CN113344236A - 一种数据驱动的生产能耗预测方法及系统 - Google Patents
一种数据驱动的生产能耗预测方法及系统 Download PDFInfo
- Publication number
- CN113344236A CN113344236A CN202110286546.8A CN202110286546A CN113344236A CN 113344236 A CN113344236 A CN 113344236A CN 202110286546 A CN202110286546 A CN 202110286546A CN 113344236 A CN113344236 A CN 113344236A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- target enterprise
- prediction
- real
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 172
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 239000002173 cutting fluid Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009517 secondary packaging Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000002087 whitening 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
- G06Q10/04—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
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种数据驱动的生产能耗预测方法及系统,应用于数据驱动的生产能耗预测,将新一代信息技术应用到制造企业生产能耗预测系统中,实现对生产过程能耗数据的实时搜集;进而通过合适的数据传输方式,将采集到的能耗数据上传至企业服务器;并通过灰色系统理论,实现对制造企业未来时刻的用能预测。因此,本申请能够充分利用实时能耗数据来预测制造企业未来的能耗,保障能源供需平衡、减少能源浪费、提高能源使用效率。由于该方法及系统基于目标企业的实时能耗数据,因此能够解决传统能耗预测方法针对性较强,不具有普适性的问题。
Description
技术领域
本申请涉及能耗预测管理技术领域,尤其涉及一种数据驱动的生产能耗预测方法及系统。
背景技术
能源作为一个国家经济发展的基础,在保障人民生活水平和提高国家竞争力等方面具有重要的意义。因此,我国将节能减排作为一项长期的战略措施,以确保经济、能源与环境之间的可持续发展。然而,由于能源使用不合理而造成的能耗过大、环境污染等问题越来越严重,并且工业企业电能消耗在我国总用电量中的比例超过50%,因此需要一种电能消耗预测技术,来帮助制造企业提高能源使用效率以实现清洁生产和可持续社会发展。
能耗预测是根据生产的历史能耗数据,利用合适的预测方法,计算出未来一段时间内的能耗值,以使企业管理部门制定相应的能源使用计划。通常而言,在企业所使用的各种能源中,电力是最基本的能源之一,几乎在所有的生产活动中都要使用。因此,做好制造企业电力使用的预测具有重大意义。
在现有的能源预测方法中,包括基于基因表达式编程的数控机床切削能耗预测模型,通过交叉验证,为不完备的数据下机床切削能耗预测建模提供了一种合理的能源预测方法;以及,利用传感器及工业物联网技术对数控车削元动作进行获取,并运用数据驱动方式建立数控车削元动作能耗预测模型,实现对数控车削元动作能耗的预测;或者在面向数字化车间数控机床的能耗进行预测时,通过计算机床、任务和车间的能耗指标参数,并根据这些指标参数预测加工一件产品所有工序的能耗。上述能耗预测模型或方法,能够保障能源供需平衡、减少能源浪费、提高能源使用效率。
上述研究和发现均对企业能耗预测技术起到了巨大的推动作用,然而传统技术下的能耗预测方法具有一定的针对性,只能实现对某一特殊对象进行能耗预测,只能满足领域内一小部分的实施需求,因此,不具有普适性。
发明内容
本申请提供了一种数据驱动的生产能耗预测方法及系统,以解决传统能耗预测方法针对性较强,不具有普适性的问题。
本申请解决上述技术问题所采取的技术方案如下:
一种数据驱动的生产能耗预测方法,应用于数据驱动的生产能耗预测包括以下步骤:
根据对目标企业的监控信息,实时从监测系统获取所述目标企业的能耗数据;
将所述能耗数据通过网络通信进行实施传输;
基于历史能耗数据和接收到的实时能耗数据,采用灰色系统理论对目标企业进行能耗预测。
可选的,实时从监测系统获取所述目标企业的能耗数据,包括:
采用智能传感器,利用制造机器上提供的外接接口或终端设备,获取目标企业制造机器运行过程中的数据进行采集。
可选的,实时从监测系统获取所述目标企业的能耗数据,包括:
采用自动识别设备,对目标企业制造过程中的能耗数据进行感知与识别。
可选的,所述方法还包括,通过人工输入的方式获取目标企业制造过程中的实时能耗数据。
可选的,所述将所述能耗数据通过网络通信进行实施传输,包括:
将获取的实时能耗数据接入到通信网络中,
采用包括RS485总线技术的有线数据传输方式,或者,采用包括Zigbee、Wifi的无线数据传输方式,实现实时能耗数据的传输。
可选的,所述采用灰色系统理论对目标企业进行能耗预测,包括:
运用事前检验方法对目标企业的能耗数据进行检验处理;
结合检验处理结果,生成灰色预测序列;
基于灰色预测序列,建立灰色预测模型;
采用灰色预测模型对目标企业进行能耗预测。
可选的,所述方法还包括:
利用事中残差检验方法,对灰预测模型的精度进行检验。
可选的,所述监测系统包括智能传感器、自动识别设备和人机交互设备;
所述目标企业的能耗数据包括目标企业的历史能耗数据和实时能耗数据。
一种数据驱动的生产能耗预测系统,包括数据搜集层,数据传输层和能耗预测层,其中,
所述数据搜集层用于,根据对目标企业的监控信息,实时从监测系统获取所述目标企业的能耗数据;
所述数据传输层用于,将所述能耗数据通过网络通信进行实施传输;
所述能耗预测层用于,基于历史能耗数据和接收到的实时能耗数据,采用灰色系统理论对目标企业进行能耗预测。
本申请提供的技术方案包括以下有益技术效果:
本申请提供一种数据驱动的生产能耗预测方法及系统,应用于数据驱动的生产能耗预测,将新一代信息技术应用到制造企业生产能耗预测系统中,实现对生产过程能耗数据的实时搜集;进而通过合适的数据传输方式,将采集到的能耗数据上传至企业服务器;并通过灰色系统理论,实现对制造企业未来时刻的用能预测。因此,本申请能够充分利用实时能耗数据来预测制造企业未来的能耗,保障能源供需平衡、减少能源浪费、提高能源使用效率。由于该方法及系统基于目标企业的实时能耗数据,因此能够解决传统能耗预测方法针对性较强,不具有普适性的问题。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的数据驱动的生产能耗预测方法总体流程图;
图2为本申请实施例提供的数据搜集过程流程图;
图3为本申请实施例提供的数据传输流程图;
图4为本申请实施例提供的能耗预测流程图。
具体实施方式
为了使本领域技术人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对申请实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
为了在建立制造企业感知环境的基础上,实现制造企业的能耗预测,本申请实施例所采用的技术方案为,提供了一种数据驱动的生产能耗预测方法,请参见附图1,所述方法应用于数据驱动的生产能耗预测,包括以下步骤:
S1:根据对目标企业的监控信息,实时从监测系统获取所述目标企业的能耗数据,其中,所述目标企业的能耗数据包括目标企业的历史能耗数据和实时能耗数据。
为了获取所述目标企业的能耗数据,参见图2,本实施例中,将智能传感器、自动识别设备和人机交互设备应用到制造企业生产能耗预测中,对目标企业中的制造资源进行监控,搜集目标企业生产过程的实时能耗数据。
具体包括以下方面:
(1)采用智能传感器,利用制造机器上提供的外接接口或终端设备,获取目标企业制造机器运行过程中的数据进行采集。在制造企业生产过程中,采用制造机器与智能传感器相结合的方式,获取制造过程中的实时能耗数据。通过在机器中安装不同类型以及不同功能的智能传感器,利用制造机器上提供的外接接口或终端设备(PLC、工业机器人等),将制造机器运行过程中的数据进行采集。
(2)采用自动识别设备,对目标企业制造过程中的能耗数据进行感知与识别。在制造企业生产过程中,采用自动识别设备,例如条形码技术、RFID以及嵌入式技术,对制造过程中的能耗数据进行感知与识别。当制造资源进入自动识别设备的感知区域内时,相关的自动识别设备即可感知制造资源中的制造信息。
(3)通过人工输入的方式获取目标企业制造过程中的实时能耗数据。对于某些制造过程中无法直接获取的数据,则可通过人工的方式,将数据输入到系统中,以实现数据采集的完整性。
S2:将所述能耗数据通过网络通信进行实施传输。
参照图3,给出了能耗数据传输的方法。基于步骤S1,将搜集到的实时能耗数据接入到通信网络中,利用有线和无线的方式,实现实时能耗数据的传输。具体包括以下方面:
(1)在有线数据传输方式中,采用RS485总线技术对制造机器的运行参数进行传输,例如机器的主轴运行速度与功率、工作台进给速度与功率、切削液供给泵的功率等。这些制造机器参数被传送至微处理器,并进行二次封装。然后,经过封装的数据通过RJ45 接口,利用双绞线通过路由器传送至企业服务器。
(2)在无线数据传输方式中,主要通过建立Zigbee、Wifi等无线传感网络,对智能传感器的数据进行实时传输。本文利用Zigbee传输模块,建立网状网络拓扑结构,并结合Zigbee协议栈将数据传送至微处理器。微处理器对数据进行二次封装后,通过建立 Wifi网络,将最终的数据以无线的方式传送至企业服务器。
S3:基于历史能耗数据和接收到的实时能耗数据,采用灰色系统理论对目标企业进行能耗预测。
参照图4,给出了一种基于灰色系统理论的制造企业能耗预测方法,包括灰色预测序列数据处理、灰色序列生成、灰色预测模型的检验,具体包括以下步骤:
S31:运用事前检验方法对原始生产能耗序列进行检验。原始能耗数据由历史能耗数据和实时能耗数据组成。令A为企业x个时刻(天)的生产能耗序列,该序列中具有x 个数据元素,A=(A(0),A(1),A(k),…,A(x))。其中A(k)为第k个时刻(天)的生产能耗值。
(1)求级比Ψ(x)
(2)级比判断
通过所求的级比Ψ(x),则可判断生产能耗序列A的级比是否均落在可行区域中。若原生产能耗序列A的级比有未落入可行区域中的点,则需要对原始生产能耗序列A进行数据处理。若原生产能耗序列A的级数比均在可行域中,则直接使用原始生产能耗序列 A进行预测模型的建立。
S32:当生产能耗序列A需要进行数据处理时,利用对数变换的方法,对原始数列A进行处理,使得原始数列的级比落入可行区域中。
(1)对数序列变换
令Bm为生产能耗序列A序列的m次对数数列,则有
Bm(x)=lnmA(x)=ln(ln…(lnA(x))…),m=1,2,3,…
Δm(x)=|lnmA(x)-lnmA(x-1)|
通过上式,可以找出一个适合的m使得ξm(x)<δ,δ<1。
(2)新生成能耗序列A(0)
基于Bm(x),令对数变换值为A(0)(x)=Bm(x),则A(0)(x)=lnmA(x)。通过计算,可得对数序列A(0)=(A(0)(1),A(0)(2),…,A(0)(n))。
(3)求新序列级比Ψ(0)(x)
Ψ(0)=(Ψ(0)(2),Ψ(0)(3),…,Ψ(0)(x))
因此,通过计算可得新序列的级比。从计算的结果中,判断新序列级比是否落入可行区域中。如果新序列级比没有完全落入可行域中,则返回步骤S32(1)中。
S33:基于灰预测的处理数据,按照累加生成(AGO)的方法将预处理后的数据做数据交换,将灰数据变成白数据,并对GM(1,1)建模。
(1)生成序列A(1)
基于步骤S32中的A(0),令S为一种生成,则
S(A(0)(1),A(0)(2),…,A(0)(x))=A(1)(x),x=1,2,…,n
其中A(1)(x)为A(0)(x)在x时的一次累加。依据以上方法,可以得到A(0)(x)的l次累加生成A(l)(x):
S(A(l-1)(1),A(l-1)(2),…,A(l-1)(x))=A(l)(x)
此时,A(l)(x)是A(l-1)(x)的一次累加生成。通过此方法,则可得到生产能耗序列A(1)。
(2)确定A(1)的均值序列G(1)
(3)确定预测模型参数
则通过计算,可以得出p和q的值。
(4)预测模型确立
利用白化型来建立灰色预测模型
S34:利用事中残差检验方法,对灰预测模型的精度进行检验。
本实施例中,还提供一种数据驱动的生产能耗预测系统,包括数据搜集层,数据传输层和能耗预测层,其中,
所述数据搜集层用于,根据对目标企业的监控信息,实时从监测系统获取所述目标企业的能耗数据。数据搜集层是实现制造企业生产能耗预测的基础。该层为制造资源配置相应的智能传感器、自动识别设备和人机协作数据采集设备,通过这些设备能够将制造企业生产过程中的多源数据进行搜集,为生产总能耗的预测奠定数据基础。
所述数据传输层用于,将所述能耗数据通过网络通信进行实施传输。数据传输层将获取的实时能耗数据通过有线或无线的方式进行实时传输,实现能耗数据的实时共享。在数据传输中,通过RS485或Zigbee、Wifi等方式,将实时能耗数据上传至企业服务器。
所述能耗预测层用于,基于历史能耗数据和接收到的实时能耗数据,采用灰色系统理论对目标企业进行能耗预测。能耗预测层是通过灰色系统理论,基于历史能耗数据和实时能耗数据,运用能耗序列级比检验、能耗序列数据处理和能耗预测灰色建模,得到制造企业生产能耗预测模型。
综上,本申请实施例提供的数据驱动的生产能耗预测方法及系统,应用于数据驱动的生产能耗预测,将新一代信息技术应用到制造企业生产能耗预测系统中,实现对生产过程能耗数据的实时搜集;进而通过合适的数据传输方式,将采集到的能耗数据上传至企业服务器;并通过灰色系统理论,实现对制造企业未来时刻的用能预测。因此,本申请能够充分利用实时能耗数据来预测制造企业未来的能耗,保障能源供需平衡、减少能源浪费、提高能源使用效率。由于该方法及系统基于目标企业的实时能耗数据,因此能够解决传统能耗预测方法针对性较强,不具有普适性的问题。
需要说明的是,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。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。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申请的精神或范围的情况下,在其它实施例中实现。因此,本申请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公开的原理和新颖特点相一致的最宽的范围。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的内容,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种数据驱动的生产能耗预测方法,其特征在于,应用于数据驱动的生产能耗预测包括以下步骤:
根据对目标企业的监控信息,实时从监测系统获取所述目标企业的能耗数据;
将所述能耗数据通过网络通信进行实施传输;
基于历史能耗数据和接收到的实时能耗数据,采用灰色系统理论对目标企业进行能耗预测。
2.根据权利要求1所述的数据驱动的生产能耗预测方法,其特征在于,实时从监测系统获取所述目标企业的能耗数据,包括:
采用智能传感器,利用制造机器上提供的外接接口或终端设备,获取目标企业制造机器运行过程中的数据进行采集。
3.根据权利要求1所述的数据驱动的生产能耗预测方法,其特征在于,实时从监测系统获取所述目标企业的能耗数据,包括:
采用自动识别设备,对目标企业制造过程中的能耗数据进行感知与识别。
4.根据权利要求1所述的数据驱动的生产能耗预测方法,其特征在于,所述方法还包括,通过人工输入的方式获取目标企业制造过程中的实时能耗数据。
5.根据权利要求1所述的数据驱动的生产能耗预测方法,其特征在于,所述将所述能耗数据通过网络通信进行实施传输,包括:
将获取的实时能耗数据接入到通信网络中,
采用包括RS485总线技术的有线数据传输方式,或者,采用包括Zigbee、Wifi的无线数据传输方式,实现实时能耗数据的传输。
6.根据权利要求1所述的数据驱动的生产能耗预测方法,其特征在于,所述采用灰色系统理论对目标企业进行能耗预测,包括:
运用事前检验方法对目标企业的能耗数据进行检验处理;
结合检验处理结果,生成灰色预测序列;
基于灰色预测序列,建立灰色预测模型;
采用灰色预测模型对目标企业进行能耗预测。
7.根据权利要求6所述的数据驱动的生产能耗预测方法,其特征在于,所述方法还包括:
利用事中残差检验方法,对灰预测模型的精度进行检验。
8.根据权利要求1所述的数据驱动的生产能耗预测方法,其特征在于,所述监测系统包括智能传感器、自动识别设备和人机交互设备;
所述目标企业的能耗数据包括目标企业的历史能耗数据和实时能耗数据。
9.一种数据驱动的生产能耗预测系统,其特征在于,包括数据搜集层,数据传输层和能耗预测层,其中,
所述数据搜集层用于,根据对目标企业的监控信息,实时从监测系统获取所述目标企业的能耗数据;
所述数据传输层用于,将所述能耗数据通过网络通信进行实施传输;
所述能耗预测层用于,基于历史能耗数据和接收到的实时能耗数据,采用灰色系统理论对目标企业进行能耗预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110286546.8A CN113344236A (zh) | 2021-03-17 | 2021-03-17 | 一种数据驱动的生产能耗预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110286546.8A CN113344236A (zh) | 2021-03-17 | 2021-03-17 | 一种数据驱动的生产能耗预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344236A true CN113344236A (zh) | 2021-09-03 |
Family
ID=77467766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110286546.8A Pending CN113344236A (zh) | 2021-03-17 | 2021-03-17 | 一种数据驱动的生产能耗预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344236A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182854A (zh) * | 2014-09-18 | 2014-12-03 | 北京清晖翔科技有限公司 | 一种面向企业能源管理系统的混合能耗测算的方法 |
CN108197764A (zh) * | 2017-12-22 | 2018-06-22 | 浙江中易和节能技术有限公司 | 预测电力企业综合能耗的方法及其设备 |
CN110610226A (zh) * | 2018-06-14 | 2019-12-24 | 北京德知航创科技有限责任公司 | 一种发电机故障预测方法及装置 |
CN111144616A (zh) * | 2019-11-29 | 2020-05-12 | 中国船舶重工集团公司第七一六研究所 | 面向企业能源消费的预测方法、系统、计算机设备和存储介质 |
-
2021
- 2021-03-17 CN CN202110286546.8A patent/CN113344236A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182854A (zh) * | 2014-09-18 | 2014-12-03 | 北京清晖翔科技有限公司 | 一种面向企业能源管理系统的混合能耗测算的方法 |
CN108197764A (zh) * | 2017-12-22 | 2018-06-22 | 浙江中易和节能技术有限公司 | 预测电力企业综合能耗的方法及其设备 |
CN110610226A (zh) * | 2018-06-14 | 2019-12-24 | 北京德知航创科技有限责任公司 | 一种发电机故障预测方法及装置 |
CN111144616A (zh) * | 2019-11-29 | 2020-05-12 | 中国船舶重工集团公司第七一六研究所 | 面向企业能源消费的预测方法、系统、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
朱运涛: "基于灰色模型的上海工业能耗预测分析", 《上海节能》, no. 9, pages 498 - 502 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111367241A (zh) | 一种企业综合能源管控系统及方法 | |
CN111131480A (zh) | 一种面向智慧电厂的云边协同服务系统 | |
CN112857434A (zh) | 一种基于lpwan的矿井高压电缆实时监测系统 | |
CN105807705A (zh) | 一种基于物联网技术的生活垃圾资源化处理过程监控方法 | |
CN218058021U (zh) | 一种基于数字孪生的电梯在线监测系统 | |
CN103236019A (zh) | 一种典型用能系统节能诊断及改造策略自动生成方法和系统 | |
CN104391489A (zh) | 一种多总线能源监测管理系统 | |
CN105046375A (zh) | 无缝钢管生产重点设备物联网维修预测系统 | |
CN102637020A (zh) | 一种轧钢加热炉集成型控制系统 | |
CN107942873A (zh) | 一种家具制造生产线的运营成本智能化核算及监控方法 | |
CN101598927B (zh) | 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法 | |
CN214067660U (zh) | 基于物联网的监测系统 | |
CN203455669U (zh) | 基于嵌入式系统的数控机床可视化能效管理监测平台 | |
CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
CN205050188U (zh) | 无缝钢管生产重点设备物联网维修预测系统 | |
CN204854800U (zh) | 一种水文水质在线监测及预警系统 | |
CN110412960B (zh) | 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 | |
CN111333131B (zh) | 用于地下式再生水厂的设备预测性维护系统和方法 | |
CN113344236A (zh) | 一种数据驱动的生产能耗预测方法及系统 | |
CN111768063A (zh) | 面向电力需求侧的节能管理系统、节能方法 | |
CN113487157B (zh) | 基于云技术的预应力施工质量无人化监管平台及方法 | |
CN116050781A (zh) | 一种基于工业互联网的企业智慧管理系统 | |
CN116389517A (zh) | 一种建材行业物联网管理方法及管理系统 | |
CN115438958A (zh) | 一种基于互联网的智慧能效管理系统及其管理方法 | |
CN114253697A (zh) | 一种面向锂离子电芯制造的设备状态监测边缘计算架构 |
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 |