CN114648078A - 一种地热清洁能源深浅联动降碳增效监控系统 - Google Patents
一种地热清洁能源深浅联动降碳增效监控系统 Download PDFInfo
- Publication number
- CN114648078A CN114648078A CN202210559416.1A CN202210559416A CN114648078A CN 114648078 A CN114648078 A CN 114648078A CN 202210559416 A CN202210559416 A CN 202210559416A CN 114648078 A CN114648078 A CN 114648078A
- Authority
- CN
- China
- Prior art keywords
- geothermal
- clean energy
- energy data
- module
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种地热清洁能源深浅联动降碳增效监控系统,涉及勘测技术领域,发明要解决的技术问题是现有技术中勘查能力滞后,地热清洁能源深浅联动降碳信息分析效率差,无法实时观测地热清洁能源数据信息,能源与环境清洁的监测力度差,分析效率滞后等,本发明采用的方案是设计一种地热清洁能源深浅联动降碳增效监控系统,系统包括地热清洁能源数据融合模块、降维模块、分析模块和预警模块。通过地热清洁能源数据融合模块实现不同数据信息的融合,通过降维模块实现复杂数据信息的处理,通过分析模块提高了数据分析能力,通过预警模块对异常数据信息及时预警。本发明提高了地热清洁能源分析与监控能力。
Description
技术领域
本发明涉及勘测技术领域,且更确切地涉及一种地热清洁能源深浅联动降碳增效监控系统。
背景技术
地热能是一种新型的清洁能源。清洁能源一般是指可以直接用于生产生活而不排放污染物的能源。地热能主要是地球上熔岩产生的热量转化而来的能量,是一种绿色、低碳、可循环的清洁能源。地热能具有储量大、分布广、清洁环保、稳定可靠等特点。它还包括各种形式,如浅层地热能、中深层地热能、深层岩石热能等。在维持地热清洁能源过程中,如何实现地热清洁能源深浅联动降碳增效是亟待解决的问题,地热清洁能源勘查是一项艰巨的任务、实现地热清洁能源深浅联动降碳增效监控是一项技术技术难题。现有技术中勘查能力滞后,地热清洁能源深浅联动降碳信息分析效率差,无法实时观测地热清洁能源数据信息,能源与环境清洁的监测力度差,分析效率滞后。
发明内容
针对上述提及的技术问题,本发明公开一种地热清洁能源深浅联动降碳增效监控系统,通过采用人工智能的方法实现地热清洁能源深浅联动降碳信息分析,以实时观测地热清洁能源数据信息,实现能源与环境清洁的监测,大大提高了分析效率。
为了实现上述技术效果,本发明采用以下技术方案:
一种地热清洁能源深浅联动降碳增效监控系统,包括:
地热清洁能源数据融合模块,用于融合有关地热清洁数据信息,并使用不同格式的地热清洁能源数据信息实现地热清洁能源数据融合;其中所述地热清洁能源数据融合模块连接有不同格式的地热清洁能源数据库;
降维模块,提取地热清洁能源数据融合模块输出的地热清洁能源数据信息,将输出的地热清洁能源数据高纬度地热清洁能源数据信息转化为低纬度地热清洁能源数据信息,以便于实现地热清洁能源数据信息的处理;
分析模块,用于分析降维模块输出的地热清洁能源数据信息,通过计算机计算函数实现影响地热清洁能源深浅联动降碳增效地热清洁能源数据信息的分析,以分析出影响地热清洁能源深浅联动降碳增效因素的分析;
预警模块,将分析模块输出的地热清洁能源数据信息通过预警的方式实现预警提示,以实现地热清洁能源深浅联动降碳过程中异常地热清洁能源数据信息警报;
其中所述地热清洁能源数据融合模块的输出端与降维模块的输入端连接,所述降维模块的输出端与分析模块的输入端连接,所述分析模块的输出端与预警模块的输入端连接。
作为本发明进一步的技术方案,所述地热清洁能源数据融合模块包括地热清洁能源数据接口、地热清洁能源数据预处理模块、格式转换模块、地热清洁能源数据归一化模块和地热清洁能源数据输出模块,其中所述地热清洁能源数据接口的输出端与地热清洁能源数据预处理模块的输入端连接,所述地热清洁能源数据预处理模块的输出端与格式转换模块的输入端连接,所述格式转换模块的输出端与地热清洁能源数据归一化模块的输入端连接,所述地热清洁能源数据归一化模块的输出端与地热清洁能源数据输出模块的输入端连接。
作为本发明进一步的技术方案,所述降维模块包括基于ARM架构的64位1.5GHz的微处理器,通过微处理控制实现数据维度控制,降维模块包括第一维度、第二维度和第三维度,其中第一维度为图像信息维度,第二维度为数据信息维度,第三维度为基于人工智能算法模型识别的数据信息维度。
作为本发明进一步的技术方案,所述分析模块包括参数定义模块、编码器、分类器、判别器和异常检测信息输出模块,其中所述参数定义模块的输出端与编码器的输入端连接,所述编码器的输出端与所述分类器的输入端连接。
作为本发明进一步的技术方案,所述分析模块实现地热清洁能源数据分析的方法包括以下步骤:
步骤1、通过参数定义模块实现分析模块的参数定义;
地热清洁能源数据包中具有n个字节的信息,降碳信息记为,其中表示地热清洁能源数据包中降碳的数据信息,表示不同的降碳数据信息中第n个数据信息,解析地热清洁能源数据流量中的每个影响降碳信息元素为,表示影响降碳信息元素信息集合,其中表示影响降碳信息元素的每个字节数量,记作为,地热清洁能源数据输入流量数据包由m个地热清洁能源数据包串联而成;表示每个字节数量;
步骤2、通过编码器实现地热清洁能源数据编码;
式(1)中表示地热清洁能源数据编码实现编码信息共享的地热清洁能源数据信息,表示地域标签,表示共享编码器,表示目标域地热清洁能源数据;表示重构编码器编码标签中的横坐标标签,表示重构编码器编码标签中的纵坐标标签,s表示重构编码器编码标签中某一个横坐标标签,表示第s个横坐标标签的像素,表示重构编码器编码标签中的纵坐标标签;
步骤3、通过分类器实现地热清洁能源数据分析
通过对解析地热清洁能源数据流的分析,定义能源清洁异常的检测模型为:
式(2)中,为字节向量,为分类器,通过对域的定义简化能源清洁检测模型,将域看作输入空间X、输出空间Y和联合概率分布p组合,将源域设定为,目标域设定为,把输入空间X和输出空间Y相等,联合概率分布p不同的源域和目标域;
步骤4、通过判别器实现地热清洁能源数据信息辨别;
式(3)中,表示熵损失,表示判别器,表示共享标识地热清洁能源数据,表示域标签;当时,当前地热清洁能源数据为源域地热清洁能源数据,时当前地热清洁能源数据为目标域地热清洁能源数据,编码器和重构编码器为构建解析流量地热清洁能源数据提供完整信息;d表示判别器的类别,相同符号不做二次解释;
步骤5、通过异常检测信息输出模块实现地热清洁能源数据信息输出;
异常检测信息输出模块输出信息为:
式(4)中,、和为标识损失项的权重,表示训练任务损失,表示重构模型损失,表示差异损失,表示判别器的损失,模型中所有模块的优化目标为所有的损失函数最小,能源清洁中分类器将源域的任务进行建模,其损失可表示为:
式(5)中,表示源域地热清洁能源数据的字节向量,表示地热清洁能源数据标签,表示分类器,表示损失函数,E表示源域地热清洁能源数据类型,表示源域地热清洁能源数据的字节向量情况下地热清洁能源数据共享编码器,表示对进行分类的分类器;表示通过分类器熵损失函数。
作为本发明进一步的技术方案,所述预警模块为基于可编程控制器实现的数值预警,当分类器输出数据信息小于可编程控制器的数字阈值时,预警模块输出信息为1,地热清洁能源数据信息不存在降碳的问题,当预警模块输出信息为0,地热清洁能源数据信息存在降碳的问题。
发明有益的积极效果在于,本发明有效地将宏观数据信息转换为微观数据信息分析,大大提高了地热清洁能源分析与监控能力,通过地热清洁能源数据融合模块实现有关地热清洁数据信息,并使用不同格式的地热清洁能源数据信息实现地热清洁能源数据融合;通过降维模块提取地热清洁能源数据融合模块输出的地热清洁能源数据信息,将输出的地热清洁能源数据高纬度地热清洁能源数据信息转化为低纬度地热清洁能源数据信息,以便于实现地热清洁能源数据信息的处理;通过分析模块分析降维模块输出的地热清洁能源数据信息,通过计算机计算函数实现影响地热清洁能源深浅联动降碳增效地热清洁能源数据信息的分析;通过预警模块将分析模块输出的地热清洁能源数据信息通过预警的方式实现预警提示,以实现地热清洁能源深浅联动降碳过程中异常地热清洁能源数据信息警报。
附图说明
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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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,其中:
图1为本发明系统架构示意图;
图2为发明中降维模块的结构示意图;
图3为发明中分析模块的结构示意图;
图4为发明中分析模块工作过程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1-4所示,一种地热清洁能源深浅联动降碳增效监控系统,包括:
地热清洁能源数据融合模块,用于融合有关地热清洁数据信息,并使用不同格式的地热清洁能源数据信息实现地热清洁能源数据融合;其中所述地热清洁能源数据融合模块连接有不同格式的地热清洁能源数据库;
降维模块,提取地热清洁能源数据融合模块输出的地热清洁能源数据信息,将输出的地热清洁能源数据高纬度地热清洁能源数据信息转化为低纬度地热清洁能源数据信息,以便于实现地热清洁能源数据信息的处理;
分析模块,用于分析降维模块输出的地热清洁能源数据信息,通过计算机计算函数实现影响地热清洁能源深浅联动降碳增效地热清洁能源数据信息的分析,以分析出影响地热清洁能源深浅联动降碳增效因素的分析;
预警模块,将分析模块输出的地热清洁能源数据信息通过预警的方式实现预警提示,以实现地热清洁能源深浅联动降碳过程中异常地热清洁能源数据信息警报;
其中所述地热清洁能源数据融合模块的输出端与降维模块的输入端连接,所述降维模块的输出端与分析模块的输入端连接,所述分析模块的输出端与预警模块的输入端连接。
在上述实施例中,所述地热清洁能源数据融合模块包括地热清洁能源数据接口、地热清洁能源数据预处理模块、格式转换模块、地热清洁能源数据归一化模块和地热清洁能源数据输出模块,其中所述地热清洁能源数据接口的输出端与地热清洁能源数据预处理模块的输入端连接,所述地热清洁能源数据预处理模块的输出端与格式转换模块的输入端连接,所述格式转换模块的输出端与地热清洁能源数据归一化模块的输入端连接,所述地热清洁能源数据归一化模块的输出端与地热清洁能源数据输出模块的输入端连接。
在上述实施例中,数据预处理模块主要包括去除唯一属性、处理缺失值、属性编码、数据标准化正则化、特征选择、主成分分析等。将输入不清楚的数据信息转换为清楚的数据信息。
格式转换模块是将输入不同数据信息的格式,比如QLV、QSV、KUX、F4V、OGV、3GP、AVI等等转为人工智能处理的需要。或者将图像信息转换为数字信息。在具体实施例中通过ARM+DSP双核处理器或者采用基于STM32F103VET6单片机的ARM嵌入式系列计算芯片可以实现转换控制。在其他实施例中,还可以使用FGPF4536芯片等。
地热清洁能源数据归一化模块,在处理数据时,通常需要将数据转换成更加适合算法模型的数据。这是为了防止因为多组数据的量纲或大小差异过大导致影响计算结果出现偏差,归一化模块是对原始数据的线性变换,有利于将宏观数据信息转换为微观数据思维。
在上述实施例中,所述降维模块包括基于ARM架构的64位1.5GHz的微处理器,通过微处理控制实现数据维度控制,降维模块包括第一维度、第二维度和第三维度,其中第一维度为图像信息维度,第二维度为数据信息维度,第三维度为基于人工智能算法模型识别的数据信息维度。通过转换为不同数据信息的维度,进而实现数据格式或者复杂度的转换,有利于数据信息复杂度处理。将高维度数据信息转换为低纬度数据信息。
在具体实施例中,转换为不同数据信息的维度的方法很多,在降维数据信息处理时,比如主成分分析、等距映射、逻辑回归、LASSO模型等不同的方法,这些方法根据用户的不同需求实现不同的数据处理,以便提高数据处理能力。在具体应用过程中,根据不同的需求,比如需要分类处理,就采用分类的数据处理方法,在需要关联计算时,就需要采用关联的数据信息计算方法。
在具体实施例中,预警模块在其内部设置了基于ARM架构的64位和1.5GHz的微处理器Cortex-A72,通过BCM2711型号的片上系统实现预警控制。该模块还设置了视频输入接口CSI和支持4K高清视频输入的双Micro-hdmi接口以及音频输出的HDMI接口,通过千兆以太网的有线网口,和无线WiFi模块实现电力现场作业异常数据信息的监测。在具体实例中,还可以采用基于ARM内核的XScale嵌入式处理系统,该系统是基于ARM v5TE处理器对建筑施工进行监控处理。其中XScale隶属于ARM的“V5TE”体系,工作运行的最高频率为1GHz,在运行中具有ARM体系工作特点。具体而言选择PXA26x系列的产品,其内设置1个核心处理核心和2个闪存芯片构成。该系统内部设计4Bank、256MB容量的SDRAM,具有卓越的高集成度能力[6]。高技术还设置有Intel的无线MMX技术,具有64位的SIMD指令集,这些指令集对数据信息的采集时,能够实现不同维度的控制。
在上述实施例中,所述分析模块包括参数定义模块、编码器、分类器、判别器和异常检测信息输出模块,其中所述参数定义模块的输出端与编码器的输入端连接,所述编码器的输出端与所述分类器的输入端连接。
在上述实施例中,所述分析模块实现地热清洁能源数据分析的方法包括以下步骤:
步骤1、通过参数定义模块实现分析模块的参数定义;
地热清洁能源数据包中具有n个字节的信息,降碳信息记为,其中表示地热清洁能源数据包中降碳的数据信息,表示不同的降碳数据信息中第n个数据信息,解析地热清洁能源数据流量中的每个影响降碳信息元素为,表示影响降碳信息元素信息集合,其中表示影响降碳信息元素的每个字节数量,记作为,地热清洁能源数据输入流量数据包由m个地热清洁能源数据包串联而成;表示每个字节数量;
步骤2、通过编码器实现地热清洁能源数据编码;
式(1)中表示地热清洁能源数据编码实现编码信息共享的地热清洁能源数据信息,表示地域标签,表示共享编码器,表示目标域地热清洁能源数据;表示重构编码器编码标签中的横坐标标签,表示重构编码器编码标签中的纵坐标标签,s表示重构编码器编码标签中某一个横坐标标签,表示第s个横坐标标签的像素,表示重构编码器编码标签中的纵坐标标签;
步骤3、通过分类器实现地热清洁能源数据分析
通过对解析地热清洁能源数据流的分析,定义能源清洁异常的检测模型为:
式(2)中,为字节向量,为分类器,通过对域的定义简化能源清洁检测模型,将域看作输入空间X、输出空间Y和联合概率分布p组合,将源域设定为,目标域设定为,把输入空间X和输出空间Y相等,联合概率分布p不同的源域和目标域;
步骤4、通过判别器实现地热清洁能源数据信息辨别;
式(3)中,表示熵损失,表示判别器,表示共享标识地热清洁能源数据,表示域标签;当时,当前地热清洁能源数据为源域地热清洁能源数据,时当前地热清洁能源数据为目标域地热清洁能源数据,编码器和重构编码器为构建解析流量地热清洁能源数据提供完整信息;d表示判别器的类别,相同符号不做二次解释;
步骤5、通过异常检测信息输出模块实现地热清洁能源数据信息输出;
异常检测信息输出模块输出信息为:
式(4)中,、和为标识损失项的权重,表示训练任务损失,表示重构模型损失,表示差异损失,表示判别器损失,模型中所有模块的优化目标为所有的损失函数最小,能源清洁中分类器将源域的任务进行建模,其损失可表示为:
式(5)中,表示源域地热清洁能源数据的字节向量,表示地热清洁能源数据标签,表示分类器,表示损失函数,E表示源域地热清洁能源数据类型,表示源域地热清洁能源数据的字节向量情况下地热清洁能源数据共享编码器,表示对进行分类的分类器;表示通过分类器熵损失函数。在具体实施例中,经过目标域的解析流量地热清洁能源数据,通过任务分类器完成了能源清洁异常的检测。
在上述实施例中,所述预警模块为基于可编程控制器实现的数值预警,当分类器输出数据信息小于可编程控制器的数字阈值时,预警模块输出信息为1,地热清洁能源数据信息不存在降碳的问题,当预警模块输出信息为0,地热清洁能源数据信息存在降碳的问题。
随着数控技术的发展,可编程控制器控制的设备已由单机扩展到FMS、CIMS等。可编程控制器处理的信息除开关量信号、模拟量信号、交流信号外,还需要完成与上位机或下位机的信息交换。某些信息的处理已不能采用顺序执行的方式,而必须采用高速实时处理方式。在具体实施例中,可以应用西门子S7-300、S7-400系列PLC等,在具体实施例中,可编程控制器简称PC或PLC是一种数字运算操作的电子系统,专门在工业环境下应用而设计。它采用可以编制程序的存储器,用来在执行存储逻辑运算和顺序控制、定时、计数和算术运算等操作的指令,并通过数字或模拟的输入(I)和输出(O)接口,控制各种类型的机械设备或生产过程。可编程控制器是在电器控制技术和计算机技术的基础上开发出来的,并逐渐发展成为以微处理器为核心,把自动化技术、计算机技术、通讯技术融为一体的新型工业控制装置。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (6)
1.一种地热清洁能源深浅联动降碳增效监控系统,其特征在于:包括:
地热清洁能源数据融合模块,用于融合有关地热清洁数据信息,并使用不同格式的地热清洁能源数据信息实现地热清洁能源数据融合;其中所述地热清洁能源数据融合模块连接有不同格式的地热清洁能源数据库;
降维模块,提取地热清洁能源数据融合模块输出的地热清洁能源数据信息,将输出的地热清洁能源数据高纬度地热清洁能源数据信息转化为低纬度地热清洁能源数据信息,以便于实现地热清洁能源数据信息的处理;
分析模块,用于分析降维模块输出的地热清洁能源数据信息,通过计算机计算函数实现影响地热清洁能源深浅联动降碳增效地热清洁能源数据信息的分析,以分析出影响地热清洁能源深浅联动降碳增效因素的分析;
预警模块,将分析模块输出的地热清洁能源数据信息通过预警的方式实现预警提示,以实现地热清洁能源深浅联动降碳过程中异常地热清洁能源数据信息警报;
其中所述地热清洁能源数据融合模块的输出端与降维模块的输入端连接,所述降维模块的输出端与分析模块的输入端连接,所述分析模块的输出端与预警模块的输入端连接。
2.根据权利要求1所述的一种地热清洁能源深浅联动降碳增效监控系统,其特征在于:所述地热清洁能源数据融合模块包括地热清洁能源数据接口、地热清洁能源数据预处理模块、格式转换模块、地热清洁能源数据归一化模块和地热清洁能源数据输出模块,其中所述地热清洁能源数据接口的输出端与地热清洁能源数据预处理模块的输入端连接,所述地热清洁能源数据预处理模块的输出端与格式转换模块的输入端连接,所述格式转换模块的输出端与地热清洁能源数据归一化模块的输入端连接,所述地热清洁能源数据归一化模块的输出端与地热清洁能源数据输出模块的输入端连接。
3.根据权利要求1所述的一种地热清洁能源深浅联动降碳增效监控系统,其特征在于:所述降维模块包括基于ARM架构的64位1.5GHz的微处理器,通过微处理控制实现数据维度控制,降维模块包括第一维度、第二维度和第三维度,其中第一维度为图像信息维度,第二维度为数据信息维度,第三维度为基于人工智能算法模型识别的数据信息维度。
4.根据权利要求1所述的一种地热清洁能源深浅联动降碳增效监控系统,其特征在于:所述分析模块包括参数定义模块、编码器、分类器、判别器和异常检测信息输出模块,其中所述参数定义模块的输出端与编码器的输入端连接,所述编码器的输出端与所述分类器的输入端连接。
5.根据权利要求4所述的一种地热清洁能源深浅联动降碳增效监控系统,其特征在于:所述分析模块实现地热清洁能源数据分析的方法包括以下步骤:
步骤1、通过参数定义模块实现分析模块的参数定义:
地热清洁能源数据包中具有n个字节的信息,降碳信息记为,其中表示地热清洁能源数据包中降碳的数据信息,表示不同的降碳数据信息中第n个数据信息,解析地热清洁能源数据流量中的每个影响降碳信息元素为,表示影响降碳信息元素信息集合,其中表示影响降碳信息元素的每个字节数量,记作为,地热清洁能源数据输入流量数据包由m个地热清洁能源数据包串联而成;表示每个字节数量;
步骤2、通过编码器实现地热清洁能源数据编码;
式(1)中表示地热清洁能源数据编码实现编码信息共享的地热清洁能源数据信息,表示地域标签,表示共享编码器,表示目标域地热清洁能源数据;表示重构编码器编码标签中的横坐标标签,表示重构编码器编码标签中的纵坐标标签,s表示重构编码器编码标签中某一个横坐标标签,表示第s个横坐标标签的像素,表示重构编码器编码标签中的纵坐标标签;
步骤3、通过分类器实现地热清洁能源数据分析
通过对解析地热清洁能源数据流的分析,定义能源清洁异常的检测模型为:
式(2)中,为字节向量,为分类器,通过对域的定义简化能源清洁检测模型,将域看作输入空间X、输出空间Y和联合概率分布p组合,将源域设定为,目标域设定为,把输入空间X和输出空间Y相等,联合概率分布p不同的源域和目标域;
步骤4、通过判别器实现地热清洁能源数据信息辨别;
式(3)中,表示熵损失,表示判别器,表示共享标识地热清洁能源数据,表示域标签;当时,当前地热清洁能源数据为源域地热清洁能源数据,时当前地热清洁能源数据为目标域地热清洁能源数据,编码器和重构编码器为构建解析流量地热清洁能源数据提供完整信息;d表示判别器的类别,相同符号不做二次解释;
步骤5、通过异常检测信息输出模块实现地热清洁能源数据信息输出;
异常检测信息输出模块输出信息为:
式(4)中,、和为标识损失项的权重,表示训练任务损失,表示重构模型损失,表示差异损失,表示判别器的损失,模型中所有模块的优化目标为所有的损失函数最小,能源清洁中分类器将源域的任务进行建模,其损失可表示为:
6.根据权利要求1所述的一种地热清洁能源深浅联动降碳增效监控系统,其特征在于:所述预警模块为基于可编程控制器实现的数值预警,当分类器输出数据信息小于可编程控制器的数字阈值时,预警模块输出信息为1,地热清洁能源数据信息不存在降碳的问题,当预警模块输出信息为0,地热清洁能源数据信息存在降碳的问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210559416.1A CN114648078B (zh) | 2022-05-23 | 2022-05-23 | 一种地热清洁能源深浅联动降碳增效监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210559416.1A CN114648078B (zh) | 2022-05-23 | 2022-05-23 | 一种地热清洁能源深浅联动降碳增效监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114648078A true CN114648078A (zh) | 2022-06-21 |
CN114648078B CN114648078B (zh) | 2022-09-13 |
Family
ID=81997552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210559416.1A Active CN114648078B (zh) | 2022-05-23 | 2022-05-23 | 一种地热清洁能源深浅联动降碳增效监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648078B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100194586A1 (en) * | 2009-02-05 | 2010-08-05 | Schlumberger Technology Corporation | Methods and systems for borehole telemetry |
CN106778794A (zh) * | 2016-12-29 | 2017-05-31 | 南京邮电大学 | 一种基于图像识别的计算机成像控制方法 |
CN109062167A (zh) * | 2018-09-17 | 2018-12-21 | 鑫益能机电科技(厦门)有限公司 | 一种能源监测方法、装置和系统 |
CN112650159A (zh) * | 2020-09-18 | 2021-04-13 | 广东奥维信息科技有限公司 | 一种基于工业互联网的智慧能源管理系统 |
WO2021108680A1 (en) * | 2019-11-25 | 2021-06-03 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
CN113222209A (zh) * | 2021-03-25 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于域适应的区域尾气迁移预测方法、系统及存储介质 |
CN113568928A (zh) * | 2021-07-27 | 2021-10-29 | 广东电网有限责任公司 | 一种应用于能源产业链预警系统的数据管理系统 |
CN113919162A (zh) * | 2021-10-15 | 2022-01-11 | 福州大学 | 基于仿真与多源实测数据融合的电压暂降风险预警方法 |
CN113988310A (zh) * | 2021-10-29 | 2022-01-28 | 新智我来网络科技有限公司 | 深度学习模型选择方法、装置、计算机设备和介质 |
-
2022
- 2022-05-23 CN CN202210559416.1A patent/CN114648078B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100194586A1 (en) * | 2009-02-05 | 2010-08-05 | Schlumberger Technology Corporation | Methods and systems for borehole telemetry |
CN106778794A (zh) * | 2016-12-29 | 2017-05-31 | 南京邮电大学 | 一种基于图像识别的计算机成像控制方法 |
CN109062167A (zh) * | 2018-09-17 | 2018-12-21 | 鑫益能机电科技(厦门)有限公司 | 一种能源监测方法、装置和系统 |
WO2021108680A1 (en) * | 2019-11-25 | 2021-06-03 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
CN112650159A (zh) * | 2020-09-18 | 2021-04-13 | 广东奥维信息科技有限公司 | 一种基于工业互联网的智慧能源管理系统 |
CN113222209A (zh) * | 2021-03-25 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于域适应的区域尾气迁移预测方法、系统及存储介质 |
CN113568928A (zh) * | 2021-07-27 | 2021-10-29 | 广东电网有限责任公司 | 一种应用于能源产业链预警系统的数据管理系统 |
CN113919162A (zh) * | 2021-10-15 | 2022-01-11 | 福州大学 | 基于仿真与多源实测数据融合的电压暂降风险预警方法 |
CN113988310A (zh) * | 2021-10-29 | 2022-01-28 | 新智我来网络科技有限公司 | 深度学习模型选择方法、装置、计算机设备和介质 |
Non-Patent Citations (5)
Title |
---|
D.CARVALHO等: "Offshore wind energy resource simulation forced by different reanalyses: Comparison with observed data in the Iberian Peninsula", 《APPLIED ENERGY》 * |
刘涛等主编: "《能源利用与环境保护》", 31 July 2011, 冶金工业出版社 * |
周仁等著: "区域节能减排管理方法与措施研究", 《区域节能减排管理方法与措施研究》 * |
李彬: "地热能源项目与减排机制的应用研究", 《基础科学辑》 * |
阎守邕等编著: "《普通遥感学教程》", 31 October 2017, 国防工业出版社 * |
Also Published As
Publication number | Publication date |
---|---|
CN114648078B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pang et al. | Spatio-temporal fusion neural network for multi-class fault diagnosis of wind turbines based on SCADA data | |
Huang et al. | A projective and discriminative dictionary learning for high-dimensional process monitoring with industrial applications | |
CN111091240A (zh) | 一种公共机构电力能效监测系统及服务方法 | |
CN115469627B (zh) | 基于物联网的智能工厂运行管理系统 | |
Li et al. | Outlier data mining method considering the output distribution characteristics for photovoltaic arrays and its application | |
CN116143127A (zh) | 石英砂的自动化生产系统及其方法 | |
Ferencz et al. | Rapid prototyping of IoT applications for the industry | |
Li et al. | TC-GATN: Temporal Causal Graph Attention Networks With Nonlinear Paradigm for Multivariate Time-Series Forecasting in Industrial Processes | |
CN106056227B (zh) | 基于iec61850标准的智能变电站服务跟踪方法 | |
CN114648078B (zh) | 一种地热清洁能源深浅联动降碳增效监控系统 | |
Cali et al. | Digital twins: shaping the future of energy systems and smart cities through cybersecurity, efficiency, and sustainability | |
CN103383649A (zh) | 一种复杂虚拟仪器系统设计模型 | |
CN116910144A (zh) | 算力网络资源中心、算力服务系统以及数据处理方法 | |
Li et al. | Comparison and application potential analysis of autoencoder-based electricity pattern mining algorithms for large-scale demand response | |
CN114722388A (zh) | 一种数据库数据信息安全监视方法 | |
He et al. | Overview of Key Performance Indicator Anomaly Detection | |
Mansouri et al. | Anomaly detection in industrial control systems using evolutionary-based optimization of neural networks | |
Dimd et al. | Digital Twins: Shaping the Future of Energy Systems and Smart Cities through Cybersecurity, Efficiency, and Sustainability | |
CN109001985B (zh) | 一种基于编码的光伏电站建模方法及装置 | |
Zhang et al. | New dimensionality reduction method of wind power curve based on deep learning | |
Chhaya et al. | Application of data mining in smart grid technology | |
CN201717634U (zh) | 用于多层电网的事故集处理系统 | |
Wang et al. | A Low-Cost Defect Segmentation System Based On IoT for Large-Scale Photovoltaic Manufacturing | |
Lin et al. | Computer aided analysis and control of power system based on data mining technology | |
CN111371461A (zh) | 一种适用于智能电表的原码与反码混合式数据压缩方法 |
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 |