CN111273622A - 一种边云协同的供水设备能耗监测与能效评价系统和方法 - Google Patents
一种边云协同的供水设备能耗监测与能效评价系统和方法 Download PDFInfo
- Publication number
- CN111273622A CN111273622A CN202010099925.1A CN202010099925A CN111273622A CN 111273622 A CN111273622 A CN 111273622A CN 202010099925 A CN202010099925 A CN 202010099925A CN 111273622 A CN111273622 A CN 111273622A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- water supply
- data
- supply equipment
- secondary water
- 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
Images
Classifications
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total 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], computer integrated manufacturing [CIM]
- G05B19/4185—Total 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], computer integrated manufacturing [CIM] characterised by the network communication
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开一种边云协同的供水设备能耗监测与能效评价系统和方法,通过边缘计算装置采集二次供水设备运行数据,并从中提取出能耗数据,实现对二次供水设备能耗状态监测,同时将能耗数据传输到云平台,能耗数据包括能耗特征数据和能耗状态识别数据,能耗特征数据包括用能强度比数据的中位值、偏度值、15分位点值与85分位点值;云平台对二次供水设备基于能耗特征数据进行能效评分,并形成评分列表进行显示,以便直接观看。本发明通过在边缘计算装置使用二次供水设备能耗状态识别方法和能耗特征数据提取,大大降低了对通信带宽以及云计算计算能力需求,实现了不依赖于获得二次供水设备流量的二次供水设备能耗状态检测,提高了能耗监测效率。
Description
技术领域
本发明涉及二次供水技术领域,特别涉及一种边云协同的供水设备能耗监测与能效评价系统和方法。
背景技术
在现代城市中,由于建筑物楼层高且数量多,城市供水管网无法直接向高楼层供水,需要通过二次供水系统对供水加压后向高楼层供水。二次供水设备是由三相异步电动机驱动的水泵系统,在控制系统管理下实现无人监管的不间断工作。但由于控制系统自身设计、安装、故障等原因,以及供水工况的复杂性,二次供水设备的能效偏低,造成大量的能源浪费。因此在二次供水监控系统中实现对其能耗状况的监控,及时发现低能效设备,成为亟需实现的功能。
在目前已有的二次供水设备能耗监控的应用方案中,主要存在三个方面的问题:
1.能效的计算方法依赖流量数据,但现场的流量数据在现场实施环境中不一定能够获得或者获得数据的准确性低。
目前的二次供水能效评测中,均需依赖设备供水流量进行设备用能效率的计算,在获得流量实时数据后,可进一步计算每小时平均流量,并根据下式计算二次供水设备每小时输出水量的获得能量,也即二次供水设备的输出能量:
其中ρ—液体密度(kg/m3),g—重力加速度(m/s2),碐—流量(m3/s),扬程(m)。再结合从多功能电表获得的系统电能量输入值,计算设备的整体效率。
常用的获取流量方法有两个:
(1)基于流量计获取流量
该方法基于流量计的实时流量读数。专利CN1094691570A中便使用了该方法。该方法的准确度高,但受限于是否安装流量计。城市中大量的二次供水设备没有安装流量计,因此造成该方法无法使用。
(2)基于电表和水泵的流量功率曲线获取流量
该方法采集二次供水水泵出口压力,将压力信号变换得到压力信号的主频f1,进一步得到水泵泵轴频率f1和水泵的转速n;根据水泵在额定转速下的流量功率曲线Q-P计算得到水泵的流量Q。专利CN110230590A便采用了该方法。该方法非常依赖Q-P功率曲线的准确性。但设备运行多年后,泵的实际工况一般都明显偏离了出厂时的Q-P曲线,因此该方法对老系统准确度较低。
因为以上所述的流量值获取中存在的难题,造成以上方法在实践中,特别是大规模二次供水设备的能效评测中具有较大的实施局限性。
2.对低能效(高能耗)设备的识别,主要依靠人力进行判断。
当面向大量二次供水设备进行能效监控时,会产生大量的数据,目前主要依靠人工对能耗相关数据的趋势进行观察判断,以发现能效低的设备。因为人观察趋势图形的能力以及精力局限性,使及时发现异常低能效设备的可能性降低了。
3.云计算逐渐成为分布式二次供水设备能效监控的主流支撑架构,但因二次供水设备数量巨大,计算、通信以及整体可靠性成为制约进一步发展的重要因素
目前实施中,大量的监控数据均需传送到云端,对云端通信所需的带宽、存储以及计算能力的要求很高。另一方面在现场端,在使用窄带通信时,例如GPRS,数据传输的带宽限制了进行高采样的现场数据传输。
发明内容
针对现有技术中二次供水设备流量数据获取困难和监测效率低的问题,本发明提供一种边云协同的供水设备能耗监测与能效评价系统和方法,通过边缘计算装置与云服务平台相协同的架构,能够自动识别设备的能耗状态,并为每台设备的能效给出能效评分,把需人力大量参与的能效评测过程自动化,提升了监控效率,降低云服务平台对通信带宽、计算能力的需求,从而节省建设与运行成本。
为了实现上述目的,本发明提供以下技术方案:
一种边云协同的供水设备能耗监测与能效评价系统,包括边缘计算装置和云服务平台;其中,
所述边缘计算装置包括数据采集模块、数据分析模块、通讯模块;
数据采集模块,用于采集二次供水设备的运行数据,包括进水压力数据、出水压力数据和电量计量数据;
数据分析模块,用于对二次供水设备的运行数据进行分析从而提取出相应的能耗特征数据和识别出设备能耗状态;
通讯模块,用于边缘计算装置和云服务平台进行无线/有线通信;
所述云服务平台包括能效评分模块以及显示模块;
能效评分模块,用于根据边缘计算装置上传的能耗特征数据对二次供水设备进行能效评分,并将评分结果以列表的形式通过显示模块进行显示。
优选的,所述数据分析模块包括能耗数据提取模块和能耗状态识别模块;所述能耗数据提取模块,用于从设备运行数据中提取出二次供水设备的能耗特征数据,包括用能强度比数据的中位值、偏度值、15分位点值与85分位点值;所述能耗状态识别模块,用于识别二次供水设备的能耗状态。
优选的,所述能效评分模块包括中位值评分模块、偏度值评分模块、分布宽度值评分模块以及加权系数计算模块;其中,
中位值评分模块,用于为每台二次供水设备的用能强度比的中位值进行评分;
偏度值评分模块,用于为每台二次供水设备的用能强度比的偏度值进行评分;
分布宽度值评分模块,用于为每台二次供水设备的用能强度比的分布宽度值进行评分;
加权系数计算模块,用于确定每台二次供水设备能效评分中的加权系数。
本发明还提供了一种边云协同的供水设备能耗监测与能效评价方法,包括以下步骤:
S1:边缘计算装置采集二次供水设备的运行数据,并从数据中提取出能耗数据,对设备的能耗状态进行识别,再将能耗数据传输到云服务平台;所述能耗数据包括能耗特征数据和能耗状态识别数据,所述能耗特征数据包括用能强度比的中位值、偏度值、15分位点值与85分位点值;
S2:云服务平台基于二次供水设备的能耗特征数据进行评分,并形成能效评分列表进行显示;能效评分的计算公式如下:
公式(1)中,Y表示能效评分;j表示24小时中的第j个小时;Cjr表示第r台设备第j个小时的用能强度比的中位值评分;Bjr表示第r台设备第j个小时的用能强度比的偏度值评分;Pjr表示第r台设备第j个小时的用能强度比的分布宽度值的评分;a和b是两个调整参数,取值均为1;kjr表示第r台设备第j个小时的加权系数。
优选的,所述S1中,所述能耗特征数据的提取步骤如下:
S1-1:定义用能强度比来反映二次供水设备的用电负荷强度,即X={X1,X1,…,Xn},Xn表示第n个用能强度比:
公式(2)中,Xn表示第n个用能强度比;En表示二次供水设备的第n个每小时用电量,单位kwH;maxE表示二次供水设备历史上的每小时用电量的最高值,单位kwH;
S1-2:采用中位值表示用能强度比数据分布中心,采用偏度值表示用能强度比数据分布的偏斜情况,采用15分位点与85分位点之间的距离表示用能强度比数据分布的宽度:
中位值的计算公式如下:
偏度值的计算公式如下:
15分位点值的计算公式:
公式(5)中,P15表示15分位点值,L15表示15分位点所在数值区间的下端点值,F15为15分位点所在数值区间的向上数据累积次数,f15表示15分位点所在数值区间的数据个数,d为区间的宽度;
85分位点值的计算公式:
公式(6)中,P85表示85分位点值,L85为85分位点所在数值区间的下端点值,F85为85分位点所在数值区间的向上数据累积次数,f85表示85分位点所在数值区间的数据个数,d为区间的宽度。
优选的,所述S1中,能耗状态识别数据包括每小时能耗状态数据和每天能耗状态数据,具体的步骤如下:
S1-3:每小时能耗状态的判断:当实时检测到的二次供水设备每小时用能强度比超过历史数据集的最大值时,判断二次供水设备在该小时处于异常能耗状态;当实时检测到的二次供水设备每小时用能强度比大于历史数据集的90分位点值,但小于历史数据集的最大值时,判断二次供水设备在该小时处于高能耗状态;
S1-4:每天能耗状态包括正常能耗状态、高能耗状态、异常能耗状态;
高能耗状态包括一级高能耗状态、二级高能耗状态、三级高能耗状态;
一级高能耗状态的判断:当一天中出现高耗能状态的小时数达到12次及其以上,且未出现异常能耗状态,则二次供水设备在该天被标记为一级高能耗状态;
二级高能耗状态的判断:当一天中出现高耗能状态的小时数达到6次以上,12次以下时,且未出现异常能耗状态,则二次供水设备在该天被标记为二级高能耗状态;
三级高能耗状态的判断:当一天中出现高耗能状态的小时数达到1次以上,6次以下时,且未出现异常能耗状态,则二次供水设备在该天被标记为三级高能耗状态。
优选的,所述异常能耗状态包括一般异常能耗状态和紧急能耗状态,其中,
一般异常能耗状态的判断:当一天中二次供水设备有m个小时处于异常能耗状态,但其它小时未处于高耗能状态时,则二次供水设备在该天被标记为一般异常能耗状态,m≤2;
紧急异常能耗状态的判断:当一天中二次供水设备有m个小时处于异常能耗状态,且其它小时处于高耗能状态时,则二次供水设备在该天被标记为紧急异常能耗状态,m≤2。
优选的,所述S2中,中位值评分的具体过程为:将获取的所有二次供水设备的同一小时的用能强度比的中位值按照从大到小进行排序,从而得到最大值max0与最小值min0,并将中位值平均分为8个区间,每个区间的宽度 又在区间的最小端和最大端分别扩展一个区间,形成10个平等分的区间,且每个区间标记有相应的评分,当Ojr位于哪一个区间时,则会得到该区间的评分Cjr,Ojr表示第r台设备第j个小时的用能强度比的中位值。
优选的,所述S2中,加权系数的计算公式为:
公式(7)中,kjr表示第r台二次供水设备第j个小时的加权系数;Ujr表示第r台二次供水设备在第j小时累积的历史电量数据个数,Ejvr表示第r台二次供水设备在第j个小时耗电量历史数据中的第v个电量数据,则表示第r台二次供水设备在第j个小时的累积电量值,表示第r台二次供水设备的历史总累积电量值。
综上所述,由于采用了上述技术方案,与现有技术相比,本发明至少具有以下有益效果:
1.本发明实现了现场的边缘计算端与云服务平台的分级计算与协作,大大降低了对通信带宽以及云计算存储与计算能力的需求,有效地提高了整个系统架构的效率。
2.通过在边缘端使用二次供水设备能耗状态识别方法,实现了不依赖于获得二次供水设备流量的二次供水设备能耗状态检测,使更大规模地进行二次供水设备能耗监控成为了可能。
3.运行于云端的二次供水设备能效评价方法,给出了基于设备能耗特征数据的完整能效评价方案,实现了面向大规模设备的能效评测自动化与智能化。
附图说明:
图1为根据本发明示例性实施例的一种边云协同的供水设备能耗监测与能效评价系统示意图。
图2为根据本发明示例性实施例的一种边云协同的供水设备能耗监测与能效评价方法流程示意图。
图3为根据本发明示例性实施例的二次供水设备的用能强度比数据的中位值评分区间划分示意图。
图4为根据本发明示例性实施例的二次供水设备的用能强度比数据的偏度值评分区间划分示意图。
图5为根据本发明示例性实施例的二次供水设备的用能强度比数据的分布宽度值评分区间划分示意图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本发明提供一种边云协同的供水设备能耗监测与能效评价系统,包括边缘计算装置1和云服务平台2。
边缘计算装置1包括数据采集模块、数据分析模块、通讯模块以及数据保存模块。
所述数据采集模块,可采用进水与出水压力传感器、多功能电表等,设置在二次供水设备上,用于采集二次供水设备的运行数据并保存在数据保存模块,例如进水压力数据、出水压力数据和电量计量数据等。
所述数据分析模块包括能耗数据提取模块和能耗状态识别模块。能耗数据提取模块,用于从基础数据中提取出设备的能耗特征数据,能耗特征数据包括用能强度比数据的中位值、偏度值、15分位点值与85分位点值;能耗状态识别模块,用于识别二次供水设备的能耗状态。
通讯模块,用于边缘计算装置和云服务平台进行无线/有线通信。
云服务平台2包括控制模块、存储模块、能效评分模块以及显示模块,其中,存储模块、显示模块和能效评分模块均与控制模块连接。
控制模块,用于处理各模块的信息;存储模块,用于对信息进行存储,便于调用。
能效评分模块,用于根据边缘计算装置上传的能耗特征数据对二次供水设备进行能效评分,并将评分结果以列表的形式通过显示模块进行显示,以方便工作人员进行直观的查看。
本实施例中,工作人员根据评分的高低对相应的二次供水设备进行检修,以改善二次供水设备的能效,提高二次供水设备的工作效率。
本实施例中,能效评分模块包括中位值评分模块、偏度值评分模块、分布宽度值评分模块以及加权系数计算模块;其中,
中位值评分模块,用于为每台二次供水设备相应的用能强度比的中位值进行评分;偏度值评分模块,用于为每台二次供水设备相应的用能强度比的偏度值进行评分;分布宽度值评分模块,用于为每台二次供水设备相应的用能强度比的分布宽度值进行评分;加权系数计算模块,用于确定二次供水设备能效评分计算中每小时的加权系数。
本发明还提供一种基于上述边云协同的供水设备能耗监测与能效评价系统的方法,具体包括以下步骤:
S1:采集二次供水设备的运行数据,提取出能耗数据并传输到云服务平台。
本实施例中,现场布置的边缘计算装置先从二次供水设备中设置的传感器采集运行数据采集并存储。二次供水设备中设置的传感器包括但不限于进水与出水压力传感器、多功能电表等,进水压力传感器用于采集二次供水设备的进水压力数据,出水压力传感器用于采集二次供水设备的出水压力数据,多功能电表用于采集二次供水设备的电量计量数据。
边缘计算装置再从采集的运行数据中提取出二次供水设备的能耗数据并将能耗数据通过无线或有线传输到云服务平台进行存储和进一步分析处理,而能耗数据包括能耗特征数据和能耗状态识别数据。
本实施例中,能耗特征数据的提取步骤如下:
S1-1:现场的边缘计算装置通过多功能电表获得二次供水设备的电量计量数据,计算获得二次供水设备的每小时用电量E并进行存储,作为历史数据(历史数据是实时检测所在日之前测得的数据)。则本发明从边缘计算装置历史数据中能得到每小时用电量的最高值maxE,并定义用能强度比X来有效地反映二次供水设备的用电负荷强度,即X={X1,X1,…,Xn},
Xn表示第n个用能强度比:
公式(1)中,Xn表示第n个用能强度比;En表示二次供水设备的第n个每小时用电量,单位kwH;maxE表示二次供水设备历史上的每小时用电量的最高值,单位kwH。
S1-2:通过对二次供水设备中历史用能强度比数据进行分析,用能强度比数据分布呈现出集中连续非对称分布特征,因此从分析能耗的角度出发,采用中位值表示用能强度比数据分布中心,采用偏度值表示用能强度比数据分布的偏斜情况,采用15分位点与85分位点之间的距离表示用能强度比数据分布的宽度,这些指标能较好地反映二次供水设备能耗数据的分布情况,作为后期进行能效评价的数据基础,因此边缘计算装置每隔一段时间T(例如T为一个小时)会重新提取计算一次相应设备的能耗特征数据(中位值、偏度值、15分位点值与85分位点值)并进行保存,再传输到云服务平台。
中位值的计算公式如下:
偏度值的计算公式如下:
15分位点值的计算公式:
公式(4)中,P15表示15分位点的值,L15表示15分位点所在数值区间的下端点值,F15为15分位点所在数值区间的向上数据累积次数,f15表示15分位点所在数值区间的数据个数,d为数据分隔区间宽度。
85分位点值的计算公式:
公式(5)中,P85表示85分位点的值,L85为85分位点所在数值区间的下端点值,F85为85分位点所在数值区间的向上数据累积次数,f85表示85分位点所在数值区间的数据个数,d为分布区间宽度。
本实施例中,能耗状态识别包括每小时能耗状态和每天能耗状态,具体的步骤如下:
S1-3:每小时的能耗状态分为正常能耗状态、高能耗状态和异常能耗能耗状态:当实时检测到的二次供水设备每小时用能强度比小于每小时用能强度比历史数据的90分位点时,在该小时二次供水设备被判断为正常能耗状态;超过90分位点,但小于历史数据的最大值时,则判断该设备在该小时为高能耗状态;超过历史数据的最大值时,则判断设备在该小时为异常能耗状态。
S1-4:每天能耗状态包括正常能耗状态、高能耗状态、异常能耗状态:
本实施例中,为更细致地把握二次供水设备高能耗的具体情况,每一天高能耗状态被划分为一级、二级、三级:
一级高能耗状态:若每一天中出现高能耗状态的小时的次数达到m≥12,则该天被识别为一级高能耗状态;
二级高能耗状态:若一天中出现高能耗状态的小时的次数达到6≤m<12,则该天被识别为二级高能耗状态;
三级高能耗状态:若一天中出现高能耗状态的小时的次数达到2<m<6,则该日被识别为三级高能耗状态。
异常能耗状态又被分为一般能耗异常状态和紧急异常能耗状态。
一般异常能耗状态的判断:当每一天中有m(m≤2)个小时处于异常能耗状态,但其它小时未处于高耗能状态时,则相对应的每一天的能耗状态为一般异常能耗状态,这可能是因为传感器的偏差而引起的。
紧急异常能耗状态的判断:当一天中有m(m≤2)个小时处于异常能耗状态,但其它小时处于高耗能状态时,则相对应的每一天的能耗状态为紧急异常能耗状态。
本实施例中,为应对季节气候变化对能耗状态识别精度的影响,构建历史数据时,采用每月历史平均气温与当前时段平均气温的相近程度为标准的数据选择策略,即从与当前时间平均气温接近的月份中选择的数据占历史数据中的更大比例。具体的历史数据选择比率公式如下:
公式(6)中,ρ表示历史数据选择的比例,T表示实际测试当天的平均气温,TK表示第k个月的平均气温,a是数据量修正参数,取值范围为a∈(1,3),在整体数据量较小时,可适当提高a的取值,以弥补数据量的不足。
基于历史数据选择比率,则具体针对某一月的历史数据选择数量由下式决定:
Z=Ceil(M×ρ) (7)
公式(7)中,Z表示选择的历史数据的数量,M表示某月的天数,Ceil是向上取整函数,ρ表示历史数据选择的比例。
S2:云服务平台根据能耗数据对二次供水设备进行能效评分。
本实施例中,能耗特征数据(中位值O、偏度值bs、15分位点值P15与85分位点值P85)中的中位值O反映所有用能强度比数据的中心,中位值O对于二次供水用能强度比数据这样的非对称分布数据集,能较好地反映偏斜的数据中心所处的位置。能效越高,能耗越小,因此用能强度比数据分布的中位值越小。
偏度值bs反映用能强度比数据的偏斜情况,bs越大则二次供水设备的用能强度比更多地聚集在分布区间的左侧,即用能强度比相对较小的区域,因此设备能效更高。
而P15与O之间的距离反映了小于中位值的用能强度比数据的分布宽度,从能效角度来说,希望这个分布宽度尽量宽;P85与O之间的距离反映了大于中位值的用能强度比数据的分布宽度,从能效角度来说,希望这个分布宽度尽量窄。因此需要去评估两个分布宽度的相对大小关系,希望P15与O之间的距离比P85与之间的距离尽量大。
本实施例中,将对数据的排列采用平均10等分方法:例如用能强度比数据按照从小到大的顺序进行排列得到Xmin和Xmax,并平均分为8个区间,每个区间的宽度但因为数据是随时进行更新的,有可能出现更小或更大的数据,因此在区间的最小端和最大端分别扩展一个区间,最终形成10个平等分的区间,这样可提高数据排列的精确性。
将能耗特征数据中的每一种数据都按照平均10等分方法进行划分从而得到10个区间,每个区间均有相应的评分,即每台二次供水设备的能耗特征数据均能获得相应的评分,从而得到综合的能耗评分,并将每台设备的能耗评分进行有序排列(例如由小到大或由大到小),则通过能耗评分可对每台二次供水设备的能耗进行检测,例如评分最低的相对应的二次供水设备的能效最低,可作为后期设备检修的依据,以避免出现故障。
二次供水设备的能效评分公式为:
公式(8)中,Y表示能效评分;j∈24,表示24小时中的第j个小时;Cjr表示第r台设备第j个小时的用能强度比的中位值评分;Bjr表示第r台设备第j个小时的用能强度比的偏度值评分;Pjr表示第r台设备第j个小时的用能强度比的分布宽度值的评分;a和b是两个调整参数,根据数据分布情况对评分中偏度值评分和分布宽度值评分的在总评分中的占比进行调整,缺省情况下取值均为1;kjr表示第r台设备第j个小时的加权系数。本实施例中,所有二次供水设备的评分都是基于相同时间上进行评分的,这样能有效保证数据的公平性。
S2-1:二次供水设备的用能强度比数据的中位值评分。
本实施例中,边缘计算装置能同时实时获取多台二次供水设备的能耗数据并计算出相对应的中位值Ojr并将中位值发送到云服务平台,j∈24,表示24小时中的第j个小时,r表示二次供水设备的编号。云服务平台中的中位值评分模块对所有二次供水设备的用能强度比的中位值按照从大到小进行排序,从而得到最大值maxOjr与最小值minOjr,再采用平均10等分方法对对排序后所有二次供水设备的用能强度比的中位值划分成10个评分区域,如图3所示为中位值评分区间划分示意图,每个区间的宽度分数越高,代表中位值越小,对应设备的平均用能强度比偏低,能效相对偏高,则Ojr位于哪个评分区域,就可得到该设备相应的评分Cjr。
例如以一个规模较小的涉及到5台二次供水设备的实例,来展示本技术方案的效果,为描述对比方便,特别以其中的两台设备(设备1与设备2)为对象详细描述对其能效评分的计算过程。
5台设备在第1个小时的用能强度比数据的中位值分别为0.3992(设备1)、0.3077(设备2)、0.3598、0.4012、0.3467。因为其是百分比数据,为了能更好地划分评分区间,因此采用其百分值进行相关计算,即39.92(设备1)、30.77(设备2)、35.98、40.12、34.67,即maxOjr=40.12,minOjr=30.77,每个区间的宽度按照中位值评分方法可知,设备1与设备2在第1小时的评分为2分和9分。按此方法依次计算其余23个小时的评分,记录在表1中。
表1:多台二次供水设备的用能强度比数据的中位值评分
S2-2:二次供水设备的用能强度比数据的偏度值评分。
本实施例中,边缘计算装置能同时实时获取多台二次供水设备的能耗数据并计算出相对应的偏度值bjr并将值发送到云服务平台,j∈24,表示24小时中的第j个小时,r表示二次供水设备的编号。云服务平台中的偏度值评分模块对所有二次供水设备的用能强度比的偏度值按照从小到大进行排序,从而得到最大值maxbjr与最小值minbjr,再采用平均10等分方法对对排序后所有二次供水设备的用能强度比的偏度值划分成10个评分区域,如图4所示为偏度值评分区间划分示意图,每个区间的宽度分数越高,代表偏度值越大,数据分布的右偏斜越明显,即更密集的数据分布在分布区间的左侧,设备平均能耗强度偏低,能效相对偏高,则bjr位于哪个评分区域,就可得到该设备相应的评分Bjr。
例如5台设备在第1个小时的用能强度比数据分布的偏度值分别为-0.4130(设备1)、-1.4996(设备2)、0.0122、1.1547、-0.4040,即maxbjr=1.1547,minbjr=-1.4996,每个区间的宽度按照用能强度比的偏度值评分方法可知,设备1与设备2在第1小时的评分为5分和2分。按此方法依次计算其余23个小时的评分,记录在表2中。
表2 多台二次供水设备的用能强度比数据的偏度值评分
S2-3:二次供水设备的用能强度比数据的分布宽度值评分。
本实施例中,P15,P85是反映数据分布宽度的指标,根据对用能强度比数据分布宽度评价的基本原则,为评分的方便,进一步给出如下左右区间宽度差的定义,左区间指中位值O与P15之间,右区间指中位值O与P85之间:
公式(9)中,Djr表示第r台二次供水设备第j个小时的用能强度比数据的左右区间宽度差值(分布宽度值);Ojr表示第r台二次供水设备第j个小时的用能强度比数据的中位值;表示第r台二次供水设备第j个小时的用能强度比数据的15分位点值;表示第r台二次供水设备第j个小时的用能强度比数据的85分位点值。
边缘计算装置能同时实时获取多台二次供水设备的能耗数据并计算出相对应的左右区间宽度差值Djr并将值发送到云服务平台,j∈24,表示24小时中的第j个小时,r表示二次供水设备的编号。云服务平台中的分布宽度值评分模块对所有二次供水设备的左右区间宽度差值按照从小到大进行排序,从而得到最大值maxDjr与最小值minDjr,再采用平均10等分方法对对排序后所有二次供水设备的左右区间宽度差值划分成10个评分区域,如图5所示为左右区间宽度差值评分区间划分示意图,每个区间的宽度分数越高,左区间相对于右区间越宽,即用能强度比小于中位值的数据向更小值部分延伸的长度,相对于用能强度比大于中位值的数据向更大值延伸的长度更宽,表现出系统有更低的用能相对强度,则Djr位于哪个评分区域,就可得到该设备相应的评分Pjr。
例如5台设备在第1个小时的用能强度比数据分布的左右区间宽度差分别为0.0513(设备1)、0.0979(设备2)、0.1237、-0.0983、0.0359,即maxDjr=0.0979,minDjr=-0.0983,每个区间的宽度按照分布宽度值评分方法可知,设备1与设备2在第1小时的评分为8分和9分。按此方法依次计算其余23个小时的评分,记录在表3中。
表3:多台二次供水设备的用能强度比数据的分布宽度值评分
S2-4:二次供水设备的用能强度比数据的加权系数确定。
高峰期耗能更多,如果在这一区域设备能表现更好的调节特性,那么将消耗更少的能源,对设备整体能效有更大贡献;与此相反,在低谷期耗能明显更少,在这一区域即使表现出更好的设备调节特性,但对设备的整体能效提高的贡献相对较小。因此在按公式(8)将每个小时的能效评分进行叠加,以获得整体的设备能效评价得分时,需要以每小时的绝对用电量占整体用电量的比例为依据,给出相应的加权系数,以反映出以上所述的差异。为此给出以下的加权系数kjr的计算公式:
公式(10)中,kjr表示第r台二次供水设备第j个小时的加权系数;Ujr表示第r台二次供水设备在第j小时累积的历史电量数据个数,Ejvr表示第r台二次供水设备在第j个小时耗电量历史数据中的第v个电量数据,则表示第r台二次供水设备在第j个小时的累积电量值,表示第r台二次供水设备的历史总累积电量值。
如果某一小时累积电量值高,那么kjr就大,那么这一小时的能效评价得分在总得分中的占比就相对大,以反映这一小时中设备的调节性能对整体能效水平的影响。
本实施例中,设备1与设备2的每小时能效评价得分按照公式(8)分别计算所得,如表4所示。
表4:多台二次供水设备的每小时能耗评分
又基于公式(10)计算得到设备1、设备2在公式(8)中的加权系数,如表5所示。
表5:多台二次供水设备的加权系数
则基于表1、2、3、4、5中计算所得的数据,按照公式(8)计算二次供水设备的最终能效评价(已经过加权系数修正)得分:设备1为17.5698,设备2为13.9068。从数值上看设备1的能效明显高于设备2的能效;同时另外3台设备的最终能效评比得分分别为20.2657,12.1768,15.1189。
基于以上自动计算获得的二次供水设备最终能效评分,可明确知晓评分为12.1768与13.9068的两台设备是能效最低的两台设备,应作为设备检修最优先开展的对象。
同时,本发明还提供了一种计算机存储介质。
本发明实施例的计算机存储介质,计算机存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述一种基于边云协同的二次供水设备能耗监测方法的任一项步骤,计算机存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (9)
1.一种边云协同的供水设备能耗监测与能效评价系统,其特征在于,包括边缘计算装置和云服务平台;其中,
所述边缘计算装置包括数据采集模块、数据分析模块、通讯模块;
数据采集模块,用于采集二次供水设备的运行数据,包括进水压力数据、出水压力数据和电量计量数据;
数据分析模块,用于对二次供水设备的运行数据进行分析从而提取出相应的能耗特征数据和识别出设备能耗状态;
通讯模块,用于边缘计算装置和云服务平台进行无线/有线通信;
所述云服务平台包括能效评分模块以及显示模块;
能效评分模块,用于根据边缘计算装置上传的能耗特征数据对二次供水设备进行能效评分,并将评分结果以列表的形式通过显示模块进行显示。
2.如权利要求1所述的一种边云协同的供水设备能耗监测与能效评价系统,其特征在于,所述数据分析模块包括能耗数据提取模块和能耗状态识别模块;所述能耗数据提取模块,用于从设备运行数据中提取出二次供水设备的能耗特征数据,包括用能强度比数据的中位值、偏度值、15分位点值与85分位点值;所述能耗状态识别模块,用于识别二次供水设备的能耗状态。
3.如权利要求1所述的一种边云协同的供水设备能耗监测与能效评价系统,其特征在于,所述能效评分模块包括中位值评分模块、偏度值评分模块、分布宽度值评分模块以及加权系数计算模块;其中,
中位值评分模块,用于为每台二次供水设备的用能强度比的中位值进行评分;
偏度值评分模块,用于为每台二次供水设备的用能强度比的偏度值进行评分;
分布宽度值评分模块,用于为每台二次供水设备的用能强度比的分布宽度值进行评分;
加权系数计算模块,用于确定每台二次供水设备能效评分中的加权系数。
4.一种边云协同的供水设备能耗监测与能效评价方法,其特征在于,包括以下步骤:
S1:边缘计算装置采集二次供水设备的运行数据,并从数据中提取出能耗数据,对设备的能耗状态进行识别,再将能耗数据传输到云服务平台;所述能耗数据包括能耗特征数据和能耗状态识别数据,所述能耗特征数据包括用能强度比的中位值、偏度值、15分位点值与85分位点值;
S2:云服务平台基于二次供水设备的能耗特征数据进行评分,并形成能效评分列表进行显示;能效评分的计算公式如下:
公式(1)中,Y表示能效评分;j表示24小时中的第j个小时;Cjr表示第r台设备第j个小时的用能强度比的中位值评分;Bjr表示第r台设备第j个小时的用能强度比的偏度值评分;Pjr表示第r台设备第j个小时的用能强度比的分布宽度值的评分;a和b是两个调整参数,取值均为1;kjr表示第r台设备第j个小时的加权系数。
5.如权利要求4所述的一种边云协同的供水设备能耗监测与能效评价方法,其特征在于,所述S1中,所述能耗特征数据的提取步骤如下:
S1-1:定义用能强度比来反映二次供水设备的用电负荷强度,即X={X1,X1,…,Xn},Xn表示第n个用能强度比:
公式(2)中,Xn表示第n个用能强度比;En表示二次供水设备的第n个每小时用电量,单位kwH;maxE表示二次供水设备历史上的每小时用电量的最高值,单位kwH;
S1-2:采用中位值表示用能强度比数据分布中心,采用偏度值表示用能强度比数据分布的偏斜情况,采用15分位点与85分位点之间的距离表示用能强度比数据分布的宽度:
中位值的计算公式如下:
偏度值的计算公式如下:
15分位点值的计算公式:
公式(5)中,P15表示15分位点值,L15表示15分位点所在数值区间的下端点值,F15为15分位点所在数值区间的向上数据累积次数,f15表示15分位点所在数值区间的数据个数,d为区间的宽度;
85分位点值的计算公式:
公式(6)中,P85表示85分位点值,L85为85分位点所在数值区间的下端点值,F85为85分位点所在数值区间的向上数据累积次数,f85表示85分位点所在数值区间的数据个数,d为区间的宽度。
6.如权利要求4所述的一种边云协同的供水设备能耗监测与能效评价方法,其特征在于,所述S1中,能耗状态识别数据包括每小时能耗状态数据和每天能耗状态数据,具体的步骤如下:
S1-3:每小时能耗状态的判断:当实时检测到的二次供水设备每小时用能强度比超过历史数据集的最大值时,判断二次供水设备在该小时处于异常能耗状态;当实时检测到的二次供水设备每小时用能强度比大于历史数据集的90分位点值,但小于历史数据集的最大值时,判断二次供水设备在该小时处于高能耗状态;
S1-4:每天能耗状态包括正常能耗状态、高能耗状态、异常能耗状态;
高能耗状态包括一级高能耗状态、二级高能耗状态、三级高能耗状态;
一级高能耗状态的判断:当一天中出现高耗能状态的小时数达到12次及其以上,且未出现异常能耗状态,则二次供水设备在该天被标记为一级高能耗状态;
二级高能耗状态的判断:当一天中出现高耗能状态的小时数达到6次以上,12次以下时,且未出现异常能耗状态,则二次供水设备在该天被标记为二级高能耗状态;
三级高能耗状态的判断:当一天中出现高耗能状态的小时数达到1次以上,6次以下时,且未出现异常能耗状态,则二次供水设备在该天被标记为三级高能耗状态。
7.如权利要求6所述的一种边云协同的供水设备能耗监测与能效评价方法,其特征在于,所述异常能耗状态包括一般异常能耗状态和紧急能耗状态,其中,
一般异常能耗状态的判断:当一天中二次供水设备有m个小时处于异常能耗状态,但其它小时未处于高耗能状态时,则二次供水设备在该天被标记为一般异常能耗状态,m≤2;
紧急异常能耗状态的判断:当一天中二次供水设备有m个小时处于异常能耗状态,且其它小时处于高耗能状态时,则二次供水设备在该天被标记为紧急异常能耗状态,m≤2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099925.1A CN111273622B (zh) | 2020-02-18 | 2020-02-18 | 一种边云协同的供水设备能耗监测与能效评价系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099925.1A CN111273622B (zh) | 2020-02-18 | 2020-02-18 | 一种边云协同的供水设备能耗监测与能效评价系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273622A true CN111273622A (zh) | 2020-06-12 |
CN111273622B CN111273622B (zh) | 2021-06-01 |
Family
ID=71002268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010099925.1A Active CN111273622B (zh) | 2020-02-18 | 2020-02-18 | 一种边云协同的供水设备能耗监测与能效评价系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273622B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528867A (zh) * | 2020-12-14 | 2021-03-19 | 上海工程技术大学 | 一种地铁车站突发大客流预警方法及其应用 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201358491Y (zh) * | 2009-02-10 | 2009-12-09 | 王雷 | 智能正压叠加给水设备 |
KR20150089850A (ko) * | 2014-01-28 | 2015-08-05 | 한국농어촌공사 | Ict 활용 다중수원 지능적 배분공급 워터루프 시스템 |
CN105354755A (zh) * | 2015-09-30 | 2016-02-24 | 冯小林 | 基于物联网的供水设备的管理方法 |
CN106096866A (zh) * | 2016-06-30 | 2016-11-09 | 成都生辉电子科技有限公司 | 一种能效测定方法 |
CN206096885U (zh) * | 2016-08-30 | 2017-04-12 | 南京尔顺科技发展有限公司 | 一种二次供水设备能耗数字采集控制系统 |
CN106600164A (zh) * | 2016-12-27 | 2017-04-26 | 天津市创辉津控科技发展有限公司 | 一种运行维护节能综合管理的能源管控平台 |
CN106681964A (zh) * | 2016-12-24 | 2017-05-17 | 天津大学 | 公共建筑能耗审计统计拆分方法 |
CN107450451A (zh) * | 2017-09-20 | 2017-12-08 | 四川沃加科技有限公司 | 一种供水设备监控系统 |
CN108334047A (zh) * | 2018-04-24 | 2018-07-27 | 江中药业股份有限公司 | 多元化能源管理系统 |
CN109063172A (zh) * | 2018-08-20 | 2018-12-21 | 山东润智能科技有限公司 | 医院二次供水安全立体监测云平台、系统及其方法 |
CN109345789A (zh) * | 2018-09-28 | 2019-02-15 | 奇力士(武汉)智慧水务科技有限公司 | 一种供水设备故障智能联动报警控制系统 |
CN109469157A (zh) * | 2018-11-30 | 2019-03-15 | 中国建筑设计研究院有限公司 | 一种二次供水系统能耗监测平台及监测方法 |
CN109472508A (zh) * | 2018-11-21 | 2019-03-15 | 杭州中自沣泰环境技术有限公司 | 二次供水泵站运营监控管理方法及装置 |
CN110230590A (zh) * | 2019-05-31 | 2019-09-13 | 江苏大学 | 一种基于云平台的二次供水智能监测系统 |
CN209556033U (zh) * | 2018-11-30 | 2019-10-29 | 中国建筑设计研究院有限公司 | 一种建筑二次供水数据采集系统 |
-
2020
- 2020-02-18 CN CN202010099925.1A patent/CN111273622B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201358491Y (zh) * | 2009-02-10 | 2009-12-09 | 王雷 | 智能正压叠加给水设备 |
KR20150089850A (ko) * | 2014-01-28 | 2015-08-05 | 한국농어촌공사 | Ict 활용 다중수원 지능적 배분공급 워터루프 시스템 |
CN105354755A (zh) * | 2015-09-30 | 2016-02-24 | 冯小林 | 基于物联网的供水设备的管理方法 |
CN106096866A (zh) * | 2016-06-30 | 2016-11-09 | 成都生辉电子科技有限公司 | 一种能效测定方法 |
CN206096885U (zh) * | 2016-08-30 | 2017-04-12 | 南京尔顺科技发展有限公司 | 一种二次供水设备能耗数字采集控制系统 |
CN106681964A (zh) * | 2016-12-24 | 2017-05-17 | 天津大学 | 公共建筑能耗审计统计拆分方法 |
CN106600164A (zh) * | 2016-12-27 | 2017-04-26 | 天津市创辉津控科技发展有限公司 | 一种运行维护节能综合管理的能源管控平台 |
CN107450451A (zh) * | 2017-09-20 | 2017-12-08 | 四川沃加科技有限公司 | 一种供水设备监控系统 |
CN108334047A (zh) * | 2018-04-24 | 2018-07-27 | 江中药业股份有限公司 | 多元化能源管理系统 |
CN109063172A (zh) * | 2018-08-20 | 2018-12-21 | 山东润智能科技有限公司 | 医院二次供水安全立体监测云平台、系统及其方法 |
CN109345789A (zh) * | 2018-09-28 | 2019-02-15 | 奇力士(武汉)智慧水务科技有限公司 | 一种供水设备故障智能联动报警控制系统 |
CN109472508A (zh) * | 2018-11-21 | 2019-03-15 | 杭州中自沣泰环境技术有限公司 | 二次供水泵站运营监控管理方法及装置 |
CN109469157A (zh) * | 2018-11-30 | 2019-03-15 | 中国建筑设计研究院有限公司 | 一种二次供水系统能耗监测平台及监测方法 |
CN209556033U (zh) * | 2018-11-30 | 2019-10-29 | 中国建筑设计研究院有限公司 | 一种建筑二次供水数据采集系统 |
CN110230590A (zh) * | 2019-05-31 | 2019-09-13 | 江苏大学 | 一种基于云平台的二次供水智能监测系统 |
Non-Patent Citations (2)
Title |
---|
吴杨,陈兆荣: "《统计学》", 30 July 2013 * |
许丽利,宋春红: "《概率论与数理统计》", 31 December 2017 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528867A (zh) * | 2020-12-14 | 2021-03-19 | 上海工程技术大学 | 一种地铁车站突发大客流预警方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN111273622B (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN103617568B (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN103291544B (zh) | 数字化风电机组功率曲线绘制方法 | |
CN105389636A (zh) | 一种低压台区kfcm-svr合理线损预测方法 | |
CN107403015B (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN109540212A (zh) | 一种基于大数据的电缆井状态评估预警系统及方法 | |
US20190369570A1 (en) | System and method for automatically detecting anomalies in a power-usage data set | |
CN110363432A (zh) | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
CN107870275A (zh) | 基于大数据的避雷器运行状态评价方法 | |
CN104166947A (zh) | 一种高过载能力配电变压器应用边界条件的确定方法 | |
CN111273622B (zh) | 一种边云协同的供水设备能耗监测与能效评价系统和方法 | |
CN114862139A (zh) | 一种基于数据驱动的台区线损率异常诊断方法 | |
CN113884975A (zh) | 一种基于改进动态线损估计的超差电表检测方法 | |
CN110866706A (zh) | 一种地区用电需求差异化综合分析和评估的方法 | |
KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN116385210B (zh) | 一种基于物联网的供电能耗监测系统 | |
CN104143160A (zh) | 一种基于计算机实现的评测电网调度能力的方法 | |
CN115169991B (zh) | 基于数据挖掘的多类型用户供用能智能分析系统 |
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 |