CN112163728A - 一种能耗数据处理方法、装置、电子设备及存储介质 - Google Patents

一种能耗数据处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112163728A
CN112163728A CN202010859102.4A CN202010859102A CN112163728A CN 112163728 A CN112163728 A CN 112163728A CN 202010859102 A CN202010859102 A CN 202010859102A CN 112163728 A CN112163728 A CN 112163728A
Authority
CN
China
Prior art keywords
energy consumption
consumption data
historical
type label
determining
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.)
Pending
Application number
CN202010859102.4A
Other languages
English (en)
Inventor
刘磊
曹林
李晓艳
袁杰
刘亚倩
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010859102.4A priority Critical patent/CN112163728A/zh
Publication of CN112163728A publication Critical patent/CN112163728A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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

Abstract

本发明涉及一种能耗数据处理方法、装置、电子设备及存储介质，所述方法包括：获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。本发明实施例能够通过建立能耗类型标签与参考指标之间的对应关系，构建知识库，进而可以便于利用知识库检测能耗数据是否异常。

Description

一种能耗数据处理方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种能耗数据处理方法、装置、电子设备及存储介质。
背景技术
工厂各类设备的电力能耗费用是企业的一项较大的生产制造成本，对设备的能耗进行科学管控有助于降低生产制造成本，提高企业的经济效益。
现有的设备能耗管控，主要是利用安装在设备上的电表对设备的运行能耗进行采集记录，所记录的能耗数据仅用于管理系统的看板展示和作为能耗费用结算的依据，现有的设备能耗管控方式，难以及时发现运行中设备的能耗异常，不能根据出现的异常能耗状态对设备运行过程进行调整优化。
发明内容
为了解决现有技术中存在的无法及时发现运行中设备的能耗异常的技术问题，本发明提供了一种能耗数据处理方法、装置、电子设备及存储介质。
第一方面，本发明提供了一种能耗数据处理方法，包括：
获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；
针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；
基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；
构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
可选的，所述针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签，包括：
对多个所述历史能耗数据进行离群点检测，得到异常能耗数据；
将多个所述历史能耗数据中的异常能耗数据删除；
将剩余的历史能耗数据的采集时刻与各能耗类型标签所对应的时间段匹配，确定每个历史能耗数据对应的能耗类型标签。
可选的，基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标，包括：
计算每个能耗类型标签对应的历史能耗数据的均值，和/或，计算每个能耗类型标签对应的历史能耗数据的方差，得到每个能耗类型标签对应的参考指标。
第二方面，本发明提供了一种能耗数据处理方法，包括：
获取设备的当前能耗数据及采集时刻；
根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签；
在如第一方面任一所述的知识库中查找与所述能耗类型标签对应的参考指标；
根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
可选的，所述参考指标包括：历史能耗数据的均值及方差，所述根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果，包括：
将所述当前能耗数据、所述历史能耗数据的均值和方差，输入预设的高斯概率公式中，计算当前能耗数据相对于历史能耗数据的概率分布，得到概率分布信息；
若所述概率分布信息位于预设阈值范围内，确定所述当前能耗数据正常；
若所述概率分布信息位于预设阈值范围外，确定所述当前能耗数据异常。
可选的，所述参考指标包括：历史能耗数据的均值，所述根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果，包括：
计算所述当前能耗数据与所述历史能耗数据的均值之间的差值；
若所述差值大于预设阈值，确定当前能耗数据异常；
若所述差值小于或者等于所述预设阈值，确定当前能耗数据正常。
第三方面，本发明提供了一种能耗数据处理装置，包括：
第一获取模块，用于获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；
第一确定模块，用于针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；
计算模块，用于基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；
构建模块，用于构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
第四方面，本发明提供了一种能耗数据处理装置，包括：
第二获取模块，用于获取设备的当前能耗数据及采集时刻；
第二确定模块，用于根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签；
查找模块，用于在如第三方面任一所述的知识库中查找与所述能耗类型标签对应的参考指标；
第三确定模块，用于根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
第五方面，本发明提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器中存储有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第一方面中任一项所述的方法的步骤或者第二方面中任一项所述的方法的步骤。
第六方面，本发明提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面中任一项所述的方法的步骤或者第二方面中任一项所述的方法的步骤。
本发明实施例提供的上述技术方案与现有技术相比具有如下优点：
本发明实施例通过首先获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻，针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，然后将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签，再基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标，最后可以构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
本发明实施例能够通过建立能耗类型标签与参考指标之间的对应关系，构建知识库，进而可以便于利用知识库检测能耗数据是否异常。
本发明实施例通过获取设备的当前能耗数据及采集时刻，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签，在前述实施例的知识库中查找与所述能耗类型标签对应的参考指标，根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
本发明实施例能够在知识库中查找到与当前能耗数据对应的参考指标，并基于当前能耗数据、参考指标及预设偏差计算公式，得到出异常能耗检测结果，便于用户使用。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本发明一个实施例提供的一种能耗数据处理方法的流程示意图；
图2为本发明一个实施例提供的另一种能耗数据处理方法的流程示意图；
图3为本发明一个实施例提供的一种能耗数据处理装置的结构示意图；
图4为本发明另一个实施例提供的一种能耗数据处理装置的结构示意图；
图5为本发明又一实施例提供的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于现有的设备能耗管控，主要是利用安装在设备上的电表对设备的运行能耗进行采集记录，所记录的能耗数据仅用于管理系统的看板展示和作为能耗费用结算的依据，现有的设备能耗管控方式，难以及时发现运行中设备的能耗异常，不能根据出现的异常能耗状态对设备运行过程进行调整优化。为此，本发明实施例提供的一种能耗数据处理方法、装置、电子设备及存储介质，所述方法可以应用于终端内，终端可以与用于采集设备运行能耗的能耗采集设备有线或者无线连接，能耗采集设备例如可以为电表等，如图1所示，所述能耗数据处理方法可以包括以下步骤：
步骤S101，获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；
在本发明实施例中，设备的多个历史能耗数据可以指在预设时间段内按照预设频次采集到的能耗数据，如：某设备能耗数据采集的频次为每隔1小时或0.5小时等，预设时间段可以指过去一年内的历史能耗数据等，进而得到某设备全季度累积的能耗大数据。
在实际应用中，为了避免设备长期工作造成设备的过度损耗，可能设备会按不同的排班周期工作，所以，能耗采集设备可以采集设备在排班周期内运行时消耗的能耗数据，能耗采集设备在采集到能耗数据后，可以实时的同步至终端中，也可以分批次(隔一段时间)的同步至终端中。
在该步骤中，可以获取能耗采集设备在过于预设时间段(如过去一年)内采集到的历史能耗数据。
步骤S102，针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；
在本发明实施例中，可以预先设置时间段与能耗类型标签之间的对应关系，示例性的，可以依据能耗计费的阶梯时段划分出不同能耗类型，比如：能耗类型标签可以为正向有功平电能，其对应的时间段为7:00—8:00、11:00-18:00；能耗类型标签还可以为正向有功谷电能，其对应的时间段为23:00-7:00；能耗类型标签还可以为正向有功尖电能，其对应的时间段可以为每年7、8、9三个月中18:00-21:00；能耗类型标签可以为正向有功峰电能，其对应的时间段8:00-11:00、18:00-21:00等。
在该步骤中，可以将每个获取的历史能耗数据的采集时刻，分别与对应关系中的时间段匹配，若采集时刻位于某个时间段内，可以确定采集时刻与该时间段匹配，如采集时刻不位于某个时间段内，可以确定采集时刻与该时间段不匹配，在采集时刻与某个时间段匹配时，可以将对应关系中与该时间段匹配的能耗类型标签确定为该历史能耗数据的标签。
示例性的，若某个历史能耗数据的采集时刻为9:00，则采集时刻9:00位于时间段8:00-11:00内，该历史能耗数据对应的能耗类型标签为正向有功峰电能。
步骤S103，基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；
在本发明实施例中，预设指标算法可以指计算均值的算法和/或计算方差的算法等等。
在该步骤中，首先可以将对应相同能耗类型标签的历史能耗数据分组分区的存储于分布式的数据仓库中，然后分批次的将每个能耗类型标签对应的一组历史能耗数据，带入预设指标算法中，计算得到个能耗类型标签对应的参考指标。
示例性的，可以将能耗类型标签1对应的数据集合1中的每个历史能耗数据，带入预设指标算法中，计算得到与能耗类型标签1对应的参考指标；将能耗类型标签2对应的数据集合2中的每个历史能耗数据，带入预设指标算法中，计算得到与能耗类型标签2对应的参考指标。
在该步骤中，计算每个能耗类型标签对应的历史能耗数据的均值，和/或，计算每个能耗类型标签对应的历史能耗数据的方差，得到每个能耗类型标签对应的参考指标。
步骤S104，构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
在本发明实施例中，可以将各个能耗类型标签及其对应的参考指标组成评价各能耗类型标签对应的能耗评价知识，所有能耗类型标签对应的能耗评价知识便可构成一个用于对设备能耗进行评价的知识库。
示例性的，一种能耗知识库数据结构可以包括：均值、方差、类型，实例如:20000kwh，1.68，功谷电耗；300000kwh，1.01，功尖电耗；10600kwh,0.99，功平电耗；40000kwh，0.968，功峰电耗等等。不同的能耗类型是与不同的月份每天不同时段电费计费标准相挂钩的。
本发明实施例通过首先获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻，针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，然后将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签，再基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标，最后可以构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
本发明实施例能够通过建立能耗类型标签与参考指标之间的对应关系，构建知识库，进而可以便于利用知识库检测能耗数据是否异常。
在本发明的又一实施例中，所述针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签，包括：
对多个所述历史能耗数据进行离群点检测，得到异常能耗数据；
在本发明实施例中，基于大数据批处理的方式(如基于Spark计算处理引擎)综合运用各类数据离群点检测算法对各类型能耗数据的异常值进行筛查，得到异常能耗数据。
将多个所述历史能耗数据中的异常能耗数据删除；
在筛查到异常能耗数据时，将多个所述历史能耗数据中的异常能耗数据剔除，删除异常能耗数据，仅保留正常的历史能耗数据，能够使每个能耗类型标签对应的历史能耗数据均为准确可信的，基于准确可信的历史能耗数据能够提高异常能耗检测结果的准确度，避免误将异常能耗数据当做正常能耗数据使用，导致的异常能耗检测结果误差大、不准确的问题。
将剩余的历史能耗数据的采集时刻与各能耗类型标签所对应的时间段匹配，确定每个历史能耗数据对应的能耗类型标签。
在该步骤中，多个历史能耗数据中剔除异常能耗数据后剩余的历史能耗数据可以认为是准确可信的历史能耗数据，将准确可信的历史能耗数据的采集时刻与各能耗类型标签所预设的时间段匹配，将采集时刻匹配的预设时间段所对应的能耗类型标签确定为历史能耗数据的能耗类型标签。
本发明实施例能够自动剔除异常的历史能耗数据，保证剩余的历史能耗数据为准确的历史能耗数据，进而保证知识库中每个能耗类型标签对应的指标数据的准确。
在本发明的又一实施例中，还提供一种能耗数据处理方法，所述能耗数据处理方法也可以应用于终端中，如图2所示，所述方法可以包括以下步骤：
步骤S201，获取设备的当前能耗数据及采集时刻；
在本发明实施例中，当前能耗数据可以为能耗采集设备在当前时刻上报的能耗数据，能耗采集设备还可以同时上报采集时刻，或者终端记录接收到当前能耗数据的接收时刻，将接收时刻作为采集时刻等等。
步骤S202，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签；
步骤S203，在如前述方法实施例所述的知识库中查找与所述能耗类型标签对应的参考指标；
步骤S204，根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
在该步骤中，可以将当前能耗数据及参考指标带入预设偏差计算公式，得到异常能耗检测结果。
在实际应用中，系统的消息推送模块将当前上报能耗值的评价结果实时反馈给系统前端，并将能耗异常告警信息以手机短信、微信的方式发送给系统管理人员进行处理。
本发明实施例通过获取设备的当前能耗数据及采集时刻，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签，在前述实施例的知识库中查找与所述能耗类型标签对应的参考指标，根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
本发明实施例能够在知识库中查找到与当前能耗数据对应的参考指标，并基于当前能耗数据、参考指标及预设偏差计算公式，得到出异常能耗检测结果，便于用户使用。
在本发明的又一实施例中，所述参考指标包括：历史能耗数据的均值及方差，所述根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果，包括：
将所述当前能耗数据、所述历史能耗数据的均值和方差，输入预设的高斯概率公式中，计算当前能耗数据相对于历史能耗数据的概率分布，得到概率分布信息；
若所述概率分布信息位于预设阈值范围内，确定所述当前能耗数据正常；
在本发明实施例中，预设阈值范围可以根据实际需要预先设置，如：假设已经有了一组正常数据，x(1),x(2),..,x(m)，那么针对新的数据x，我们判断这个x是否正常，可以计算x在正常数据中出现的概率如何，如果x出现的概率大于某个阈值ε，则为正常，否则即为异常，这种方法叫做密度估计。
那么可以假设，这些数据遵循高斯分布(正态分布)，对某个特定的值来说，其在高斯分布的中间部分是比较正常的，在两端可能是异常的。
通常如果认为变量x符合高斯分布x～N(μ,σ2)，则其概率密度函数p(x)为：
Figure BDA0002647397200000121
在本发明中某类型的当前能耗数据是上述公式中的x,而公式中的μ和δ2分别是从能耗知识库中调取的对应该类型历史能耗均值与方差，通过上图公式计算获得p(x)的实际结果。选择一个阈值ε，将p(x)＝ε作为判定边界，当p(x)>ε时预测数据为正常数据，否则为异常，这样就完成了整个异常检测过程。
阈值ε的选择可以直接估算一个，比较常用的取值是历史能耗数据方差的3倍，即ε＝3*σ；也可以通过历史能耗样本训练异常检测模型得出，具体训练方式如下：将每一个该能耗类型下的历史正常能耗数据(正常能耗样本)代入高斯分布的概率密度函数p(x)，然后通过遍历该类型能耗的所有历史正常数据(即正常能耗样本)可能的高斯概率值，再计算每个高斯概率值对应的F1score值(F1score值统计学中用来衡量二分类模型精确度的一种指标，它同时兼顾了分类模型的精确率和召回率，F1分数可以看作是模型精确率和召回率的一种调和平均，它的最大值是1，最小值是0。本发明的能耗数据异常检测问题可以看作是一个二分类问题，即能耗正常和能耗异常共两个类别，分类模型便是基于历史能耗样本构建的高斯模型。)，F1score值最大的高斯概率值被选为阈值ε。
本发明所述的预设阈值范围为区间[μ-ε,μ+ε]所对应的高斯概率范围,即区间两端的高斯概率值P(μ±ε)＝ε。
若所述概率分布信息位于预设阈值范围外，确定所述当前能耗数据异常。
本发明实施例能够将当前能耗值、历史均值、方差一起带入高斯概率公式计算当前能耗值相对于历史正常能耗的概率分布，若其高斯概率在设定的阈值范围之内，则评价为能耗正常，否则评价为能耗异常。
在本发明的又一实施例中，所述参考指标包括：历史能耗数据的均值，所述根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果，包括：
计算所述当前能耗数据与所述历史能耗数据的均值之间的差值；
若所述差值大于预设阈值，确定当前能耗数据异常；
若所述差值小于或者等于所述预设阈值，确定当前能耗数据正常。
若某能耗类型的历史能耗均值为a,该类型能耗当前实际能耗数据值为x,则有x>a,且x-a>θ*a时判定x为能耗偏高,θ*a的值即为预设阈值，其中θ是一个百分比，其可根据实际需求取5％，10％，15％，20％等。
本发明实施例能耗评价模块使用下发的评价知识对上报的设备当前每时净能耗值进行评价计算，当前能耗值与评价知识中的历史能耗均值的正向差值不超过设定阈值时能耗正常，否则能耗偏高。
在本发明的又一实施例中，还提供一种能耗数据处理装置，如图3所示，包括：
第一获取模块11，用于获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；
第一确定模块12，用于针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；
计算模块13，用于基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；
构建模块14，用于构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
在本发明的又一实施例中，还提供一种能耗数据处理装置，如图4所示，包括：
第二获取模块21，用于获取设备的当前能耗数据及采集时刻；
第二确定模块22，用于根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签；
查找模块23，用于在如前述装置实施例所述的知识库中查找与所述能耗类型标签对应的参考指标；
第三确定模块24，用于根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
在本发明的又一实施例中，还提供一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器中存储有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前述方法实施例提供的能耗数据处理方法的步骤。
本发明实施例提供的电子设备，处理器通过执行存储器上所存放的程序实现了本发明实施例通过首先获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻，针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，然后将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签，再基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标，最后可以构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。本发明实施例能够通过建立能耗类型标签与参考指标之间的对应关系，构建知识库，进而可以便于利用知识库检测能耗数据是否异常。
本发明实施例通过获取设备的当前能耗数据及采集时刻，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签，在前述实施例的知识库中查找与所述能耗类型标签对应的参考指标，根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。本发明实施例能够在知识库中查找到与当前能耗数据对应的参考指标，并基于当前能耗数据、参考指标及预设偏差计算公式，得到出异常能耗检测结果，便于用户使用。
上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明的又一实施例中，还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述前述方法实施例提供的能耗数据处理方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
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。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种能耗数据处理方法，其特征在于，包括：
获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；
针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；
基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；
构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
2.根据权利要求1所述的能耗数据处理方法，其特征在于，所述针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签，包括：
对多个所述历史能耗数据进行离群点检测，得到异常能耗数据；
将多个所述历史能耗数据中的异常能耗数据删除；
将剩余的历史能耗数据的采集时刻与各能耗类型标签所对应的时间段匹配，确定每个历史能耗数据对应的能耗类型标签。
3.根据权利要求1所述的能耗数据处理方法，其特征在于，基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标，包括：
计算每个能耗类型标签对应的历史能耗数据的均值，和/或，计算每个能耗类型标签对应的历史能耗数据的方差，得到每个能耗类型标签对应的参考指标。
4.一种能耗数据处理方法，其特征在于，包括：
获取设备的当前能耗数据及采集时刻；
根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签；
在如权利要求1至3任一所述的知识库中查找与所述能耗类型标签对应的参考指标；
根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
5.根据权利要求4所述的能耗数据处理方法，其特征在于，所述参考指标包括：历史能耗数据的均值及方差，所述根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果，包括：
将所述当前能耗数据、所述历史能耗数据的均值和方差，输入预设的高斯概率公式中，计算当前能耗数据相对于历史能耗数据的概率分布，得到概率分布信息；
若所述概率分布信息位于预设阈值范围内，确定所述当前能耗数据正常；
若所述概率分布信息位于预设阈值范围外，确定所述当前能耗数据异常。
6.根据权利要求4所述的能耗数据处理方法，其特征在于，所述参考指标包括：历史能耗数据的均值，所述根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果，包括：
计算所述当前能耗数据与所述历史能耗数据的均值之间的差值；
若所述差值大于预设阈值，确定当前能耗数据异常；
若所述差值小于或者等于所述预设阈值，确定当前能耗数据正常。
7.一种能耗数据处理装置，其特征在于，包括：
第一获取模块，用于获取设备的多个历史能耗数据及所述历史能耗数据的采集时刻；
第一确定模块，用于针对每个历史能耗数据，根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述历史能耗数据的能耗类型标签；
计算模块，用于基于每个能耗类型标签对应的历史能耗数据，利用预设指标算法计算每个能耗类型标签对应的参考指标；
构建模块，用于构建包含所述能耗类型标签与所述参考指标之间对应关系的知识库。
8.一种能耗数据处理装置，其特征在于，包括：
第二获取模块，用于获取设备的当前能耗数据及采集时刻；
第二确定模块，用于根据预设的时间段与能耗类型标签之间的对应关系，将与所述采集时刻所在的时间段对应的能耗类型标签确定为所述当前能耗数据的能耗类型标签；
查找模块，用于在如权利要求1至3任一所述的知识库中查找与所述能耗类型标签对应的参考指标；
第三确定模块，用于根据所述当前能耗数据、所述参考指标及预设偏差计算公式，确定异常能耗检测结果。
9.一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一所述的能耗数据处理方法的步骤或者4至6任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至3任一所述的能耗数据处理方法或者4至6任一所述的能耗数据处理方法。
CN202010859102.4A 2020-08-24 2020-08-24 一种能耗数据处理方法、装置、电子设备及存储介质 Pending CN112163728A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010859102.4A CN112163728A (zh) 2020-08-24 2020-08-24 一种能耗数据处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010859102.4A CN112163728A (zh) 2020-08-24 2020-08-24 一种能耗数据处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112163728A true CN112163728A (zh) 2021-01-01

Family

ID=73860219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010859102.4A Pending CN112163728A (zh) 2020-08-24 2020-08-24 一种能耗数据处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112163728A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712291A (zh) * 2021-01-18 2021-04-27 广东韶钢松山股份有限公司 能耗计划管理方法、装置、电子设备及可读存储介质
CN113342872A (zh) * 2021-05-26 2021-09-03 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
CN113918775A (zh) * 2021-12-09 2022-01-11 浙江中控技术股份有限公司 数据查询方法、装置和电子设备
CN114036910A (zh) * 2021-11-08 2022-02-11 佛山技研智联科技有限公司 能耗抄录方法、装置、设备及存储介质
CN115314412A (zh) * 2022-06-22 2022-11-08 北京邮电大学 一种面向运维的类型自适应的指标预测预警方法及装置
CN116107849A (zh) * 2022-08-25 2023-05-12 北京东华博泰科技有限公司 一种基于人工智能的数据中台能耗管理系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289585A (zh) * 2011-08-15 2011-12-21 重庆大学 基于数据挖掘的公共建筑能耗实时监测方法
CN106250905A (zh) * 2016-07-08 2016-12-21 复旦大学 一种结合高校建筑结构特征的实时能耗异常检测方法
CN106910144A (zh) * 2017-01-11 2017-06-30 华南理工大学 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法
CN108573352A (zh) * 2018-04-25 2018-09-25 华翔翔能电气股份有限公司 智能能效分析方法及智能终端
CN109634942A (zh) * 2018-11-16 2019-04-16 许继集团有限公司 一种用能数据异常判断方法及装置
US20190122132A1 (en) * 2016-04-19 2019-04-25 Grid4C Method and system for energy consumption prediction
CN109726872A (zh) * 2018-12-29 2019-05-07 华润电力技术研究院有限公司 一种能耗预测方法、装置、存储介质及电子设备
CN110516847A (zh) * 2019-07-27 2019-11-29 中建科技有限公司 一种建筑能耗异常反馈方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289585A (zh) * 2011-08-15 2011-12-21 重庆大学 基于数据挖掘的公共建筑能耗实时监测方法
US20190122132A1 (en) * 2016-04-19 2019-04-25 Grid4C Method and system for energy consumption prediction
CN106250905A (zh) * 2016-07-08 2016-12-21 复旦大学 一种结合高校建筑结构特征的实时能耗异常检测方法
CN106910144A (zh) * 2017-01-11 2017-06-30 华南理工大学 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法
CN108573352A (zh) * 2018-04-25 2018-09-25 华翔翔能电气股份有限公司 智能能效分析方法及智能终端
CN109634942A (zh) * 2018-11-16 2019-04-16 许继集团有限公司 一种用能数据异常判断方法及装置
CN109726872A (zh) * 2018-12-29 2019-05-07 华润电力技术研究院有限公司 一种能耗预测方法、装置、存储介质及电子设备
CN110516847A (zh) * 2019-07-27 2019-11-29 中建科技有限公司 一种建筑能耗异常反馈方法及装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712291A (zh) * 2021-01-18 2021-04-27 广东韶钢松山股份有限公司 能耗计划管理方法、装置、电子设备及可读存储介质
CN113342872A (zh) * 2021-05-26 2021-09-03 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
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
CN114036910A (zh) * 2021-11-08 2022-02-11 佛山技研智联科技有限公司 能耗抄录方法、装置、设备及存储介质
CN113918775A (zh) * 2021-12-09 2022-01-11 浙江中控技术股份有限公司 数据查询方法、装置和电子设备
CN113918775B (zh) * 2021-12-09 2022-06-07 浙江中控技术股份有限公司 数据查询方法、装置和电子设备
CN115314412A (zh) * 2022-06-22 2022-11-08 北京邮电大学 一种面向运维的类型自适应的指标预测预警方法及装置
CN115314412B (zh) * 2022-06-22 2023-09-05 北京邮电大学 一种面向运维的类型自适应的指标预测预警方法及装置
CN116107849A (zh) * 2022-08-25 2023-05-12 北京东华博泰科技有限公司 一种基于人工智能的数据中台能耗管理系统
CN116107849B (zh) * 2022-08-25 2023-09-05 北京东华博泰科技有限公司 一种基于人工智能的数据中台能耗管理系统

Similar Documents

Publication Publication Date Title
CN112163728A (zh) 一种能耗数据处理方法、装置、电子设备及存储介质
US20180276256A1 (en) Method and Apparatus for Smart Archiving and Analytics
CN105868373B (zh) 电力业务信息系统关键数据处理方法及装置
US20140379303A1 (en) Identifying utility resource diversion
CN112148733A (zh) 确定故障类型的方法、装置、电子装置和计算机可读介质
CN112684400B (zh) 小电量台区的电能表运行误差数据监测方法及系统
CN111612647B (zh) 计量表异常数据检测方法、装置、计量表及可读存储介质
CN108072858B (zh) 电能表质量管理方法、系统及终端设备
CN114363365A (zh) 一种基于物联网的智能监控电表系统
CN110262951A (zh) 一种业务秒级监控方法及系统、存储介质及客户端
CN106022640B (zh) 电量指数核对系统及方法
CN104502692A (zh) 电量异动的检测方法及中央处理设备
CN114202179A (zh) 目标企业的识别方法以及装置
CN112116205B (zh) 针对台区用电特征的画像方法、装置和存储介质
CN110850296A (zh) 一种评估电池健康度的方法和装置
CN113240309A (zh) 企业动态监控方法及装置
CN116051185B (zh) 广告位数据的异常检测与筛选方法
CN110097113B (zh) 一种监控展示信息投放系统工作状态的方法、装置及系统
CN117390015A (zh) 电池护照的存储方法、设备及存储介质
CN111080364A (zh) 一种工程造价数据中心管理系统及装置
CN114039878B (zh) 一种网络请求的处理方法、装置、电子设备及存储介质
CN108267709B (zh) 电能故障检查和分类的方法及装置
CN116070162A (zh) 一种反窃电监测方法及系统
CN115659411A (zh) 数据分析的方法和装置
CN115908082A (zh) 基于用电特征指标的企业排污监控方法及装置

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