CN111222096A - 一种冷库能耗的确定方法、装置及设备 - Google Patents
一种冷库能耗的确定方法、装置及设备 Download PDFInfo
- Publication number
- CN111222096A CN111222096A CN201911390615.9A CN201911390615A CN111222096A CN 111222096 A CN111222096 A CN 111222096A CN 201911390615 A CN201911390615 A CN 201911390615A CN 111222096 A CN111222096 A CN 111222096A
- Authority
- CN
- China
- Prior art keywords
- door opening
- determining
- door
- vibration
- preset
- 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
- 238000005057 refrigeration Methods 0.000 title claims abstract description 139
- 238000005265 energy consumption Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005070 sampling Methods 0.000 claims abstract description 87
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000014759 maintenance of location Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 239000007787 solid Substances 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本申请公开一种冷库能耗的确定方法、装置及设备,所述方法包括:获取预设时间内震动传感器的震动数据;震动传感器安装于冷库的门上,震动数据包括预设时间内以预设采样周期采集到的各个采样点的震动信号;将震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定;基于震动数据中的所述开门状态点的个数和所述预设采样周期,计算冷库的开门时间;基于所述开门时间,确定所述冷库在所述预设时间内的能耗。本申请能够基于震动传感器的震动数据检测冷库的开门状态,从而自动化的计算冷库的开门时间,最终提高了基于冷库的开门时间计算冷库能耗的准确率。
Description
技术领域
本申请涉及数据处理领域,具体涉及一种冷库能耗的确定方法、装置及设备。
背景技术
冷库仓储一直是物流行业的重要组成部分,其主要用作对食品、乳制品、肉类、果蔬、药品等半成品及成品的恒温储藏。物流公司十分关注冷库仓储的能耗,因为在冷库的使用过程中,绝大部分的经济消耗来源于电费的支出,尤其对于平均气温较高的国家来说,其需要消耗更多的能量使冷库内保持较低的温度。
冷库的能耗主要受冷库内温度变化的影响,而冷库温度的变化主要受到操作人员进出冷库拿取货物时,门被打开的时间的影响,即冷库内部环境与外部环境温度交换的时间的影响。然而,目前门开的时间都是根据人为经验估计得出的,具有较强的主观性并且准确性较低,因此,将人为经验估计得出的冷库门开的时间用于冷库能耗的计算,导致冷库能耗的计算结果准确性较低。
发明内容
有鉴于此,本申请提供了一种冷库能耗的确定方法,能够基于震动传感器的震动数据检测冷库的开门状态,从而自动化的计算冷库的开门时间,最终提高了基于冷库的开门时间计算冷库能耗的准确率。
第一方面,为实现上述发明目的,本申请提供了一种冷库能耗的确定方法,所述方法包括:
获取预设时间内震动传感器的震动数据;其中,所述震动传感器安装于冷库的门上,所述震动数据包括所述预设时间内以预设采样周期采集到的各个采样点的震动信号;
将所述震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;其中,所述预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定;
基于所述震动数据中的所述开门状态点的个数和所述预设采样周期,计算所述冷库的开门时间;
基于所述开门时间,确定所述冷库在所述预设时间内的能耗。
一种可选的实施方式中,所述将震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点之前,包括:
获取所述震动传感器的历史震动数据;所述历史震动数据包括各个采样点的震动信号;
计算所述历史震动数据中各个采样点的震动信号的幅值的平均值;
确定各个采样点的震动信号中与所述平均值相差最大的幅值,并将所述幅值与所述平均值的差值的绝对值确定为最大绝对误差因子;
基于所述最大绝对误差因子与预设保留率参数,确定开门状态检测阈值;其中,所述预设保留率参数用于表示所述震动传感器的历史震动数据中非开门状态点的占比。
一种可选的实施方式中,所述基于所述开门时间,确定所述冷库在所述预设时间内的能耗,包括:
获取在所述预设时间内所述冷库的门的正常内外温差;
基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗。
一种可选的实施方式中,所述基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗,包括:
基于贝叶斯模型,构建所述正常内外温差、所述开门时间和所述冷库的能耗之间的函数关系;
基于所述函数关系,确定所述冷库在所述预设时间内的能耗。
一种可选的实施方式中,所述冷库包括内门和外门,所述正常内外温差包括内门的正常内外温差和外门的正常内外温差;
相应的,所述基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗,包括:
基于所述内门的正常内外温差和所述内门的开门时间,以及所述外门的正常内外温差和所述外门的开门时间,确定所述冷库在所述预设时间内的能耗。
第二方面,本申请提供了一种冷库能耗的确定装置,所述装置包括:
第一获取模块,用于获取预设时间内震动传感器的震动数据;其中,所述震动传感器安装于冷库的门上,所述震动数据包括所述预设时间内以预设采样周期采集到的各个采样点的震动信号;
第一确定模块,用于将所述震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;其中,所述预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定;
第一计算模块,用于基于所述震动数据中的所述开门状态点的个数和所述预设采样周期,计算所述冷库的开门时间;
第二确定模块,用于基于所述开门时间,确定所述冷库在所述预设时间内的能耗。
一种可选的实施方式中,所述装置包括:
第二获取模块,用于获取所述震动传感器的历史震动数据;所述历史震动数据包括各个采样点的震动信号;
第二计算模块,用于计算所述历史震动数据中各个采样点的震动信号的幅值的平均值;
第三确定模块,用于确定各个采样点的震动信号中与所述平均值相差最大的幅值,并将所述幅值与所述平均值的差值的绝对值确定为最大绝对误差因子;
第四确定模块,用于基于所述最大绝对误差因子与预设保留率参数,确定开门状态检测阈值;其中,所述预设保留率参数用于表示所述震动传感器的历史震动数据中非开门状态点的占比。
一种可选的实施方式中,所述第二确定模块,包括:
获取子模块,用于获取在所述预设时间内所述冷库的门的正常内外温差;
确定子模块,用于基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗。
第三方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备实现上述任一项所述的方法。
第四方面,本申请提供了一种设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述任一项所述的方法。
本申请提供的冷库能耗的确定方法中,首先,获取预设时间内安装在冷库的门上的震动传感器的震动信号,并将震动信号中幅值大于预设开门状态检测阈值的采样点确定为开门状态点,基于预设时间内的震动信号中开门状态点的个数和预设采样周期,计算冷库的开门时间。最终,基于冷库的开门时间,确定冷库在所述预设时间内的能耗。可见,本申请实施例基于安装在冷库的门上的震动传感器的震动数据,检测冷库的开门状态,进而自动化的得出冷库的开门时间,最终基于自动化得出的冷库的开门时间计算冷库能耗,与现有技术的冷库能耗计算结果相比,显然,本申请能够提高冷库能耗计算结果的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种冷库能耗的确定方法的流程图;
图2为本申请实施例提供的一种开门状态检测阈值设置方法的流程图;
图3为本申请实施例提供的一种冷库的功能区域示意图;
图4为本申请实施例提供的一种冷库能耗的确定装置的结构示意图;
图5为本申请实施例提供的一种冷库能耗的确定设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在冷库仓储领域,冷库能耗主要受冷库内温度变化的影响,而冷库内温度变化主要受操作人员进出冷库的操作影响,在冷库的门被打开时,冷库内部环境与外部环境进行温度交换,导致冷库内温度升高,为了恢复冷库内温度,压缩机不得不做功,从而导致冷库能耗增加。显然,冷库的门打开的时间影响着冷库内温度的变化,从而决定着冷库的能耗。
目前,冷库的门打开的时间是操作人员凭借经验估计得出的,具有较强的主观性,显然准确性较低。如果基于凭借经验估计得出的门打开的时间,计算冷库的能耗,可能导致冷库能耗的计算结果准确性也较低。
为了提高冷库能耗计算结果的准确性,本申请实施例提供了一种冷库能耗的确定方法,具体的,首先,获取安装在冷库的门上的震动传感器在预设时间内的震动信号,并将震动信号中幅值大于预设开门状态检测阈值的采样点确定为开门状态点,基于预设时间内的震动信号中开门状态点的个数和预设采样周期,计算冷库的开门时间。最终,基于冷库的开门时间,确定冷库在所述预设时间内的能耗。
可见,本申请基于安装在冷库的门上的震动传感器的震动数据,检测冷库的开门状态,进而自动化的得出冷库的开门时间,最终基于自动化得出的冷库的开门时间计算冷库能耗,与现有技术的冷库能耗计算结果相比,显然,本申请能够提高冷库能耗计算结果的准确率。
以下本申请提供了一种冷库能耗的确定方法,参考图1,为本申请实施例提供的一种冷库能耗的确定方法的流程图,所述方法包括:
S101:获取预设时间内震动传感器的震动数据;其中,所述震动传感器安装于冷库的门上,所述震动数据包括所述预设时间内以预设采样周期采集到的各个采样点的震动信号。
本申请实施例中,将冷库的开门动作通过安装在门上的震动传感器的震动数据的变化体现,因此,在对预设时间内的冷库能耗进行计算之前,首先获取预设时间内的震动传感器的震动数据。
实际应用中,以预设采样周期对震动传感器的震动信号进行采集,并将采集到的各个采样点的震动信号存储为震动数据。因此,本申请实施例中的震动数据存储有预设时间内以预设采样周期采集到的各个采样点的震动信号,每个采样点的震动信号具有对应的幅值。
由于震动传感器的采样频率通常为秒级别,采集到的震动数据中有大量的重复值,且采样颗粒过细,导致数据处理任务的增加。而结合本申请实施例中对冷库开门状态的检测的应用场景,由于冷库的操作人员在工作时,冷库的门打开的状态通常会保持一定时间,可见秒级别的采样频率采集到震动数据对于本申请实施例而言显然粒度过细。因此,本申请实施例可以对获取到的震动传感器的震动数据进行上采样处理,即对震动数据中每一段时间间隔(例如30秒)内的各个采样点的震动信号进行均值处理,得到上采样后的震动数据,更合理的应用于对冷库开门状态的检测中。
假设震动数据包括预设时间内以预设采样周期采集到的1000个采样点的震动信号,经过上采样处理后,可以得到包括上采样后的100个采样点的震动数据,显然,每连续的10个采样点的震动信号经过均值处理后,得到1个上采样后的采样点的震动信号。同时,上采样周期为原采样周期的10倍。
上述对震动数据中各个采样点的震动信号的上采样处理,一方面可以减少需要处理的震动信号,提高对冷库开门状态的检测效率;另一方面可以消除震动传感器中的噪声信号,提高冷库开门状态检测的准确率。
S102:将所述震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;其中,所述预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定。
由于冷库的门被打开时,门上的震动传感器的震动信号的幅值存在明显变化,因此,可以基于震动传感器的震动信号的幅值检测冷库的门被打开的操作。具体的,本申请实施例将获取到的震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点。通过上述方式,可以确定震动数据中属于开门状态点的采样点的个数。
实际应用中,由于震动传感器可以检测到冷库的门在xyz三个轴上的震动信号的幅值,因此,为了增强震动传感器对震动信号的幅值的表达,本申请实施例可以将xyz三个轴上的震动信号的幅值合成一个等效幅值,用于与预设开门状态检测阈值进行比较。
本申请实施例中,预设开门状态检测阈值可以基于经验设置,也可以基于震动传感器的历史震动数据确定。
一种可选的实施方式中,基于震动数据中各个采样点的震动信号的幅值,确定各个采样点的分布情况为,开门状态点表现为离散的离群点,即开门状态点的幅值与幅值的均值相比存在明显变化,而其他采样点表现为稳定且与均值变化较小的数据点。基于上述分布情况,本申请实施例可以基于最大绝对误差因子MAE Factor的方法,利用震动传感器产生的震动数据本身的统计学特性,设置开门状态检测阈值。
具体的,参考图2,为本申请实施例提供的一种开门状态检测阈值设置方法的流程图,该方法包括:
S201:获取所述震动传感器的历史震动数据;所述历史震动数据包括各个采样点的震动信号。
本申请实施例中,基于历史震动数据确定开门状态检测阈值,其中,历史震动数据可以为一定时间内的历史数据,例如,最近一个月内的历史数据。
S202:计算所述历史震动数据中各个采样点的震动信号的幅值的平均值。
本申请实施例中,为了确定开门状态检测阈值,首先计算历史震动数据中各个采样点的震动信号的幅值的平均值。具体的,震动信号的幅值的平均值的计算方式本申请实施例不作限制。
S203:确定各个采样点的震动信号中与所述平均值相差最大的幅值,并将所述幅值与所述平均值的差值的绝对值确定为最大绝对误差因子。
本申请实施例中,在确定历史震动数据中震动信号的幅值的平均值之后,确定历史震动数据中与该平均值相差最大的幅值,并将二者的差值的绝对值确定为最大绝对误差因子,用于后续开门状态检测阈值的确定。其中,最大绝对误差因子能够很好的体现震动传感器的震动信号的幅值变化。
S204:基于所述最大绝对误差因子与预设保留率参数,确定开门状态检测阈值;其中,所述预设保留率参数用于表示所述震动传感器的历史震动数据中非开门状态点的占比。
本申请实施例中,最大绝对误差因子为震动信号中的最大幅值与平均值的差值,而预设保留率参数用于表示非开门状态点的占比,即关门状态的占比,取值范围为0到1,保留率参数越小,意味着关门状态的占比越小,反之亦然。
一种可选的实施方式中,可以将最大绝对误差因子与预设保留率参数的乘积,确定为开门状态检测阈值。也可以通过其他方式确定开门状态检测阈值,在本申请实施例中不作限制。
S103:基于所述震动数据中的所述开门状态点的个数和所述预设采样周期,计算所述冷库的开门时间。
本申请实施例中,由于震动数据中开门状态点的个数能够体现冷库的开门情况,因此,在得到震动数据中开门状态点的个数之后,可以基于震动数据中的开门状态点的个数和预设采样周期,计算冷库的开门时间。
一种可选的实施方式中,可以将开门状态点的个数与预设采样周期的乘积,确定为冷库的开门时间。
另一种可选的实施方式中,如果对震动数据进行上采样处理后得到上采样后的震动数据,则将上采样后的震动数据中开门状态点的个数与上采样周期的乘积,确定为冷库的开门时间。
假设预设时间为一天的时间,可以将开门状态点的个数与预设采样周期的乘积,确定为一天内冷库的开门时间,相应的,冷库的关门状态的时间为24h减去计算得到的冷库的开门时间。
S104:基于所述开门时间,确定所述冷库在所述预设时间内的能耗。
本申请实施例中,冷库的能耗与冷库的开门时间和冷库的门的内外温差有关,因此,本申请实施例在确定预设时间内冷库的开门时间以及内外温差之后,进一步的计算冷库在预设时间内的能耗。
一种可选的实施方式中,首先获取在预设时间内冷库的门的正常内外温差,然后,基于该正常内外温差和冷库在预设时间内的开门时间,确定冷库在预设时间内的能耗。
一种可选的实施方式中,可以基于贝叶斯模型,构建所述正常内外温差、所述开门时间和所述冷库的能耗之间的函数关系。然后,基于所述函数关系,确定所述冷库在所述预设时间内的能耗。具体的实现过程在后续实施例中进行介绍。
本申请实施例提供的冷库能耗的确定方法中,首先,获取预设时间内安装在冷库的门上的震动传感器的震动信号,并将震动信号中幅值大于预设开门状态检测阈值的采样点确定为开门状态点,基于预设时间内的震动信号中开门状态点的个数和预设采样周期,计算冷库的开门时间。最终,基于冷库的开门时间,确定冷库在所述预设时间内的能耗。可见,本申请实施例基于安装在冷库的门上的震动传感器的震动数据,检测冷库的开门状态,进而自动化的得出冷库的开门时间,最终基于自动化得出的冷库的开门时间计算冷库能耗,与现有技术的冷库能耗计算结果相比,显然,本申请能够提高冷库能耗计算结果的准确率。
实际应用中,冷库通常具有多个门,每个门上安装有振动传感器,利用上述实施例提供的方法,能够得到预设时间内每个门的开门时间,将每个门的开门时间之和作为冷库总的开门时间,最终,基于总的开门时间,确定冷库在预设时间内的能耗。
一种应用场景中,冷库包括三个功能区域,分别为室外区、缓冲区和冷藏区,如图3所示,为本申请实施例提供的一种冷库的功能区域示意图。其中,室外区与缓冲区之间存在6个门,缓冲区与冷藏区之间也存在6个门,由于室外区与缓冲区之间的门的开关情况,以及缓冲区与冷藏区之间的门的开关情况,均影响着冷库的能耗,因此,需要在上述12个门上分别安装震动传感器,利用上述实施例提供的方法确定上述12个门的开门时间,并基于上述12个门总的开门时间,计算冷库的能耗。
实际应用中,休息日和工作日的冷库能耗具有较大差别,在休息日,由于操作人员几乎没有开关的动作,因此冷库的各区域的温度几乎没有变化,冷库的能耗基本为定值Q0。而在工作日,由于冷库的门被频繁打开,门两侧区域的温度会受到影响,为了使冷藏区和缓冲区的温度在受到扰动后,重新恢复原温度,因此,与休息日相比,冷库的压缩机会额外做功。
具体的,对于工作日,可以基于上述12个门的开门时间、冷库的缓冲区与冷藏区之间的门的正常内外温差以及冷库的缓冲区与室外区之间的门的正常内外温差,计算工作日的冷库能耗。
一种可选的实施方式中,可以基于贝叶斯模型构建正常内外温差、开门时间和冷库的能耗之间的函数关系,然后,基于构建的函数关系,确定冷库在所述预设时间内的能耗,具体的构建的函数关系如公式(1)所示:
Q1=eβ*t0*a0+eβ*t1*a1 (1)
其中,Q1表示工作日的冷库能耗,a0用于表示缓冲区与室外区之间的门的正常内外温差,t0用于表示缓冲区与室外区之间的门的开门时间,a1用于表示缓冲区与冷藏区之间的门的正常内外温差,t1用于表示缓冲区与冷藏区之间的门的开门时间;β为预设阈值,可以通过分层贝叶斯模型求解得到。
本申请实施例提供的冷库能耗的确定方法中,针对实际应用场景中的冷库进行建模,确定冷库的各个区之间门的开关状态,从而确定冷库总的开门时间,最终确定冷库的能耗,可见,本申请能够提高冷库能耗的确定结果的准确性。
与上述方法实施方式相对应的,本申请还提供了一种冷库能耗的确定装置,参考图4,为本申请实施例提供的一种冷库能耗的确定装置的结构示意图,所述装置包括:
第一获取模块401,用于获取预设时间内震动传感器的震动数据;其中,所述震动传感器安装于冷库的门上,所述震动数据包括所述预设时间内以预设采样周期采集到的各个采样点的震动信号;
第一确定模块402,用于将所述震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;其中,所述预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定;
第一计算模块403,用于基于所述震动数据中的所述开门状态点的个数和所述预设采样周期,计算所述冷库的开门时间;
第二确定模块404,用于基于所述开门时间,确定所述冷库在所述预设时间内的能耗。
一种可选的实施方式中,所述装置包括:
第二获取模块,用于获取所述震动传感器的历史震动数据;所述历史震动数据包括各个采样点的震动信号;
第二计算模块,用于计算所述历史震动数据中各个采样点的震动信号的幅值的平均值;
第三确定模块,用于确定各个采样点的震动信号中与所述平均值相差最大的幅值,并将所述幅值与所述平均值的差值的绝对值确定为最大绝对误差因子;
第四确定模块,用于基于所述最大绝对误差因子与预设保留率参数,确定开门状态检测阈值;其中,所述预设保留率参数用于表示所述震动传感器的历史震动数据中非开门状态点的占比。
其中,所述第二确定模块,包括:
获取子模块,用于获取在所述预设时间内所述冷库的门的正常内外温差;
确定子模块,用于基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗。
本申请实施例提供的冷库能耗的确定装置能够实现以下功能:获取预设时间内安装在冷库的门上的震动传感器的震动信号,并将震动信号中幅值大于预设开门状态检测阈值的采样点确定为开门状态点,基于预设时间内的震动信号中开门状态点的个数和预设采样周期,计算冷库的开门时间。最终,基于冷库的开门时间,确定冷库在所述预设时间内的能耗。可见,本申请实施例基于安装在冷库的门上的震动传感器的震动数据,检测冷库的开门状态,进而自动化的得出冷库的开门时间,最终基于自动化得出的冷库的开门时间计算冷库能耗,与现有技术的冷库能耗计算结果相比,显然,本申请能够提高冷库能耗计算结果的准确率。
另外,本申请实施例还提供了一种冷库能耗的确定设备,参见图5所示,可以包括:
处理器501、存储器502、输入装置503和输出装置504。冷库能耗的确定设备中的处理器501的数量可以一个或多个,图5中以一个处理器为例。在本发明的一些实施例中,处理器501、存储器502、输入装置503和输出装置504可通过总线或其它方式连接,其中,图5中以通过总线连接为例。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行冷库能耗的确定设备的各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。输入装置503可用于接收输入的数字或字符信息,以及产生与冷库能耗的确定设备的用户设置以及功能控制有关的信号输入。
具体在本实施例中,处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现上述冷库能耗的确定设备的各种功能。
另外,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备实现冷库能耗的确定功能。
可以理解的是,对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请实施例所提供的一种冷库能耗的确定方法、装置及设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种冷库能耗的确定方法,其特征在于,所述方法包括:
获取预设时间内震动传感器的震动数据;其中,所述震动传感器安装于冷库的门上,所述震动数据包括所述预设时间内以预设采样周期采集到的各个采样点的震动信号;
将所述震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;其中,所述预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定;
基于所述震动数据中的所述开门状态点的个数和所述预设采样周期,计算所述冷库的开门时间;
基于所述开门时间,确定所述冷库在所述预设时间内的能耗。
2.根据权利要求1所述的方法,其特征在于,所述将震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点之前,包括:
获取所述震动传感器的历史震动数据;所述历史震动数据包括各个采样点的震动信号;
计算所述历史震动数据中各个采样点的震动信号的幅值的平均值;
确定各个采样点的震动信号中与所述平均值相差最大的幅值,并将所述幅值与所述平均值的差值的绝对值确定为最大绝对误差因子;
基于所述最大绝对误差因子与预设保留率参数,确定开门状态检测阈值;其中,所述预设保留率参数用于表示所述震动传感器的历史震动数据中非开门状态点的占比。
3.根据权利要求1所述的方法,其特征在于,所述基于所述开门时间,确定所述冷库在所述预设时间内的能耗,包括:
获取在所述预设时间内所述冷库的门的正常内外温差;
基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗。
4.根据权利要求3所述的方法,其特征在于,所述基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗,包括:
基于贝叶斯模型,构建所述正常内外温差、所述开门时间和所述冷库的能耗之间的函数关系;
基于所述函数关系,确定所述冷库在所述预设时间内的能耗。
5.根据权利要求3所述的方法,其特征在于,所述冷库包括内门和外门,所述正常内外温差包括内门的正常内外温差和外门的正常内外温差;
相应的,所述基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗,包括:
基于所述内门的正常内外温差和所述内门的开门时间,以及所述外门的正常内外温差和所述外门的开门时间,确定所述冷库在所述预设时间内的能耗。
6.一种冷库能耗的确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取预设时间内震动传感器的震动数据;其中,所述震动传感器安装于冷库的门上,所述震动数据包括所述预设时间内以预设采样周期采集到的各个采样点的震动信号;
第一确定模块,用于将所述震动数据中震动信号的幅值大于预设开门状态检测阈值的采样点,确定为开门状态点;其中,所述预设开门状态检测阈值为基于所述震动传感器的历史震动数据确定;
第一计算模块,用于基于所述震动数据中的所述开门状态点的个数和所述预设采样周期,计算所述冷库的开门时间;
第二确定模块,用于基于所述开门时间,确定所述冷库在所述预设时间内的能耗。
7.根据权利要求6所述的装置,其特征在于,所述装置包括:
第二获取模块,用于获取所述震动传感器的历史震动数据;所述历史震动数据包括各个采样点的震动信号;
第二计算模块,用于计算所述历史震动数据中各个采样点的震动信号的幅值的平均值;
第三确定模块,用于确定各个采样点的震动信号中与所述平均值相差最大的幅值,并将所述幅值与所述平均值的差值的绝对值确定为最大绝对误差因子;
第四确定模块,用于基于所述最大绝对误差因子与预设保留率参数,确定开门状态检测阈值;其中,所述预设保留率参数用于表示所述震动传感器的历史震动数据中非开门状态点的占比。
8.根据权利要求6所述的装置,其特征在于,所述第二确定模块,包括:
获取子模块,用于获取在所述预设时间内所述冷库的门的正常内外温差;
确定子模块,用于基于所述正常内外温差和所述开门时间,确定所述冷库在所述预设时间内的能耗。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备实现如权利要求1-5任一项所述的方法。
10.一种设备,其特征在于,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390615.9A CN111222096B (zh) | 2019-12-30 | 2019-12-30 | 一种冷库能耗的确定方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390615.9A CN111222096B (zh) | 2019-12-30 | 2019-12-30 | 一种冷库能耗的确定方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222096A true CN111222096A (zh) | 2020-06-02 |
CN111222096B CN111222096B (zh) | 2024-01-23 |
Family
ID=70830927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911390615.9A Active CN111222096B (zh) | 2019-12-30 | 2019-12-30 | 一种冷库能耗的确定方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222096B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2132026C1 (ru) * | 1997-11-19 | 1999-06-20 | Самсунг Электроникс Ко., Лтд. | Способ и устройство управления размораживанием холодильника |
JPH11337252A (ja) * | 1998-05-21 | 1999-12-10 | Matsushita Electric Ind Co Ltd | 冷蔵庫の使い方比較システム |
JP2005020230A (ja) * | 2003-06-25 | 2005-01-20 | Tateyama Kagaku Kogyo Kk | 冷蔵庫の扉開閉感知用伝送端末装置及び生活モニターシステム |
US20080125069A1 (en) * | 2005-03-31 | 2008-05-29 | Peter Davis | Radio Device |
US20100292961A1 (en) * | 2009-05-15 | 2010-11-18 | David Moss | Wireless tracking device for tracking appliance usage and modifying user behavior |
CN102209901A (zh) * | 2008-11-11 | 2011-10-05 | Bsh博世和西门子家用电器有限公司 | 用于家用器具的能耗监测器 |
US20130229172A1 (en) * | 2010-11-15 | 2013-09-05 | Lg Electronics Inc. | Refrigerator and operation method thereof |
CN105339765A (zh) * | 2013-07-04 | 2016-02-17 | 罗伯特·博世有限公司 | 用于确定房门或房窗的关闭状态的装置和方法 |
CN106500830A (zh) * | 2016-09-30 | 2017-03-15 | 广州机智云物联网科技有限公司 | 一种开关门振动检测方法 |
WO2017202088A1 (zh) * | 2016-05-26 | 2017-11-30 | 青岛海尔股份有限公司 | 冰箱的制冷控制方法与装置 |
CN108106298A (zh) * | 2017-11-24 | 2018-06-01 | 青岛海尔股份有限公司 | 冰箱、冰箱的化霜控制装置及方法 |
JP2019144725A (ja) * | 2018-02-19 | 2019-08-29 | 三菱電機株式会社 | 環境データ取得装置、環境データ取得システム、環境データ取得方法及びプログラム |
-
2019
- 2019-12-30 CN CN201911390615.9A patent/CN111222096B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2132026C1 (ru) * | 1997-11-19 | 1999-06-20 | Самсунг Электроникс Ко., Лтд. | Способ и устройство управления размораживанием холодильника |
JPH11337252A (ja) * | 1998-05-21 | 1999-12-10 | Matsushita Electric Ind Co Ltd | 冷蔵庫の使い方比較システム |
JP2005020230A (ja) * | 2003-06-25 | 2005-01-20 | Tateyama Kagaku Kogyo Kk | 冷蔵庫の扉開閉感知用伝送端末装置及び生活モニターシステム |
US20080125069A1 (en) * | 2005-03-31 | 2008-05-29 | Peter Davis | Radio Device |
CN102209901A (zh) * | 2008-11-11 | 2011-10-05 | Bsh博世和西门子家用电器有限公司 | 用于家用器具的能耗监测器 |
US20100292961A1 (en) * | 2009-05-15 | 2010-11-18 | David Moss | Wireless tracking device for tracking appliance usage and modifying user behavior |
US20130229172A1 (en) * | 2010-11-15 | 2013-09-05 | Lg Electronics Inc. | Refrigerator and operation method thereof |
CN105339765A (zh) * | 2013-07-04 | 2016-02-17 | 罗伯特·博世有限公司 | 用于确定房门或房窗的关闭状态的装置和方法 |
WO2017202088A1 (zh) * | 2016-05-26 | 2017-11-30 | 青岛海尔股份有限公司 | 冰箱的制冷控制方法与装置 |
CN106500830A (zh) * | 2016-09-30 | 2017-03-15 | 广州机智云物联网科技有限公司 | 一种开关门振动检测方法 |
CN108106298A (zh) * | 2017-11-24 | 2018-06-01 | 青岛海尔股份有限公司 | 冰箱、冰箱的化霜控制装置及方法 |
JP2019144725A (ja) * | 2018-02-19 | 2019-08-29 | 三菱電機株式会社 | 環境データ取得装置、環境データ取得システム、環境データ取得方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
毕福昆 等: "基于基音特征分析的光纤振动信号识别算法", 北方工业大学学报, no. 02, pages 107 - 109 * |
闻新 等: "控制系统的故障诊断和容错控制", 机械工业出版社, pages: 107 - 109 * |
Also Published As
Publication number | Publication date |
---|---|
CN111222096B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160098020A1 (en) | Feedback control system with normalized performance indices for setpoint alarming | |
US20130151179A1 (en) | Automated monitoring for changes in energy consumption patterns | |
US20240167712A1 (en) | Performance Parameterization of Process Equipment and Systems | |
US20170030949A1 (en) | Electrical load prediction including sparse coding | |
JP6854151B2 (ja) | 異常予測方法、異常予測装置、異常予測システムおよび異常予測プログラム | |
CN104006624A (zh) | 一种用于智能冰箱的食品监控系统及其监控方法 | |
WO2015025317A1 (en) | Power consumption assesment of an hvac system | |
Xi et al. | Remaining useful life prediction for degradation processes with memory effects | |
US11280816B2 (en) | Detecting anomalies in a plurality of showcases | |
CN111839101B (zh) | 一种陈列柜控制方法、装置、存储介质及陈列柜 | |
KR102495494B1 (ko) | 가정의 에너지 사용량 예측 방법 및 장치 | |
CN107392481B (zh) | 酒店能耗计算方法、装置及系统 | |
CN111222096A (zh) | 一种冷库能耗的确定方法、装置及设备 | |
CN116909339B (zh) | 基于人工智能的智能家居安全预警方法及系统 | |
CN109976986B (zh) | 异常设备的检测方法及装置 | |
Ingimundarson et al. | Closed-loop performance monitoring using loop tuning | |
CN111353127B (zh) | 一种单变点检测方法、系统、设备及存储介质 | |
Shardt et al. | Segmentation methods for model identification from historical process data | |
Sun et al. | Remaining Useful Life Prediction of Quay Crane Hoist Gearbox Bearing under Dynamic Operating Conditions Based on ARIMA-CAPF Framework | |
Frešer et al. | Anticipatory system for T--H--C dynamics in room with real and virtual sensors | |
Bhuvana et al. | Appliance load disaggregation based on maximum a-posterior particle filter (MAP-PF) | |
Thabet et al. | Set-membership fault detection under noisy environment with application to the detection of abnormal aircraft control surface positions | |
CN116643506B (zh) | 智慧能源系统的耗能设备调节方法、装置、控制器及系统 | |
Dash et al. | Outlier Sensitive Online Change Detection using Convex Combination of Adaptive Filters in Sensor Data Streams | |
Wen et al. | A Prediction Model of IoT Data Using Long Short-Term Memory Neural Network |
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 |