CN114662974B - 一种面向生产企业的新能源节能效益分析系统 - Google Patents
一种面向生产企业的新能源节能效益分析系统 Download PDFInfo
- Publication number
- CN114662974B CN114662974B CN202210371899.2A CN202210371899A CN114662974B CN 114662974 B CN114662974 B CN 114662974B CN 202210371899 A CN202210371899 A CN 202210371899A CN 114662974 B CN114662974 B CN 114662974B
- Authority
- CN
- China
- Prior art keywords
- new energy
- benefit
- data
- information
- target user
- 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.)
- Active
Links
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向生产企业的新能源节能效益分析系统,所述分析系统包括:数据采集模块,用于获取多个生产企业的新能源项目信息,并且用于输入待分析的目标用户的相关信息;数据分析模块,用于对数据执行统计和计算分析,并制定多个预拟方案;效益计算模块:用于基于所述目标用户的基本信息和需求信息,计算多个预拟方案的实施成本以及预期收益,并输出效益结果。其中,所述分析系统包括将多个新能源项目的实施效益的大数据信息提供到所述效益计算模块进行基于目标用户的预期效益评估,从而为目标用户在选择新能源项目的选择以及具体实施方案上作出评估和参考。
Description
技术领域
本发明涉及新能源产业领域。具体而言,涉及一种面向生产企业的新能源节能效益分析系统。
背景技术
随着世界各国对于环境污染问题的重视,并且随着新能源的利用技术快速发展,国家对生产企业的生产设备、生产方式也提出了环保节能的要求。其中在家用电器、纺织、医药、食品、轻工、钢铁、建材、机械、汽车、化工、有色金属、电子信息、节能环保装备制造、新能源装备制造、资源综合利用、再制造等重点领域,均鼓励各生产企业在升级改造或者新建规划创期都考虑遵循用地集约化、原料无害化、生产洁净化、废物资源化、能源低碳化的理念进行。进一步的,对于钢铁、水泥、平板玻璃、电解铝、原油加工、烧碱、焦化等高耗能行业,企业的能耗水平原则上应达到或优于相应国家能源消耗限额标准先进值。
但同时,企业进行环保改造、新能源利用时,必然要考虑相关的成本付出与相关效益的关系,多数企业未能将相关投入与产出进行科学分析,导致了企业对于新能源的节能减排效果以及相应带来的收益没有明确预期,主观地选择了被动策略,国家的政策没有得到主动地开展。
查阅相关地已公开技术方案,公开号为CN107292520A的技术方案提出一种无电村新能源利用效益评价方法,通过建立EW-FSEM评价模型计算收益盈亏比,从而动态调整新能源的利用效益;公开号为WO2013074836A1的技术方案通过决策引擎基于一组建筑物相关输入和每个特定用户的效用函数来确定一个或多个绿色建筑的设计实施方案,从而优化新能源的应用效益;公开号为US11238547B2的技术方案提出一种建筑能源成本优化系统,通过执行成本函数的优化以确定能量负载设定点的值、资产大小变量以及在该时间段内参与新能源激励的指示以及计划,从而实现新能源利用效率的优化。以上技术方案大多数针对新能源细分领域的应用场景,而在面向更广泛的新能源应用领域中,尚需要提出更有效的新能源效益分析的技术方案。
发明内容
本发明的目的在于,提供一种面向生产企业的新能源节能效益分析系统,所述分析系统包括:数据采集模块,用于获取多个生产企业的新能源项目信息,并且用于输入待分析的目标用户的相关信息;数据分析模块,用于对数据执行统计和计算分析,并制定多个预拟方案;效益计算模块:用于基于所述目标用户的基本信息和需求信息,计算多个预拟方案的实施成本以及预期收益,并输出效益结果。其中,所述分析系统包括将多个新能源项目的实施效益的大数据信息提供到所述效益计算模块进行基于目标用户的预期效益评估,从而为目标用户在选择新能源项目的选择以及具体实施方案上作出评估和参考。
本发明采用如下技术方案:
一种面向生产企业的新能源节能效益分析系统,所述分析系统包括:
数据采集模块10:用于获取并整理多个生产企业的新能源项目信息,并且用于输入待分析的目标用户的相关信息;
数据分析模块20:用于对数据执行整理、筛选、统计和计算,并基于所述目标用户的基本信息和需求信息,制定一个或多个预拟方案;
效益计算模块30:评估一个或多个所述预拟方案中的每一个的实施成本以及预期效益,输出效益结果;
其中,所述数据采集模块包括获取多个生产企业当前已运行的新能源项目的实施方案以及生产企业的生产环节属性;进一步还多个新能源项目的效益信息,包括以月度为单位统计新能源项目的产值V,对应该产值V的传统能源的消耗量Q1,更新为新能源设备后的新能源的消耗量Q2;
所述数据采集模块进一步包括从所述目标用户接收多个输入参数;多个所述输入参数与所述目标用户的当前和历史信息相关,并且与一个或多个新能源项目的实施方案相关,并且进一步包括所述目标用户当前已运行的新能源项目的效益信息;
其中,所述数据分析模块包括基于多个所述输入参数和基于多个新能源项目的实施方案,分析并确定与所述目标用户密切相关的一个或多个密切实施方案P1、P2……Pn;并且,包括统计已实施所述密切实施方案P1、P2……Pn的一个或多个生产企业,并将一个或多个生产企业按所述密切实施方案划归为一个或多个密切群组,即群组[P1]、[P2]……[Pn];所述密切群组中的生产企业正实施适合于所述目标用户的一种或多种新能源项目;并且,所述密切群组包括的生产企业表现出与所述目标用户具有相似的输入参数;并且,所述密切群组包括的生产企业表现出基本相似的效益结果;
所述数据分析模块包括基于一个或多个所述密切实施方案以及一个或多个密切群组中,制定所述一个或多个预拟方案,并将所述预拟方案传送到所述效益计算模块进行效益结果的计算;
可选地,所述效益结果包括以下中的至少一项:所述预拟方案的初期投资成本、持续投入成本、消耗量每单位新能源消耗量的产出量、新能源设备折旧率;
可选地,所述分析系统进一步包括一个或多个数据库;所述数据库与互联网连接并从互联网获得外界信息数据;并且,所述数据库包括与所述采集模块连接和进行数据交互,并进一步包括由所述采集模块提供相关信息数据;
可选地,所述数据库包括企业数据库,用于存储多个生产企业本身相关信息,还包括多个生产企业采用的新能源项目以及其实施方案;
所述数据库还包括资源数据库,用于存储与新能源资源、新能源设备、新能源项目相关的新能源领域研究信息、数据;所述数据分析模块包括从所述资源数据库中调取以上信息、数据用于分析计算;
所述数据库还包括效益数据库;所述效益数据库至少包括存储多个新能源项目的实施方案细节数据、实施程序,以及新能源项目的成本数据、理论计算效益、实际运行效益、可持续性效益、边际效益;所述效益数据库与所述效益计算模块通讯连接,用于提供效益计算的参考和对比数据;
可选地,所述数据分析模块包括规则引擎子模块以及神经网络子模块;当存在指定数量以上的与所述目标用户密切相关的新能源项目时,使用所述规则引擎子模块计算并输出预拟方案;当与所述目标用户密切相关的新能源项目数量小于指定数量时,使用所述神经网络子模块计算并输出预拟方案;
所述分析系统还包括:显示模块;所述显示模块包括通过使用图形化界面,向所述目标用户显示所述一个或多个预拟方案的预期效益;并且包括向所述目标用户提供已实施的新能源项目的效益信息;所述显示模块包括显示以下信息的至少一种:
新能源项目的产值V;
对应产值V的传统能源的消耗量Q1;
更新为新能源设备后的新能源的消耗量Q2。
本发明所取得的有益效果是:
1.本发明的分析系统通过收集多个基于目标用户的信息作出分析的输入参数,从而基于待分析企业的实际情况进行分析,从分析对象的实际情况出发,有别于以往从项目出发的分析系统;
2.本发明的分析系统通过收集多个相关企业以及新能源项目方案的信息,从而基于当前新能源发展状况以及实施状况实现动态的、即时的、真实数据的分析,避免了理想化和脱离实际的分析结果;
3.本发明的分析系统中所述效益计算模块包括两个子模块,在数据量足够时基于规则系统进行计算,在数据量缺少时同过机器学习进行数据量的补充和预估,实现了所述分析系统更广泛的适应范围;
4.本发明的分析系统各单元采用模块化设计和配合,后期可通过软件、硬件进行灵活优化和变更,节省了大量后期维护升级成本。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定对应的部分。
图1为本发明所述分析系统的原理示意图;
图2为本发明所述数据分析模块的原理示意图;
图3为本发明一个实施例的流程示意图;
图4为本发明所述神经网络子模块的示意图;
图5为本发明对效益结果进行图形化显示的示意图。
附图中标号说明:10-数据采集模块;20-数据分析模块;21-规则引擎子模块;22-神经网络子模块;30-效益计算模块;40-数据库;41-企业数据库;42-资源数据库;43-效益数据库;301-密切实施方案。
具体实施方式
为了使得本发明的目的技术方案及优点更加清楚明白,以下结合其实施例,对本发明进行进一步详细说明;应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。对于本领域技术人员而言,在查阅以下详细描述之后,本实施例的其它系统.方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内.包括在本发明的范围内,并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征,并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或组件必须具有特定的方位.以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例一:
如附图1,一种面向生产企业的新能源节能效益分析系统,所述分析系统包括:
数据采集模块10,用于获取并整理多个生产企业的新能源项目信息,并且用于输入待分析的目标用户的相关信息;
数据分析模块20,用于对数据执行整理、筛选、统计和计算,并基于所述目标用户的基本信息和需求信息,制定一个或多个预拟方案;
效益计算模块30,评估一个或多个所述预拟方案中的每一个的实施成本以及预期效益,输出效益结果;
其中,所述数据采集模块包括获取多个生产企业当前已运行的新能源项目的实施方案以及生产企业的生产环节属性;进一步还包括多个新能源项目的效益信息,包括以月度为单位统计新能源项目的产值V,对应该产值V的传统能源的消耗量Q1,更新为新能源设备后的新能源的消耗量Q2;
所述数据采集模块进一步包括从所述目标用户接收多个输入参数;多个所述输入参数与所述目标用户的当前和历史信息相关,并且与一个或多个新能源项目的实施方案相关,并且进一步包括所述目标用户当前已运行的新能源项目的效益信息;
其中,所述数据分析模块包括基于多个所述输入参数和基于多个新能源项目的实施方案,分析并确定与所述目标用户密切相关的一个或多个密切实施方案P1、P2……Pn;并且,包括统计已实施所述密切实施方案P1、P2……Pn的一个或多个生产企业,并将一个或多个生产企业按所述密切实施方案划归为一个或多个密切群组,即群组[P1]、[P2]……[Pn];所述密切群组中的生产企业正实施适合于所述目标用户的一种或多种新能源项目;并且,所述密切群组包括的生产企业表现出与所述目标用户具有相似的输入参数;并且,所述密切群组包括的生产企业表现出基本相似的效益结果;
所述数据分析模块包括基于一个或多个所述密切实施方案以及一个或多个密切群组中,制定所述一个或多个预拟方案,并将所述预拟方案传送到所述效益计算模块进行效益结果的计算;
可选地,所述效益结果包括以下中的至少一项:所述预拟方案的初期投资成本、持续投入成本、消耗量每单位新能源消耗量的产出量、新能源设备折旧率;
可选地,所述分析系统进一步包括一个或多个数据库40;所述数据库与互联网连接并从互联网获得外界信息数据;并且,所述数据库包括与所述采集模块连接和进行数据交互,以获取所述采集模块提供的相关信息数据;
可选地,所述数据库包括企业数据库41,用于存储多个生产企业本身相关信息,还包括多个生产企业采用的新能源项目以及其实施方案;
所述数据库还包括资源数据库42,用于存储与新能源资源、新能源设备、新能源项目相关的新能源领域研究信息、数据;所述数据分析模块包括从所述资源数据库中调取以上信息、数据用于分析计算;
所述数据库还包括效益数据库43;所述效益数据库至少包括存储多个新能源项目的实施方案细节数据、实施程序,以及新能源项目的成本数据、理论计算效益、实际运行效益、可持续性效益、边际效益;所述效益数据库与所述效益计算模块通讯连接,用于提供效益计算的参考和对比数据;
可选地,所述数据分析模块包括规则引擎子模块21以及神经网络子模块22;当存在指定数量以上的与所述目标用户密切相关的新能源项目时,使用所述规则引擎子模块计算并输出预拟方案;当与所述目标用户密切相关的新能源项目数量小于指定数量时,使用所述神经网络子模块计算并输出预拟方案;
所述分析系统还包括:显示模块;所述显示模块包括通过使用图形化界面,向所述目标用户显示所述一个或多个预拟方案的预期效益;并且包括向所述目标用户提供已实施的新能源项目的效益信息;所述显示模块包括显示以下信息的至少一种:
新能源项目的产值V;
对应产值V的传统能源的消耗量Q1;
更新为新能源设备后的新能源的消耗量Q2;
可选地,所述分析系统通过互联网连接到外部网络,并且包括从互联网中采集相关新能源相关资讯、信息、数据后,存储到所述数据库中备用;
其中,所述输入参数可以包括生产企业的生产规模、产品类型、产线类型、产线设备类型、产线产量、产线运行时间等与生产相关信息;并进一步包括生产企业所在的城市或地区信息、周边物流情况、周边新能源采购渠道等客观情况信息;
可选地,所述数据库40中存储和维护多个新能源项目的实施历史、实施方案(包括正在使用的方案、实验方案和正在进行试验的方案)和潜在市场研究信息有关的信息;所述数据分析模块使用该信息来计算密切群组;
进一步的,数据库还包括存储和维护关于每个新能源项目中设备、施工、程序、实验室测试、现场测试、勘误测试、场地成本、专家研判、团队检查等的成本数据;此类成本可包括特定新能源项目的承办企业或相关行业统计组织的成本子数据库和/或由政府。
可选地,所述数据库,包括所述企业数据库41、所述资源数据库42以及所述效益数据库43可以是关系数据库或非关系数据库;在本实施例中,所述企业数据库41、所述资源数据库42以及所述效益数据库43是微软的SQL数据库;而在另外一种实施方式中,所述企业数据库41、所述资源数据库42以及所述效益数据库43是MS Access数据库或任何其他类型的关系或非关系数据库;
可选地,包括将所述数据采集模块10、所述数据分析模块20以及所述效益计算模块30的运算数据进行暂时或长期存储到所述数据库中,以提供到未来的分析过程中。
实施例二:
本实施例应当理解为至少包含前述任意一个实施例的全部特征,并在其基础上进一步改进;
为进一步对采集的信息、数据作进一步的分析、处理,并且作出新能源项目的效益评估,本实施例中包括如附图2中所示,所述数据分析模块包括所述规则引擎子模块21以及所述神经网络子模块22;并且,所述规则引擎子模块21以及所述神经网络子模块22均与所述数据库连接并进行数据交互;
如附图3所示,所述规则引擎子模块21以及所述神经网络子模块22基于所述目标用户的输入参数以及对新能源项目的需求,从而计算一个或多个所述密切实施方案以及所述密切群组,并且还生成如附图3所示的策略状态图;
在一些如附图3所示的实施例中,根据所述目标用户的需求出发,列出多个可能的新能源实施方案,包括基于光伏太阳能、风电、天然气、地热或者氢能等;以上各基于新能源的方案可由所述目标用户优先提出,或者由相关领域技术人员作初步建议提出;
同时,由所述数据采集单元接收与所述目标用户相关的输入参数,具体地可以包括:目标用户的生产规模、产品类型、产线类型、产线设备类型、产线产量、产线运行时间等与生产相关信息;并进一步包括生产企业所在的城市或地区信息、周边物流情况、周边新能源采购渠道等客观情况信息,并可以进一步包括所述目标客户的投入预算、施工周期、执行团队资质等细节信息;
其中,为精简陈述,附图3中所示仅以天然气方案作为举例;其余新能源方案均可按相同的处理逻辑和流程进行处理,
进一步,所述规则引擎子模块21的底层为一个统计引擎,根据输入参数计算与所述目标用户的基本情况或需求,列出相关的一个或多个所述密切实施方案,例如附图3所示的多个所述密切实施方案301;每个所述密切实施方案可能与所述目标客户具有相同的新能源类型需求,或者与所述目标客户具有相同的产能体量,或者与所述目标客户处于同一生产地域,等等;
所述规则引擎子模块21还包括通过基于多个所述密切实施方案的信息,结合已运行每个所述密切实施方案对应的所述密切群组的多个生产企业的数据信息,计算当前时间各种效益结果的可能性以及多个所述预拟方案的的统计显着性;其中,统计显着性包括置信水平和误差范围两方面;
例如,所述规则引擎子模块21提供的预拟方案包括可以指出,例如在预拟方案1中,周期性投入有55%的概率为10万元/每年,有45%的可能性为8万元/每年;或者,预拟方案2中的设备其使用寿命年限为10年的概率为80%,而有20%的概率为8年;并且,可以基于对一个预拟方案指出该预拟方案的置信度为95%,误差范围为±4%;
进一步的,为了实现合理的统计显着性,在本发明的各种实施例中,所述密切群组包括的生产企业数量可以划定为15个,或者可以为12个;而从实际情况易得知,存在完全相同的新能源项目以及实施方案的可能性不大,因此在这种情况下,所述规则引擎子模块21计算与所述目标用户足够密切相关的新能源项目以及生产企业,并将其划分到所述密切实施方案以及所述密切群组,并针对所述密切群组内的生产企业作研究;
进一步的,一个所述密切群组包括的生产企业都实施着至少一项高度相似的新能源项目,或者具有相似的输入参数,或者运行相似的新能源项目实施方案,并且因此具有相似的效益结果,并且因此具有作为所述目标用户的参考和研究对象;
而在另一方面,若找到的所述密切实施方案或者所述密切群组内的生产企业数量不能达到目标数量,则涉及使用所述神经网络子模块22进行数据处理;所述神经网络子模块22被用于计算成员数量不足的密切群组的效益结果;
在一个实施例中,所述神经网络子模块22包括六个单独的子网络,每个所述子网络可以具有多层互连的顶点;在该实施例中,所述神经网络子模块22具有三个互连的节点层:输入层、隐藏层和输出点;
进一步的,将所述输入参数输入到输入层中;并且,输入层的节点数量根据所述输入参数的类别数目决定;例如,根据生产企业的特点,统一选出最能体现生产企业特性的30个参数作为所述输入参数;进一步的,所述隐藏层的隐藏节点的数量通常取为输入层节点数量的大约十分之一;通过对所述输入参数进行输入线性加权求和,并通过使用传递函数(通常是sigmoid函数)将它们的输出信息提供给输出顶点;
在一个实施方式中,所述神经网络子模块22的一个子网络采用以下算式表示计算过程:
其中,如附图4所示,在式1中,hj表示第j个隐藏节点的输出结果,fj是第j个节点的非线性传递函数,ωji是第j个隐藏节点,代表输入变量xi的权重;
式2中,op表示正在由该子网络计算的输出变量,g()是输出节点的非线性传递函数,ωj是与hj相关的权重;
并且,进一步的,所述子网络包括采用反向传播训练,例如使用最小二乘误差等标准拟合上述等式中给出的权重;所述神经网络子模块22的子网络的预测结果与实际结果之间的差异从输出传播回连接权重,以便在最小误差方向上调整多个权重;所述神经网络子模块22的子网络包括从所述规则引擎子模块21的输出结果中生成的每个所述密切群组的数据,并将数据划分为训练集和测试集,以进行神经网络的训练;
因此,通过对样本数量不足的所述密切群组进行机器学习,所述神经网络子模块22能够更好地给出预测,并提供到所述效益计算模块。
实施例三:
本实施例应当理解为至少包含前述任意一个实施例的全部特征,并在其基础上进一步改进;
一旦所述数据分析模块输出一个或多个所述预拟方案以及每个所述预拟方案的有效概率,这个概率连同置信水平和误差范围被传送到所述效益计算模块;
所述效益计算模块优选地,基于所述数据库中的所述效益数据库的数据,并且可包括在必要时调取所述资源数据库以及所述企业数据库的数据,获得相关的成本代码以及成本数据,并相应地计算当前所述预拟方案的多个部分成本以及整个方案的效益结果;其中包括:
一个所述预拟方案的期望回本周期T:
其中,Ki为所述预拟方案的投资资产;Qi为所述预拟方案在每单位周期中的产值;Mi为所述预拟方案在每单位周期中的消耗成本,其中包括新能源的采购成本,以及新能源设备的维护成本等;以上各数据均为基于所述数据分析模块预测的一组期望值;Pi为对应一组Ki、Qi以及Mi的期望概率;通过将一个所述预拟方案中预测的多组期望值进行统计汇总,得出一个所述预拟方案的期望回本周期T;
所述目标用户包括参考一个预拟方案的投资资产、回本周期、持续维护成本,决定新能源项目的效益是否达到自身预期;进一步的,包括综合参考多个预拟方案的以上数据,决定实施新能源项目的初级规模、二次规模,从而作出长远规划;
进一步的,包括将一个或多个所述预拟方案以及其对应的效益结果,以图形化界面输出给所述目标用户,如附图5所示;
进一步的,运行所述分析系统的电子设备可以为个人计算机、平板电脑或者移动电话;
其中,所述目标用户可以通过键盘、鼠标或者屏幕触碰的方式,输入所述输入参数;而在一些实施例中,包括采用多种电子传感器采集所述目标用户的生产设备的运行参数,并且通过网络通讯连接到所述数据采集模块输入所述输入参数;
进一步的,所述显示模块连接到电子设备的屏幕以可视化的图形向所述目标用户显示效益结果;而在一些实施例中,包括采用语音播布或者实体打印纸质报告的方式,向目标用户展示效益结果。
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述或记载的部分,可以参见其它实施例的相关描述。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。也就是说上面讨论的方法,系统和设备是示例。各种配置可以适当地省略,替换或添加各种过程或组件。例如,在替代配置中,可以以与所描述的顺序不同的顺序执行方法,和/或可以添加,省略和/或组合各种部件。而且,关于某些配置描述的特征可以以各种其他配置组合,如可以以类似的方式组合配置的不同方面和元素。此外,随着技术发展其中的元素可以更新,即许多元素是示例,并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而,可以在没有这些具体细节的情况下实践配置例如,已经示出了众所周知的电路,过程,算法,结构和技术而没有不必要的细节,以避免模糊配置。该描述仅提供示例配置,并且不限制权利要求的范围,适用性或配置。相反,前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下,可以对元件的功能和布置进行各种改变。
综上,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (6)
1.一种面向生产企业的新能源节能效益分析系统,其特征在于,所述分析系统包括:
数据采集模块,用于获取并整理多个生产企业的新能源项目信息,并且用于输入待分析的目标用户的相关信息;
数据分析模块,用于对数据执行整理、筛选、统计和计算,并基于所述目标用户的基本信息和需求信息,制定一个或多个预拟方案;
效益计算模块,评估一个或多个所述预拟方案中的每一个的实施成本以及预期效益,输出效益结果;
其中,所述数据采集模块包括获取多个生产企业当前已运行的新能源项目的实施方案以及生产企业的生产环节属性;进一步还包括多个新能源项目的效益信息,包括以月度为单位统计新能源项目的产值V,对应该产值V的传统能源的消耗量Q1,对应该产值V的更新为新能源设备后的新能源的消耗量Q2;
所述数据采集模块进一步包括从所述目标用户接收多个输入参数;多个所述输入参数与所述目标用户的历史数据和当前数据,并且与一个或多个新能源项目的实施方案相关,并且进一步包括所述目标用户当前已运行的新能源项目的效益信息;
其中,所述数据分析模块包括基于多个所述输入参数和基于多个新能源项目的实施方案,分析并确定与所述目标用户密切相关的一个或多个密切实施方案P1、P2……Pn;并且,包括统计已实施所述密切实施方案P1、P2……Pn的一个或多个生产企业,并将一个或多个生产企业按所述密切实施方案划归为一个或多个密切群组,即群组[P1]、[P2]……[Pn];所述密切群组中的生产企业正实施适合于所述目标用户的一种或多种新能源项目;并且,所述密切群组包括的生产企业表现出与所述目标用户具有相似的输入参数;并且,所述密切群组包括的生产企业表现出基本相似的效益结果;
所述数据分析模块包括基于一个或多个所述密切实施方案以及一个或多个密切群组中,制定所述一个或多个预拟方案,并将所述预拟方案传送到所述效益计算模块进行效益结果的计算。
2.根据权利要求1所述一种面向生产企业的新能源节能效益分析系统,其特征在于,所述效益结果包括以下中的至少一项:所述预拟方案的初期投资成本、持续投入成本、消耗量每单位新能源消耗量的产出量、新能源设备折旧率。
3.根据权利要求2所述一种面向生产企业的新能源节能效益分析系统,其特征在于,所述分析系统进一步包括一个或多个数据库;所述数据库与互联网连接并从互联网获得外界信息数据;并且,所述数据库包括与所述采集模块连接和进行数据交互,以获取所述采集模块提供的相关信息数据。
4.根据权利要求3所述一种面向生产企业的新能源节能效益分析系统,其特征在于,所述数据库包括企业数据库,用于存储多个生产企业本身相关信息,还包括多个生产企业采用的新能源项目以及其实施方案;
所述数据库还包括资源数据库,用于存储与新能源资源、新能源设备、新能源项目相关的新能源领域研究信息、数据;所述数据分析模块从所述资源数据库中调取以上信息、数据用于分析计算;
所述数据库还包括效益数据库;所述效益数据库至少包括存储多个新能源项目的实施方案细节数据、实施方法,以及新能源项目的成本数据、理论计算效益、实际运行效益、可持续性效益、边际效益;所述效益数据库与所述效益计算模块通讯连接,用于提供效益计算的参考和对比数据。
5.根据权利要求4所述一种面向生产企业的新能源节能效益分析系统,其特征在于,所述数据分析模块包括规则引擎子模块以及神经网络子模块;当存在指定数量以上的与所述目标用户密切相关的新能源项目时,使用所述规则引擎子模块计算并输出预拟方案;当与所述目标用户密切相关的新能源项目数量小于指定数量时,使用所述神经网络子模块计算并输出预拟方案。
6.根据权利要求5所述一种面向生产企业的新能源节能效益分析系统,其特征在于,所述分析系统还包括:显示模块;所述显示模块包括通过使用图形化界面,向所述目标用户显示所述一个或多个预拟方案的效益结果;并且包括向所述目标用户提供已实施的新能源项目的效益结果;所述显示模块包括显示以下信息的至少一种:
新能源项目的产值V;
对应产值V的传统能源的消耗量Q1;
更新为新能源设备后的新能源的消耗量Q2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371899.2A CN114662974B (zh) | 2022-04-11 | 2022-04-11 | 一种面向生产企业的新能源节能效益分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371899.2A CN114662974B (zh) | 2022-04-11 | 2022-04-11 | 一种面向生产企业的新能源节能效益分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662974A CN114662974A (zh) | 2022-06-24 |
CN114662974B true CN114662974B (zh) | 2022-10-28 |
Family
ID=82035811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371899.2A Active CN114662974B (zh) | 2022-04-11 | 2022-04-11 | 一种面向生产企业的新能源节能效益分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662974B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013074836A1 (en) * | 2011-11-15 | 2013-05-23 | Ekotrope, Inc. | Green building system and method |
CN104992298A (zh) * | 2015-07-16 | 2015-10-21 | 南京朗坤软件有限公司 | 能源管理系统 |
US11238547B2 (en) * | 2017-01-12 | 2022-02-01 | Johnson Controls Tyco IP Holdings LLP | Building energy cost optimization system with asset sizing |
CN107292520A (zh) * | 2017-06-26 | 2017-10-24 | 华北电力大学 | 一种无电村新能源利用效益评价方法 |
CN110134094B (zh) * | 2019-06-07 | 2021-01-26 | 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 |
CN112700091A (zh) * | 2020-12-21 | 2021-04-23 | 浙江中控软件技术有限公司 | 工业企业能源效益模型的分析装置和方法 |
CN114066200A (zh) * | 2021-11-10 | 2022-02-18 | 国家电网有限公司客户服务中心 | 一种企业用户能效分析系统 |
-
2022
- 2022-04-11 CN CN202210371899.2A patent/CN114662974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114662974A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Data-driven ecological performance evaluation for remanufacturing process | |
Wu et al. | An intuitionistic fuzzy multi-criteria framework for large-scale rooftop PV project portfolio selection: Case study in Zhejiang, China | |
Kahraman et al. | Intuitionistic fuzzy EDAS method: an application to solid waste disposal site selection | |
Zamarrón-Mieza et al. | A systematic review of application of multi-criteria decision analysis for aging-dam management | |
Zavadskas et al. | Risk assessment of construction projects | |
Shiue et al. | Applying analytic network process to evaluate the optimal recycling strategy in upstream of solar energy industry | |
Zhou et al. | An integrated impact assessment and weighting methodology: Evaluation of the environmental consequences of computer display technology substitution | |
Mittal et al. | Ranking of drivers for green manufacturing implementation using fuzzy technique for order of preference by similarity to ideal solution method | |
Wang et al. | Integrated development of digital and energy industries: Paving the way for carbon emission reduction | |
Peng et al. | Improving mineral resource management by accurate financial management: studying through artificial intelligence tools | |
Liu et al. | A systematic procurement supply chain optimization technique based on industrial internet of things and application | |
Wu et al. | Human resource allocation based on fuzzy data mining algorithm | |
Sarkar et al. | A multi‐criteria decision making approach for strategy formulation using Pythagorean fuzzy logic | |
Xia et al. | China’s provincial environmental efficiency evaluation and influencing factors of the mining industry considering technology heterogeneity | |
Aghimien et al. | A review of the application of data mining for sustainable construction in Nigeria | |
Lao et al. | The optimized multivariate grey prediction model based on dynamic background value and its application | |
Yu et al. | Evaluation of High‐Quality Development of Manufacturing Industry Using a Novel Grey Dynamic Double Incentive Decision‐Making Model | |
CN114662974B (zh) | 一种面向生产企业的新能源节能效益分析系统 | |
HakimiAsl et al. | Green supplier evaluation by using an integrated fuzzy AHP-VIKOR approach | |
El Wakil et al. | Data management for construction processes using fuzzy approach | |
Karimi et al. | Analyzing the results of buildings energy audit by using grey incidence analysis | |
Chernyshenko et al. | University Digital Document Management and Optimal Strategy of Education Data Warehouses’ Placement | |
Zarate Perez et al. | Evolution of smart grid assessment methods: science mapping and performance analysis | |
Yao et al. | Optimizing site selection for construction demolition waste treatment plants considering demand and supply uncertainty: a case study in Chongqing, China | |
Gao et al. | Integrated Deep Neural Networks‐Based Complex System for Urban Water Management |
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 |