CN113222339A - 基于计量全景数据的同类型企业用能差异分析方法及系统 - Google Patents
基于计量全景数据的同类型企业用能差异分析方法及系统 Download PDFInfo
- Publication number
- CN113222339A CN113222339A CN202110373496.7A CN202110373496A CN113222339A CN 113222339 A CN113222339 A CN 113222339A CN 202110373496 A CN202110373496 A CN 202110373496A CN 113222339 A CN113222339 A CN 113222339A
- Authority
- CN
- China
- Prior art keywords
- energy
- enterprises
- enterprise
- energy consumption
- same type
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 87
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000003745 diagnosis Methods 0.000 claims abstract description 7
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 9
- 230000006872 improvement Effects 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 10
- 238000004134 energy conservation Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 231100001267 hazard identification Toxicity 0.000 abstract description 4
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000002904 solvent Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06F16/24—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Fuzzy Systems (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
Abstract
基于计量全景数据的同类企业用能差异分析方法及系统,采集企业计量全景数据,采用多种人工智能算法和机器学习方法,实现同类型企业用能差异的分析,并基于差异分析结果构建并直观的展示优化后的同类型企业的典型用电场景,以指导企业选取生产设备、改善用能习惯,为企业提供用能最优方案,此外还能为用户提供节能诊断、用电安全隐患辨识等多种快捷增值服务,充分利用企业计量系统可采集的各种类型的数据,为企业提供用电一体化管理,为精益生产与节能降耗提供科学依据。
Description
技术领域
本发明属于电网用能分析技术领域,更具体地,涉及基于计量全景数据的同类企业用能差异分析方法及系统。
背景技术
目前,随着经济的发展,电网的经济性发展成为目前电网发展的重要问题,为了降低电网的损耗,国内外都展开了大量的研究,各种人工智能方法被应用到电网节能降耗分析中,基于人工智能的电网节能降耗技术变得越来越成熟。逐渐出现了决策树、神经网络、支持向量机等技术在电网节能降耗分析中的综合应用。随着电网自动化技术的不断发展,自动化数据采集系统具备大量数据、采集频率高、数据样式多等特征,为电网节能降耗分析奠定了数据基础。
节能降耗对企业而言不仅能够降低生产成本,更是提高产品竞争力的有效方法。对企业进行用能分析,对于实现生产过程的精细化管理与节能降耗等方面发挥着重要作用。同时,从电网的经济运行和可靠控制来看,对大型用电企业进行用能分析,降低其运行损耗对电网实际运行经济性具有重要的理论价值和工程意义。
现有技术中,各个企业用能习惯各异,导致用户对电网造成损耗较大,没有有效的手段对用户的能耗和用能习惯进行科学的分析,难以实现用户的高成效管理。同类型企业之间由于投产时间的差异、生产设备的差异、用能习惯的差异以及运行管理的差异,而形成不同的能耗现状,存在高能耗现象,并且仅从企业自身调整无法获取较优的用能方案,因此亟待通过类比同类型企业之间的用能差异,挖掘高能耗的根源,并为企业用能改造提供可供参考的典型化方案,以实现全行业、全产业的节能降耗效果。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供基于计量全景数据的同类企业用能差异分析方法及系统,采集企业计量全景数据,采用多种人工智能算法和机器学习方法,实现同类型企业用能差异的分析,并基于差异分析结果构建并直观的展示优化后的同类型企业的典型用电场景,以指导企业选取生产设备、改善用能习惯,为企业提供用能最优方案。
本发明采用如下的技术方案。
基于计量全景数据的同类企业用能差异分析方法的步骤如下:
步骤1,采集计量全景数据,按照企业类型、用电设备以及工作模式的结构,构造企业用能基础数据库;
步骤2,面向企业用能基础数据库,采用基于协同进化改进的遗传算法对企业用能特征进行分析,构造同类型企业用能特征库;
步骤3,面向同类型企业用能特征库,采用支持向量机对同类型企业用能特征的差异进行分析,根据差异分析结果构建优化后的同类型企业的典型用电场景;
步骤4,根据典型用电场景实现用能差异分析。
优选地,
在步骤1中,计量全景数据由营销系统、电能采集系统、配电自动化系统直接和/或间接采集,包括:电压、电流、功率因素、总加有功功率、总加无功功率、企业峰谷平电量、无功补偿容量、设备损耗。
在步骤2中,采用基于协同进化改进的遗传算法对企业用能特征进行分析,包括:
步骤2.1,根据目标值,采用决策变量分组方法将其分解为多个子问题;
步骤2.2,每个子问题指定一个种群进行独立的遗传操作,即通过选择、交叉、变异得到每个子问题的目标值;
步骤2.3,从各种群中选出精英个体合成完整决策变量并进行适应评价,将评价结果及时反馈以调整种群进化方向;
步骤2.4,通过多种群的轮流迭代,完成协同优化,以获得同类型企业用能特征。
优选地,
在步骤2.1中,目标值为最优的企业用能特征,包括用电日曲线、设备损耗情况、无功补偿容量。
在步骤3中,采用支持向量机对同类型企业用能特征的差异进行分析,包括:
步骤3.1,对同类型企业用能特征库中的数据进行离散化,采用混合聚类算法按属性对各特征数据进行分类;
步骤3.2,采用可分辨矩阵对分类后数据进行简约化处理,剔除与企业用能能效属性无关的值;
步骤3.3,构建支持向量机的算法结构,并定义适当的核函数以训练支持向量机;
步骤3.4,检验判别效果,将检验样本与输入训练好的支持向量机,查看分析结果。
优选地,
在步骤3.1中,混合聚类算法采用模糊C均值聚类,其中任意一个聚类中心的修正计算满足如下关系式:
式中,
vi表示模糊C均值聚类算法中的第i个聚类中心,
uik表示隶属度,
m表示模糊系数,
hk表示数据集合中第k个数据的混合反馈值,
xk表示数据集合中第k个数据的值,
n表示数据集合中数据的个数。
在步骤3.2中,与企业用能能效属性相关性的判别关系满足如下关系式:
式中,
r(X,X1)表示与企业用能能效属性的相关性,
X1表示企业用能能效属性值,
X表示企业某用能参数,
COV表示协方差计算,
Var表示方差计算;
将计算得到的企业某一用能参数与企业用能能效属性的相关性,与预设的限值进行比较,当相关性小于限值时,判定该企业用能参数与企业用能能效属性无关。
在步骤3.3中,核函数采用高斯核函数,满足如下关系式:
K(x,y)=exp(-‖x-y‖/2σ2)
式中,
σ表示高斯核函数的变量,
x、y分别表示数据集合中的数据。
在步骤3中,同类型企业的典型用电场景是指,通过对比各个同类型企业之间的用能特征,选取最优的用能习惯构建的用户用电场景,包括用电损耗最小、用电设备的选择、用能能效获益。
同类企业用能差异分析系统包括:用能监测模块、企业生产设备管理模块、能效统计分析模块、用能预测模块和典型用能展示模块;
用能监测模块,用于企业用能监测,通过高频采样计量全景数据,为企业的用能分析提供数据;
企业生产设备管理模块,统计同类型企业的用能设备,用于分析不同类型设备的用能情况、同类型但不同厂家设备的用能情况、不同类型设备组合的用能情况以及同类型但不同厂家设备组合的用能情况;
能效统计分析模块,用于分析不同类型企业的用能能效,实现不同企业用能特诊分析;
用能预测模块,根据企业用能现状进行企业用能预测;
典型用能展示模块,以图形、图表方式向外界展示某类型企业的典型用电场景。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、更加直观准确的分析和比较同类型企业的用能习惯差异,为企业优化用电方案提供理论和数据基础;
2、采用协同进化改进的遗传算法进行企业用能特征分析,通过多种群的轮流迭代完成协同优化,提高特征分析结果的准确性;
3、系统能够直观地展示企业的典型用电场景,并实现能效分析、用能预测等功能,为企业选取生产设备、改善用能习惯,推荐最优方案。
4、为用户提供节能诊断、用电安全隐患辨识等多种快捷增值服务。
5、充分利用企业计量系统可采集的各种类型的数据,为企业提供用电一体化管理,为精益生产与节能降耗提供科学依据。
附图说明
图1为本发明基于计量全景数据的同类企业用能差异分析方法的流程图;
图2为本发明基于计量全景数据的同类企业用能差异分析方法采用的基于协同进化改进的遗传算法的流程图;
图3为本发明基于计量全景数据的同类企业用能差异分析系统的框架图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1,基于计量全景数据的同类企业用能差异分析方法的步骤如下:
步骤1,采集计量全景数据,按照企业类型、用电设备以及工作模式的结构,构造企业用能基础数据库。
具体地,
在步骤1中,计量全景数据由营销系统、电能采集系统、配电自动化系统直接和/或间接采集,包括:电压、电流、功率因素、总加有功功率、总加无功功率、企业峰谷平电量、无功补偿容量、设备损耗。
本发明优选实施例中,对企业用电全景数据进行高频采集,同时配合企业类型、用电设备以及工作模式,采用人工智能算法提取用能数据中的特征。
步骤2,面向企业用能基础数据库,采用基于协同进化改进的遗传算法对企业用能特征进行分析,构造同类型企业用能特征库。
在步骤2中,采用基于协同进化改进的遗传算法对企业用能特征进行分析,包括:
步骤2.1,根据目标值,采用决策变量分组方法将其分解为多个子问题;
步骤2.2,每个子问题指定一个种群进行独立的遗传操作,即通过选择、交叉、变异得到每个子问题的目标值;
步骤2.3,从各种群中选出精英个体合成完整决策变量并进行适应评价,将评价结果及时反馈以调整种群进化方向;
步骤2.4,通过多种群的轮流迭代,完成协同优化,以获得同类型企业用能特征。
具体地,
在步骤2.1中,目标值为最优的企业用能特征,包括但不限于用电日曲线、设备损耗情况、无功补偿容量。
如图2,本发明优选实施例中,将企业用能特征数据分解为用电日曲线、设备损耗情况、无功补偿容量这三个子问题,并分别经由种群A、种群B和种群C进行选择、交叉、变异操作,最后经由协同优化得到企业用能特征分析结果。
步骤3,面向同类型企业用能特征库,采用支持向量机对同类型企业用能特征的差异进行分析,根据差异分析结果构建优化后的同类型企业的典型用电场景。
在步骤3中,采用支持向量机对同类型企业用能特征的差异进行分析,包括:
步骤3.1,对同类型企业用能特征库中的数据进行离散化,采用混合聚类算法按属性对各特征数据进行分类;
步骤3.2,采用可分辨矩阵对分类后数据进行简约化处理,剔除与企业用能能效属性无关的值;
步骤3.3,构建支持向量机的算法结构,并定义适当的核函数以训练支持向量机;
步骤3.4,检验判别效果,将检验样本与输入训练好的支持向量机,查看分析结果。
具体地,
在步骤3.1中,混合聚类算法采用模糊C均值聚类,其中任意一个聚类中心的修正计算满足如下关系式:
式中,
vi表示模糊C均值聚类算法中的第i个聚类中心,
uik表示隶属度,
m表示模糊系数,
hk表示数据集合中第k个数据的混合反馈值,
xk表示数据集合中第k个数据的值,
n表示数据集合中数据的个数。
在步骤3.2中,与企业用能能效属性相关性的判别关系满足如下关系式:
式中,
r(X,X1)表示与企业用能能效属性的相关性,
X1表示企业用能能效属性值,
X表示企业某用能参数,
COV表示协方差计算,
Var表示方差计算;
将计算得到的企业某一用能参数与企业用能能效属性的相关性,与预设的限值进行比较,当相关性小于限值时,判定该企业用能参数与企业用能能效属性无关。
本发明优选实施例中,预设的限值根据工程实际应用而有所不同,所属领域技术人员可以根据应用场景的要求选择不同的数值。
在步骤3.3中,核函数采用高斯核函数,满足如下关系式:
K(x,y)=exp(-‖x-y‖/2σ2)
式中,
σ表示高斯核函数的变量,
x、y分别表示数据集合中的数据。
在步骤3中,同类型企业的典型用电场景是指,通过对比各个同类型企业之间的用能特征,选取最优的用能习惯构建的用户用电场景,包括用电损耗最小、用电设备的选择、用能能效获益。
步骤4,根据典型用电场景实现用能差异分析。
根据典型用电场景,开展同类型企业使用不同厂家生产设备效能分析和状态监控,构建典型用能场景平台,为企业选取生产设备、优化用能习惯,提供最优方案推荐,为用户提供节能诊断、用电安全隐患辨识等多种快捷增值服务。
如图3,同类企业用能差异分析系统包括:用能监测模块、企业生产设备管理模块、能效统计分析模块、用能预测模块和典型用能展示模块;
用能监测模块,用于企业用能监测,通过高频采样计量全景数据,为企业的用能分析提供数据;
企业生产设备管理模块,统计同类型企业的用能设备,用于分析不同类型设备的用能情况、同类型但不同厂家设备的用能情况、不同类型设备组合的用能情况以及同类型但不同厂家设备组合的用能情况;
能效统计分析模块,用于分析不同类型企业的用能能效,实现不同企业用能特诊分析;
用能预测模块,根据企业用能现状进行企业用能预测;
典型用能展示模块,以图形、图表方式向外界展示某类型企业的典型用电场景。
本发明优选实施例中,从营销系统、用电采集系统、配网自动化系统等各类系统中直接或间接采集的计量全景数据,输入到用能监测模块中,为企业的用能分析提供数据;然后分别由企业生成设备管理模块、能效统计分析模块以及用能预测模块共同对企业用能数据进行分析,以获取典型用能场景;采用同类企业用能差异分析系统,直观展示企业的典型用电场景,根据典型用电场景平台实现能效分析、用能预测等,为企业选取生产设备、优化用能习惯,提供最优方案推荐,因此为企业经济生产和节能降耗提供科学依据。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、更加直观准确的分析和比较同类型企业的用能习惯差异,为企业优化用电方案提供理论和数据基础;
2、采用协同进化改进的遗传算法进行企业用能特征分析,通过多种群的轮流迭代完成协同优化,提高特征分析结果的准确性;
3、系统能够直观地展示企业的典型用电场景,并实现能效分析、用能预测等功能,为企业选取生产设备、改善用能习惯,推荐最优方案。
4、为用户提供节能诊断、用电安全隐患辨识等多种快捷增值服务。
5、充分利用企业计量系统可采集的各种类型的数据,为企业提供用电一体化管理,为精益生产与节能降耗提供科学依据。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.基于计量全景数据的同类企业用能差异分析方法,其特征在于:
所述同类企业用能差异分析方法的步骤如下:
步骤1,采集计量全景数据,按照企业类型、用电设备以及工作模式的结构,构造企业用能基础数据库;
步骤2,面向企业用能基础数据库,采用基于协同进化改进的遗传算法对企业用能特征进行分析,构造同类型企业用能特征库;
步骤3,面向同类型企业用能特征库,采用支持向量机对同类型企业用能特征的差异进行分析,根据差异分析结果构建优化后的同类型企业的典型用电场景;
步骤4,根据典型用电场景实现用能差异分析。
3.根据权利要求1所述的基于计量全景数据的同类企业用能差异分析方法,其特征在于:
在步骤2中,采用基于协同进化改进的遗传算法对企业用能特征进行分析,包括:
步骤2.1,根据目标值,采用决策变量分组方法将其分解为多个子问题;
步骤2.2,每个子问题指定一个种群进行独立的遗传操作,即通过选择、交叉、变异得到每个子问题的目标值;
步骤2.3,从各种群中选出精英个体合成完整决策变量并进行适应评价,将评价结果及时反馈以调整种群进化方向;
步骤2.4,通过多种群的轮流迭代,完成协同优化,以获得同类型企业用能特征。
4.根据权利要求3所述的基于计量全景数据的同类企业用能差异分析方法,其特征在于:
在步骤2.1中,目标值为最优的企业用能特征,包括用电日曲线、设备损耗情况、无功补偿容量。
5.根据权利要求1所述的基于计量全景数据的同类企业用能差异分析方法,其特征在于:
在步骤3中,采用支持向量机对同类型企业用能特征的差异进行分析,包括:
步骤3.1,对同类型企业用能特征库中的数据进行离散化,采用混合聚类算法按属性对各特征数据进行分类;
步骤3.2,采用可分辨矩阵对分类后数据进行简约化处理,剔除与企业用能能效属性无关的值;
步骤3.3,构建支持向量机的算法结构,并定义适当的核函数以训练支持向量机;
步骤3.4,检验判别效果,将检验样本与输入训练好的支持向量机,查看分析结果。
8.根据权利要求5所述的基于计量全景数据的同类企业用能差异分析方法,其特征在于:
在步骤3.3中,核函数采用高斯核函数,满足如下关系式:
K(x,y)=exp(-‖x-y‖/2σ2)
式中,
σ表示高斯核函数的变量,
x、y分别表示数据集合中的数据。
9.根据权利要求1所述的基于计量全景数据的同类企业用能差异分析方法,其特征在于:
在步骤3中,所述同类型企业的典型用电场景是指,通过对比各个同类型企业之间的用能特征,选取最优的用能习惯构建的用户用电场景,包括用电损耗最小、用电设备的选择、用能能效获益。
10.采用权利要求1至9所述的基于计量全景数据的同类企业用能差异分析方法的同类企业用能差异分析系统,其特征在于:
系统包括:用能监测模块、企业生产设备管理模块、能效统计分析模块、用能预测模块和典型用能展示模块;
用能监测模块,用于企业用能监测,通过高频采样计量全景数据,为企业的用能分析提供数据;
企业生产设备管理模块,统计同类型企业的用能设备,用于分析不同类型设备的用能情况、同类型但不同厂家设备的用能情况、不同类型设备组合的用能情况以及同类型但不同厂家设备组合的用能情况;
能效统计分析模块,用于分析不同类型企业的用能能效,实现不同企业用能特诊分析;
用能预测模块,根据企业用能现状进行企业用能预测;
典型用能展示模块,以图形、图表方式向外界展示某类型企业的典型用电场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110373496.7A CN113222339B (zh) | 2021-04-07 | 2021-04-07 | 基于计量全景数据的同类型企业用能差异分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110373496.7A CN113222339B (zh) | 2021-04-07 | 2021-04-07 | 基于计量全景数据的同类型企业用能差异分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113222339A true CN113222339A (zh) | 2021-08-06 |
CN113222339B CN113222339B (zh) | 2024-07-26 |
Family
ID=77086538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110373496.7A Active CN113222339B (zh) | 2021-04-07 | 2021-04-07 | 基于计量全景数据的同类型企业用能差异分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113222339B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587230A (zh) * | 2022-09-23 | 2023-01-10 | 国网江苏省电力有限公司营销服务中心 | 结合行业文本和用电负荷的高耗能企业识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134094A (zh) * | 2019-06-07 | 2019-08-16 | 广州远正智能科技股份有限公司 | 一种工业企业能源消耗监测管理系统 |
CN111966664A (zh) * | 2020-08-07 | 2020-11-20 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测跟踪分析系统 |
-
2021
- 2021-04-07 CN CN202110373496.7A patent/CN113222339B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134094A (zh) * | 2019-06-07 | 2019-08-16 | 广州远正智能科技股份有限公司 | 一种工业企业能源消耗监测管理系统 |
CN111966664A (zh) * | 2020-08-07 | 2020-11-20 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测跟踪分析系统 |
Non-Patent Citations (1)
Title |
---|
尤宏亮;郭平平;徐晓敏;杨迪;李瑛莉;: "基于综合用电指数的用户精细画像方法研究", 电力需求侧管理, no. 05, 20 September 2020 (2020-09-20) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587230A (zh) * | 2022-09-23 | 2023-01-10 | 国网江苏省电力有限公司营销服务中心 | 结合行业文本和用电负荷的高耗能企业识别方法及系统 |
CN115587230B (zh) * | 2022-09-23 | 2024-04-12 | 国网江苏省电力有限公司营销服务中心 | 结合行业文本和用电负荷的高耗能企业识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113222339B (zh) | 2024-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109461025B (zh) | 一种基于机器学习的电能替代潜在客户预测方法 | |
CN107609754A (zh) | 一种电网信息系统性能监测系统及方法 | |
Oree et al. | A multi-objective framework for long-term generation expansion planning with variable renewables | |
CN111461921B (zh) | 一种基于机器学习的负荷建模典型用户数据库更新方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
CN113393028A (zh) | 一种基于数据挖掘技术的负荷预测方法 | |
CN111460001B (zh) | 一种配电网理论线损率评估方法及系统 | |
Xu et al. | Adaptive DE algorithm for novel energy control framework based on edge computing in IIoT applications | |
CN111582548A (zh) | 一种基于多元用户行为画像的用电负荷预测方法 | |
CN117458678B (zh) | 一种铅酸电池组主动均衡电池管理系统 | |
CN110991555A (zh) | 一种典型行业的用户用电量异常监控方法 | |
CN118411003B (zh) | 多类别电力设备的负荷控制方法、系统、设备和存储介质 | |
CN115905319A (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
CN115330201A (zh) | 一种电网数字化项目帕累托优选方法及系统 | |
CN113222339B (zh) | 基于计量全景数据的同类型企业用能差异分析方法及系统 | |
Guan et al. | Customer load forecasting method based on the industry electricity consumption behavior portrait | |
CN114021869A (zh) | 以电网投资收益最大化为目标的投入产出评估方法及系统 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN111027017B (zh) | 一种配电网管理状态综合评价系统 | |
CN114970928A (zh) | 一种电力数据能耗分析预测方法 | |
Chang et al. | Research of power consumers behavior using fuzzy c-means algorithm | |
Lin et al. | Load Data Analysis Based on Timestamp-Based Self-Adaptive Evolutionary Clustering | |
Chen et al. | Research on power consumption behavior analysis based on power big data | |
CN118536410B (zh) | 基于大数据驱动建模的能耗优化决策分析方法及系统 | |
CN109784632B (zh) | 一种工商业用户的中断响应特性挖掘方法 |
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 |