CN114648223A - 一种基于物联网的智慧城市能耗数据挖掘系统及方法 - Google Patents
一种基于物联网的智慧城市能耗数据挖掘系统及方法 Download PDFInfo
- Publication number
- CN114648223A CN114648223A CN202210283315.6A CN202210283315A CN114648223A CN 114648223 A CN114648223 A CN 114648223A CN 202210283315 A CN202210283315 A CN 202210283315A CN 114648223 A CN114648223 A CN 114648223A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- layer
- energy
- internet
- 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 228
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007418 data mining Methods 0.000 title claims abstract description 28
- 230000007547 defect Effects 0.000 claims abstract description 95
- 230000004069 differentiation Effects 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 26
- 230000010354 integration Effects 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 65
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000008439 repair process Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000344 soap Substances 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000013523 data management Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012558 master data management Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于物联网的智慧城市能耗数据挖掘系统及方法,包括从底层到顶层依次设置的物联网接入层、通信接口层、广域网层、数据采集层、数据处理层、服务层和应用层。本发明基于物联网重塑智慧城市能耗数据采集系统底层支撑架构,提高能耗数据采集系统的通信能力和处理能力等;基于云计算技术架构设计并实现智慧城市能耗数据集成框架,为智慧城市海量数据处理提供分布式并行处理服务;设计并实现智慧城市能耗分析预测、能耗缺陷管理和能耗差别化管理的多种模型和方法,展示典型应用示范,有助于推动智慧城市能耗的网络化、实时化、智能化监管,为各区域、各行业、各企业提供分析数据和决策参考。
Description
技术领域
本发明主要涉及数据挖掘技术领域,具体地说,涉及一种基于物联网的智慧城市能耗数据挖掘系统及方法。
背景技术
智慧城市建设是未来城市发展的重要趋势,是城市可持续发展的必然要求。能耗数据智能挖掘是智慧城市节能监管体系的基础和重要组成部分,对提高智慧城市能源利用效率和节能减排具有决定性作用。
发明内容
有鉴于此,本发明的目的在于提供一种基于物联网的智慧城市能耗数据挖掘系统及方法,有助于推动智慧城市能耗的网络化、实时化、智能化监管。
本发明的基于物联网的智慧城市能耗数据挖掘系统,包括从底层到顶层依次设置的物联网接入层、通信接口层、广域网层、数据采集层、数据处理层、服务层和应用层,所述物联网接入层用于实现不同底层设备的互联互通;所述通信接口层用于搭建通信信道;所述广域网层用于将不同区域范围和/或不同应用划分和/或不同底层协议的设备子网统一到预设标准平台上,屏蔽物联网接入层上各种物联网实现的具体细节,抽象出不同属性数据;所述数据采集层,以数据中转站为核心,基于一种插件式可扩展数据采集框架支持多种数据采集方式,且基于统一数据编码和SOAP/XML实现协议转换;所述数据处理层用于实现区域采集、分布式处理、海量数据存储;所述服务层用于提供能耗分析预测、能耗缺陷管理、能耗差别化管理服务;所述应用层用于展示典型应用示范。
进一步地,所述数据采集层包括从底部到顶部设置的物联网感知层、前端数据采集层和区域数据中心,所述物联网感知层用于各类传感器、控制器和功能终端的布置;所述前端数据采集层包括插入式可扩展数据采集框架、自动化编码转换系统、自动化末端控制系统、能耗管理系统和自动化监测系统,利用插入式可扩展数据采集框架集成不同的数据采集系统,利用自动化编码转换系统、自动化末端控制系统、能耗管理系统和自动化监测系统进行采集数据的综合管理,所述不同的数据采集系统包括ModBus数据采集系统、PLC数据采集系统、ilon数据采集系统和传感器网络数据采集系统;所述区域数据中心通过部署在前端数据采集层中的数据中转站来获取各类数据并进行分析处理。
进一步地,所述物联网感知层通过如下过程实现高可用性的物联网感知:在预设的网络测试平台上进行传感器网络架构冗余部署的仿真测试;在考虑网络传输数据路径选择负载均衡的前提下,优化传感器网络路由协议,将优于原网络路由方案的网络布置应用;在已进行路由与负载均衡优化的传感器网络上,利用无线传感器数据融合技术减少传感器网络内数据传输量,并在仿真测试成功后将之应用于实际网络中;将适用于传感器网络的简单心跳机制嵌入到传感器网络中,实时反馈传感器网络各节点的工作情况。
进一步地,所述数据处理层包括区域采集监测调节系统、分布式云处理系统、区域数据采集中转控制系统和数据仓库管理系统,区域采集监测调节系统用于对采集设备以及采集设备所采集的各类数据进行监测调节,分布式云处理系统用于对采集的各类数据提供存储和计算服务,区域数据采集中转控制系统用于对采集中转设备和所采集的中转数据进行监测调节,数据仓库管理系统用于对采集的各类数据进行有效管理。
进一步地,还包括数据集成框架,所述数据集成框架包括从底部到顶部依次设置的物理资源池、基础平台层、基础框架层、应用集成层、应用服务层,所述物理资源池用于纳入各类软硬件资源;所述基础平台层用于在虚拟化资源的基础上,建立各种分布式基础;所述基础框架层,至少通过其中间件引擎、规则引擎、数据存取引擎、ETL引擎、协同过滤引擎、数据清洗引擎、数据分析预测引擎来完成技术支撑,并通过系统组件化设计,保证系统的可扩展性、可配置性及可管理性;所述应用集成层用于整合各种应用接口;所述应用服务层在应用集成层的基础上,实现智慧城市能耗数据挖掘应用服务。
进一步地,所述服务层包括能耗分析预测模块、能耗缺陷管理模块和能耗差别化管理模块,所述能耗分析预测模块采用BP神经网络对采集的能耗数据进行有效存储、可靠分析和趋势预测,所述能耗缺陷管理模块用于对符合能耗缺陷预定义的数据进行缺陷标识、分类和修复,所述能耗差别化管理模块用于对采集的能耗数据进行差别化管理。
进一步地,所述能耗缺陷管理模块包括原始数据仓库、能源缺陷库、能源缺陷修复器、能源缺陷专家决策库和能源归类知识库,所述原始数据仓库用于存储采集的原始能耗数据,所述能源缺陷库用于挖掘原始数据仓库的能源缺陷,所述能源缺陷修复器用于从能源缺陷库抽取能源数据缺陷进行缺陷修复,并将记录的修复情况反馈给能源缺陷库;所述能源缺陷专家决策库用于从能源缺陷修复器获取完善新的数据修复决策,并向能源归类知识库反馈缺陷分类;所述能源归类知识库根据SOM技术对从能源缺陷库获取的能源缺陷进行归类分析,并将分析结果反馈给能源缺陷库,完善能源缺陷库,同时还为能源缺陷专家决策库提供基本决策规则。
进一步地,所述能耗差别化管理模块包括能耗差别化分类器、能耗差别化知识库、能耗差别化估值器件和能耗差别化预值器,所述能耗差别化预值器分别与能耗差别化分类器、能耗差别化知识库和能耗差别化预值器连接,其中,
能耗差别化分类器,用于建立分类模型以对输入数据进行分类;
能耗差别化知识库,生成能耗差别化规则集合,用于指导能耗差别化的各类能耗的差别化估值分析和预测分析,并实时更新;
能耗差别化估值器,根据能耗差别化知识库的规则集合对各类能耗数据进行分析评估,获取各个能耗差别化的估值;
能耗差别化预值器,根据能耗差别化估值器获取的能耗差别化的估值,并结合能耗差别化知识库进行分析挖掘,获取不同能源的使用趋势以对用户的耗能进行引导。
进一步地,所述广域网层包括GSM/CDMA/GPRS、以太网、3G网络和VPN中的至少两种;和/或所述通信接口层包括TCP/IP接口、RS-232、RS-485和DSP1.1/2.0中的至少两种;和/或所述物联网接入层包括有线网络、LonWorks PLC、WIFI、Zigbee、FRID和Bluetooth中的至少两种。
本发明的另一个方面,还提供一种基于物联网的智慧城市能耗数据挖掘方法,包括以下步骤:
S1、通过多网络集成,实现不同底层设备的互联互通。
S2、整合通信接口,通过提供整合各类标准接口,搭建系统软件与硬件间可靠的信道;
S3、构建广域网层,通过广域网将不同区域范围和/或不同应用划分和/或不同底层协议的设备子网统一到预设标准平台上,屏蔽物联网接入层上各种物联网实现的具体细节,抽象出不同属性数据;
S4、整合数据采集层,以数据中转站为核心,基于一种插件式可扩展数据采集框架支持多种数据采集方式,且基于统一数据编码和SOAP/XML实现协议转换;
S5、构建数据处理层,基于能源归类标准、云计算、数据仓库,实现区域采集、分布式处理、海量数据存储;
S6、构建服务层,提供能耗分析预测、能耗缺陷管理、能耗差别化管理三大核心云服务;
S7、构建应用层,展示典型应用示范。
综上所述,本发明基于物联网重塑智慧城市能耗数据采集系统底层支撑架构,提高能耗数据采集系统的通信能力和处理能力等;基于云计算技术架构设计并实现智慧城市能耗数据集成框架,为智慧城市海量数据处理提供分布式并行处理服务;设计并实现智慧城市能耗分析预测、能耗缺陷管理和能耗差别化管理的多种模型和方法,展示典型应用示范,有助于推动智慧城市能耗的网络化、实时化、智能化监管,为各区域、各行业、各企业提供分析数据和决策参考。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明一实施例的基于物联网的智慧城市能耗数据挖掘系统的原理框图;
图2是图1所示数据采集层的原理框图;
图3是物联网感知层实现高可用性的物联网感知的流程图;
图4是本发明数据集成框架的原理框图;
图5是本发明能耗分析预测模块的原理框图;
图6是本发明能耗缺陷管理模块的原理框图;
图7是本发明能耗差别化管理模块的原理框图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为更好地理解本发明,现对如下名词给出解释:
1)物联网技术
物联网技术的核心和基础仍然是互联网技术,是在互联网技术基础上的延伸和扩展的一种网络技术;其用户端延伸和扩展到了任何物品和物品之间,进行信息交换和通讯。物联网技术可定义为:通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备,按约定的协议,将任何物品与互联网相连接,进行信息交换和通讯,以实现智能化识别、定位、追踪、监控和管理的一种网络技术叫做物联网技术。
2)云计算平台
云计算平台也称为云平台。云计算平台可以划分为3类:以数据存储为主的存储型云平台,以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台。云计算是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。用户通过电脑、笔记本、手机等方式接入数据中心,按自己的需求进行运算。具体的,云计算是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件和服务),这些资源能够被快速提供,只需投入很少的管理工作,或与服务供应商进行很少的交互。
大数据分析技术
大数据(Big Data)是指数据量大到用常规工具和方法无法进行处理的蕴含着大量价值的数据集合。大数据可概括为4个V,数据量大(Volume)、速度快(Velocity)、类型多(Variety)和价值(Value)。大数据分析主要包括六个基本方面:Analytic Visualizations(可视化分析)、Data Mining Algorithms(数据挖掘算法)、Predictive AnalyticCapabilities(预测性分析能力)、Semantic Engines(语义引擎)、Data Quality andMaster Data Management(数据质量和数据管理)、数据仓库。
如图1所示,本发明提供了一种基于物联网的智慧城市能耗数据挖掘系统,包括从底层到顶层依次设置的物联网接入层、通信接口层、广域网层、数据采集层、数据处理层、服务层和应用层,所述物联网接入层用于实现不同底层设备的互联互通;所述通信接口层用于搭建通信信道;所述广域网层用于将不同区域范围和/或不同应用划分和/或不同底层协议的设备子网统一到预设标准平台上,屏蔽物联网接入层上各种物联网实现的具体细节,抽象出不同属性数据;所述数据采集层,以数据中转站为核心,基于一种插件式可扩展数据采集框架支持多种数据采集方式,且基于统一数据编码和SOAP(Simple Object AccessProtocol,简单对象访问协议)/XML(Extensible Markup Language,可扩展标记语言)实现协议转换;所述数据处理层用于实现区域采集、分布式处理、海量数据存储;所述服务层用于提供能耗分析预测、能耗缺陷管理、能耗差别化管理服务;所述应用层用于展示典型应用示范。
通过上述过程基于物联网、云计算和大数据分析,建立了建立由物联网接入、通信接口、广域网、数据采集、数据处理、智能服务及上层应用构成的能耗数据智能管理体系,具体地,基于物联网重塑智慧城市能耗数据采集系统底层支撑架构,提高能耗数据采集系统的通信能力和处理能力等;基于云计算技术架构设计并实现智慧城市能耗数据集成框架,为智慧城市海量数据处理提供分布式并行处理服务;设计并实现智慧城市能耗分析预测、能耗缺陷管理和能耗差别化管理的多种模型和方法,展示典型应用示范,有助于推动智慧城市能耗的网络化、实时化、智能化监管,为各区域、各行业、各企业提供分析数据和决策参考。
同时,参见图2,数据采集层包括从底部到顶部设置的物联网感知层、前端数据采集层和区域数据中心,所述物联网感知层用于各类传感器、控制器和功能终端的布置;所述前端数据采集层包括插入式可扩展数据采集框架、自动化编码转换系统、自动化末端控制系统、能耗管理系统和自动化监测系统,利用插入式可扩展数据采集框架集成不同的数据采集系统,利用自动化编码转换系统(统一数据编码和SOAP/XML实现协议转换均由自动化编码转换系统实现)、自动化末端控制系统、能耗管理系统和自动化监测系统进行采集数据的综合管理,所述不同的数据采集系统包括ModBus数据采集系统、PLC数据采集系统、ilon数据采集系统和传感器网络数据采集系统;所述区域数据中心通过部署在前端数据采集层中的数据中转站来获取各类数据并进行分析处理。优选地,广域网层包括GSM/CDMA/GPRS、以太网、3G网络和VPN中的至少两种;和/或所述通信接口层包括TCP/IP接口、RS-232、RS-485和DSP1.1/2.0中的至少两种;和/或所述物联网接入层包括有线网络、LonWorks PLC、WIFI、Zigbee、FRID和Bluetooth中的至少两种。
在实现智慧城市能耗数据采集时,最为核心的是实现高可用性物联网感知技术的物联网感知层。物联网感知层通过图3所示的过程实现高可用性的物联网感知。具体地,在预设的网络测试平台上进行传感器网络架构冗余部署的仿真测试;在考虑网络传输数据路径选择负载均衡的前提下,优化传感器网络路由协议,将优于原网络路由方案的网络布置应用;在已进行路由与负载均衡优化的传感器网络上,利用无线传感器数据融合技术减少传感器网络内数据传输量,并在仿真测试成功后将之应用于实际网络中;将适用于传感器网络的简单心跳机制嵌入到传感器网络中,实时反馈传感器网络各节点的工作情况,使得上层系统(上层系统包括但不限于数据处理层、服务层和应用层)能够实时掌握各网络各节点的工作情况,系统能根据该工作情况解决一些故障。
在进一步地技术方案中,数据处理层包括区域采集监测调节系统、分布式云处理系统、区域数据采集中转控制系统和数据仓库管理系统,区域采集监测调节系统用于对采集设备以及采集设备所采集的各类数据进行监测调节,分布式云处理系统用于对采集的各类数据提供存储和计算服务,区域数据采集中转控制系统用于对采集中转设备和所采集的中转数据进行监测调节,数据仓库管理系统用于对采集的各类数据进行有效管理。通过上述设置,实现对区域内采集设备、采集中转设备以及所采集的各类数据进行监测调节和科学有效管理,同时对所采集的各类数据进行存储和计算分析处理。
同时,如图4所示,还包括数据集成框架,数据集成框架包括从底部到顶部依次设置的物理资源池、基础平台层、基础框架层、应用集成层、应用服务层,所述物理资源池用于纳入各类软硬件资源,硬件包括x86或Power的机器、存储服务器、交换机和路由器等网络设备;软件包括各种操作系统、中间件、数据库及应用;所述基础平台层用于在虚拟化资源的基础上,建立各种分布式基础,如分布式缓存、分布式数据处理及存储、分布式文件处理及存储等云计算的基础平台;所述基础框架层,至少通过其中间件引擎、规则引擎、数据存取引擎、ETL引擎、协同过滤引擎、数据清洗引擎、数据分析预测引擎来完成技术支撑,并通过系统组件化设计,保证系统的可扩展性、可配置性及可管理性;所述应用集成层用于整合各种应用接口,如能耗采集接口、能耗清洗接口、能耗存储接口、能耗分析预测接口、能源智能控制接口等,有力支撑各类业务的扩展;所述应用服务层在应用集成层的基础上,实现智慧城市能耗数据挖掘应用服务,具体,通过各类业务的服务接口,提供能耗报表管理、能耗环境监控、安全管理、存储管理、部署管理等服务,进而为智慧能源集中管理系统提供相应的系统应用服务。
为实现有效的城市能耗管理,并为城市能耗调度提供决策依据,提高城市能耗调度的预见性,需要对能耗数据进行有效存储、可靠分析和趋势预测。因此,服务层包括能耗分析预测模块、能耗缺陷管理模块和能耗差别化管理模块。由于智慧城市能耗数据影响因素复杂、变化频繁,具有滞后性和非线性等特点,能耗分析预测模块采用BP(BackPropagation)神经网络对采集的能耗数据进行有效存储、可靠分析和趋势预测,具体根据用户对时间精度的不同要求,对能耗使用按小时、日、周、月、季度、年进行预测,适合于宏观调节和精细化控制。基于BP神经网络的能耗预测模型能够通过能耗预测数值掌握能耗走势,为能源控制策略提供依据。同时,当预测值超过已设置好的阀值,则可向用户发送预警信号,及时采取应对措施,具体参见图5。
同时,如图6所示,能耗缺陷管理模块用于对符合能耗缺陷预定义的数据进行缺陷标识、分类和修复。该能耗缺陷管理模块包括原始数据仓库、能源缺陷库、能源缺陷修复器、能源缺陷专家决策库和能源归类知识库,所述原始数据仓库用于存储采集的原始能耗数据,所述能源缺陷库用于挖掘原始数据仓库的能源缺陷,所述能源缺陷修复器用于从能源缺陷库抽取能源数据缺陷进行缺陷修复,并将记录的修复情况反馈给能源缺陷库;所述能源缺陷专家决策库用于从能源缺陷修复器获取完善新的数据修复决策,并向能源归类知识库反馈缺陷分类;所述能源归类知识库根据SOM(自组织特征映射)技术对从能源缺陷库获取的能源缺陷进行归类分析,并将分析结果反馈给能源缺陷库,完善能源缺陷库,同时还为能源缺陷专家决策库通过决策规则。即原始数据仓库进行能耗缺陷数据挖掘,将数据仓库中符合能耗缺陷定义的数据放入能耗缺陷库中,并对其进行有效标识;能耗缺陷修复分类,利用SOM技术对能耗缺陷进行归类分析,输入外部基本知识,构成能耗归类知识库;能耗缺陷修复,能耗缺陷主要分为显式缺陷修复和隐式缺陷修复。修复后,一方面将修复记录写回能耗缺陷库,另一方面将该类能耗缺陷的修复方案写入能耗缺陷专家决策库,以便保证下次对该类缺陷跟踪处理的快速性,与此同时,决策库也会将该类能耗缺陷的分类标识反馈回能耗归类知识库。
能耗差别化管理模块用于对采集的能耗数据进行差别化管理。参见图7,该能耗差别化管理模块包括能耗差别化分类器、能耗差别化知识库、能耗差别化估值器件和能耗差别化预值器,所述能耗差别化预值器分别与能耗差别化分类器、能耗差别化知识库和能耗差别化预值器连接,其中,
能耗差别化分类器,用于建立分类模型以对输入数据进行分类;具体地,首先从输入的数据中选出已经分好类的训练集数据,在该训练集数据上运用数据挖掘分类技术,建立分类模型,进而对没有分类的数据进行分类;
能耗差别化知识库,生成能耗差别化规则集合,用于指导能耗差别化的各类能耗的差别化估值分析和预测分析,并实时更新;具体地,根据外部环境输入数据生成关于能耗差别化的规则集合,然后通过该能耗差别化知识库指导各类能耗的差别化估值分析并进行预测分析,最后将分析后的数据更新入能耗差别化知识库并作为下一次能耗差别化的依据;
能耗差别化估值器,根据能耗差别化知识库的规则集合对各类能耗数据进行分析评估,获取各个能耗差别化的估值;具体地,根据能耗差别化分类器的各个分类数据集合并结合能耗差别化知识库的已有规则集合,对各个分类的数据集合进行分析评估,进而获取出对应各个能耗差别化的估值;
能耗差别化预值器,根据能耗差别化估值器获取的能耗差别化的估值,并结合能耗差别化知识库进行分析挖掘,获取不同能源的使用趋势以对用户的耗能进行引导。通过上述设置,智慧城市能耗差别化管理模块可为政府部门管理人员提供区域用能数据分析结果,便于管理人员发现区域用能是否具有变化规律(如季节性变化)、“高耗能单位”、“可中断耗能单位”的具体分布情况;为企业提供实际用能数据分析结果,根据分析结果向企业提出优化用能建议方案,为企业节约能耗成本。能耗差别化管理模块为得到上述结果,拟采用的实验手段:首先以能耗差别化管理数据仓库为基础,分析数据中心的各类能源数据作为模型输入;除此之外,模型的输入还包括:当地实际地理环境,企业盈利情况,经济发展程度,能源使用情况。通过这些输入,在模型中对数据进行差别化管理,并在实际差别的基础上进行预测分析。
另一方面,本发明还提供了一种基于物联网的智慧城市能耗数据挖掘方法,包括以下步骤:
S1、通过多网络集成,实现不同底层设备的互联互通。
S2、整合通信接口,通过提供整合各类标准接口,搭建系统软件与硬件间可靠的信道;
S3、构建广域网层,通过广域网将不同区域范围和/或不同应用划分和/或不同底层协议的设备子网统一到预设标准平台上,屏蔽物联网接入层上各种物联网实现的具体细节,抽象出不同属性数据;
S4、整合数据采集层,以数据中转站为核心,基于一种插件式可扩展数据采集框架支持多种数据采集方式,且基于统一数据编码和SOAP/XML实现协议转换;
S5、构建数据处理层,基于能源归类标准、云计算、数据仓库,实现区域采集、分布式处理、海量数据存储;
S6、构建服务层,提供能耗分析预测、能耗缺陷管理、能耗差别化管理三大核心云服务;
S7、构建应用层,展示典型应用示范。
总之,本发明具有如下优点:
1)本发明将物联网与智慧城市能耗数据管理结合起来,将物联网技术应用于能耗管理领域,实现智慧城市的智能感知、识别及处理,并利用物联网应用系统的集成技术,研发智慧城市能耗数据挖掘系统;
2)提出了智慧城市的能耗缺陷管理模块和能耗差别化管理模块,减少能源使用过程中由于能源调度不合理或其他各种原因而造成的能源浪费现象,为政府及企业提供相应的解决方案参考及指导;
3)提出了高可用性物联网感知技术,通过传感器网络路由协议优化技术、传感器网络数据融合技术以及心跳机制,保证了物联网各智能节点的高可用性和网络长时间的无故障正常运行,为上层系统的正常高效工作提供了有效平台;
4)将云计算平台与能耗数据集成服务相结合,创新提出了智慧城市能耗数据集成云服务平台技术,为智慧城市海量数据处理提供分布式并行处理服务。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于物联网的智慧城市能耗数据挖掘系统,其特征在于,包括从底层到顶层依次设置的物联网接入层、通信接口层、广域网层、数据采集层、数据处理层、服务层和应用层,所述物联网接入层用于实现不同底层设备的互联互通;所述通信接口层用于搭建通信信道;所述广域网层用于将不同区域范围和/或不同应用划分和/或不同底层协议的设备子网统一到预设标准平台上,屏蔽物联网接入层上各种物联网实现的具体细节,抽象出不同属性数据;所述数据采集层,以数据中转站为核心,基于一种插件式可扩展数据采集框架支持多种数据采集方式,且基于统一数据编码和SOAP/XML实现协议转换;所述数据处理层用于实现区域采集、分布式处理、海量数据存储;所述服务层用于提供能耗分析预测、能耗缺陷管理、能耗差别化管理服务;所述应用层用于展示典型应用示范。
2.根据权利要求1所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述数据采集层包括从底部到顶部设置的物联网感知层、前端数据采集层和区域数据中心,所述物联网感知层用于各类传感器、控制器和功能终端的布置;所述前端数据采集层包括插入式可扩展数据采集框架、自动化编码转换系统、自动化末端控制系统、能耗管理系统和自动化监测系统,利用插入式可扩展数据采集框架集成不同的数据采集系统,利用自动化编码转换系统、自动化末端控制系统、能耗管理系统和自动化监测系统进行采集数据的综合管理,所述不同的数据采集系统包括ModBus数据采集系统、PLC数据采集系统、ilon数据采集系统和传感器网络数据采集系统;所述区域数据中心通过部署在前端数据采集层中的数据中转站来获取各类数据并进行分析处理。
3.根据权利要求2所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述物联网感知层通过如下过程实现高可用性的物联网感知:在预设的网络测试平台上进行传感器网络架构冗余部署的仿真测试;在考虑网络传输数据路径选择负载均衡的前提下,优化传感器网络路由协议,将优于原网络路由方案的网络布置应用;在已进行路由与负载均衡优化的传感器网络上,利用无线传感器数据融合技术减少传感器网络内数据传输量,并在仿真测试成功后将之应用于实际网络中;将适用于传感器网络的简单心跳机制嵌入到传感器网络中,实时反馈传感器网络各节点的工作情况。
4.根据权利要求1所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述数据处理层包括区域采集监测调节系统、分布式云处理系统、区域数据采集中转控制系统和数据仓库管理系统,区域采集监测调节系统用于对采集设备以及采集设备所采集的各类数据进行监测调节,分布式云处理系统用于对采集的各类数据提供存储和计算服务,区域数据采集中转控制系统用于对采集中转设备和所采集的中转数据进行监测调节,数据仓库管理系统用于对采集的各类数据进行有效管理。
5.根据权利要求4所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,还包括数据集成框架,所述数据集成框架包括从底部到顶部依次设置的物理资源池、基础平台层、基础框架层、应用集成层、应用服务层,所述物理资源池用于纳入各类软硬件资源;所述基础平台层用于在虚拟化资源的基础上,建立各种分布式基础;所述基础框架层,至少通过其中间件引擎、规则引擎、数据存取引擎、ETL引擎、协同过滤引擎、数据清洗引擎、数据分析预测引擎来完成技术支撑,并通过系统组件化设计,保证系统的可扩展性、可配置性及可管理性;所述应用集成层用于整合各种应用接口;所述应用服务层在应用集成层的基础上,实现智慧城市能耗数据挖掘应用服务。
6.根据权利要求1所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述服务层包括能耗分析预测模块、能耗缺陷管理模块和能耗差别化管理模块,所述能耗分析预测模块采用BP神经网络对采集的能耗数据进行有效存储、可靠分析和趋势预测,所述能耗缺陷管理模块用于对符合能耗缺陷预定义的数据进行缺陷标识、分类和修复,所述能耗差别化管理模块用于对采集的能耗数据进行差别化管理。
7.根据权利要求6所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述能耗缺陷管理模块包括原始数据仓库、能源缺陷库、能源缺陷修复器、能源缺陷专家决策库和能源归类知识库,所述原始数据仓库用于存储采集的原始能耗数据,所述能源缺陷库用于挖掘原始数据仓库的能源缺陷,所述能源缺陷修复器用于从能源缺陷库抽取能源数据缺陷进行缺陷修复,并将记录的修复情况反馈给能源缺陷库;所述能源缺陷专家决策库用于从能源缺陷修复器获取完善新的数据修复决策,并向能源归类知识库反馈缺陷分类;所述能源归类知识库根据SOM技术对从能源缺陷库获取的能源缺陷进行归类分析,并将分析结果反馈给能源缺陷库,完善能源缺陷库,同时还为能源缺陷专家决策库提供基本决策规则。
8.根据权利要求6所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述能耗差别化管理模块包括能耗差别化分类器、能耗差别化知识库、能耗差别化估值器和能耗差别化预值器,所述能耗差别化预值器分别与能耗差别化分类器、能耗差别化知识库和能耗差别化预值器连接,其中,
能耗差别化分类器,用于建立分类模型以对输入数据进行分类;
能耗差别化知识库,生成能耗差别化规则集合,用于指导能耗差别化的各类能耗的差别化估值分析和预测分析,并实时更新;
能耗差别化估值器,根据能耗差别化知识库的规则集合对各类能耗数据进行分析评估,获取各个能耗差别化的估值;
能耗差别化预值器,根据能耗差别化估值器获取的能耗差别化的估值,并结合能耗差别化知识库进行分析挖掘,获取不同能源的使用趋势以对用户的耗能进行引导。
9.根据权利要求1所述的基于物联网的智慧城市能耗数据挖掘系统,其特征在于,所述广域网层包括GSM/CDMA/GPRS、以太网、3G网络和VPN中的至少两种;和/或所述通信接口层包括TCP/IP接口、RS-232、RS-485和DSP1.1/2.0中的至少两种;和/或所述物联网接入层包括有线网络、LonWorks PLC、WIFI、Zigbee、FRID和Bluetooth中的至少两种。
10.一种基于物联网的智慧城市能耗数据挖掘方法,其特征在于,包括以下步骤:
S1、通过多网络集成,实现不同底层设备的互联互通。
S2、整合通信接口,通过提供整合各类标准接口,搭建系统软件与硬件间可靠的信道;
S3、构建广域网层,通过广域网将不同区域范围和/或不同应用划分和/或不同底层协议的设备子网统一到预设标准平台上,屏蔽物联网接入层上各种物联网实现的具体细节,抽象出不同属性数据;
S4、整合数据采集层,以数据中转站为核心,基于一种插件式可扩展数据采集框架支持多种数据采集方式,且基于统一数据编码和SOAP/XML实现协议转换;
S5、构建数据处理层,基于能源归类标准、云计算、数据仓库,实现区域采集、分布式处理、海量数据存储;
S6、构建服务层,提供能耗分析预测、能耗缺陷管理、能耗差别化管理三大核心云服务;
S7、构建应用层,展示典型应用示范。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210283315.6A CN114648223A (zh) | 2022-03-22 | 2022-03-22 | 一种基于物联网的智慧城市能耗数据挖掘系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210283315.6A CN114648223A (zh) | 2022-03-22 | 2022-03-22 | 一种基于物联网的智慧城市能耗数据挖掘系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648223A true CN114648223A (zh) | 2022-06-21 |
Family
ID=81996140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210283315.6A Pending CN114648223A (zh) | 2022-03-22 | 2022-03-22 | 一种基于物联网的智慧城市能耗数据挖掘系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648223A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109096A (zh) * | 2023-02-15 | 2023-05-12 | 广州智慧能源服务有限公司 | 一种基于物联网的智慧能源数据采集系统及方法 |
CN117369813A (zh) * | 2023-10-13 | 2024-01-09 | 湖北华中电力科技开发有限责任公司 | 一种基于数据中台的用能监测指标体系可视化展示方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018203350A1 (en) * | 2017-05-05 | 2018-11-08 | Goel Anubhav | A device for energy management, system and method thereof |
-
2022
- 2022-03-22 CN CN202210283315.6A patent/CN114648223A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018203350A1 (en) * | 2017-05-05 | 2018-11-08 | Goel Anubhav | A device for energy management, system and method thereof |
Non-Patent Citations (2)
Title |
---|
彭新一 等: "华南理工大学集约化校园综合节能平台设计及示范应用", 《第8届国际绿色建筑与建筑节能大会论文集》, 29 March 2012 (2012-03-29), pages 53 - 64 * |
高志明;: "高校能源监管平台设计与实现", 科技与创新, no. 20, 20 October 2015 (2015-10-20), pages 16 - 17 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109096A (zh) * | 2023-02-15 | 2023-05-12 | 广州智慧能源服务有限公司 | 一种基于物联网的智慧能源数据采集系统及方法 |
CN116109096B (zh) * | 2023-02-15 | 2023-08-15 | 广州智慧能源服务有限公司 | 一种基于物联网的智慧能源数据采集系统及方法 |
CN117369813A (zh) * | 2023-10-13 | 2024-01-09 | 湖北华中电力科技开发有限责任公司 | 一种基于数据中台的用能监测指标体系可视化展示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112953778B (zh) | 智融标识网络中基于意图驱动的服务编排系统和方法 | |
Etemadi et al. | A cost-efficient auto-scaling mechanism for IoT applications in fog computing environment: a deep learning-based approach | |
CN110719210A (zh) | 一种基于云边协同的工业设备预测性维护方法 | |
Jiang et al. | An edge computing node deployment method based on improved k-means clustering algorithm for smart manufacturing | |
CN114648223A (zh) | 一种基于物联网的智慧城市能耗数据挖掘系统及方法 | |
CN102752322B (zh) | 一种物联网中分布式数据存储和查询的方法 | |
Shan et al. | A survey on computation offloading for mobile edge computing information | |
CN109088785A (zh) | 一种idc数据中心设备管理系统 | |
Thantharate et al. | ADAPTIVE6G: Adaptive resource management for network slicing architectures in current 5G and future 6G systems | |
US20200409744A1 (en) | Workflow engine framework | |
Dong et al. | NOMA-based energy-efficient task scheduling in vehicular edge computing networks: A self-imitation learning-based approach | |
Jazayeri et al. | A latency-aware and energy-efficient computation offloading in mobile fog computing: a hidden Markov model-based approach | |
CN109376184A (zh) | 一种基于大数据的搭乘顺风车的方法 | |
CN111882171A (zh) | 一种基于需求预测的景区观光车智能调度系统及方法 | |
Chien et al. | A lightweight model with spatial–temporal correlation for cellular traffic prediction in Internet of Things | |
Jiang et al. | Research and design of infrastructure monitoring platform of intelligent high speed railway | |
CN111125450A (zh) | 一种多层拓扑网络资源对象的管理方法 | |
CN117290668B (zh) | 一种基于工业互联网平台的大数据处理方法和系统 | |
Jabeen et al. | Autonomous vehicle health monitoring based on cloud-fog computing | |
Peng et al. | Machine learning with variable sampling rate for traffic prediction in 6G MEC IoT | |
CN112162837B (zh) | 一种基于软件定义的边缘计算调度方法及系统 | |
CN117971173A (zh) | 基于物联网的智慧数据汇聚软件系统 | |
CN115439015B (zh) | 基于数据中台的局域电网数据管理方法、装置及设备 | |
Wei et al. | A Cross‐Regional Scheduling Strategy of Waste Collection and Transportation Based on an Improved Hierarchical Agglomerative Clustering Algorithm | |
Zhang | Digital Twin: Architectures, Networks, and Applications |
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 |