CN111830350B - 能耗计量方法、装置及电器 - Google Patents
能耗计量方法、装置及电器 Download PDFInfo
- Publication number
- CN111830350B CN111830350B CN202010718336.7A CN202010718336A CN111830350B CN 111830350 B CN111830350 B CN 111830350B CN 202010718336 A CN202010718336 A CN 202010718336A CN 111830350 B CN111830350 B CN 111830350B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- consumption metering
- preset
- electric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 48
- 238000004378 air conditioning Methods 0.000 claims description 33
- 238000002474 experimental method Methods 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000010977 unit operation Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了能耗计量方法、装置及电器，能耗计量方法包括以下步骤：采集机组的工作数据；判断工作数据是否含有电表电量数据；若否，则将工作数据中的运行数据输入到预设能耗计量模型中得到耗电量计算值，以耗电量计算值作为实际耗电量；若是，则以电表电量数据作为实际耗电量，根据工作数据中的运行数据和电表电量数据修正预设能耗计量模型。本发明在电器的运行过程中持续修正优化能耗计量模型，实现准确且快捷的计量电器的实际耗电量。
Description
技术领域
本发明涉及能耗技术领域，尤其涉及能耗计量方法、装置及电器。
背景技术
现代建筑必不可少的机组，空调是最常见的机组之一，随着建筑的扩增而得到广泛的应用，空调机组是空调的一个分类，广泛应用于各种商业及生活建筑，同时占据楼宇建筑的大部分能耗，实现对空调机组的能耗进行有效的计量和管理，对楼宇建筑的管理有着重要意义。
目前楼宇建筑中通常是空调机组与其他用电设备统一供电，空调机组并无单独的电表对其能耗进行统计及管理，而同时给楼宇建筑中的所有空调机组均单独配置电表会极大的增加成本，导致难以对各个空调机组的能耗进行准确计量及管理。
因此，如何设计能够准确便捷的统计电器耗电量的方法是业界亟待解决的技术问题。
发明内容
为了解决现有技术存在机组能耗无法准确计量的缺陷，本发明提出能耗计量方法、装置及电器，该计量方法在机组的运行过程中持续修正优化能耗计量模型，实现准确且快捷的计量机组的实际耗电量，便于用户对机组能耗有清晰的了解，方便用户对机组的管理。
本发明采用的技术方案是，设计能耗计量方法，包括以下步骤：
采集机组的工作数据；
判断工作数据是否含有电表电量数据；
若否，则将工作数据中的运行数据输入到预设能耗计量模型中得到耗电量计算值，以耗电量计算值作为实际耗电量；
若是，则以电表电量数据作为实际耗电量，根据工作数据中的运行数据和电表电量数据修正预设能耗计量模型。
其中，运行数据包括：机组的型号、室内机和室外机的数量、室内机容量、室内机和室外机的工作参数、环境温度、室内机和室外机的额定功率等。
优选的，预先通过多次实验采集机组的运行数据和电表电量数据作为样本数据训练所产生的深度学习模型。
在一实施例中，根据比较结果对预设电量模型进行训练包括：
将耗电量计算值与电表电量数据进行对比得到调整前误差值；
调整预设能耗计量模型中各指标量的权重系数，将运行数据输入到当前预设能耗计量模型中得到当前耗电量计算值，将当前耗电量计算值与电表电量数据进行对比得到调整后误差值；
判断调整后误差值是否小于调整前误差值，若是则当前预设能耗计量模型完成初级训练，否则返回到调整预设能耗计量模型各指标量的权重系数。
其中，预设能耗计量模型中的指标量包括：额定功率、设定温度与环境温度之间的温差值、风速中的至少一种。
优选的，根据比较结果对预设电量模型进行训练还包括：
当前预设能耗计量模型完成初级训练之后，获取初级训练之前预设时间区间内的至少一组历史数据，每组历史数据包含储存时间相同的历史运行数据、历史电表电量数据和历史调整后误差值；
将历史运行数据输入到当前预设能耗计量模型中得到当前历史耗电量计算值；
将当前历史耗电量计算值与历史电表电量数据进行对比得到当前历史调整后误差值；
判断当前历史调整后误差值是否小于历史调整后误差值，若是则当前预设能耗计量模型完成二次训练，否则返回到调整预设能耗计量模型各指标量的权重系数。
进一步的，当前预设能耗计量模型完成二次训练之后，将运行数据、电表电量数据、调整后误差值分别作为历史运行数据、历史电表电量数据、历史调整后误差值进行储存并记录储存时间形成一组历史数据。
在一实施例中，能耗计量方法还包括以下步骤：
判断实际耗电量是否大于预设值，若是则向外发送节能方案和/或报警信息。
其中，向外发送节能方案包括：根据运行数据从预设的关系对照表中获取对应的节能方案。
本发明还提出了采用上述能耗计量方法得出实际耗电量的能耗计量装置，其包括：建立有预设能耗计量模型的服务器、采集机组运行数据和电表电量数据并上传服务器的数据采集装置，服务器设置有训练模块，训练模块在接收到电表电量数据时，根据运行数据及电表电量数据，对预设能耗计量模型进行训练。
优选的，服务器与终端设备连接，服务器根据数据采集装置发送的数据分析机组的实际耗电量，在实际耗电量大于预设值时向终端设备发送节能方案和/或报警信息。
本发明还提出了配置有上述能耗计量装置的电器，在优选实施例中，电器为空调机组。
与现有技术相比，本发明通过训练样本数据得到能耗计量模型，实时采集机组的运行数据，对于电量无法采集的机组，可将运行数据输入能耗计量模型中，计算得到机组的实际耗电量，对于电量可采集的机组，则根据能耗计量模型的耗电量计算值与电表电量数据进行对比分析，持续修正优化能耗计量模型，达到耗电量计算更准确快捷的目的。
附图说明
下面结合实施例和附图对本发明进行详细说明，其中：
图1是本发明中空调能耗计量装置的架构示意图；
图2是本发明中空调能耗计量方法的流程示意图。
具体实施方式
如图1所示，本发明提出的能耗计量方法和能耗计量装置适用于电器的耗电量统计，尤其适用于大型楼宇建筑中空调机组的耗电量统计。
从硬件架构上来说，空调能耗计量装置包括：服务器和数据采集装置，在优选实施例中，数据采集装置的数量与空调机组相同且一一对应，即每个空调机组均单独配置有对应的数据采集装置，数据采集装置采集空调机组的工作数据，并将采集到的工作数据上传到服务器。
在空调机组没有连接电表的情况下，数据采集装置无法采集到电表电量数据，工作数据中仅有空调机组的运行数据。在空调机组连接有电表的情况下，数据采集装置能够采集到电表电量数据，工作数据含有空调机组的运行数据和电表电量数据。其中，运行数据包括：空调机组的型号、室内机和室外机的数量、室内机容量、室内机和室外机的工作参数、环境温度、室内机和室外机的额定功率等。
在实际应用中，优选方案是给每个空调机组设置唯一的标识码，数据采集装置将采集到的工作数据与标识码绑定后上传到服务器，服务器通过标识码识别工作数据与空调机组之间的对应关系，以保证数据传递的准确性。
服务器建立有预设能耗计量模型，预设能耗计量模型的建立过程如下：预先对空调机组进行多次实验，给每个空调机组均配置检测电量的电表，在实验过程中采集空调机组的运行数据和电表电量数据作为样本数据，通过对大量的样本数据进行训练产生深度学习模型，该深度学习模型即为预设能耗计量模型。需要说明的是，预设能耗计量模型可以是对所有型号的机组进行大量实验所得出的通用能耗计量模型，此种情况下服务器接收到运行数据后直接输入通用能耗计量模型得到耗电量计算值。预设能耗计量模型也可以针对不同型号的机组分别进行实验得出的特定型号能耗计量模型，此种情况下服务器接收到运行数据后，根据空调机组的型号匹配到对应的能耗计量模型，再将运行数据输入该能耗计量模型的耗电量计算值。
服务器设置有与预设能耗计量模型关联的多个模块，分别是与数据采集装置连接的数据输入模块、修正预设能耗计量模型的训练模块和计算值输出模块。服务器在数据输入模块接收到电表电量数据时，以电表电量数据作为实际耗电量，并启动训练模块对预设能耗计量模型进行训练，校准预设能耗计量模型中各指标量的权重系数，使得预设能耗计量模型的耗电量计算值更准确。服务器在数据输入模块没有接到电表电量数据时，关闭训练模块，并将运行数据输入到预设能耗计量模型中得到耗电量计算值，计算值输出模块将该耗电量计算值输出作为实际耗电量。
此处需要进一步说明的是，预设能耗计量模型相当于能耗计量公式，该公式中有若干个指标量，每个指标量均配置有其对应的比例系数，在公式中的表达形式为指标量乘以比例系数，比例系数的大小决定其对应指标量在能耗计量模型中的重要程度，各指标量的比例系数即为权重系数。常见的指标量有额定功率、设定温度与环境温度之间的温差值、风速等，服务器接收到运行数据后，将运行数据中的额定功率、设定温度、环境温度及风速等输入预设能耗计量模型中计算得到耗电量计算值。
进一步的，服务器与终端设备连接，服务器将实际耗电量与预设值进行比较，预设值的选用根据空调机组的运行状态决定，在实际耗电量大于预设值时，向终端设备发送节能方案和/或报警信息。此处包含三种发送方式，即仅向终端设备发送节能方案、仅向终端设备发送报警信息、向终端设备发送节能方案和报警信息。更具体的说，服务器中建立有运行数据和节能方案的关系对照表，提取运行数据中的至少一个关键参数，为便于理解，以一个关键参数为例进行说明，将关键参数划分为多个连续区间，每个区间对应一种节能方案，该节能方案为其对应区间中经过多个实验后能耗最小的关键参数的值。服务器在实际耗电量大于预设值时，筛选出运行数据中的关键参数，从关系对照表中获取对应的节能方案，将该方案发送给终端设备，用户可根据节能方案管理空调机组。
以下对计量修正的过程进行详细说明。
如图2所示，在优选实施例中，本发明的能耗计量方法包括以下步骤：
实时采集空调机组的工作数据；
判断是否有电表电量数据；
若有电表电量数据，则以电表电量数据作为实际耗电量，将工作数据中的运行数据输入到预设能耗计量模型中得到耗电量计算值，比较耗电量计算值与电表电量数据，根据比较结果对预设能耗计量模型进行训练，以修正预设能耗计量模型；
若没有电表电量数据，则将工作数据中的运行数据输入到预设能耗计量模型中得到耗电量计算值，以耗电量计算值作为实际耗电量；
判断实际耗电量是否大于预设值，若是则向外发送节能方案和/或报警信息。
其中，根据比较结果对预设电量模型进行训练包括初级训练和二次训练。
初级训练的作用是利用能耗计量模型的耗电量计算值与电表电量数据进行对比分析，持续修正优化能耗计量模型，达到耗电量计算准确的目的。
初级训练的过程如下：
将耗电量计算值与电表电量数据进行对比得到调整前误差值；
调整预设能耗计量模型中各指标量的权重系数，将运行数据输入到当前预设能耗计量模型中得到当前耗电量计算值，将当前耗电量计算值与电表电量数据进行对比得到调整后误差值；
判断调整后误差值是否小于调整前误差值，若是则当前预设能耗计量模型完成初级训练，否则返回到调整预设能耗计量模型各指标量的权重系数，对权重系数进行重新调整，权重系数的调整规定可以根据实际情况设计。
进一步的，为了提高当前预设能耗计量模型的准确性，当前预设能耗计量模型完成初级训练之后，获取初级训练之前预设时间区间内的至少一组历史数据，利用历史数据对当前预设能耗计量模型进行二次训练。该预设时间区间可以根据实际情况设置，比如在本次初级训练发生之前的半个月内、或者本次初级训练发生之前的一个月内等，每组历史数据包含储存时间相同的历史运行数据、历史电表电量数据和历史调整后误差值，预设时间区间越大、获取的历史数据越多，训练之后的预设能耗计量模型越准确。
二次训练的过程如下：
将历史运行数据输入到当前预设能耗计量模型中得到当前历史耗电量计算值；
将当前历史耗电量计算值与历史电表电量数据进行对比得到当前历史调整后误差值；
判断当前历史调整后误差值是否小于历史调整后误差值，若是则当前预设能耗计量模型完成二次训练，训练结束，否则返回到调整预设能耗计量模型各指标量的权重系数。
需要说明的是，当有两组以上的历史数据参与二次训练时，任意一组历史数据出现当前历史调整后误差值大于或等于历史调整后误差值的情况时，均返回到初级训练中的调整预设能耗计量模型各指标量的权重系数，对权重系数进行重新调整。
上述的初级训练和二级训练由训练模块执行，当前预设能耗计量模型完成二次训练之后，将运行数据、电表电量数据、以及初级训练中最后一次的调整后误差值分别作为历史运行数据、历史电表电量数据、历史调整后误差值进行储存并记录储存时间形成一组历史数据，历史数据储存在服务器中。
本发明通过预先采集大量工程的空调机组运行数据、实际耗电量作为样本数据储存在服务器中，得到可计算空调机组耗电量的深度学习模型作为预设能耗计量模型，实时采集中央空调运行数据上传至服务器并输入深度学习网络模型，得出中央空调耗电量。对于可采集电量的空调机组，实时采集空调机组运行数据和电表电量数据，将运行数据输入预设能耗计量模型，得到耗电量计算值，将耗电量计算值与电表电量数据进行对比分析，优化预设能耗计量模型，达到耗电量计算更准确快捷的目的。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (11)
1.一种能耗计量方法，其特征在于，包括以下步骤：
实时采集机组的工作数据；
判断所述工作数据是否含有电表电量数据；
若否，则将所述工作数据中的运行数据输入到预设能耗计量模型中得到耗电量计算值，以所述耗电量计算值作为实际耗电量；
若是，则以所述电表电量数据作为实际耗电量，将所述工作数据中的运行数据输入到所述预设能耗计量模型中得到耗电量计算值，比较所述耗电量计算值与所述电表电量数据，根据比较结果对所述预设能耗计量模型进行训练，以修正所述预设能耗计量模型；
其中，根据比较结果对所述预设电量模型进行训练包括：
将所述耗电量计算值与所述电表电量数据进行对比得到调整前误差值；
调整所述预设能耗计量模型中各指标量的权重系数，将所述运行数据输入到当前预设能耗计量模型中得到当前耗电量计算值，将当前耗电量计算值与所述电表电量数据进行对比得到调整后误差值；
判断所述调整后误差值是否小于所述调整前误差值，若是则当前预设能耗计量模型完成初级训练，否则返回到调整所述预设能耗计量模型中各指标量的权重系数。
2.根据权利要求1所述的能耗计量方法，其特征在于，所述预设能耗计量模型为预先通过多次实验采集机组的运行数据和电表电量数据作为样本数据训练所产生的深度学习模型。
3.根据权利要求1所述的能耗计量方法，其特征在于，所述根据比较结果对所述预设电量模型进行训练还包括：
当前预设能耗计量模型完成初级训练之后，获取所述初级训练之前预设时间区间内的至少一组历史数据，每组所述历史数据包含储存时间相同的历史运行数据、历史电表电量数据和历史调整后误差值；
将所述历史运行数据输入到当前预设能耗计量模型中得到当前历史耗电量计算值；
将当前历史耗电量计算值与所述历史电表电量数据进行对比得到当前历史调整后误差值；
判断当前历史调整后误差值是否小于所述历史调整后误差值，若是则当前预设能耗计量模型完成二次训练，否则返回到调整所述预设能耗计量模型中各指标量的权重系数。
4.根据权利要求3所述的能耗计量方法，其特征在于，当前预设能耗计量模型完成二次训练之后，将所述运行数据、电表电量数据、调整后误差值分别作为历史运行数据、历史电表电量数据、历史调整后误差值进行储存并记录储存时间形成一组所述历史数据。
5.根据权利要求1至4任一项所述的能耗计量方法，其特征在于，所述预设能耗计量模型中的指标量包括：额定功率、设定温度与环境温度之间的温差值、风速中的至少一种。
6.根据权利要求1所述的能耗计量方法，其特征在于，还包括以下步骤：
判断所述实际耗电量是否大于预设值，若是则向外发送节能方案和/或报警信息。
7.根据权利要求6所述的能耗计量方法，其特征在于，所述向外发送节能方案包括：根据所述运行数据从预设的关系对照表中获取对应的节能方案。
8.一种能耗计量装置，其特征在于，所述能耗计量装置采用权利要求1至7任一项所述能耗计量方法得出实际耗电量；
所述能耗计量装置包括：建立有预设能耗计量模型的服务器、采集机组运行数据和电表电量数据并上传所述服务器的数据采集装置，所述服务器设置有训练模块，所述训练模块在接收到所述电表电量数据时，根据所述运行数据及电表电量数据，对所述预设能耗计量模型进行训练。
9.根据权利要求8所述的能耗计量装置，其特征在于，所述服务器与终端设备连接，所述服务器根据所述数据采集装置发送的数据分析机组的实际耗电量，在实际耗电量大于预设值时向所述终端设备发送节能方案和/或报警信息。
10.一种电器，其特征在于，所述电器配置有权利要求8或9所述的能耗计量装置。
11.根据权利要求10所述的电器，其特征在于，所述电器为空调机组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010718336.7A CN111830350B (zh) | 2020-07-23 | 2020-07-23 | 能耗计量方法、装置及电器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010718336.7A CN111830350B (zh) | 2020-07-23 | 2020-07-23 | 能耗计量方法、装置及电器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111830350A CN111830350A (zh) | 2020-10-27 |
| CN111830350B true CN111830350B (zh) | 2022-02-11 |
Family
ID=72925121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010718336.7A Active CN111830350B (zh) | 2020-07-23 | 2020-07-23 | 能耗计量方法、装置及电器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111830350B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488881A (zh) * | 2020-12-18 | 2021-03-12 | 广东智源信达工程有限公司 | 智能养老建筑能效监管方法及系统 |
| CN113342872B (zh) * | 2021-05-26 | 2022-11-18 | 上海蓝色帛缔智能工程有限公司 | 基于pue能耗监控的方法及电子设备 |
| CN113596625B (zh) * | 2021-08-06 | 2024-08-20 | 清华四川能源互联网研究院 | 消息队列遥测传输协议的电能表数据传输方法和装置 |
| CN114460472B (zh) * | 2022-04-13 | 2022-07-22 | 深圳市思远半导体有限公司 | 电量计芯片及其控制方法、电子设备、在线仿真系统 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024761B (zh) * | 2011-09-26 | 2016-03-02 | 艾默生网络能源有限公司 | 基站能耗模型建立方法、能耗预测方法及装置 |
| CN103500002B (zh) * | 2013-09-17 | 2016-08-03 | 小米科技有限责任公司 | 应用程序管理的方法、装置及终端设备 |
| JP6067602B2 (ja) * | 2014-02-14 | 2017-01-25 | 三菱電機ビルテクノサービス株式会社 | デマンド制御装置及びプログラム |
| CN103996073B (zh) * | 2014-05-06 | 2017-11-24 | 国家电网公司 | 测光网络实时校正自学习arma模型光伏功率预测方法 |
| CN104791903B (zh) * | 2015-04-30 | 2018-04-06 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
| CN105975385A (zh) * | 2016-04-28 | 2016-09-28 | 浪潮(北京)电子信息产业有限公司 | 一种基于模糊神经网络的虚拟机能耗预测方法及系统 |
| CN106874581B (zh) * | 2016-12-30 | 2021-03-30 | 浙江大学 | 一种基于bp神经网络模型的建筑空调能耗预测方法 |
| CN108920863B (zh) * | 2018-07-20 | 2021-02-09 | 湖南大学 | 一种机器人伺服系统能耗估计模型的建立方法 |
| CN108920868A (zh) * | 2018-07-23 | 2018-11-30 | 国网江西省电力有限公司电力科学研究院 | 基于智能电表数据的负荷辨识模型参数修正方法 |
| CN109102184A (zh) * | 2018-08-03 | 2018-12-28 | 北京天安智慧信息技术有限公司 | 耗能设备的节能评价方法及系统 |
| CN109442680A (zh) * | 2018-10-17 | 2019-03-08 | 广州华凌制冷设备有限公司 | 空调器室外风机的功率估算方法、装置及计算机可读存储介质 |
| CN109469157B (zh) * | 2018-11-30 | 2021-03-30 | 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 |
| CN112365029B (zh) * | 2019-09-03 | 2021-08-17 | 深圳市得益节能科技股份有限公司 | 用于空调负荷预测的缺失值处理方法及空调负荷预测系统 |
| CN110567104B (zh) * | 2019-09-26 | 2020-09-11 | 珠海格力电器股份有限公司 | 多联机系统的内机运行控制方法、装置和计算机设备 |
| CN111242391B (zh) * | 2020-03-06 | 2023-10-31 | 云南电网有限责任公司电力科学研究院 | 用于电力负荷识别的机器学习模型训练方法及系统 |
| CN111340305A (zh) * | 2020-03-10 | 2020-06-26 | 西安建筑科技大学 | 一种建筑运行能耗预测方法 |
-
2020
- 2020-07-23 CN CN202010718336.7A patent/CN111830350B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111830350A (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111830350B (zh) | 能耗计量方法、装置及电器 | |
| WO2022110558A1 (zh) | 一种智能电能表故障预警方法及装置 | |
| CN111026927B (zh) | 一种低压台区运行状态智能监测系统 | |
| CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
| CN102541015B (zh) | 一种能效智能控制系统及方法 | |
| CN111486552B (zh) | 基于分项计量数据的空调冷冻水供水温度策略识别方法 | |
| CN111780332B (zh) | 一种中央空调分户计量方法及装置 | |
| CN109284576B (zh) | 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统 | |
| CN105046595A (zh) | 一种基于物联网技术的能效评估诊断云系统及方法 | |
| CN117387172B (zh) | 基于精准推荐设备控制参数的末端空调节能方法和系统 | |
| CN112130109A (zh) | 一种智能电能表计量性能异常的检测方法 | |
| CN115508770B (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
| CN117459073B (zh) | 一种热泵系统运行数据的智能管理方法 | |
| CN114089262B (zh) | 一种小电量智能电能表智能误差分析模型构建方法 | |
| CN118194607B (zh) | 一种用于锅炉机组数据动态建模方法及系统 | |
| CN111854064A (zh) | 能耗计算方法、系统及空调机组 | |
| CN112288293A (zh) | 一种大型充电站电能质量综合评估方法 | |
| CN118051083A (zh) | 一种加热丝的智能温控方法和装置 | |
| CN108006894A (zh) | 一种便携式中央空调能效监测预警方法 | |
| CN113883693A (zh) | 一种集中式中央空调系统计量方法 | |
| CN113640732A (zh) | 一种基于Pareto分布的电能表计量准确性估计系统和方法 | |
| CN117760063A (zh) | 一种基于空气焓值的地铁空调负荷预测方法 | |
| CN110796392A (zh) | 一种连续批智能电能表的分阶段与分层抽样方法 | |
| CN116629119A (zh) | 一种室内综合环境设计参数优化与控制方法 | |
| CN116447707A (zh) | 中央空调智能控制方法及系统 |
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 |