CN112925778A - 一种电热冷综合能源系统数据处理方法及系统 - Google Patents

一种电热冷综合能源系统数据处理方法及系统 Download PDF

Info

Publication number
CN112925778A
CN112925778A CN202110211752.2A CN202110211752A CN112925778A CN 112925778 A CN112925778 A CN 112925778A CN 202110211752 A CN202110211752 A CN 202110211752A CN 112925778 A CN112925778 A CN 112925778A
Authority
CN
China
Prior art keywords
data
electric heating
energy system
cooling
effective
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
CN202110211752.2A
Other languages
English (en)
Other versions
CN112925778B (zh
Inventor
孙波
于彬彬
李建靖
张承慧
郑刚
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202110211752.2A priority Critical patent/CN112925778B/zh
Publication of CN112925778A publication Critical patent/CN112925778A/zh
Application granted granted Critical
Publication of CN112925778B publication Critical patent/CN112925778B/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
    • G06F16/21—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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • 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
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Cooling Or The Like Of Electrical Apparatus (AREA)
  • Cooling Or The Like Of Semiconductors Or Solid State Devices (AREA)

Abstract

本公开提供了一种电热冷综合能源系统数据处理方法及系统，获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据；本公开既考虑了对无效数据源的处理，又考虑了对数据源噪声的处理，提高了数据源的质量。

Description

一种电热冷综合能源系统数据处理方法及系统
技术领域
本公开涉及电热冷综合能源系统监测技术领域，特别涉及一种电热冷综合能源系统数据处理方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
建筑能耗监测和能效分析在很大程度上反映了用户的用电质量，高效的能耗监测和能效分析为制定建筑物能量管理方案、实现节能减排奠定了基础。但是目前仍缺乏数据精细化的建筑物能耗监测系统，数据源质量是能耗监测和能效分析的基础、是决定能效分析结果准确度的关键因素，而现有能耗监测和能效分析技术非常依赖传感器的精度和数据传输的可靠性，导致能耗监测和能效分析的数据源经常出现数据缺失、数据噪声等质量问题。
发明人发现，现有的数据预处理方法主要包括插值法、直接删除法以及单一的滤波方法，这些方法不加分类的运用或单一的使用，无法对数据源进行精细化的处理，因此无法大幅度提升数据源的质量。
发明内容
为了解决现有技术的不足，本公开提供了一种电热冷综合能源系统数据处理方法及系统，既考虑了对无效数据源的处理，又考虑了对数据源噪声的处理，充分发挥了K-Means聚类、决策树归纳法、分箱法和回归法各自的优势，提高了数据源的质量。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种电热冷综合能源系统数据处理方法。
一种电热冷综合能源系统数据处理方法，包括以下步骤：
获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
作为可选的一些实现方式，利用K-Means聚类算法对获取的数据进行聚类。
作为可选的一些实现方式，利用分箱算法对属性值大于使用价值预设阈值的有效数据进行局部光滑处理。
作为可选的一些实现方式，利用回归法进行回归拟合处理，辅助分箱法平滑数据并消除数据噪声。
作为可选的一些实现方式，将时序数据的缺失值或离群点划定为无效数据，放弃超过标准的离群点，记录缺失值时序位置，并利用决策树归纳法推理相应时序位置的缺失数据。
作为可选的一些实现方式，利用忽略元组法放弃属性值的使用价值小于预设阈值的数据。
本公开第二方面提供了一种电热冷综合能源系统数据处理系统。
一种电热冷综合能源系统数据处理系统，包括：
数据获取模块，被配置为：获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
数据划分模块，被配置为：将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
数据推理模块，被配置为：放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
有效数据处理模块，被配置为：保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
数据拼接模块，被配置为：综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
本公开第三方面提供了一种电热冷综合能源系统数据处理系统。
一种电热冷综合能源系统数据处理系统，包括：
数据采集模块、云平台和客户端；
数据采集模块包括控制负荷监测模块和环境监测模块，负荷监测模块被配置为获取电热冷综合能源系统的运行状态数据，环境监测模块被配置为获取环境温度、空气相对湿度和光照度数据；
云平台包括云服务器和云存储器，数据采集模块与云服务器通信连接，云服务器利用本公开第一方面所述的电热冷综合能源系统数据处理方法对接收到的数据采集模块的数据进行数据处理，并将处理后的数据存储到云存储器；
客户端与云服务器通信连接，用于提供人机交户界面。
本公开第四方面提供了一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如本公开第一方面所述的电热冷综合能源系统数据处理方法中的步骤。
本公开第五方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的电热冷综合能源系统数据处理方法中的步骤。
与现有技术相比，本公开的有益效果是：
本公开所述的方法、系统、介质或电子设备，融合了聚类方法、缺失值处理方法和数据噪声处理方法各自的优势，首先利用K-Means聚类分析数据源设置有效数据区间，将问题数据源分为无效问题数据和有效问题数据两大类；然后放弃无效问题数据源(包括缺失值)，并利用决策树归纳法(DTI)推理相应时序位置的缺失数据；保留有效问题数据源，并设置属性值使用价值标准，利用忽略元组法主动放弃属性值使用价值过小的数据，利用分箱法对属性值高于使用价值标准的有效问题数据源进行局部光滑处理，利用回归法在全局辅助分箱法平滑数据、消除噪声；即考虑了对无效数据源的处理，又考虑了对数据源噪声的处理，充分发挥K-Means聚类、DTI、分箱法和回归法各自的优势，从而提高了数据源的质量。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的电热冷综合能源系统数据处理方法的流程示意图。
图2为本公开实施例3提供的电热冷综合能源系统数据处理系统的结构示意图。
图3为本公开实施例3提供的数据采集模块示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
本公开实施例1提供了一种电热冷综合能源系统数据处理方法，首先利用K-Means聚类分析数据源设置有效数据区间，将问题数据源分为无效问题数据和有效问题数据两大类；然后放弃无效问题数据源(包括缺失值)，并利用决策树归纳法(DTI)推理相应时序位置的缺失数据；保留有效问题数据源，并设置属性值使用价值标准，利用分箱法对属性值高于使用价值标准的有效问题数据源进行局部光滑处理，利用回归法在全局辅助分箱法平滑数据、消除噪声；即考虑了对无效数据源的处理，又考虑了对数据源噪声的处理，充分发挥K-Means聚类、DTI、分箱法、回归法各自的优势，从而提高了数据源的质量。
具体的，如图1所示，包括以下步骤：
S1：利用K-Means聚类方法对传感器采集到的数据源进行分类，设置数据有效性区间，将时序数据的缺失值或离群点划定为无效问题数据，然后放弃超过标准的离群点，记录缺失值时序位置，并利用决策树归纳法推理相应时序位置的缺失数据；
S2：根据实际应用的数据类型，设置属性值使用价值标准，利用分箱法对属性值高于使用价值标准的有效问题数据源进行局部光滑处理，利用回归法进行回归拟合处理，辅助分箱法平滑数据、消除数据噪声。
实施例2：
本公开实施例2提供了一种电热冷综合能源系统数据处理系统，包括：
数据获取模块，被配置为：获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
数据划分模块，被配置为：将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
数据推理模块，被配置为：放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
有效数据处理模块，被配置为：保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
数据拼接模块，被配置为：综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
所述系统的工作方法与实施例1提供的电热冷综合能源系统数据处理方法相同，这里不再赘述。
实施例3：
如图2所示，本公开实施例3提供了一种电热冷综合能源系统数据处理系统，包括：数据采集模块、无线通讯模块、云平台、和客户端。
其中，数据采集模块由负荷监测模块和环境监测模块构成；云平台由云服务器和云数据库构成；客户端由用户登录页面、功能导航页面、能耗及环境监测页面和能效分析页面组成。
无线通讯模块连接数据采集模块，数据采集模块用于控制负荷监测模块、环境监测模块的通信，通过负荷监测模块获取电-热-冷综合能源系统的运行状况，通过环境监测模块获取环境温度、空气相对湿度、光照度等信息；
作为整个系统的核心，云平台具有云服务器和云数据库两大功能，并且在联系数据采集模块和客户端的工程中发挥着中转枢纽的作用；
云平台能够接收无线传输模块的上行数据在云服务器中做智能治理、分析而后送入云数据库存储；
客户端提供人机交互界面，包括用户登录页面、功能导航页面、能耗及环境监测页面和能效分析页面。
使用型号为STM32F215的MCU搭建数据采集模块如图3所示，模块还包括时钟电路、复位电路、电源电路、下载电路、LED灯指示电路、RS-485通信接口电路以及RS-232通信接口电路，其中LED灯指示电路除了电源指示外还包括程序下载指示和通信状态指示。编写数据采集程序使MCU控制负荷监测模块和环境监测模块将数据上传至4G DTU。无线通信装置4GDTU通过4G无线网络将数据上报给云平台，在云平台上需要编写数据解析程序，将自定义格式的数据解析为JSON格式的数据；然后编写程序将云平台接收到的数据流转到云服务器上。
在云服务器中开发用户登录页面和功能导航页面，用户登录页面用于客户在客户端上输入账户及密码访问整个系统，登录之后即呈现功能导航页面，功能导航页面属于系统首页，既有对建筑区域的分类导航，又有对功能的分类导航。然后开发能耗及环境监测页面，即将云平台接收到的数据进行实时显示，用于向客户实时展示综合能源系统能耗信息以及环境信息。最后在云服务器中对经过智能治理的能耗数据进行能效分析，形成能效分析页面，向客户展示电力系统能耗波峰、波谷的分布与分时电价之间的关系并据此给出合理的用能方案。
实施例4：
本公开实施例4提供了一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如本公开实施例1所述的电热冷综合能源系统数据处理方法中的步骤，所述步骤为：
获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
详细步骤与实施例1提供的电热冷综合能源系统数据处理方法相同，这里不再赘述。
实施例5：
本公开实施例5提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的电热冷综合能源系统数据处理方法中的步骤，所述步骤为：
获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
详细步骤与实施例1提供的电热冷综合能源系统数据处理方法相同，这里不再赘述。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种电热冷综合能源系统数据处理方法，其特征在于：包括以下步骤：
获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
2.如权利要求1所述的电热冷综合能源系统数据处理方法，其特征在于：
利用K-Means聚类算法对获取的数据进行聚类。
3.如权利要求1所述的电热冷综合能源系统数据处理方法，其特征在于：
利用分箱算法对属性值大于使用价值预设阈值的有效数据进行局部光滑处理。
4.如权利要求1所述的电热冷综合能源系统数据处理方法，其特征在于：
利用回归法进行回归拟合处理，辅助分箱法平滑数据并消除数据噪声。
5.如权利要求1所述的电热冷综合能源系统数据处理方法，其特征在于：
将时序数据的缺失值或离群点划定为无效数据，放弃超过标准的离群点，记录缺失值时序位置，并利用决策树归纳法推理相应时序位置的缺失数据。
6.如权利要求1所述的电热冷综合能源系统数据处理方法，其特征在于：
利用忽略元组法放弃属性值的使用价值小于预设阈值的数据。
7.一种电热冷综合能源系统数据处理系统，其特征在于：包括：
数据获取模块，被配置为：获取采集到的电热冷综合能源系统的运行状态数据和环境监测数据；
数据划分模块，被配置为：将获取的数据进行聚类，设置有效数据区间，将数据分为无效数据和有效数据；
数据推理模块，被配置为：放弃无效数据，利用决策树归纳算法推理相应时序位置的缺失数据；
有效数据处理模块，被配置为：保留有效数据，对有效数据进行局部光滑处理，拟合且平滑处理后消除噪声；
数据拼接模块，被配置为：综合决策树归纳算法推理得到的数据和有效数据的处理结果，得到最终的电热冷综合能源系统监控数据。
8.一种电热冷综合能源系统数据处理系统，其特征在于：包括：
数据采集模块、云平台和客户端；
数据采集模块包括控制负荷监测模块和环境监测模块，负荷监测模块被配置为获取电热冷综合能源系统的运行状态数据，环境监测模块被配置为获取环境温度、空气相对湿度和光照度数据；
云平台包括云服务器和云存储器，数据采集模块与云服务器通信连接，云服务器利用权利要求1-6任一项所述的电热冷综合能源系统数据处理方法对接收到的数据采集模块的数据进行数据处理，并将处理后的数据存储到云存储器；
客户端与云服务器通信连接，用于提供人机交户界面。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的电热冷综合能源系统数据处理方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的电热冷综合能源系统数据处理方法中的步骤。
CN202110211752.2A 2021-02-25 2021-02-25 一种电热冷综合能源系统数据处理方法及系统 Active CN112925778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110211752.2A CN112925778B (zh) 2021-02-25 2021-02-25 一种电热冷综合能源系统数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110211752.2A CN112925778B (zh) 2021-02-25 2021-02-25 一种电热冷综合能源系统数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN112925778A true CN112925778A (zh) 2021-06-08
CN112925778B CN112925778B (zh) 2023-01-06

Family

ID=76171835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110211752.2A Active CN112925778B (zh) 2021-02-25 2021-02-25 一种电热冷综合能源系统数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN112925778B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617568A (zh) * 2013-12-06 2014-03-05 国家电网公司 稳态电能质量预警机制中的异常数据判定阈值设定方法
US20180349439A1 (en) * 2017-05-30 2018-12-06 Oracle International Corporation Tail-based top-n query evaluation
CN109256192A (zh) * 2018-07-24 2019-01-22 同济大学 一种基于神经网络的大学生心理行为异动监测预警方法
CN109656974A (zh) * 2018-11-30 2019-04-19 叶竹梅 一种实现雾霾在线监测的大数据处理方法
CN109933620A (zh) * 2019-03-18 2019-06-25 上海大学 基于Spark的火电大数据挖掘方法
CN110795272A (zh) * 2018-08-02 2020-02-14 阿里巴巴集团控股有限公司 用于在可变大小的i/o上促进的原子性和延迟保证的方法和系统
CN111625525A (zh) * 2020-05-26 2020-09-04 哈尔滨工业大学 一种环境数据修复/填充方法及系统
CN112364975A (zh) * 2020-10-14 2021-02-12 山东大学 基于图神经网络的终端运行状态预测方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617568A (zh) * 2013-12-06 2014-03-05 国家电网公司 稳态电能质量预警机制中的异常数据判定阈值设定方法
US20180349439A1 (en) * 2017-05-30 2018-12-06 Oracle International Corporation Tail-based top-n query evaluation
CN109256192A (zh) * 2018-07-24 2019-01-22 同济大学 一种基于神经网络的大学生心理行为异动监测预警方法
CN110795272A (zh) * 2018-08-02 2020-02-14 阿里巴巴集团控股有限公司 用于在可变大小的i/o上促进的原子性和延迟保证的方法和系统
CN109656974A (zh) * 2018-11-30 2019-04-19 叶竹梅 一种实现雾霾在线监测的大数据处理方法
CN109933620A (zh) * 2019-03-18 2019-06-25 上海大学 基于Spark的火电大数据挖掘方法
CN111625525A (zh) * 2020-05-26 2020-09-04 哈尔滨工业大学 一种环境数据修复/填充方法及系统
CN112364975A (zh) * 2020-10-14 2021-02-12 山东大学 基于图神经网络的终端运行状态预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
左凤华等: "用C4.5算法建立护理质量管理评价的决策树模型", 《护理学杂志》 *

Also Published As

Publication number Publication date
CN112925778B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
WO2021114661A1 (zh) 一种基于边云协同的工厂电能管控系统及方法
US10757834B2 (en) Method and apparatus for determining water chilling unit for cooling data center
CN113325762B (zh) 一种智能建筑个性化用能控制方法、系统、装置和设备
CN103345298B (zh) 一种基于虚拟it资源分配技术的数据中心节能系统的方法
CN113285974A (zh) 一种基于数字孪生技术的企业碳排放监控系统
CN115826428B (zh) 家居设备的控制方法和装置、存储介质及电子装置
CN108052010B (zh) 智能电器自调节的方法、装置、计算机设备及存储介质
CN107450331A (zh) 一种智能家电控制方法、装置及系统
CN110136024B (zh) 获取用户的用电特征、用电习惯及用电量预测值的方法及装置
CN107036238B (zh) 动态预测外气与负载智慧节能控制方法
CN106021344B (zh) 一种多适应性cime电网模型共享方法
CN103825936A (zh) 一种分布式实时能耗数据的监测系统及方法
CN114488829A (zh) 用于控制家电设备的方法及装置、服务器
CN113935856A (zh) 电能的控制方法及其装置、处理器、计算机可读存储介质
CN114897447A (zh) 综合能源协同控制方法及系统
CN112925778B (zh) 一种电热冷综合能源系统数据处理方法及系统
CN110925936A (zh) 空调控制方法、装置、计算机设备和存储介质
CN116430748B (zh) 一种基于智能设备的节能控制方法及系统
CN112907911A (zh) 一种基于设备工艺数据的智能异常识别与报警算法
CN116028193B (zh) 一种混部集群的大数据任务动态高能效调度方法和系统
CN106779321A (zh) 一种基于供能系统的供能控制方法及装置
CN112486683B (zh) 处理器控制方法、控制设备以及计算机可读存储介质
Li et al. An AI Model Automatic Training and Deployment Platform Based on Cloud Edge Architecture for DC Energy-Saving
CN118134293B (zh) 一种用户端能源管理系统及方法
Zheng Application of CPS Under the Background of Intelligent Construction

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