CN113722889A - 一种基于人工智能的能效在线分析系统及方法 - Google Patents
一种基于人工智能的能效在线分析系统及方法 Download PDFInfo
- Publication number
- CN113722889A CN113722889A CN202110899277.2A CN202110899277A CN113722889A CN 113722889 A CN113722889 A CN 113722889A CN 202110899277 A CN202110899277 A CN 202110899277A CN 113722889 A CN113722889 A CN 113722889A
- Authority
- CN
- China
- Prior art keywords
- equipment
- energy efficiency
- energy
- energy consumption
- artificial intelligence
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于人工智能的能效在线分析系统及方法,该系统包括:设备运行参数采集模块、设备参数存储模块和人工智能能效分析模块;设备运行参数采集模块采集各个类型的设备的实时运行参数,设备的类型包括:用能设备、运算型服务器和存储型服务器;设备参数存储模块存储各个类型的最佳使用参数和实时运行参数;人工智能能效分析模块对不同类型的设备使用对应的能耗分析模型,基于实时运行参数计算得到该设备的能耗,并基于对应的最佳使用参数得到该设备的能效评估结果;针对不同类型的设备的能耗的特点,将设备分为用能设备、运算型服务器和存储型服务器,不同类型的设备采取不同的能效分析模型,能更准确全面的对各种设备进行能耗分析。
Description
技术领域
本发明涉及能效分析技术领域,尤其涉及一种基于人工智能的能效在线分析系统及方法。
背景技术
能效是能源转换效率,能效比越大,节省的能源就越多。在日益追求环保和节能的今天,能够准确的了解和预测能源能效,是众多企业所关注的。
现有技术中,当前AI(人工智能)智能算法在各个领域的应用比较广泛,在能源领域的应用也逐渐兴起。通过AI算法对运行的泛能站进行优化调度一直以来是算法工程师所追求的最终目标。目前基于人工智能对设备能耗进行在线分析的基本是针对将电能转换为其它能的用电型设备,例如空调。但是不同类型的设备能耗的算法有很大的区别,现有技术缺乏一种针对各种设备均可以进行能耗分析的方法。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于人工智能的能效在线分析系统及方法,针对不同类型的设备的能耗的特点,将设备分为用能设备、运算型服务器和存储型服务器,不同类型的设备采取不同的能效分析模型,能更准确全面的对各种类型设备进行能耗分析。根据本发明的第一方面,提供了一种基于人工智能的能效在线分析系统,包括:设备运行参数采集模块、设备参数存储模块和人工智能能效分析模块;
所述设备运行参数采集模块采集各个类型的设备的实时运行参数,所述设备的类型包括:用能设备、运算型服务器和存储型服务器;
所述设备参数存储模块存储各个类型的最佳使用参数和实时运行参数;
所述人工智能能效分析模块对不同类型的设备使用对应的能耗分析模型,基于所述实时运行参数计算得到该设备的能耗,并基于对应的所述最佳使用参数得到该设备的能效评估结果。
在上述技术方案的基础上,本发明还可以作出如下改进。
可选的,所述设备运行参数采集模块包括:电表、温度传感器和湿度传感器。
可选的,所述设备为用能设备时,所述能耗分析模型计算做功的大小与所述电表采集的消耗电能大小的比值,基于该比值得到该用能设备的能效评估结果。
可选的,所述设备为运算型服务器时,确定所述运算型服务器工作时采用的算法,所述能耗分析模型计算该运算型服务器的能耗的公式为:
E(A)=Ecpu(A)+Ememory(A);
其中,E(A)、Ecpu(A)Ememory(A)分别表示运行算法A时的总能耗、CPU能耗和内存能耗;
基于该运算型服务器的能耗及对应的所述最佳使用参数得到该运算型服务器的能效评估结果。
可选的,所述设备为存储型服务器时,所述能耗分析模型基于数据存储的大小、传输速率和耗时计算该存储型服务器的能耗;
基于该存储型服务器的能耗及对应的所述最佳使用参数得到该存储型服务器的能效评估结果。
可选的,所述设备为空调时,所述能效在线分析系统还包括:运行调整模块;
所述运行调整模块实时采集并存储能效评估结果中的当前能效值,若当前能效值比历史能效值小,将空调运行参数回退至上次历史参数运行;若当前能效值比历史能效值大,则按当前空调运行参数运行;并实时代入调整所述能效评估模型。
根据本发明的第二方面,提供一种基于人工智能的能效在线分析方法,包括:
步骤1,采集各个类型的设备的实时运行参数,所述设备的类型包括:用能设备、运算型服务器和存储型服务器;
步骤2,存储各个类型的最佳使用参数和实时运行参数;
步骤3,对不同类型的设备使用对应的能耗分析模型,基于所述实时运行参数计算得到该设备的能耗,并基于对应的所述最佳使用参数得到该设备的能效评估结果。
根据本发明的第三方面,提供了一种电子设备,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现基于人工智能的能效在线分析方法的步骤。
根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现基于人工智能的能效在线分析方法的步骤。
本发明提供的一种基于人工智能的能效在线分析方法、系统、电子设备及存储介质,根据设备的能耗特点,将设备分为用能设备、运算型服务器和存储型服务器,并针对不同类型的设备,采用不同的能耗分析模型,用能设备基于其做功大小与消耗电能大小的比值进行判断,能耗型服务器根据不同的服务器算法对应的CPU耗能和内存耗能进行分析,存储型服务器根据其存储数据的特征数据进行能耗分析,能更准确全面的对系统包含的各种类型设备进行能耗分析。
附图说明
图1为本发明实施例提供的一种基于人工智能的能效在线分析系统结构框图;
图2为本发明实施例提供的一种基于人工智能的能效在线分析方法的流程框图;
图3为本发明提供的一种可能的电子设备的硬件结构示意图;
图4为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示为本发明实施例提供的一种基于人工智能的能效在线分析系统结构框图,结合图1可知,该系统包括:设备运行参数采集模块、设备参数存储模块和人工智能能效分析模块。
设备运行参数采集模块采集各个类型的设备的实时运行参数,设备的类型包括:用能设备、运算型服务器和存储型服务器。
具体的,该用能设备为基于电能进行工作的设备,例如空调、电动机等。运算型服务器和存储型服务器分别为进行运算和进行数据存储的计算机。
设备参数存储模块存储各个类型的最佳使用参数和实时运行参数。
最佳使用参数可以按照设备的类型根据经验值预先存储在该设备传输存储模块中。
人工智能能效分析模块对不同类型的设备使用对应的能耗分析模型,基于实时运行参数计算得到该设备的能耗,并基于对应的最佳使用参数得到该设备的能效评估结果。
本发明提供的一种基于人工智能的能效在线分析系统,针对不同类型的设备的能耗的特点,将设备分为用能设备、运算型服务器和存储型服务器,不同类型的设备采取不同的能效分析模型,能更准确全面的对各种类型设备进行能耗分析。
实施例1
本发明提供的实施例1为本发明提供的一种基于人工智能的能效在线分析系统的实施例,结合图2可知,该实施例包括:设备运行参数采集模块、设备参数存储模块和人工智能能效分析模块。
设备运行参数采集模块采集各个类型的设备的实时运行参数,设备的类型包括:用能设备、运算型服务器和存储型服务器。
具体的,该用能设备为基于电能进行工作的设备,例如空调、电动机等。运算型服务器和存储型服务器分别为进行运算和进行数据存储的计算机。
设备参数存储模块存储各个类型的最佳使用参数和实时运行参数。
最佳使用参数可以按照设备的类型根据经验值预先存储在该设备传输存储模块中。
人工智能能效分析模块对不同类型的设备使用对应的能耗分析模型,基于实时运行参数计算得到该设备的能耗,并基于对应的最佳使用参数得到该设备的能效评估结果。
在一种可能的实施例方式中,设备运行参数采集模块包括:电表、温度传感器和湿度传感器。
在一种可能的实施例方式中,设备为用能设备时,能耗分析模型计算做功的大小与电表采集的消耗电能大小的比值,基于该比值得到该用能设备的能效评估结果。
例如:用能设备为空调或冰箱时,通过Q=C*m*△t计算制冷量,其中Q表示当前制冷量,C为对应湿度范围内空气的比热容,m为空气质量/冰箱内容量,△t为回风温度与送风温度差值/冰箱内外温差值;根据计算出的当前制冷量Q与电能表采集的电源功率P比值计算当前能效值EER,EER=Q/P。
用能设备为电动机时,计算动能做功值Q与电能表采集的电源功率P比值计算当前能效值EER,EER=Q/P。
在一种可能的实施例方式中,设备为运算型服务器时,确定运算型服务器工作时采用的算法,能耗分析模型计算该运算型服务器的能耗的公式为:
E(A)=Ecpu(A)+Ememory(A)。
其中,E(A)、Ecpu(A)Ememory(A)分别表示运行算法A时的总能耗、CPU能耗和内存能耗。
基于该运算型服务器的能耗及对应的最佳使用参数得到该运算型服务器的能效评估结果。
设备为存储型服务器时,能耗分析模型基于数据存储的大小、传输速率和耗时计算该存储型服务器的能耗。
基于该存储型服务器的能耗及对应的最佳使用参数得到该存储型服务器的能效评估结果。
设备为空调时,能效在线分析系统还包括:运行调整模块。
运行调整模块实时采集并存储能效评估结果中的当前能效值,若当前能效值比历史能效值小,将空调运行参数回退至上次历史参数运行;若当前能效值比历史能效值大,则按当前空调运行参数运行;并实时代入调整能效评估模型。
实施例2
本发明提供的实施例2为本发明提供的一种基于人工智能的能效在线分析方法的实施例,图2为本发明实施例提供的一种基于人工智能的能效在线分析方法的流程图,结合图2可知,该实施例包括:
步骤1,采集各个类型的设备的实时运行参数,设备的类型包括:用能设备、运算型服务器和存储型服务器。
步骤2,存储各个类型的最佳使用参数和实时运行参数。
步骤3,对不同类型的设备使用对应的能耗分析模型,基于实时运行参数计算得到该设备的能耗,并基于对应的最佳使用参数得到该设备的能效评估结果。
可以理解的是,本发明提供的一种基于人工智能的能效在线分析系统与前述各实施例提供的基于人工智能的能效在线分析方法相对应,基于人工智能的能效在线分析系统的相关技术特征可参考基于人工智能的能效在线分析方法的相关技术特征,在此不再赘述。
请参阅图3,图3为本发明实施例提供的电子设备的实施例示意图。如图3所示,本发明实施例提了一种电子设备,包括存储器1310、处理器1320及存储在存储器1320上并可在处理器1320上运行的计算机程序1311,处理器1320执行计算机程序1311时实现以下步骤:步骤1,采集各个类型的设备的实时运行参数,设备的类型包括:用能设备、运算型服务器和存储型服务器;步骤2,存储各个类型的最佳使用参数和实时运行参数;步骤3,对不同类型的设备使用对应的能耗分析模型,基于实时运行参数计算得到该设备的能耗,并基于对应的最佳使用参数得到该设备的能效评估结果。
请参阅图4,图4为本发明提供的一种计算机可读存储介质的实施例示意图。如图4所示,本实施例提供了一种计算机可读存储介质1400,其上存储有计算机程序1411,该计算机程序1411被处理器执行时实现如下步骤:步骤1,采集各个类型的设备的实时运行参数,设备的类型包括:用能设备、运算型服务器和存储型服务器;步骤2,存储各个类型的最佳使用参数和实时运行参数;步骤3,对不同类型的设备使用对应的能耗分析模型,基于实时运行参数计算得到该设备的能耗,并基于对应的最佳使用参数得到该设备的能效评估结果。
本发明实施例提供的一种基于人工智能的能效在线分析方法、系统及存储介质,根据设备的能耗特点,将设备分为用能设备、运算型服务器和存储型服务器,并针对不同类型的设备,采用不同的能耗分析模型,用能设备基于其做功大小与消耗电能大小的比值进行判断,能耗型服务器根据不同的服务器算法对应的CPU耗能和内存耗能进行分析,存储型服务器根据其存储数据的特征数据进行能耗分析,能更准确全面的对系统包含的各种类型设备进行能耗分析。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。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、嵌入式计算机或者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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (9)
1.一种基于人工智能的能效在线分析系统,其特征在于,所述系统包括:设备运行参数采集模块、设备参数存储模块和人工智能能效分析模块;
所述设备运行参数采集模块采集各个类型的设备的实时运行参数,所述设备的类型包括:用能设备、运算型服务器和存储型服务器;
所述设备参数存储模块存储各个类型的最佳使用参数和实时运行参数;
所述人工智能能效分析模块对不同类型的设备使用对应的能耗分析模型,基于所述实时运行参数计算得到该设备的能耗,并基于对应的所述最佳使用参数得到该设备的能效评估结果。
2.根据权利要求1所述的能效在线分析系统,其特征在于,所述设备运行参数采集模块包括:电表、温度传感器和湿度传感器。
3.根据权利要求2所述的能效在线分析系统,其特征在于,所述设备为用能设备时,所述能耗分析模型计算做功的大小与所述电表采集的消耗电能大小的比值,基于该比值得到该用能设备的能效评估结果。
4.根据权利要求1所述的能效在线分析系统,其特征在于,所述设备为运算型服务器时,确定所述运算型服务器工作时采用的算法,所述能耗分析模型计算该运算型服务器的能耗的公式为:
E(A)=Ecpu(A)+Ememory(A);
其中,E(A)、Ecpu(A)Ememory(A)分别表示运行算法A时的总能耗、CPU能耗和内存能耗;
基于该运算型服务器的能耗及对应的所述最佳使用参数得到该运算型服务器的能效评估结果。
5.根据权利要求1所述的能效在线分析系统,其特征在于,所述设备为存储型服务器时,所述能耗分析模型基于数据存储的大小、传输速率和耗时计算该存储型服务器的能耗;
基于该存储型服务器的能耗及对应的所述最佳使用参数得到该存储型服务器的能效评估结果。
6.根据权利要求1所述的能效在线分析系统,其特征在于,所述设备为空调时,所述能效在线分析系统还包括:运行调整模块;
所述运行调整模块实时采集并存储能效评估结果中的当前能效值,若当前能效值比历史能效值小,将空调运行参数回退至上次历史参数运行;若当前能效值比历史能效值大,则按当前空调运行参数运行;并实时代入调整所述能效评估模型。
7.一种基于人工智能的能效在线分析方法,其特征在于,包括:
步骤1,采集各个类型的设备的实时运行参数,所述设备的类型包括:用能设备、运算型服务器和存储型服务器;
步骤2,存储各个类型的最佳使用参数和实时运行参数;
步骤3,对不同类型的设备使用对应的能耗分析模型,基于所述实时运行参数计算得到该设备的能耗,并基于对应的所述最佳使用参数得到该设备的能效评估结果。
8.一种电子设备,其特征在于,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求7任一项所述的基于人工智能的能效在线分析方法的步骤。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现如权利要求7任一项所述的基于人工智能的能效在线分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110899277.2A CN113722889A (zh) | 2021-08-05 | 2021-08-05 | 一种基于人工智能的能效在线分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110899277.2A CN113722889A (zh) | 2021-08-05 | 2021-08-05 | 一种基于人工智能的能效在线分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113722889A true CN113722889A (zh) | 2021-11-30 |
Family
ID=78675029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110899277.2A Withdrawn CN113722889A (zh) | 2021-08-05 | 2021-08-05 | 一种基于人工智能的能效在线分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722889A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827409A (zh) * | 2022-11-29 | 2023-03-21 | 北京京航计算通讯研究所 | 一种在线算法评估装置及方法 |
CN116520709A (zh) * | 2023-06-16 | 2023-08-01 | 上海能誉科技股份有限公司 | 一种能源动力系统的运行优化装置及运行优化方法 |
-
2021
- 2021-08-05 CN CN202110899277.2A patent/CN113722889A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827409A (zh) * | 2022-11-29 | 2023-03-21 | 北京京航计算通讯研究所 | 一种在线算法评估装置及方法 |
CN116520709A (zh) * | 2023-06-16 | 2023-08-01 | 上海能誉科技股份有限公司 | 一种能源动力系统的运行优化装置及运行优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800066B (zh) | 一种数据中心节能调度方法及系统 | |
WO2021062748A1 (zh) | 综合能源系统的优化方法、装置和计算机可读存储介质 | |
CN113722889A (zh) | 一种基于人工智能的能效在线分析系统及方法 | |
CN110659693B (zh) | 基于k近邻分类的配电网快速拓扑识别方法、系统及介质 | |
WO2021062753A1 (zh) | 综合能源系统的仿真方法、装置和计算机可读存储介质 | |
CN104520581A (zh) | 自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法 | |
CN112413831A (zh) | 一种中央空调节能控制系统及方法 | |
CN113048017B (zh) | 基于内模控制的风电机组有功功率控制优化方法及系统 | |
CN109492897B (zh) | 基于能量的暂态稳定和振荡动态的统一分析方法、装置及系统 | |
JP6032486B2 (ja) | 電力管理システム、電力管理方法 | |
CN112907057A (zh) | 基于改进mopso算法的生产调度优化方法及系统 | |
CN113708389B (zh) | 基于实际功率响应的风电场一次调频模型参数辨识方法及系统 | |
CN107829878A (zh) | 风力发电机组的偏航控制设备和方法 | |
CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及系统 | |
CN115167562A (zh) | 一种机房温度控制方法和装置 | |
CN114358485A (zh) | 一种源荷匹配性评估方法、系统、介质及电子设备 | |
Sarkar et al. | Concurrent carbon footprint reduction (c2fr) reinforcement learning approach for sustainable data center digital twin | |
CN111968008B (zh) | 基于多能协作的综合能源监控系统及方法 | |
CN117424293A (zh) | 一种智能风力预测与调度方法及系统 | |
CN112462708B (zh) | 一种泵站远程诊断及优化调度方法及系统 | |
CN104253432A (zh) | 数据中心内利用风能和电池储能的运行费用计算方法 | |
CN115114983B (zh) | 基于大数据设备电量数据采集分析方法、计算机系统 | |
CN113078638B (zh) | 一种基于模糊模型的火电机组agc性能指标计算方法及系统 | |
CN109726896A (zh) | 能源能效的计算方法及装置、存储介质、电子装置 | |
CN116880163B (zh) | 一种智慧数据中心冷源调控方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211130 |