CN110889088A - 一种应用电力模型辅助的企业排污监管方法 - Google Patents
一种应用电力模型辅助的企业排污监管方法 Download PDFInfo
- Publication number
- CN110889088A CN110889088A CN201911067012.5A CN201911067012A CN110889088A CN 110889088 A CN110889088 A CN 110889088A CN 201911067012 A CN201911067012 A CN 201911067012A CN 110889088 A CN110889088 A CN 110889088A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- abnormal
- utilization ratio
- ratio
- pollution discharge
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 93
- 238000004519 manufacturing process Methods 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000035772 mutation Effects 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 230000005611 electricity Effects 0.000 claims description 124
- 239000010865 sewage Substances 0.000 claims description 56
- 238000010586 diagram Methods 0.000 claims description 25
- 238000012731 temporal analysis Methods 0.000 claims description 12
- 238000000700 time series analysis Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000009776 industrial production Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 abstract description 3
- 238000005311 autocorrelation function Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种应用电力模型辅助的排污企业监管方法，本发明通过模型化手段，建立企业昼间‑夜间用电比时序图模型，运用企业所在行业用电比修正企业自身用电比，通过突变分析方法分析企业异常排放时段，模型将以训练算法通过夜间用电比迭代计算昼间用电比，减小了非生产设施用电引起的用电误差，提高了用电比模型的精确度，时序图线性模型建模简单，避免了模型的复杂化。本发明提出的一种应用电力模型辅助的排污企业监管方法，能够嗅探企业排污异常，分析企业各时段的生产用电情况，同时可以辅助电力部门的合理供电。
Description
技术领域
本发明属于在线监管排污领域，具体涉及一种应用电力模型辅助的企业排污监管方法。
背景技术
电力数据反应了企业生产情况，监管数据反映企业的排污情况，如何通过企业用电量分析企业的排污情况，识别企业异常排污行为，对环保部门决策是非常具有参考价值的，企业的电力数据作为1个整体数据上传到电力部门，不会对生产排污设施，居民用电情况单独计费，这对决策层了解企业生产情况造成了重重困难，通过将电力大数据与环保大数据结合，建立排污与用电之间的联系，分析企业异常排污时段，加强对排污企业的监管，同时电力部门也可根据企业生产设施用电情况合理供电。
发明内容
针对上述问题，本发明的目的是提供一种能够应用电力模型辅助的企业排污监管方法计算方法。
为实现上述目的，本发明采取以下技术方案：一种应用电力模型辅助的排污企业监管方法，包括以下步骤：
(1)对企业用电量和企业排污量做数据预处理；
(2)基于预处理后的数据，根据用电比＝排污量/用电量，建立企业生产排污设施用电比时序图模型；
(3)基于建立的企业生产排污设施用电比时序图模型，对企业排污设施用电比时序图异常时段进行分析，将有用电比异常的企业，标记为嫌疑企业，计入排污监管异常企业数据库；
(4)统计行业内的每小时用电量和排污量，并计算用电比均值，建立行业生产设施用电比时序图，将企业用电比与行业用电比进行曲线拟合，得到修正后的企业用电比，并进行时序图异常时段分析，将有用电比异常的企业，标记为嫌疑企业，计入排污监管异常企业数据库；
(5)基于排污监管异常企业数据库中的企业用电比异常时段，对企业的排污量进行验证，进而确认嫌疑企业是否为排污异常企业。
进一步地，所述步骤(1)中数据预处理具体为：
对企业用电量进行预处理，按小时统计企业生产期间的用电量。
对企业排污量进行预处理，按小时统计企业排污量，作为分析企业排污情况的基础数据，并排除企业生产期间无效时间段的用电量和排污量数据，所述无效时间段是指企业停产时段，设备故障时段及无污染排放的时段。
进一步地，所述步骤(2)中建立企业生产排污设施用电比时序图模型具体步骤为：
(2.1)计算企业夜间生产设施每小时用电比
假设企业生产设施在夜间运行的用电量近似等于企业夜间的用电量；对企业每日20:00--08:00生产时段的预处理后的用电量和排污量数据，进行计算得到夜间12小时内的每个小时的用电比d12(t)；同时计算夜间12小时的用电比均值，作为昼间的生产设施每个小时的用电比。
(2.2)计算企业昼间生产设施每小时用电比
(2.2.1)昼间企业居民每小时用电量确定
统计08:00-20:00生产设施的排污量和日常用电量，基于夜间用电比均值的稳定性，计算昼间的每小时生产设施用电量，计算公式：
昼间每小时生产设施用电量＝昼间每小时排污量/夜间用电比均值
昼间每小时日常用电量y(t)与昼间每小时生产设施用电量a(t)的关系为y(t)＝a(t)+b(t)，a(t)表示昼间每小时生产设施用电量，b(t)表示昼间每小时企业居民用电量，据此可以计算出昼间12小时企业居民用电量均值b(avg)。
(2.2.2)昼间企业生产设施每小时用电比的确定
依据公式a(t)＝y(t)-b(avg)，重新计算出昼间每小时企业生产设施用电量，根据公式用电比＝排污量/用电量，可得修正后的昼间企业生产设施每小时用电比a2(t)。
(2.3)根据昼间和夜间企业生产设施每小时用电比，建立企业排污设施用电比时序图模型。
进一步地，所述步骤(3)中企业用电比时序图异常时段分析具体为：
基于步骤(2)得到的企业排污设施用电比时序图模型，得到时间与用电比x1(t)的表达式，企业用电比基本保持稳定，若数据骤变则有异常排放的嫌疑，标记为嫌疑企业，计入排污监管异常企业数据库。
突变分析是指企业用电比数值突然下降或上升，则对排污量做进一步分析；
规则说明，N时用电比为An；
| 时间 | a用电比 |
| N时 | A<sub>n</sub> |
| N+1时 | A<sub>n+1</sub> |
如果
那么认为An到An+1属于异常时段；标记为突变。
进一步地，所述步骤(4)具体为：
第1步：基于步骤(1)和步骤(2)，将相同行业、相同污水排放标准和相同同污水处理工艺的企业归并在一起，统计这些企业的每小时用电量和排污量，并计算用电比均值，建立行业生产设施用电比时序图，得到时间与行业用电比x2(t)的表达式；
第2步：对企业用电比x1(t)与行业用电比x2(t)进行曲线拟合，得到修正后的企业用电比x12(t)表达式，正常情形下企业用电比x1(t)始终在修正后企业用电比x12(t)附近变化；若出现下列情况，则标记为嫌疑企业，计入排污监管异常企业数据库；
a.若修正企业用电比x12(t)在时刻t发生突变，且符合突变规则。
b.统计修正企业用电比x12(t)的数据分布，根据正态分布u±3σ对应的概率为99.73％的概率分布原则，筛选出超过其区间范围的时刻，认为该时刻企业有异常排放的嫌疑。
c.采用时间序列分析TSA分析方法，利用差分自回归移动平均模型(ARIMA)，进行预测后继时间点的各项监测数据，从而判定是否为异常数据，若存在异常数据，则标记为嫌疑企业。
进一步地，利用MATLAB的cftool拟合工具箱对企业用电比x1(t)与行业用电比x2(t)进行曲线拟合。
进一步地，企业排污量验证具体为：
(1)用电比突变验证：
分析排污监管异常企业数据库的异常时段，基于突变分析规则，观察企业排污数据曲线相邻时刻排污量是否突变，进一步验证企业排污异常，如排污量突变，则验证了用电比模型的有效性，此时排污监管异常企业数据库中该企业嫌疑可以确认，属于排污异常企业。
(2)异常时段验证
分析排污监管异常企业数据库的异常时段，观察企业排污数据曲线该时刻排污量数据偏高或偏低，进一步验证企业排污异常，如偏高偏低，则验证了用电比模型的有效性，此时排污监管异常企业数据库中该企业嫌疑可以确认，属于排污异常企业。
本发明的有益效果为：为进一步完善优化应用电力模型辅助监管企业排污情况，在已有的企业用电数据基础分析之上，结合企业在线排污数据，提出用电比的概念并用之分析和处理，实现对企业排污数据进行实时预警、决策辅助分析等应用，大大提高环保部门对企业生产排污的有力监控，从而实现电力数据与环保数据的大数据的应用。
本发明通过模型化手段，建立企业生产设施用电比时序图模型，运用企业所在行业用电比修正企业自身用电比，通过突变分析方法分析企业异常排放时段，模型将以训练算法通过夜间用电比迭代计算昼间用电比，减小了非生产设施用电引起的用电误差，提高了用电比模型的精确度，时序图线性模型建模简单，避免了模型的复杂化。本发明提出的一种应用电力模型辅助的排污企业监管方法，能够嗅探企业排污异常，分析企业各时段的生产用电情况，同时可以辅助电力部门的合理供电。
附图说明
图1是本发明方法流程图。
具体实施方式
以下结合附图对本发明具体实施方式作进一步详细说明。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。
如图1所示，本发明提供的一种应用电力模型辅助的排污企业监管方法，包括以下步骤：
(1)对企业用电量和企业排污量做数据预处理；
按日统计企业生产期间的用电量和排污量，其中用电量单位为kw。企业排污量单位为立方米，以废水瞬时流量作为企业排污量指标。
排除企业生产期间的无效时间段(如企业停产时段，设备故障时段及无污染排放)的用电量和排污量数据。
(2)基于预处理后的数据，根据用电比＝排污量/用电量，建立企业生产排污设施用电比时序图模型；
经观察发现：企业昼间用电量显著高于夜间用电量，在08:00，20:00前后用电量显著差异，故界定此模型中昼间定义为：08:00--20:00，夜间定义为20:00--08:00。
(2.1)计算企业夜间生产设施每小时用电比
对企业每日20:00--08:00生产时段的预处理后的用电量和排污量数据，进行计算得到夜间12小时内的每个小时的用电比d12(t)；同时计算12小时的用电比均值，作为昼间的生产设施每个小时的用电比。用电比度量用电量与排污量的关系，夜间用电比比较准确的反应了生产设施用电量与生产设施排污量的关系，正常情形下，用电比图形是1条稳定的曲线。
(2.2)计算企业昼间生产设施每小时用电比
(2.2.1)昼间企业居民每小时用电量确定
统计08:00-20:00生产设施的排污量和日常用电量，基于夜间用电比均值的稳定性，计算昼间的每小时生产设施用电量，计算公式：
昼间每小时生产设施用电量＝昼间每小时排污量/夜间用电比均值
目的是将企业日常用电量与生产设施用电量隔离开，单独关注设施用电量，可明显判断出昼间每小时日常用电量y(t)与昼间每小时生产设施用电量a(t)的关系为y(t)＝a(t)+b(t)；
其中，a(t)表示昼间每小时生产设施用电量，b(t)表示昼间每小时企业居民用电量，据此可以计算出昼间12小时企业居民用电量均值b(avg)；
设夜间均值用电比为s，昼间12小时的用电量y(t)，排污量p(t)；
a)确定需要进行计算的昼间用电比的范围，找出排污量p(t)的最小值和最大值，得到枚举解范围y2(t)＝M*y(t)，其中M>0。
b)依次遍历时刻，在确定夜间均值用电比s不变的情况下，枚举排污量p(t)；的值，计算公式y2(t)＝p(t)/s，最终得到1个临时的枚举值y2(t)，当前枚举值y2(t)代入方程y2(t)＝M*y(t)，得到参数M。
c)评价并记录当前解。根据所得参数M是否大于1，若不满足大于1，则踢除该时刻，继续下一时刻判断，同时该踢除时刻t的用电比以夜间用电比均值s计。
d)遍历结束时，可计算得到昼间每小时的居民用电量y3(t)＝y(t)-y2(t)，对其求均值y3avg,作为下一步将用到的。
(2.2.2)昼间企业生产设施每小时用电比的确定
依据公式a(t)＝y(t)-b(avg)，此时b(avg)以y3avg代替，重新计算出昼间每小时企业生产设施用电量，根据公式用电比＝排污量/用电量，可得修正后的昼间企业生产设施每小时用电比a2(t)，a2(t)正是需要得到的。
(2.3)根据昼间和夜间企业生产设施每小时用电比，建立企业排污设施用电比时序图模型，企业用电比表达式x1(t)。
(3)统计行业内的每小时用电量和排污量，并计算用电比均值，建立行业生产设施用电比时序图，将企业用电比与行业用电比进行曲线拟合，得到修正后的企业用电比表达式x12(t)，
第1步：基于步骤(1)和步骤(2)，将相同行业，相同污水排放标准，相同污水处理工艺的企业归并在一起，统计这些企业的每小时用电量和排污量，并计算用电比均值，建立行业生产设施用电比时序图，得到时间与行业用电比x2(t)的表达式；
第2步：利用MATLAB的cftool拟合工具箱对企业用电比x1(t)与行业用电比x2(t)进行曲线拟合，得到修正后的企业用电比x12(t)表达式。
(4)嫌疑企业标记：时序图异常时段分析，将有用电比异常的企业，标记为嫌疑企业，计入排污监管异常企业数据库；
(4.1)分析方法：
a.突变分析；
正常情形下企业用电比x1(t)始终在修正后企业用电比x12(t)附近变化。
突变分析是指企业用电比数值突然下降或上升，则对该项指标做进一步分析；具体包括以下步骤：
规则说明，N时用电比为An；
| 时间 | 用电比 |
| N时 | A<sub>n</sub> |
| N+1时 | A<sub>n+1</sub> |
如果
那么认为An到An+1属于异常时段；标记为突变。b.时间序列分析TSA分析方法
时间序列分析TSA分析方法，是指各监测数据均在时序上存在一定的周期性，可以利用往期数据的发展规律，采用时间序列分析TSA分析方法，进行预测后继时间点的各项监测数据，从而判定是否为异常数据，若存在异常数据，则标记为嫌疑企业，具体步骤包括：
采用差分自回归移动平均模型(ARIMA)，以AIC(Akaike Information Criterion)作为评价标准寻找最好解释数据并且包含自由参数最少的模型(通过p、d、q参数来确定)。
该模型为：
At＝φ1At-1+φ2At-2+…+φpAt-p+δ+ut+θ1ut-1+θ2ut-2+…+θqut-q其中At表示序列i时的对象值，φi是自相关系数，δ是常数偏移项，ui是误差，θi是误差系数，t表示时刻，p表示预测模型中采用的时序数据自身的滞后数，q表示预测误差的滞后数；
阶段一：
根据数据，计算ACF(自相关函数)与PACF(偏自相关函数)并绘制成图，根据ACF和PACF图检查序列是否需要进行差分转换，是否是周期性的数据。若得到的序列是非平稳的序列，根据需要将非平稳的序列通过差分得到平稳性的序列。
阶段二：
以AIC作为评价标准，使用网格搜索最佳的模型参数p、d、q；其中：
p:预测模型中采用的时序数据自身的滞后数(lags)，又称为自回归项；
d:需要进行的差分次数，又称为差分项；
q:预测误差的滞后数(lags)，又称为移动平均项；
然后利用数据训练，获得模型的各项参数即模型中的φi、θi、δ。
阶段三：
利用训练好的ARIMA模型去预测后继时间点的指标值，比对监测值，通过计算监测值到预测值的欧氏距离并与人工设定的阈值进行比较从而判定是否为异常点。
(4.2)标记原则：
a.企业用电比x1(t)在时刻t发生突变，且符合突变分析规则。
b.修正企业用电比x12(t)在时刻t发生突变，且符合突分析变规则。
c.统计修正企业用电比x12(t)的数据分布，根据正态分布u±3σ对应的占比为99.73％的分布原则，超出其区间范围的时刻。
d.若修正企业用电比x12(t)在时刻t1至时刻t2时间段违背时间序列分析TSA分析方法的分析规律。(5)基于排污监管异常企业数据库中的企业用电比异常时段，对企业的排污量进行验证，进而确认嫌疑企业是否为排污异常企业。
(5.1)用电比突变验证：
分析排污监管异常企业数据库的异常时段，基于突变分析规则，观察企业排污数据曲线相邻时刻排污量是否突变，进一步验证企业排污异常，如排污量突变，则验证了用电比模型的有效性，此时排污监管异常企业数据库中该企业嫌疑可以确认，属于排污异常企业。
(5.2)异常时段验证
分析排污监管异常企业数据库的异常时段，观察企业排污数据曲线该时刻排污量数据偏高或偏低，进一步验证企业排污异常，如偏高偏低，则验证了用电比模型的有效性，此时排污监管异常企业数据库中该企业嫌疑可以确认，属于排污异常企业。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
本发明的一个实施例如下：
实施例中涉及的数据及来源如下表所示：
取某公司2019-08-01 00:00:00至2019-09-01 00:00:00的排污数据与用电数据作为样本，简化起见，选择其中2019-08-01日的数据分析，建立时序图，并用突变分析法分析，最后验证数据是否有效。
1.按小时汇总该公司的用电量与排污量数据，排除无效时间段的数据：如表1：
表1-企业排污量-用电量数据
| 序号 | 监测时间 | 废水瞬时流量(m3/h) | 状态 | 用电量kw |
| 1 | 2019-08-01,00 | 21 | 正常 | 725.74 |
| 2 | 2019-08-01,01 | 18.8 | 正常 | 743.45 |
| 3 | 2019-08-01,02 | 18.8 | 正常 | 739.28 |
| 4 | 2019-08-01,03 | 19.6 | 正常 | 738.95 |
| 5 | 2019-08-01,04 | 17.4 | 正常 | 740.92 |
| 6 | 2019-08-01,05 | 20.2 | 正常 | 667.11 |
| 7 | 2019-08-01,06 | 19.7 | 正常 | 735.36 |
| 8 | 2019-08-01,07 | 19.6 | 正常 | 743.59 |
| 9 | 2019-08-01,08 | 8.6 | 正常 | 1339.78 |
| 10 | 2019-08-01,09 | 7 | 正常 | 1824.89 |
| 11 | 2019-08-01,10 | 7.2 | 正常 | 1935.45 |
| 12 | 2019-08-01,11 | 6.8 | 正常 | 1886.91 |
| 13 | 2019-08-01,12 | 7.5 | 正常 | 1932.71 |
| 14 | 2019-08-01,13 | 7.1 | 正常 | 1901.73 |
| 15 | 2019-08-01,14 | 6.9 | 正常 | 1950.03 |
| 16 | 2019-08-01,15 | 3.4 | 正常 | 1949.74 |
| 17 | 2019-08-01,16 | 7.7 | 正常 | 1969.61 |
| 18 | 2019-08-01,17 | 8.3 | 正常 | 1887.34 |
| 19 | 2019-08-01,18 | 8.3 | 正常 | 1912.49 |
| 20 | 2019-08-01,19 | 8.3 | 正常 | 1779.07 |
| 21 | 2019-08-01,20 | 8.4 | 正常 | 621.83 |
| 22 | 2019-08-01,21 | 4.2 | 正常 | 508.05 |
| 23 | 2019-08-01,22 | 0 | 正常 | 505.71 |
| 24 | 2019-08-01,23 | 0 | 正常 | 516.64 |
2.建立该公司用电比时序图：
第一步：建立该公司夜间20:00--08:00的时序图
计算得到夜间每小时的用电比，同时计算夜间12小时的用电比均值作为昼间用电比，经计算得到0.0234866。
第二步：建立该公司昼间08:00--20:00的时序图
计算得到昼间生产设施用电量，通过计算得到昼间居民用电量的均值1598.8762kw，根据此均值重新计算出昼间生产设施每小时用电量，进而计算昼间生产设施用电比，作为昼间用电比。计算结果如表2：
表2-企业用电比数据
3.建立行业生产设施用电比时序图，这里简化操作，将该公司用电比时序图作为行业生产设施用电比时序图，不存在需要拟合的情况。
4.时序图分析：
01突变分析：结果如表3：
表3-突变情况
5.异常数据验证：
01用电比突变验证：
| 序号 | 时间 | A<sub>n</sub>时刻用电比 | A<sub>n+1</sub>时刻用电比 | 变化幅度 |
| 15 | 2019-08-01,15 | 0.01964951 | 0.00969037 | -0.506839102 |
| 16 | 2019-08-01,16 | 0.00969037 | 0.02076962 | 1.143325797 |
| 19 | 2019-08-01,19 | 0.026465672 | 0.046061518 | 0.740425031 |
| 20 | 2019-08-01,20 | 0.046061518 | 0.013508515 | -0.706728836 |
经分析，该企业：
2019-08-01,15时,排放量从6.9-->3.4,突变幅度达到50％以上，而用电量从1950.03->1949.74,幅度变化较小；嫌疑企业确认为排污异常。
2019-08-01,16时,排放量从3.4-->7.7,突变幅度达到50％以上，而用电量从1949.74->1969.61幅度变化较小；嫌疑企业确认为排污异常。
2019-08-01,19时,排放量从8.3-->8.3,幅度变化较小；而用电量从1912.49->1779.07变化幅度为6.98％不显著，此时认定企业排污正常。
2019-08-01,20时,排放量从8.3-->8.4,幅度变化较小；而用电量从1779.07->621.83突变幅度达到50％以上；嫌疑企业确认为排污异常。
若将突变阀值设定为1，则满足排污异常的时刻为2019-08-01,16时。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。
Claims (7)
1.一种应用电力模型辅助的排污企业监管方法，其特征在于：包括以下步骤：
(1)对企业用电量和企业排污量做数据预处理。
(2)基于预处理后的数据，根据用电比＝排污量/用电量，建立企业生产排污设施用电比时序图模型。
(3)基于建立的企业生产排污设施用电比时序图模型，对企业排污设施用电比时序图异常时段进行分析，将有用电比异常的企业，标记为嫌疑企业，计入排污监管异常企业数据库；
(4)统计行业内的每小时用电量和排污量，并计算用电比均值，建立行业生产设施用电比时序图，将企业用电比与行业用电比进行曲线拟合，得到修正后的企业用电比，并进行时序图异常时段分析，将有用电比异常的企业，标记为嫌疑企业，计入排污监管异常企业数据库。
(5)基于排污监管异常企业数据库中的企业用电比异常时段，对企业的排污量进行验证，进而确认嫌疑企业是否为排污异常企业。
2.如权利要求1所述的一种应用电力模型辅助的排污企业监管方法，其特征在于：所述步骤(1)中数据预处理具体为：
对企业用电量进行预处理，按小时统计企业生产期间的用电量。
对企业排污量进行预处理，按小时统计企业排污量，作为分析企业排污情况的基础数据，并排除企业生产期间无效时间段的用电量和排污量数据，所述无效时间段是指企业停产时段，设备故障时段及无污染排放的时段。
3.如权利要求1所述的一种应用电力模型辅助的排污企业监管方法，其特征在于：所述步骤(2)中建立企业生产排污设施用电比时序图模型具体步骤为：
(2.1)计算企业夜间生产设施每小时用电比
假设企业生产设施在夜间运行的用电量近似等于企业夜间的用电量；对企业每日20:00--08:00生产时段的预处理后的用电量和排污量数据，进行计算得到夜间12小时内的每个小时的用电比d12(t)；同时计算夜间12小时的用电比均值，作为昼间的生产设施每个小时的用电比。
(2.2)计算企业昼间生产设施每小时用电比
(2.2.1)昼间企业居民每小时用电量确定
统计08:00-20:00生产设施的排污量和日常用电量，基于夜间用电比均值的稳定性，计算昼间的每小时生产设施用电量，计算公式：
昼间每小时生产设施用电量＝昼间每小时排污量/夜间用电比均值
昼间每小时日常用电量y(t)与昼间每小时生产设施用电量a(t)的关系为y(t)＝a(t)+b(t)，a(t)表示昼间每小时生产设施用电量，b(t)表示昼间每小时企业居民用电量，据此可以计算出昼间12小时企业居民用电量均值b(avg)。
(2.2.2)昼间企业生产设施每小时用电比的确定
依据公式a(t)＝y(t)-b(avg)，重新计算出昼间每小时企业生产设施用电量，根据公式用电比＝排污量/用电量，可得修正后的昼间企业生产设施每小时用电比a2(t)。
(2.3)根据昼间和夜间企业生产设施每小时用电比，建立企业排污设施用电比时序图模型。
4.如权利要求1所述的一种应用电力模型辅助的排污企业监管方法，其特征在于：所述步骤(3)中企业用电比时序图异常时段分析具体为：
基于步骤(2)得到的企业排污设施用电比时序图模型，得到时间与用电比x1(t)的表达式，企业用电比基本保持稳定，若数据骤变则有异常排放的嫌疑，标记为嫌疑企业，计入排污监管异常企业数据库。
突变分析是指企业用电比数值突然下降或上升，则对排污量做进一步分析；
规则说明，N时用电比为An；
如果
那么认为An到An+1属于异常时段；标记为突变。
5.如权利要求1所述的一种应用电力模型辅助的企业排污监管方法，其特征在于：所述步骤(4)具体为：
第1步：基于步骤(1)和步骤(2)，将相同行业、相同污水排放标准和相同同污水处理工艺的企业归并在一起，统计这些企业的每小时用电量和排污量，并计算用电比均值，建立行业生产设施用电比时序图，得到时间与行业用电比x2(t)的表达式；
第2步：对企业用电比x1(t)与行业用电比x2(t)进行曲线拟合，得到修正后的企业用电比x12(t)表达式，正常情形下企业用电比x1(t)始终在修正后企业用电比x12(t)附近变化；若出现下列情况，则标记为嫌疑企业，计入排污监管异常企业数据库；
a.若修正企业用电比x12(t)在时刻t发生突变，且符合突变规则。
b.统计修正企业用电比x12(t)的数据分布，根据正态分布u±3σ对应的概率为99.73％的概率分布原则，筛选出超过其区间范围的时刻，认为该时刻企业有异常排放的嫌疑。
c.采用时间序列分析TSA分析方法，利用差分自回归移动平均模型(ARIMA)，进行预测后继时间点的各项监测数据，从而判定是否为异常数据，若存在异常数据，则标记为嫌疑企业。
6.如权利要求5所述的一种应用电力模型辅助的企业排污监管方法，其特征在于：利用MATLAB的cftool拟合工具箱对企业用电比x1(t)与行业用电比x2(t)进行曲线拟合。
7.如权利要求1所述的一种应用电力模型辅助的企业排污监管方法，其特征在于：企业排污量验证具体为：
(1)用电比突变验证：
分析排污监管异常企业数据库的异常时段，基于突变分析规则，观察企业排污数据曲线相邻时刻排污量是否突变，进一步验证企业排污异常，如排污量突变，则验证了用电比模型的有效性，此时排污监管异常企业数据库中该企业嫌疑可以确认，属于排污异常企业。
(2)异常时段验证：
分析排污监管异常企业数据库的异常时段，观察企业排污数据曲线该时刻排污量数据偏高或偏低，进一步验证企业排污异常，如偏高偏低，则验证了用电比模型的有效性，此时排污监管异常企业数据库中该企业嫌疑可以确认，属于排污异常企业。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911067012.5A CN110889088B (zh) | 2019-11-04 | 2019-11-04 | 一种应用电力模型辅助的企业排污监管方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911067012.5A CN110889088B (zh) | 2019-11-04 | 2019-11-04 | 一种应用电力模型辅助的企业排污监管方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889088A true CN110889088A (zh) | 2020-03-17 |
| CN110889088B CN110889088B (zh) | 2023-10-20 |
Family
ID=69746852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911067012.5A Active CN110889088B (zh) | 2019-11-04 | 2019-11-04 | 一种应用电力模型辅助的企业排污监管方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889088B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111209595A (zh) * | 2020-04-21 | 2020-05-29 | 国网四川省电力公司电力科学研究院 | 一种涉污企业用电信息匹配及数据处理方法 |
| CN111522864A (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 基于用电数据的企业生产模式识别及转移生产预警方法 |
| CN111523794A (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 基于污染排放企业用电特性的环保管控措施响应研判方法 |
| CN111524032A (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 一种基于企业用电数据的环保响应量化方法及装置 |
| CN111652450A (zh) * | 2020-08-05 | 2020-09-11 | 浙江力嘉电子科技有限公司 | 排污行为的异常检测系统及方法、电子设备、存储介质 |
| CN112990712A (zh) * | 2021-03-19 | 2021-06-18 | 成都青云之上信息科技有限公司 | 基于用电耗能监测的企业生产经营分析方法及系统 |
| CN113077174A (zh) * | 2021-04-21 | 2021-07-06 | 国网福建省电力有限公司 | 基于曲线离散弗雷歇距离匹配的排治污设备状态研判方法 |
| CN113792988A (zh) * | 2021-08-24 | 2021-12-14 | 河北先河环保科技股份有限公司 | 一种企业在线监测数据异常识别方法 |
| CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
| CN115964673A (zh) * | 2023-03-14 | 2023-04-14 | 江苏省生态环境监测监控有限公司 | 企业用电工况异常预警分析方法 |
| CN117609928A (zh) * | 2024-01-23 | 2024-02-27 | 华北电力科学研究院有限责任公司 | 基于电力数据的污染物排放量异常识别方法与装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105278492A (zh) * | 2014-06-26 | 2016-01-27 | 广东柯内特环境科技有限公司 | 一种区域排污的智能监控系统和方法 |
| CN110245880A (zh) * | 2019-07-02 | 2019-09-17 | 浙江成功软件开发有限公司 | 一种污染源在线监控数据作弊识别方法 |
-
2019
- 2019-11-04 CN CN201911067012.5A patent/CN110889088B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105278492A (zh) * | 2014-06-26 | 2016-01-27 | 广东柯内特环境科技有限公司 | 一种区域排污的智能监控系统和方法 |
| CN110245880A (zh) * | 2019-07-02 | 2019-09-17 | 浙江成功软件开发有限公司 | 一种污染源在线监控数据作弊识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨清等: "用电数据用于污染源企业工况监控技术的研究" * |
| 王立斌等: "一种基于用电规律的污染企业违规生产监控方法" * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111209595A (zh) * | 2020-04-21 | 2020-05-29 | 国网四川省电力公司电力科学研究院 | 一种涉污企业用电信息匹配及数据处理方法 |
| CN111522864A (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 基于用电数据的企业生产模式识别及转移生产预警方法 |
| CN111523794A (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 基于污染排放企业用电特性的环保管控措施响应研判方法 |
| CN111209595B (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 一种涉污企业用电信息匹配及数据处理方法 |
| CN111524032A (zh) * | 2020-04-21 | 2020-08-11 | 国网四川省电力公司电力科学研究院 | 一种基于企业用电数据的环保响应量化方法及装置 |
| CN111522864B (zh) * | 2020-04-21 | 2020-11-10 | 国网四川省电力公司电力科学研究院 | 基于用电数据的企业生产模式识别及转移生产预警方法 |
| CN111523794B (zh) * | 2020-04-21 | 2020-11-24 | 国网四川省电力公司电力科学研究院 | 基于污染排放企业用电特性的环保管控措施响应研判方法 |
| CN111652450A (zh) * | 2020-08-05 | 2020-09-11 | 浙江力嘉电子科技有限公司 | 排污行为的异常检测系统及方法、电子设备、存储介质 |
| CN112990712A (zh) * | 2021-03-19 | 2021-06-18 | 成都青云之上信息科技有限公司 | 基于用电耗能监测的企业生产经营分析方法及系统 |
| CN113077174A (zh) * | 2021-04-21 | 2021-07-06 | 国网福建省电力有限公司 | 基于曲线离散弗雷歇距离匹配的排治污设备状态研判方法 |
| CN113792988A (zh) * | 2021-08-24 | 2021-12-14 | 河北先河环保科技股份有限公司 | 一种企业在线监测数据异常识别方法 |
| CN113792988B (zh) * | 2021-08-24 | 2024-07-12 | 河北先河环保科技股份有限公司 | 一种企业在线监测数据异常识别方法 |
| CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
| CN115964673A (zh) * | 2023-03-14 | 2023-04-14 | 江苏省生态环境监测监控有限公司 | 企业用电工况异常预警分析方法 |
| CN115964673B (zh) * | 2023-03-14 | 2023-05-23 | 江苏省生态环境监测监控有限公司 | 企业用电工况异常预警分析方法 |
| CN117609928A (zh) * | 2024-01-23 | 2024-02-27 | 华北电力科学研究院有限责任公司 | 基于电力数据的污染物排放量异常识别方法与装置 |
| CN117609928B (zh) * | 2024-01-23 | 2024-04-05 | 华北电力科学研究院有限责任公司 | 基于电力数据的污染物排放量异常识别方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889088B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889088A (zh) | 一种应用电力模型辅助的企业排污监管方法 | |
| CN109977535B (zh) | 一种线损异常诊断方法、装置、设备及可读存储介质 | |
| CN107992968B (zh) | 基于集成时间序列分析技术的电能表计量误差预测方法 | |
| CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
| CN110927654B (zh) | 一种智能电能表批次运行状态评价方法 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| CN114819374B (zh) | 区域新能源超短期功率预测方法及系统 | |
| Zhao et al. | Forecasting of Beijing PM2. 5 with a hybrid ARIMA model based on integrated AIC and improved GS fixed-order methods and seasonal decomposition | |
| CN114943409A (zh) | 一种基于电力数据的环境监控分析方法、系统 | |
| CN110110339B (zh) | 一种日前水文预报误差校正方法及系统 | |
| CN114169424A (zh) | 基于k近邻回归算法和用电数据的排污量预测方法 | |
| CN115034485A (zh) | 一种基于数据空间的风电功率区间预测方法及装置 | |
| 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 | |
| CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
| CN110426996B (zh) | 基于大数据及人工智能的环境污染监测方法 | |
| CN115081597A (zh) | 一种基于机器学习的以电核碳方法、系统、设备和介质 | |
| CN117634678A (zh) | 基于实际运行场景的低碳园区碳排放预测方法 | |
| CN116976562A (zh) | 一种固定点源污染物与碳排放清单动态核算系统及方法 | |
| CN116701846A (zh) | 一种基于无监督学习的水电站调度运行数据清洗方法 | |
| CN116485075A (zh) | 一种基于fts的电网负荷预测方法 | |
| CN116632836A (zh) | 一种基于温度敏感性的公变台区负载率预测系统 | |
| CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
| CN115931041A (zh) | 一种新的区域环保监测预警方法 | |
| CN101923605B (zh) | 铁路防灾风预警方法 | |
| CN113822587B (zh) | 一种基于总线电流数据的工厂产能评估方法 |
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 |