CN111522864A - 基于用电数据的企业生产模式识别及转移生产预警方法 - Google Patents

基于用电数据的企业生产模式识别及转移生产预警方法 Download PDF

Info

Publication number
CN111522864A
CN111522864A CN202010316172.5A CN202010316172A CN111522864A CN 111522864 A CN111522864 A CN 111522864A CN 202010316172 A CN202010316172 A CN 202010316172A CN 111522864 A CN111522864 A CN 111522864A
Authority
CN
China
Prior art keywords
enterprise
production
period
normal
curve
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
Application number
CN202010316172.5A
Other languages
English (en)
Other versions
CN111522864B (zh
Inventor
唐伟
滕予非
靳旦
李赋欣
沈军
李科峰
张军
文雁
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.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan Electric Power 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 Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202010316172.5A priority Critical patent/CN111522864B/zh
Publication of CN111522864A publication Critical patent/CN111522864A/zh
Application granted granted Critical
Publication of CN111522864B publication Critical patent/CN111522864B/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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • 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
    • G06F16/2477—Temporal data queries
    • 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
    • G06F16/248—Presentation of query results
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Fuzzy Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明为基于用电数据的企业生产模式识别及转移生产预警方法，包括步骤：S1：构建时间与时段隶属度关系模型；S2：根据步骤S1构建的隶属度关系模型识别企业正常生产典型日用电量曲线特征；S3：根据步骤S1构建的隶属度关系模型识别企业在重污染管控时段日用电量曲线特征；S4：根据企业正常生产典型日用电量曲线特征和企业在重污染管控时段日用电量曲线特征对企业的异常生产模式进行预警；S5：输出预警结果。该方法为生态环境监管机构开展精准执法提供决策依据，并对转移生产的违规生产行为进行精确辨识，解决了无法通过用电数据实现涉污企业生产模式辨识和转移生产预警的问题。

Description

基于用电数据的企业生产模式识别及转移生产预警方法
技术领域
本发明涉及电网技术领域，具体涉及基于用电数据的企业生产模式识别及转移生产预警 方法。
背景技术
在重污染天气下，各地生态环境系统大都采用要求企业停产、限产等方式，降低生产活 动，减少污染物排放，改善空气质量。如何高效监管企业是否按照既定的措施，在重污染天 气预警时段执行停、限产措施，是困扰生态环境监督执法人员的主要问题。
传统上，生态环境执法人员采取抽样检查的方式，抽选典型企业，或者典型区域，开展 现场督查，震慑违规生产行为，这种方法效率低下、覆盖面窄。同时，部分企业为逃脱监管， 采取分时段生产的方式，在督查人员现场执法时段执行措施，而在督查完毕后复工偷排、违 规生产。
为提升监督能力的科学化水平，部分地区选取典型企业，试点安装污染源在线监测设备， 监测企业污染物排放数据；也有地区采取在污染企业主要生产线、主要排污生产设备的供电 点加装电量计量装置，采集设备生产用电的模式。但是，上述两种方式均需单独建立数据采 集、数据传输和存储系统，同时需常态开展设备和系统的运行维护，监测成本较高，不宜大 规模推广应用至一般工业企业，以致当前绝大多数一般企业未安装在线监测设备，无法满足 生态环境系统开展企业生产活动和排污情况实时监控的需求。
发明内容
本发明提供基于用电数据的企业生产模式识别及转移生产预警方法，解决了无法通过用 电数据实现涉污企业生产模式辨识和转移生产预警的问题。
本发明通过下述技术方案实现：
基于用电数据的企业生产模式识别及转移生产预警方法，包括以下步骤：
S1：构建时间与时段隶属度关系模型；
S2：根据步骤S1构建的隶属度关系模型识别企业正常生产典型日用电量曲线特征；
S3：根据步骤S1构建的隶属度关系模型识别企业在重污染管控时段日用电量曲线特征；
S4：根据步骤S2得到的企业正常生产典型日用电量曲线特征和步骤S3得到的企业在重 污染管控时段日用电量曲线特征对企业的异常生产模式及转移生产进行预警；
S5：输出预警结果；
本技术方案中，通过构建时间与时段隶属度关系模型，能够得到时间与时段的相互关系， 为后续得到曲线特征提供了基础；步骤S2中，在根据步骤S1构建的隶属度关系模型的同时， 从用电信息采集系统获取企业正常生产典型日用电量曲线，最终识别出企业正常生产典型日 用电量曲线特征；步骤S3中，在根据步骤S1构建的隶属度关系模型的同时，从用电信息采 集系统获取企业在重污染管控时段日用电量曲线，最终识别出企业在重污染管控时段日用电 量曲线特征；最终，根据企业正常生产典型日用电量曲线特征和企业在重污染管控时段日用 电量曲线特征进行对比，完成对企业的异常生产模式及转移生产进行预警并输出预警结果； 通过本技术方案，能够通过用电数据并结合时间与时段隶属度关系模型，实现对涉污企业生 产模式辨识和转移生产预警。
作为本发明的进一步改进，所述构建时间与时段隶属度关系模型具体以下步骤：
S101：构建上午时段的隶属度函数：
Figure BDA0002459669330000021
其中，t代表一天的24个时刻点，t的取值范围为[1，24]；
S102：构建中午时段的隶属度函数：
Figure BDA0002459669330000022
其中，t代表一天的24个时刻点，t的取值范围为[1，24]；
S103：构建下午时段的隶属度函数：
Figure BDA0002459669330000023
其中，t代表一天的24个时刻点，t的取值范围为[1，24]；
S104：构建夜间时段的隶属度函数：
Figure BDA0002459669330000024
其中，t代表一天的24个时刻点，t的取值范围为[1,24]。
进一步，所述识别企业正常生产典型日用电量曲线特征包括以下步骤：
S201：获取企业正常生产典型日用电量曲线，记为P(t)，其中，t＝1,2,…,24；
S202：计算企业正常生产典型日用电量曲线数据的标准差δnormal和均值Enormal；
S203：对企业正常生产下的生产特性进行划分，如果标准差δnormal与均值Enormal的比值 小于等于设定第一阈值，则判定企业正常生产典型日用电量曲线具有连续型生产特性，该企 业为连续型生产特性企业，并记录步骤S202中的均值Enormal；如果标准差δnormal与均值 Enormal的比值大于设定第一阈值，则判定企业正常生产典型日用电量曲线具有间歇型生产特 性，该企业为间歇型生产特性企业，并计算该企业正常生产典型日用电量曲线各时段的隶属 度，同时，判断该企业生产的主要时段；其中，第一阈值的取值范围为0.14至0.17；
本技术方案中，企业正常生产典型日用电量曲线是从电信息采集系统获取的；P(t)为企 业正常生产典型日用电量曲线在t＝1,2,…,24时的日用电量值的集合函数；因此，可以根据 P(t)计算出企业正常生产典型日用电量曲线数据的标准差δnormal和均值Enormal；第一阈值是 根据该企业的日功率曲线分析得到的。
进一步，所述计算该企业正常生产典型日用电量曲线各时段的隶属度，同时，判断该企 业生产的主要时段具体包括以下步骤：
S301：根据企业正常生产典型日用电量曲线得到日用电量曲线最大值Pmax,normal；
S302：计算归一化的日用电量曲线：
Figure BDA0002459669330000031
其中，t＝1,2,…,24；
S303：根据步骤S1中的时间与时段隶属度关系模型计算隶属度值：
Figure BDA0002459669330000032
其中，i∈{sw,zw,xw,yj}；
S304：对四个隶属度值
Figure BDA0002459669330000033
进行比较，选取其中大于四个隶属度值平 均数的一个或多个时段，作为企业正常生产典型的主要生产时段；
S305：记录企业正常生产典型的主要生产时段和日用电量曲线最大值Pmax,normal。
进一步，所述识别企业在重污染管控时段日用电量曲线特征包括以下步骤：
S401：获取企业在重污染管控时段日用电量曲线，记为P*(t)，其中，t＝1,2,…,24；
S402：计算企业在重污染管控时段日用电量曲线数据的标准差δregulate和均值Eregulate；
S403：对企业在重污染管控时段的生产特性进行划分，如果标准差δregulate与均值Eregulate的比值小于等于第二阈值，则判定企业在重污染管控时段日用电量曲线具有连续型生产特性，该企业为连续型生产特性企业，并记录步骤S402中的均值Eregulate；如果标准差δregulate与均值Eregulate的比值大于第二阈值，则判定企业在重污染管控时段日用电量曲线具 有间歇型生产特性，该企业为间歇型生产特性企业，并计算该企业在重污染管控时段日用电 量曲线各时段的隶属度，同时，判断该企业生产的主要时段；其中，第二阈值的取值范围为 0.14至0.17；
本技术方案中，企业在重污染管控时段日用电量曲线是从电信息采集系统获取的；P*(t) 为企业在重污染管控时段日用电量曲线在t＝1,2,…,24时的日用电量值的集合函数；因此，可 以根据P*(t)计算出企业在重污染管控时段日用电量曲线数据的标准差δregulate与均值 Eregulate；第二阈值是根据该企业的日功率曲线分析得到的。
进一步，所述计算该企业在重污染管控时段日用电量曲线各时段的隶属度，同时，判 断该企业生产的主要时段具体包括以下步骤：
S501：根据企业在重污染管控时段日用电量曲线得到日用电量曲线最大值Pmax,regulate；
S502：计算归一化的日用电量曲线：
Figure BDA0002459669330000041
其中，t＝1,2,…,24；
S503：根据步骤S1中的时间与时段隶属度关系模型计算隶属度值：
Figure BDA0002459669330000042
其中，i∈{sw,zw,xw,yj}；
S504：对四个隶属度值
Figure BDA0002459669330000043
进行比较，选取其中大于四个隶属度 值平均数的一个或多个时段，作为企业在重污染管控时段的主要生产时段；
S505：记录企业在重污染管控时段的主要生产时段和日用电量曲线最大值Pmax，regulate。
进一步，所述根据步骤S2得到的企业正常生产典型日用电量曲线特征和步骤S3得到 的企业在重污染管控时段日用电量曲线特征对企业的异常生产模式及转移生产进行预警具 体包括以下步骤：
S601：如果企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线均 具有间歇型生产特性，则将企业正常生产典型的主要生产时段及其隶属度值和企业在重污 染管控时段的主要生产时段及其隶属度值进行比较；如果连续两天曲线的最大值相差不超 过10％，且企业在重污染管控时段日用电量曲线的最大值超过企业正常生产典型日用电量 曲线最大值的比例为th1，则判定该企业违规生产；同时，如果企业正常生产典型的主要生 产时段与企业在重污染管控时段的主要生产时段不一致，则判定企业转移生产，输出企业 正常生产典型的主要生产时段、企业在重污染管控时段的主要生产时段和企业在重污染管 控时段日用电量曲线的最大值；其中，th1为管控要求的限产比例thlimit；
S602：如果企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线均 具有连续型生产特性，则比较均值Eregulate和均值Enormal；如果均值Eregulate超过均值Enormal的比例为th2；则判定企业未按规定执行限产；其中，th2为管控要求的限产比例thlimit；
S603：如果企业正常生产典型日用电量曲线具有间歇型生产特性，企业在重污染管控 时段日用电量曲线具有连续型生产特性，且均值Eregulate超过均值Enormal的比例为th3，则 判定该企业为异常生产，且生产模式发生转移；其中，th3为管控要求的限产比例thlimit；
S604：如果企业正常生产典型日用电量曲线具有连续型生产特性，企业在重污染管控时 段日用电量曲线具有间歇型生产特性，且均值Eregulate超过均值Enormal的比例为th4，则判定 该企业为违规生产，且生产模式发生转移；其中，th4为管控要求的限产比例thlimit；
S605：其余情况判定生产正常；
本技术方案中，输出的企业正常生产典型的主要生产时段、企业在重污染管控时段的主 要生产时段和企业在重污染管控时段日用电量曲线的最大值为生产时段转移的具体情况；比 例th1、th2、th3和th4均为管控要求的限产比例thlimit，其中，如果管控要求企业在管控时段 限产到40％，则th1、th2、th3和th4的取值为40％；如果管控要求企业停产，则th1、th2、th3和th4的取值为5％。
综上，本发明的有益效果为，通过建立构建时间与时段隶属度关系模型，并从用电信息 采集系统获取企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线，得到 企业正常生产典型日用电量曲线特征和企业在重污染管控时段日用电量曲线特征，通过企业 正常生产典型日用电量曲线特征和企业在重污染管控时段日用电量曲线特征进行对比，发现 转移生产的违规生产企业，为生态环境监管机构开展精准执法提供决策依据，并对转移生产 的违规生产行为进行精确辨识，提升了生态环境监管执法机构开展监督检查的针对性和精准 性，提高执法工作质效，弥补了现有技术无法通过用电数据实现涉污企业生产模式辨识和转 移生产预警的问题。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不 构成对本发明实施例的限定。在附图中：
图1为本发明的方法流程图；
图2为本发明的时间与时段隶属度关系模型图；
图3为本发明的异常预警原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明 作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本 发明的限定。
实施例1：
如图1所示，基于用电数据的企业生产模式识别及转移生产预警方法，包括以下步骤：
S1：构建时间与时段隶属度关系模型；
S2：根据步骤S1构建的隶属度关系模型识别企业正常生产典型日用电量曲线特征；
S3：根据步骤S1构建的隶属度关系模型识别企业在重污染管控时段日用电量曲线特征；
S4：根据步骤S2得到的企业正常生产典型日用电量曲线特征和步骤S3得到的企业在重 污染管控时段日用电量曲线特征对企业的异常生产模式及转移生产进行预警；
S5：输出预警结果。
通过构建时间与时段隶属度关系模型，能够得到时间与时段的相互关系，为后续得到曲 线特征提供了基础；步骤S2中，在根据步骤S1构建的隶属度关系模型的同时，从用电信息 采集系统获取企业正常生产典型日用电量曲线，最终识别出企业正常生产典型日用电量曲线 特征；步骤S3中，在根据步骤S1构建的隶属度关系模型的同时，从用电信息采集系统获取 企业在重污染管控时段日用电量曲线，最终识别出企业在重污染管控时段日用电量曲线特征； 最终，根据企业正常生产典型日用电量曲线特征和企业在重污染管控时段日用电量曲线特征 进行对比，完成对企业的异常生产模式及转移生产进行预警并输出预警结果；通过本技术方 案，能够通过用电数据并结合时间与时段隶属度关系模型，实现对涉污企业生产模式辨识和 转移生产预警。
如图2所示，所述构建时间与时段隶属度关系模型具体以下步骤：
S101：构建上午时段的隶属度函数：
Figure BDA0002459669330000071
其中，t代表一天的24个时刻点，t的取值范围为[1，24]；
S102：构建中午时段的隶属度函数：
Figure BDA0002459669330000072
其中，t代表一天的24个时刻点，t的取值范围为[1,24]；
S103：构建下午时段的隶属度函数：
Figure BDA0002459669330000073
其中，t代表一天的24个时刻点，t的取值范围为[1,24]；
S104：构建夜间时段的隶属度函数：
Figure BDA0002459669330000074
其中，t代表一天的24个时刻点，t的取值范围为[1,24]。
如图3所示，所述识别企业正常生产典型日用电量曲线特征包括以下步骤：
S201：获取企业正常生产典型日用电量曲线，记为P(t)，其中，t＝1,2,…,24；
S202：计算企业正常生产典型日用电量曲线数据的标准差δnormal和均值Enormal；
S203：对企业正常生产下的生产特性进行划分，如果标准差δnormal与均值Enormal的比值 小于等于设定第一阈值，则判定企业正常生产典型日用电量曲线具有连续型生产特性，该企 业为连续型生产特性企业，并记录步骤S202中的均值Enormal；如果标准差δnormal与均值 Enormal的比值大于设定第一阈值，则判定企业正常生产典型日用电量曲线具有间歇型生产特 性，该企业为间歇型生产特性企业，并计算该企业正常生产典型日用电量曲线各时段的隶属 度，同时，判断该企业生产的主要时段；其中，第一阈值的取值范围为0.14至0.17。
所述计算该企业正常生产典型日用电量曲线各时段的隶属度，同时，判断该企业生产的 主要时段具体包括以下步骤：
S301：根据企业正常生产典型日用电量曲线得到日用电量曲线最大值Pmax，normal；
S302：计算归一化的日用电量曲线：
Figure BDA0002459669330000081
其中，t＝1,2,…,24；
S303：根据步骤S1中的时间与时段隶属度关系模型计算隶属度值：
Figure BDA0002459669330000082
其中，i∈{sw,zw,xw,yj}；
S304：对四个隶属度值
Figure BDA0002459669330000083
进行比较，选取其中大于四个隶属度值平 均数的一个或多个时段，作为企业正常生产典型的主要生产时段；
S305：记录企业正常生产典型的主要生产时段和日用电量曲线最大值Pmax,normal。
企业正常生产典型日用电量曲线是从电信息采集系统获取的；P(t)为企业正常生产典型 日用电量曲线在t＝1,2,…,24时的日用电量值的集合函数；因此，可以根据P(t)计算出企业正 常生产典型日用电量曲线数据的标准差δnormal和均值Enormal；第一阈值是根据该企业的日功 率曲线分析得到的。
所述识别企业在重污染管控时段日用电量曲线特征包括以下步骤：
S401：获取企业在重污染管控时段日用电量曲线，记为P*(t)，其中，t＝1,2，…，24；
S402：计算企业在重污染管控时段日用电量曲线数据的标准差δregulate和均值Eregulate；
S403：对企业在重污染管控时段的生产特性进行划分，如果标准差δregulate与均值Eregulate的比值小于等于第二阈值，则判定企业在重污染管控时段日用电量曲线具有连续型生产特性，该企业为连续型生产特性企业，并记录步骤S402中的均值Eregulate；如果标准差δregulate与均值Eregulate的比值大于第二阈值，则判定企业在重污染管控时段日用电量曲线具 有间歇型生产特性，该企业为间歇型生产特性企业，并计算该企业在重污染管控时段日用电 量曲线各时段的隶属度，同时，判断该企业生产的主要时段；其中，第二阈值的取值范围为 0.14至0.17；
所述计算该企业在重污染管控时段日用电量曲线各时段的隶属度，同时，判断该企业 生产的主要时段具体包括以下步骤：
S501：根据企业在重污染管控时段日用电量曲线得到日用电量曲线最大值Pmax,regulate；
S502：计算归一化的日用电量曲线：
Figure BDA0002459669330000091
其中，t＝1,2,…,24；
S503：根据步骤S1中的时间与时段隶属度关系模型计算隶属度值：
Figure BDA0002459669330000092
其中，i∈{sw,zw,xw,yj}；
S504：对四个隶属度值
Figure BDA0002459669330000093
进行比较，选取其中大于四个隶属度 值平均数的一个或多个时段，作为企业在重污染管控时段的主要生产时段；
S505：记录企业在重污染管控时段的主要生产时段和日用电量曲线最大值Pmax,regulate。
企业在重污染管控时段日用电量曲线是从电信息采集系统获取的；P*(t)为企业在重污染 管控时段日用电量曲线在t＝1,2,…,24时的日用电量值的集合函数；因此，可以根据P*(t)计 算出企业在重污染管控时段日用电量曲线数据的标准差δregulate与均值Eregulate；第二阈值是 根据该企业的日功率曲线分析得到的。
所述根据步骤S2得到的企业正常生产典型日用电量曲线特征和步骤S3得到的企业在 重污染管控时段日用电量曲线特征对企业的异常生产模式及转移生产进行预警具体包括以 下步骤：
S601：如果企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线均 具有间歇型生产特性，则将企业正常生产典型的主要生产时段及其隶属度值和企业在重污 染管控时段的主要生产时段及其隶属度值进行比较；如果连续两天曲线的最大值相差不超 过10％，且企业在重污染管控时段日用电量曲线的最大值超过企业正常生产典型日用电量 曲线最大值的比例为th1，则判定该企业违规生产；同时，如果企业正常生产典型的主要生 产时段与企业在重污染管控时段的主要生产时段不一致，则判定企业转移生产，输出企业 正常生产典型的主要生产时段、企业在重污染管控时段的主要生产时段和企业在重污染管 控时段日用电量曲线的最大值；其中，th1为管控要求的限产比例thlimit；
S602：如果企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线均 具有连续型生产特性，则比较均值Eregulate和均值Enormal；如果均值Eregulate超过均值Enormal的比例为th2；则判定企业未按规定执行限产；其中，th2为管控要求的限产比例thlimit；
S603：如果企业正常生产典型日用电量曲线具有间歇型生产特性，企业在重污染管控 时段日用电量曲线具有连续型生产特性，且均值Eregulate超过均值Enormal的比例为th3，则 判定该企业为异常生产，且生产模式发生转移；其中，th3为管控要求的限产比例thlimit；
S604：如果企业正常生产典型日用电量曲线具有连续型生产特性，企业在重污染管控时 段日用电量曲线具有间歇型生产特性，且均值Eregulate超过均值Enormal的比例为th4，则判定 该企业为违规生产，且生产模式发生转移；其中，th4为管控要求的限产比例thlimit；
S605：其余情况判定生产正常。
输出的企业正常生产典型的主要生产时段、企业在重污染管控时段的主要生产时段和企 业在重污染管控时段日用电量曲线的最大值为生产时段转移的具体情况；比例th1、th2、th3和 th4均为管控要求的限产比例thlimit，其中，如果管控要求企业在管控时段限产到40％，则th1、 th2、th3和th4的取值为40％；如果管控要求企业停产，则th1、th2、th3和th4的取值为5％。
在现有技术中，通过试点安装污染源在线监测设备，监测企业污染物排放数据或采取在 污染企业主要生产线、主要排污生产设备的供电点加装电量计量装置，采集设备生产用电的 模式，监测成本较高，不宜大规模推广；而本发明通过建立构建时间与时段隶属度关系模型， 并从用电信息采集系统获取企业正常生产典型日用电量曲线和企业在重污染管控时段日用电 量曲线，得到企业正常生产典型日用电量曲线特征和企业在重污染管控时段日用电量曲线特 征，通过企业正常生产典型日用电量曲线特征和企业在重污染管控时段日用电量曲线特征进 行对比，发现转移生产的违规生产企业，为生态环境监管机构开展精准执法提供决策依据， 并对转移生产的违规生产行为进行精确辨识，提升了生态环境监管执法机构开展监督检查的 针对性和精准性，提高执法工作质效，弥补了现有技术无法通过用电数据实现涉污企业生产 模式辨识和转移生产预警的问题。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于 本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术 人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，包括以下步骤：
S1：构建时间与时段隶属度关系模型；
S2：根据步骤S1构建的隶属度关系模型识别企业正常生产典型日用电量曲线特征；
S3：根据步骤S1构建的隶属度关系模型识别企业在重污染管控时段日用电量曲线特征；
S4：根据步骤S2得到的企业正常生产典型日用电量曲线特征和步骤S3得到的企业在重污染管控时段日用电量曲线特征对企业的异常生产模式及转移生产进行预警；
S5：输出预警结果。
2.根据权利要求1所述的基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，所述构建时间与时段隶属度关系模型具体以下步骤：
S101：构建上午时段的隶属度函数：
Figure FDA0002459669320000011
其中，t代表一天的24个时刻点，t的取值范围为[1,24]；
S102：构建中午时段的隶属度函数：
Figure FDA0002459669320000012
其中，t代表一天的24个时刻点，t的取值范围为[1,24]；
S103：构建下午时段的隶属度函数：
Figure FDA0002459669320000013
其中，t代表一天的24个时刻点，t的取值范围为[1，24]；
S104：构建夜间时段的隶属度函数：
Figure FDA0002459669320000014
其中，t代表一天的24个时刻点，t的取值范围为[1，24]。
3.根据权利要求2所述的基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，所述识别企业正常生产典型日用电量曲线特征包括以下步骤：
S201：获取企业正常生产典型日用电量曲线，记为P(t)，其中，t＝1，2，…，24；
S202：计算企业正常生产典型日用电量曲线数据的标准差δnormal和均值Enormal；
S203：对企业正常生产下的生产特性进行划分，如果标准差δnormal与均值Enormal的比值小于等于设定第一阈值，则判定企业正常生产典型日用电量曲线具有连续型生产特性，该企业为连续型生产特性企业，并记录步骤S202中的均值Enormal；如果标准差δnormal与均值Enormal的比值大于设定第一阈值，则判定企业正常生产典型日用电量曲线具有间歇型生产特性，该企业为间歇型生产特性企业，并计算该企业正常生产典型日用电量曲线各时段的隶属度，同时，判断该企业生产的主要时段；其中，第一阈值的取值范围为0.14至0.17。
4.根据权利要求3所述的基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，所述计算该企业正常生产典型日用电量曲线各时段的隶属度，同时，判断该企业生产的主要时段具体包括以下步骤：
S301：根据企业正常生产典型日用电量曲线得到日用电量曲线最大值Pmax,normal；
S302：计算归一化的日用电量曲线：
Figure FDA0002459669320000023
其中，t＝1,2,…,24；
S303：根据步骤S1中的时间与时段隶属度关系模型计算隶属度值：
Figure FDA0002459669320000021
其中，i∈{sw,zw,xw,yj}；
S304：对四个隶属度值
Figure FDA0002459669320000022
进行比较，选取其中大于四个隶属度值平均数的一个或多个时段，作为企业正常生产典型的主要生产时段；
S305：记录企业正常生产典型的主要生产时段和日用电量曲线最大值Pmax,normal。
5.根据权利要求4所述的基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，所述识别企业在重污染管控时段日用电量曲线特征包括以下步骤：
S401：获取企业在重污染管控时段日用电量曲线，记为P*(t)，其中，t＝1，2，…，24；
S402：计算企业在重污染管控时段日用电量曲线数据的标准差δregulate和均值Eregulate；
S403：对企业在重污染管控时段的生产特性进行划分，如果标准差δregulate与均值Eregulate的比值小于等于第二阈值，则判定企业在重污染管控时段日用电量曲线具有连续型生产特性，该企业为连续型生产特性企业，并记录步骤S402中的均值Eregulate；如果标准差δregulate与均值Eregulate的比值大于第二阈值，则判定企业在重污染管控时段日用电量曲线具有间歇型生产特性，该企业为间歇型生产特性企业，并计算该企业在重污染管控时段日用电量曲线各时段的隶属度，同时，判断该企业生产的主要时段；其中，第二阈值的取值范围为0.14至0.17。
6.根据权利要求5所述的基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，所述计算该企业在重污染管控时段日用电量曲线各时段的隶属度，同时，判断该企业生产的主要时段具体包括以下步骤：
S501：根据企业在重污染管控时段日用电量曲线得到日用电量曲线最大值Pmax,regulate；
S502：计算归一化的日用电量曲线：
Figure FDA0002459669320000031
其中，t＝1，2，…，24；
S503：根据步骤S1中的时间与时段隶属度关系模型计算隶属度值：
Figure FDA0002459669320000032
其中，i∈{sw,zw,xw，yj}；
S504：对四个隶属度值
Figure FDA0002459669320000033
进行比较，选取其中大于四个隶属度值平均数的一个或多个时段，作为企业在重污染管控时段的主要生产时段；
S505：记录企业在重污染管控时段的主要生产时段和日用电量曲线最大值Pmax,regulate。
7.根据权利要求6所述的基于用电数据的企业生产模式识别及转移生产预警方法，其特征在于，所述根据步骤S2得到的企业正常生产典型日用电量曲线特征和步骤S3得到的企业在重污染管控时段日用电量曲线特征对企业的异常生产模式及转移生产进行预警具体包括以下步骤：
S601：如果企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线均具有间歇型生产特性，则将企业正常生产典型的主要生产时段及其隶属度值和企业在重污染管控时段的主要生产时段及其隶属度值进行比较；如果连续两天曲线的最大值相差不超过10％，且企业在重污染管控时段日用电量曲线的最大值超过企业正常生产典型日用电量曲线最大值的比例为th1，则判定该企业违规生产；同时，如果企业正常生产典型的主要生产时段与企业在重污染管控时段的主要生产时段不一致，则判定企业转移生产，输出企业正常生产典型的主要生产时段、企业在重污染管控时段的主要生产时段和企业在重污染管控时段日用电量曲线的最大值；其中，th1为管控要求的限产比例thlimit；
S602：如果企业正常生产典型日用电量曲线和企业在重污染管控时段日用电量曲线均具有连续型生产特性，则比较均值Eregulate和均值Enormal；如果均值Eregulate超过均值Enormal的比例为th2；则判定企业未按规定执行限产；其中，th2为管控要求的限产比例thlimit；
S603：如果企业正常生产典型日用电量曲线具有间歇型生产特性，企业在重污染管控时段日用电量曲线具有连续型生产特性，且均值Eregulate超过均值Enormal的比例为th3，则判定该企业为异常生产，且生产模式发生转移；其中，th3为管控要求的限产比例thlimit；
S604：如果企业正常生产典型日用电量曲线具有连续型生产特性，企业在重污染管控时段日用电量曲线具有间歇型生产特性，且均值Eregulate超过均值Enormal的比例为th4，则判定该企业为违规生产，且生产模式发生转移；其中，th4为管控要求的限产比例thlimit；
S605：其余情况判定生产正常。
CN202010316172.5A 2020-04-21 2020-04-21 基于用电数据的企业生产模式识别及转移生产预警方法 Active CN111522864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010316172.5A CN111522864B (zh) 2020-04-21 2020-04-21 基于用电数据的企业生产模式识别及转移生产预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010316172.5A CN111522864B (zh) 2020-04-21 2020-04-21 基于用电数据的企业生产模式识别及转移生产预警方法

Publications (2)

Publication Number Publication Date
CN111522864A true CN111522864A (zh) 2020-08-11
CN111522864B CN111522864B (zh) 2020-11-10

Family

ID=71901911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010316172.5A Active CN111522864B (zh) 2020-04-21 2020-04-21 基于用电数据的企业生产模式识别及转移生产预警方法

Country Status (1)

Country Link
CN (1) CN111522864B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN114819371A (zh) * 2022-05-09 2022-07-29 成都大数据产业技术研究院有限公司 基于税务数据的产排污量预测模型构建方法和系统
CN114819371B (zh) * 2022-05-09 2024-06-07 成都大数据产业技术研究院有限公司 基于税务数据的产排污量预测模型构建方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104571050A (zh) * 2015-01-13 2015-04-29 国网上海市电力公司 基于高频用电数据的工业企业污染物排放监控方法
CN105760997A (zh) * 2016-02-16 2016-07-13 国网山东省电力公司经济技术研究院 基于模糊评价的配电网异常电压评估方法
US20180373532A1 (en) * 2017-06-23 2018-12-27 International Business Machines Corporation Fine-grained management of exception enablement of floating point controls
CN109684295A (zh) * 2018-12-04 2019-04-26 河北申科电力股份有限公司 环保设备运行状态分析方法、装置和系统
CN110503570A (zh) * 2019-07-16 2019-11-26 国网江苏省电力有限公司滨海县供电分公司 一种异常用电数据检测方法、系统、设备、存储介质
CN110889088A (zh) * 2019-11-04 2020-03-17 国网浙江省电力有限公司信息通信分公司 一种应用电力模型辅助的企业排污监管方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104571050A (zh) * 2015-01-13 2015-04-29 国网上海市电力公司 基于高频用电数据的工业企业污染物排放监控方法
CN105760997A (zh) * 2016-02-16 2016-07-13 国网山东省电力公司经济技术研究院 基于模糊评价的配电网异常电压评估方法
US20180373532A1 (en) * 2017-06-23 2018-12-27 International Business Machines Corporation Fine-grained management of exception enablement of floating point controls
CN109684295A (zh) * 2018-12-04 2019-04-26 河北申科电力股份有限公司 环保设备运行状态分析方法、装置和系统
CN110503570A (zh) * 2019-07-16 2019-11-26 国网江苏省电力有限公司滨海县供电分公司 一种异常用电数据检测方法、系统、设备、存储介质
CN110889088A (zh) * 2019-11-04 2020-03-17 国网浙江省电力有限公司信息通信分公司 一种应用电力模型辅助的企业排污监管方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨清 等: ""用电数据用于污染源企业工况监控技术的研究"", 《污染防治技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN114819371A (zh) * 2022-05-09 2022-07-29 成都大数据产业技术研究院有限公司 基于税务数据的产排污量预测模型构建方法和系统
CN114819371B (zh) * 2022-05-09 2024-06-07 成都大数据产业技术研究院有限公司 基于税务数据的产排污量预测模型构建方法和系统

Also Published As

Publication number Publication date
CN111522864B (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN111522864B (zh) 基于用电数据的企业生产模式识别及转移生产预警方法
CN116646933B (zh) 一种基于大数据的电力负荷调度方法及系统
CN108700851B (zh) 用于预测能量消耗的系统、方法和基于云的平台
CN102193544B (zh) 一种智能建筑能源管理系统
CN111524032B (zh) 一种基于企业用电数据的环保响应量化方法及装置
CN102184490A (zh) 城市水资源实时监控与管理系统及方法
CN105956752A (zh) 用于绿色公共建筑运营阶段的能效评估与诊断分析方法
CN105259847A (zh) 一种基于能耗历史数据分析的能源管理控制方法及其系统
CN117036104B (zh) 一种基于电力物联网的智慧用电方法和系统
CN112836935B (zh) 一种适用于发电厂的智慧水务管理平台
CN104424527A (zh) 一种城市污水处理运行绩效评估云计算系统
CN116937575A (zh) 一种网格系统用的能源监控管理系统
CN112561289A (zh) 一种能源管理体系认证中的能源绩效集成验证方法
CN114878934A (zh) 一种电能耗数据异常预警方法
CN113256037B (zh) 非稳态废水排放预测方法、装置、计算机设备和存储介质
CN106292596A (zh) 一种污水处理厂智能管理专家诊断系统
CN115473331A (zh) 一种基于动态建模的数字孪生电网用电量监管系统
CN111160598A (zh) 一种基于动态能耗基准的能源预测与能耗管控方法及系统
CN103020721A (zh) 一种评估电网调度自动化系统实时数据处理效率的方法
CN117807541A (zh) 一种基于大数据的智慧园区安全管理系统
CN112418548B (zh) 一种基于人工智能技术的智能车间管理方法和系统
CN112529518A (zh) 基于日常活动水平检测和管理系统的企业数据管理方法
CN116223000B (zh) 一种机器故障智能在线自动检测系统
CN116307886A (zh) 一种企业生产状态的实时监测方法及装置
CN115375185A (zh) 一种基于大数据的玻璃生成加工环境监管系统

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