30 2014-12-24 常州永安公共自行车系统股份有限公司 基于公共自行车系统的碳排放管理系统及其积累方法
CN108883824A (zh) * 2016-03-23 2018-11-23 冯春魁 飞行器的数据的获取、处理及飞行状况监控的方法及系统
CN106251096A (zh) * 2016-09-27 2016-12-21 四川道亨计算机软件有限责任公司 一种基于云计算大数据技术的公共机构能耗监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于能耗统计数据的公共机构节能管理的探讨;徐龙飞 等;能源技术;第29卷(第06期);331-334 *

Also Published As

Publication number Publication date
CN110263072A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN104732765B (zh) 基于卡口数据的城市道路饱和度实时监测方法
WO2017166370A1 (zh) 一种基于区域城际流强度测算模型的划定大都市圈的方法
CN110162859A (zh) 一种电动车二氧化碳减排量估算方法
CN101561302B (zh) 车辆耗油量的测量系统及其测量方法
CN109508826B (zh) 基于梯度提升决策树的电动汽车集群可调度容量预测方法
CN104408547A (zh) 一种基于数据挖掘的医保欺诈行为的检测方法
CN109613905B (zh) 一种动态识别重型商用车实际运行高油耗恶劣工况的方法和装置
CN105069860A (zh) 一种车辆油耗的统计方法
CN105651254A (zh) 基于道路线形和频谱特征的道路坡度计算方法
CN114004296A (zh) 一种基于电力负荷特征反向提取监测点的方法及系统
CN103048539A (zh) 一种音频取证中电网频率的精确采集装置及方法
CN115907822A (zh) 一种考虑区域及经济影响的负荷特征指标关联性挖掘方法
CN114897351A (zh) 一种基于数字化能源在线监测分析方法、系统及存储介质
CN114169424A (zh) 基于k近邻回归算法和用电数据的排污量预测方法
CN104751369A (zh) 一种改进的k-均值聚类的线损分析方法
CN111476432A (zh) 一种基于实时路况预测的车辆油耗估计方法和系统
CN110263072B (zh) 一种公共机构能耗统计系统及方法
CN202748126U (zh) 交通噪声在线监测系统
CN113642933A (zh) 一种配电台区低电压诊断方法及装置
CN107730399B (zh) 基于风力发电特性曲线的理论线损评估方法
CN203037739U (zh) 一种音频取证中电网频率的精确采集装置
CN108614173B (zh) 一种低压侧综合能耗分析方法和低压侧综合能耗分析系统
CN114819423B (zh) 应用gis技术及数据信息融合系统的碳排治理系统
CN203364916U (zh) 内燃机车燃油油量检测传感器网络系统
CN116433440A (zh) 一种数据自回归增强的碳排放测算方法、系统及电子设备

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: No.5, 5th floor, unit 1, building 2, No.138, Tianfu 2nd Street, high tech Zone, Chengdu, Sichuan 610000

Applicant after: Chengdu YunAng Technology Co.,Ltd.

Address before: No.5, 5th floor, unit 1, building 2, No.138, Tianfu 2nd Street, high tech Zone, Chengdu, Sichuan 610000

Applicant before: CHENGDU JIUZHOU ELECTRONIC TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant