CN114780622A - 一种基于大数据平台的供热数据的智能分析方法及系统 - Google Patents
一种基于大数据平台的供热数据的智能分析方法及系统 Download PDFInfo
- Publication number
- CN114780622A CN114780622A CN202210732280.XA CN202210732280A CN114780622A CN 114780622 A CN114780622 A CN 114780622A CN 202210732280 A CN202210732280 A CN 202210732280A CN 114780622 A CN114780622 A CN 114780622A
- Authority
- CN
- China
- Prior art keywords
- heat supply
- information
- heat
- abnormal
- loss
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000007405 data analysis Methods 0.000 title description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 155
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 239000002918 waste heat Substances 0.000 claims abstract description 28
- 238000010438 heat treatment Methods 0.000 claims description 36
- 230000002265 prevention Effects 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 13
- 238000003491 array Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000003449 preventive effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000008595 infiltration Effects 0.000 claims description 3
- 238000001764 infiltration Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/29—Geographical information 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种基于大数据平台的供热数据的智能分析方法及系统,其方法包括:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及楼宇中每个家户的第二供热信息、第二设定信息,并构建目标区域的实际供热拓扑;将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;基于实际供热拓扑,获取异常单元的余热被供应范围以及异常单元的异常信息,根据余热被供应范围的被供应信息与异常信息,对异常单元进行热量调整;在实际供热拓扑上将异常单元以及异常单元对应的热量调整信息进行显著性显示。可以有效的衡量供热情况,提高对异常供热的及时调整。
Description
技术领域
本发明涉及大数据技术领域,特别涉及一种基于大数据平台的供热数据的智能分析方法及系统。
背景技术
近年来,供热领域出现了通过大数据分析,进行楼栋和住户的供热数据分析,一般是人为上门对每家用户的供热信息进行采集,来确定供热是否存在异常,但是采用该方式无疑会降低供热效率以及后续对供热数据分析的效率,且每次采集的数据都是单一的热量值,无法准确的衡量供热的正常与否。
因此,本发明提出一种基于大数据平台的供热数据的智能分析方法及系统。
发明内容
本发明提供一种基于大数据平台的供热数据的智能分析方法及系统,用以通过采集楼宇以及家户的供热信息以及设定信息,构建实际供热拓扑,避免单一热量值的采集,且通过与标准供热拓扑进行比较,可以有效的衡量供热情况,且通过确定异常信息以及显著性显示,提高对异常供热的及时调整。
本发明提供一种基于大数据平台的供热数据的智能分析方法,包括:
步骤1:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息;
步骤2:基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑;
步骤3:将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;
步骤4:基于所述实际供热拓扑,获取所述异常单元的余热被供应范围以及所述异常单元的异常信息,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整;
步骤5:在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示。
优选的,步骤1:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息,包括:
基于大数据平台,从热量数据库中,搜索与所述目标区域相关的数据块;
确定所述数据块中存在的楼宇,并调取得到每个楼宇的第一供热信息以及第一设定信息;
获取每个楼宇的楼宇属性,从所述数据块中,获取对应的子块;
确定所述子块中存在的家户,并调取得到每个家户的第二供热信息以及第二设定信息。
优选的,基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑的过程中,包括:
获取供热单位的热量输出信息,同时,获取与所述供热单位对应的目标区域的热量接收信息;
基于所述热量输出信息与热量接收信息,确定第一热量损耗,并根据所述供热单位与目标区域的传输通道的第一通道属性,确定第一平均损耗;
确定所述目标区域接收热量的接收口与对应每个楼宇的家户的传输通道的第二通道属性,并基于所述第一通道属性与第二通道属性的配置-长度关系,对所述第一平均损耗进行调整,得到对应的第二平均损耗;
基于所述第一平均损耗,确定对应楼宇的第一参考供热信息,同时,基于所述第二平均损耗,确定对应家户的第二参考供热信息;
将所述第一参考供热信息与对应第一供热信息以及第一设定信息进行第一比较,同时,将所述第二参考供热信息与对应第二供热信息以及第二设定信息进行第二比较;
根据第一比较结果,构建每个家户在同个时间段下的单独损耗阵列;
根据第二比较结果,构建每个楼宇在同个时间段下的楼宇损耗阵列;
根据所述单独损耗阵列以及对应的楼宇损耗阵列,确定对应的损耗预防措施,并发送到对应家户的用户端进行提醒。
优选的,根据所述单独损耗阵列以及对应的楼宇损耗阵列,确定对应的损耗预防措施,包括:分别将每个单独损耗阵列与对应的楼宇损耗阵列进行比较,计算对应的比较值以及个数比值;
其中,Y1表示对应单独损耗阵列与对应的楼宇损耗阵列的比较值;Y2表示针对单
独损耗阵列中的损耗元素的个数比值;n表示单独损耗阵列以及楼宇损耗阵列中
的损耗元素总个数;表示对应单独损耗阵列的第i个损耗元素的损耗值;表示对应
楼宇损耗阵列的第i个损耗元素的损耗值;表示损耗调节因子,当时,对应的损耗调节因为取值为1.1,当时,对应的损耗调节因为取
值为0.9,当时,对应的损耗调节因为取值为1;n1表示对应单独损耗阵列中损
耗值为0的元素个数;表示n个中的最大值;表示n个中的最小值;
获取所述比较值的第一转换因子以及所述个数比值的第二转换因子,计算得到对应单独损耗阵列的损耗预防概率;
其中,Y3表示损耗预防概率;y1表示第一转换因子;y2表示第二转换因子;s1表示针对比较值的第一权重;s2表示针对个数比值的第二权重;
当所述损耗预防概率大于或等于预设预防概率时,根据对应家户的家户结构位置以及家户的供热安装结构,从损耗预防数据库中,筛选对应的预防措施;
当所述损耗预防概率小于所述预设预防概率时,判定需要将所述家户的第一设定信息更改为标准设定信息,并生成预防措施。
优选的,基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑,包括:
确定所述第一供热信息、第一设定信息对应的第一位置,同时,确定所述第二供热信息、第二设定信息对应的第二位置;
基于所述第一位置以及第二位置,建立初始供热拓扑;
分别在所述初始供热拓扑上附加对应的供热信息以及设定信息,得到实际供热拓扑。
优选的,将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元,包括:
将所述实际供热拓扑与标准供热拓扑进行单元对的一一匹配,其中,匹配的同个单元对包括:第一单元和第二单元;
获取所述第二单元在每个时刻的外界环境温度、供热单位的供热温度以及对应第二单元的家户所处楼宇的当下位置,并输入到标准供热模型中,得到对应第二单元的标准数据;
获取同个匹配对中的第一单元的供热数据构成的第一变化曲线,同时,还获取同个匹配对中的第二单元的供热数据构成的第二变化曲线;
获取所述第一变化曲线的若干温度峰点、若干温度谷点、集中热量以及集中热量对应的时间点,并基于温度分析模型,获取得到所述第一单元的第一温度异常时段以及第一温度异常因素;
将所述第一变化曲线与第二变化曲线进行比较,记录存在的两者差值绝对值大于预设差值的第一时间点,并分析所述第一时间点的时间分布,判断存在差异的第二时间点,得到第二温度异常时段;
对所述第二温度异常时段的温度差值绝对值进行预分析,得到第二温度异常因素;
基于异常等级机制,对所述第一温度异常时段、第二温度异常时段以及第一温度异常因素、第二温度异常因素进行异常等级确定,得到所述第一单元的异常等级;
当所述异常等级大于预设等级时,将所述第一单元视为异常单元;
否则,按照所述异常等级的等级情况,对所述第一单元进行提醒标注。
优选的,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整,包括:获取所述余热被供应范围的参与家户个数,并从所述被供应信息中获取与所述参与家户个数中参与家户一一对应的子信息;
按照所述异常单元对应的当下家户与对应参与家户的热传递结构,对所述子信息进行分析,得到所述异常单元接收的可规划热量,并构建对应参与家户的热量可规划阵列;
基于所述热量可规划阵列构建热量可规划矩阵,并提取同个时间点的可规划向量并与包括同个时间点在内的预设时间段下所述异常单元的当下热值向量;
将所述可规划向量、当下热值向量以及所述异常单元的热量控制组件的工作参数设定向量,输入到向量分析模型中,预估对所述异常单元的热量控制组件的调控参数,进而实现热量调整。
优选的,在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示,包括:根据所述异常单元的异常等级,从等级-颜色数据库中筛选等级颜色,并对所述异常单元的单元区域进行全覆盖显著性设定;
根据所述热量调整信息的调整维度,从维度-颜色数据库中,筛选与每个维度相关的第一颜色;
获取每个维度对应的调整工作量,当所述调整工作量小于预设工作量时,控制所述第一颜色减轻;
当所述调整工作量等于预设工作量时,控制所述第一颜色不变;
当所述调整工作量大于预设工作量时,控制所述第一颜色加深;
基于对第一颜色的调节结果,得到每个维度对应的第二颜色,并根据所述热量调整信息的调整属性,从属性-图标显示数据库中,筛选得到与维度个数一致的显示框架;
按照每个维度的调整权重,将对应第二颜色依次填充到所述显示框架进行显著性显示。
优选的,基于所述实际供热拓扑,获取所述异常单元的余热被供应范围,包括:
在所述实际供热拓扑中标定所述异常单元,并确定与所述异常单元连贯的周围家户中每个家户的暖气布线布局以及基于所述暖气布线布局的水流走动区域;
根据每个家户与所述异常单元的连贯关系,确定对应家户的暖气布线布局与水流走动区域为所述异常单元提供的主要渗透区域以及可能热量;
根据连贯的所有家户的主要渗透区域以及可能热量,构建被供应结构图;
根据所述被供应结构图,获取得到所述异常单元的余热被供应范围。
本发明提供一种基于大数据平台的供热数据的智能分析系统,包括:
信息获取模块,用于基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息;
拓扑构建模块,用于基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑;
拓扑对比模块,用于将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;
热量调整模块,用于基于所述实际供热拓扑,获取所述异常单元的余热被供应范围以及所述异常单元的异常信息,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整;
显著性显示模块,用于在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于大数据平台的供热数据的智能分析方法的流程图;
图2为本发明实施例中一种基于大数据平台的供热数据的智能分析系统的结构图;
图3为本发明实施例中余热被供应范围的家户关系图;
图4为本发明实施例中显著性结构图;
图5为本发明实施例中目标区域与楼宇以及家户的结构关系图。
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,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种基于大数据平台的供热数据的智能分析方法,如图1所示,包括:
步骤1:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息;
步骤2:基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑;
步骤3:将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;
步骤4:基于所述实际供热拓扑,获取所述异常单元的余热被供应范围以及所述异常单元的异常信息,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整;
步骤5:在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示。
该实施例中,供热信息指的供暖的热量传输信息,设定信息可以是温度控制器设置的一些信息,比如水流量等。
该实施例中,实际供热拓扑指的是不同家户与楼宇的位置以及对应位置的供热和设定信息构成的,且标准供热拓扑是预先设定好的,包括包括供热情况以及标准设定情况。
该实施例中,拓扑对比,主要是获取存在的异常家户,可以视为异常单元。
该实施例中,余热被供应范围指的该家户可以蹭到的暖气,该可以蹭到的暖气来自于其他的家户,且其他的家户的家户范围即为余热被供应范围。
该实施例中,异常信息指的是实际供热与标准供热的差异。
该实施例中,热量调整,指的是需要对设定信息进行调整以及可以通过对可以被蹭热的家户的暖气进行的调整,总体达到一个热量平衡的状态。
该实施例中,热量调整信息显著性显示可以是不同的颜色显示,可以是放大显示等。
该实施例中,如图5所示,可以是目标区域与楼宇以及家户的结构关系。
上述技术方案的有益效果是:通过采集楼宇以及家户的供热信息以及设定信息,构建实际供热拓扑,避免单一热量值的采集,且通过与标准供热拓扑进行比较,可以有效的衡量供热情况,且通过确定异常信息以及显著性显示,提高对异常供热的及时调整。
本发明提供一种基于大数据平台的供热数据的智能分析方法,步骤1:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息,包括:
基于大数据平台,从热量数据库中,搜索与所述目标区域相关的数据块;
确定所述数据块中存在的楼宇,并调取得到每个楼宇的第一供热信息以及第一设定信息;
获取每个楼宇的楼宇属性,从所述数据块中,获取对应的子块;
确定所述子块中存在的家户,并调取得到每个家户的第二供热信息以及第二设定信息。
上述技术方案的有益效果是:通过确定数据块以及子块,便于获取完整的数据,方便后续对供热数据的分析,保证衡量供热情况的可靠性。
本发明提供一种基于大数据平台的供热数据的智能分析方法,基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑的过程中,包括:获取供热单位的热量输出信息,同时,获取与所述供热单位对应的目标区域的热量接收信息;
基于所述热量输出信息与热量接收信息,确定第一热量损耗,并根据所述供热单位与目标区域的传输通道的第一通道属性,确定第一平均损耗;
确定所述目标区域接收热量的接收口与对应每个楼宇的家户的传输通道的第二通道属性,并基于所述第一通道属性与第二通道属性的配置-长度关系,对所述第一平均损耗进行调整,得到对应的第二平均损耗;
基于所述第一平均损耗,确定对应楼宇的第一参考供热信息,同时,基于所述第二平均损耗,确定对应家户的第二参考供热信息;
将所述第一参考供热信息与对应第一供热信息以及第一设定信息进行第一比较,同时,将所述第二参考供热信息与对应第二供热信息以及第二设定信息进行第二比较;
根据第一比较结果,构建每个家户在同个时间段下的单独损耗阵列;
根据第二比较结果,构建每个楼宇在同个时间段下的楼宇损耗阵列;
根据所述单独损耗阵列以及对应的楼宇损耗阵列,确定对应的损耗预防措施,并发送到对应家户的用户端进行提醒。
该实施例中,在获取供热单位的热量输出信息的过程中,还包括:对该供热单位的包含的所有机组的热负荷进行预测,确定各个机组的目标供温与热供应需求之间的关联关系,预测不同外界环境下,对应的机组供温到达什么水平决定该机组能拿走多少热量。在目标确定后,搜索出各机组的目标供温,进而来确定供热单位的热量输出信息。
该实施例中,热量输出信息指的由供热单为输出热量的温度、水量等。
该实施例中,通道属性与通道长度以及通道保温情况以及通道材质等构成。
该实施例中,参考供热信息可以指的是一个标准的供热信息,进而与实际的供热信息进行比较,可以获取得到不同的损耗阵列,且损耗阵列包括对应时间段下每个时间点的损耗。
上述技术方案的有益效果是:通过确定平均损耗,来获得参考供热信息,进而与对应的实际的供热信息的比较,获取损耗阵列,可以保证获取数据的真实性,为后续衡量供热情况提供基础。
本发明提供一种基于大数据平台的供热数据的智能分析方法,根据所述单独损耗阵列以及对应的楼宇损耗阵列,确定对应的损耗预防措施,包括:
分别将每个单独损耗阵列与对应的楼宇损耗阵列进行比较,计算对应的比较值以及个数比值;
其中,Y1表示对应单独损耗阵列与对应的楼宇损耗阵列的比较值;Y2表示针对单
独损耗阵列中的损耗元素的个数比值;n表示单独损耗阵列以及楼宇损耗阵列中的
损耗元素总个数;表示对应单独损耗阵列的第i个损耗元素的损耗值;表示对应楼宇
损耗阵列的第i个损耗元素的损耗值;表示损耗调节因子,当时,对应
的损耗调节因为取值为1.1,当时,对应的损耗调节因为取值为0.9,当
时,对应的损耗调节因为取值为1;n1表示对应单独损耗阵列中损耗值为0的元素个数;表示n个中的最大值;表示n个中的最小值;
获取所述比较值的第一转换因子以及所述个数比值的第二转换因子,计算得到对应单独损耗阵列的损耗预防概率;
其中,Y3表示损耗预防概率;y1表示第一转换因子;y2表示第二转换因子;s1表示针对比较值的第一权重;s2表示针对个数比值的第二权重;
当所述损耗预防概率大于或等于预设预防概率时,根据对应家户的家户结构位置以及家户的供热安装结构,从损耗预防数据库中,筛选对应的预防措施;
当所述损耗预防概率小于所述预设预防概率时,判定需要将所述家户的第一设定信息更改为标准设定信息,并生成预防措施。
该实施例中,预防防范概率的取值一般为0.6。
上述技术方案的有益效果是:通过按照单独损耗阵列与楼宇损耗阵列的比较,可以有效的计算出比较值和个数比值,且通过转换因子与权重的计算,可以得到损耗预防概率,进而可以针对不同的情况进行有效的预防,保证热量供应的平衡,尽量降低热量损失。
本发明提供一种基于大数据平台的供热数据的智能分析方法,基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑,包括:确定所述第一供热信息、第一设定信息对应的第一位置,同时,确定所述第二供热信息、第二设定信息对应的第二位置;
基于所述第一位置以及第二位置,建立初始供热拓扑;
分别在所述初始供热拓扑上附加对应的供热信息以及设定信息,得到实际供热拓扑。
上述技术方案的有益效果是:通过根据位置以及该位置的信息,来有效的得到实际供热拓扑,为后续确定供热提供有效衡量基础。
本发明提供一种基于大数据平台的供热数据的智能分析方法,将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元,包括:
将所述实际供热拓扑与标准供热拓扑进行单元对的一一匹配,其中,匹配的同个单元对包括:第一单元和第二单元;
获取所述第二单元在每个时刻的外界环境温度、供热单位的供热温度以及对应第二单元的家户所处楼宇的当下位置,并输入到标准供热模型中,得到对应第二单元的标准数据;
获取同个匹配对中的第一单元的供热数据构成的第一变化曲线,同时,还获取同个匹配对中的第二单元的供热数据构成的第二变化曲线;
获取所述第一变化曲线的若干温度峰点、若干温度谷点、集中热量以及集中热量对应的时间点,并基于温度分析模型,获取得到所述第一单元的第一温度异常时段以及第一温度异常因素;
将所述第一变化曲线与第二变化曲线进行比较,记录存在的两者差值绝对值大于预设差值的第一时间点,并分析所述第一时间点的时间分布,判断存在差异的第二时间点,得到第二温度异常时段;
对所述第二温度异常时段的温度差值绝对值进行预分析,得到第二温度异常因素;
基于异常等级机制,对所述第一温度异常时段、第二温度异常时段以及第一温度异常因素、第二温度异常因素进行异常等级确定,得到所述第一单元的异常等级;
当所述异常等级大于预设等级时,将所述第一单元视为异常单元;
否则,按照所述异常等级的等级情况,对所述第一单元进行提醒标注。
该实施例中,在获取标准数据的过程中,需要对与温度相关的数据进行对离散特征独热处理、连续特征归一化处理,保证温度的融合特征,进而保证标准数据的标准性,可以有效弥补特殊数据导致标准数据不精准的可能性。
该实施例中,实际供热拓扑以及标准供热拓扑对应的家户是一样的,因此,对应的结构是一样的,但是结构中单元的供热信息是不一样的。
因此,通过两种方式进行综合判断,一种是获取第一单元的变化曲线,来对第一单元本身的变化曲线进行分析,来获取存在的异常时段以及异常温度,第二种是将第一单元的曲线以及第二单元的曲线进行比较,来确定有慈航时段以及异常温度。
通过两种方式的结合,可以有效的获取到存在的有效异常时段以及异常因素。
该实施例中,异常等级机制是预先设置好的,且为了对两种方式获取的不同的时段以及因素进行综合异常分析,来确定第一单元的异常等级,也就是,异常时段越长,异常因素越多,对应的异常等级越高。
该实施例中,预设等级是预先设置好的。
上述技术方案的有益效果是:通过采用对第一单元本身的曲线分析以及采用第一单元与第二单元的曲线对比分析,来通过异常等级机制,确定存在的异常等级,保证对异常单元判断的可靠性,为衡量供热情况提供有效基础。
本发明提供一种基于大数据平台的供热数据的智能分析方法,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整,包括:
获取所述余热被供应范围的参与家户个数,并从所述被供应信息中获取与所述参与家户个数中参与家户一一对应的子信息;
按照所述异常单元对应的当下家户与对应参与家户的热传递结构,对所述子信息进行分析,得到所述异常单元接收的可规划热量,并构建对应参与家户的热量可规划阵列;
基于所述热量可规划阵列构建热量可规划矩阵,并提取同个时间点的可规划向量并与包括同个时间点在内的预设时间段下所述异常单元的当下热值向量;
将所述可规划向量、当下热值向量以及所述异常单元的热量控制组件的工作参数设定向量,输入到向量分析模型中,预估对所述异常单元的热量控制组件的调控参数,进而实现热量调整。
该实施例中,在进行热量调整的过程中,还包括:自动分析小区楼栋间及楼栋内水力、热力平衡情况,细化研究各小区热力系统调整设备设置,进一步学习调节设备功能,筛选不平衡楼栋及不平衡支线,充分利用自动手动调节设备,加强小区二次系统平衡调整,深入挖掘水力热力不平衡的情况,达到精细化调整。
该实施例中,如图3所示,1表示当下家户,2、3、4表示参与家户。
该实施例中,不同的参与家户对应的热传递结构可能是不一样的,除了按照正常的墙体传热之外,比如,在墙体安装隔热板等之类的东西之后,对应的热传递结构是不一样的,且传递的热量也是不一样的,因此,按照热传递结果,对对应参与家户的子信息进行分析,确定可规划热量,也就是当下家户可以蹭到的余热。
该实施例中,热量可规划阵列指的是预设时间段内每个时间点下的可规划热量构建得到的,进而可以构建得到热量可规划阵列,且行数与参与家户的个数有关,列数与预设时间段内的时间点的个数有关。
该实施例中,可规划向量指的是同个时间点下不同参与家户的可规划热量构成的,且当下热值向量是获取的异常单元的一个热量情况。
该实施例中,热量控制组件指的是针对家户的智能热量控制的换热器等,主要是为了能够获取针对该家户的热量控制情况,也就是参数设定向量。
该实施例中,向量分析模型是预先训练好的,以不同类型的向量为样本训练得到的。
该实施例中,调控参数,比如是水压调节、水流量调节等。
该实施例中,在进行热量调整之前,包括:
设定未来24小时内不同时段的异常单元的供热的最低值,前端平台将精准供热系统计算出的供热计算值和最低值进行比较,当计算值大于最低值时,系统按照计算值执行;当计算值小于最低值时,系统按照最低值执行。通过这种方式在保障供热效果,可以有效的保证异常单元始终处于一个平衡供热的状态。
上述技术方案的有益效果是:通过对余热被供应范围以及参与家户的分析,可以有效的确定参与家户的热量可规划阵列,且通过对异常单元的当下热值向量的获取以及对应的热量控制组件的工作参数设定向量的获取,便于对热量控制组件进行合理调节,保证热量调整的合理性,可以有效的衡量热量供应情况。
本发明提供一种基于大数据平台的供热数据的智能分析方法,在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示,包括:根据所述异常单元的异常等级,从等级-颜色数据库中筛选等级颜色,并对所述异常单元的单元区域进行全覆盖显著性设定;
根据所述热量调整信息的调整维度,从维度-颜色数据库中,筛选与每个维度相关的第一颜色;
获取每个维度对应的调整工作量,当所述调整工作量小于预设工作量时,控制所述第一颜色减轻;
当所述调整工作量等于预设工作量时,控制所述第一颜色不变;
当所述调整工作量大于预设工作量时,控制所述第一颜色加深;
基于对第一颜色的调节结果,得到每个维度对应的第二颜色,并根据所述热量调整信息的调整属性,从属性-图标显示数据库中,筛选得到与维度个数一致的显示框架;
按照每个维度的调整权重,将对应第二颜色依次填充到所述显示框架进行显著性显示。
该实施例中,如图4所示,比如:存在3个维度调整信息,且从等级-颜色数据库中,获取到的白色全覆盖,且根据属性确定的显示框架是包括三个小单元格1、2、3,且每个小单元格的灰度颜色是不一样的,且小单元格1对应的调整权重最大的维度,小单元格3对应的调整权重最小的维度。
该实施例中,预设工作量是预先设定好的,作为一个比较阈值。
该实施例中,等级-颜色数据库、维度-颜色数据库、属性-图标数据库都是预先设置好的。
上述技术方案的有益效果是:通过从三个数据库中分别筛选需要的颜色,进而实现对显示单元以及热量调整信息的显著性显示,便于及时调整以及直观了解,保证调整的可靠性。
本发明提供一种基于大数据平台的供热数据的智能分析方法,基于所述实际供热拓扑,获取所述异常单元的余热被供应范围,包括:在所述实际供热拓扑中标定所述异常单元,并确定与所述异常单元连贯的周围家户中每个家户的暖气布线布局以及基于所述暖气布线布局的水流走动区域;
根据每个家户与所述异常单元的连贯关系,确定对应家户的暖气布线布局与水流走动区域为所述异常单元提供的主要渗透区域以及可能热量;
根据连贯的所有家户的主要渗透区域以及可能热量,构建被供应结构图;
根据所述被供应结构图,获取得到所述异常单元的余热被供应范围。
上述技术方案的有益效果是:本发明提供一种基于大数据平台的供热数据的智能分析系统,如图2所示,包括:信息获取模块,用于基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息;
拓扑构建模块,用于基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑;
拓扑对比模块,用于将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;
热量调整模块,用于基于所述实际供热拓扑,获取所述异常单元的余热被供应范围以及所述异常单元的异常信息,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整;
显著性显示模块,用于在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示。
上述技术方案的有益效果是:通过采集楼宇以及家户的供热信息以及设定信息,构建实际供热拓扑,且通过与标准供热拓扑进行比较,可以有效的衡量供热情况,且通过确定异常信息以及显著性显示,提高对异常供热的及时调整。
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,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据平台的供热数据的智能分析方法,其特征在于,包括:
步骤1:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息;
步骤2:基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑;
步骤3:将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;
步骤4:基于所述实际供热拓扑,获取所述异常单元的余热被供应范围以及所述异常单元的异常信息,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整;
步骤5:在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示。
2.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,步骤1:基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息,包括:
基于大数据平台,从热量数据库中,搜索与所述目标区域相关的数据块;
确定所述数据块中存在的楼宇,并调取得到每个楼宇的第一供热信息以及第一设定信息;
获取每个楼宇的楼宇属性,从所述数据块中,获取对应的子块;
确定所述子块中存在的家户,并调取得到每个家户的第二供热信息以及第二设定信息。
3.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑的过程中,包括:
获取供热单位的热量输出信息,同时,获取与所述供热单位对应的目标区域的热量接收信息;
基于所述热量输出信息与热量接收信息,确定第一热量损耗,并根据所述供热单位与目标区域的传输通道的第一通道属性,确定第一平均损耗;
确定所述目标区域接收热量的接收口与对应每个楼宇的家户的传输通道的第二通道属性,并基于所述第一通道属性与第二通道属性的配置-长度关系,对所述第一平均损耗进行调整,得到对应的第二平均损耗;
基于所述第一平均损耗,确定对应楼宇的第一参考供热信息,同时,基于所述第二平均损耗,确定对应家户的第二参考供热信息;
将所述第一参考供热信息与对应第一供热信息以及第一设定信息进行第一比较,同时,将所述第二参考供热信息与对应第二供热信息以及第二设定信息进行第二比较;
根据第一比较结果,构建每个家户在同个时间段下的单独损耗阵列;
根据第二比较结果,构建每个楼宇在同个时间段下的楼宇损耗阵列;
根据所述单独损耗阵列以及对应的楼宇损耗阵列,确定对应的损耗预防措施,并发送到对应家户的用户端进行提醒。
4.如权利要求3所述的基于大数据平台的供热数据的智能分析方法,其特征在于,根据所述单独损耗阵列以及对应的楼宇损耗阵列,确定对应的损耗预防措施,包括:
分别将每个单独损耗阵列与对应的楼宇损耗阵列进行比较,计算对应的比较值以及个数比值;
其中,Y1表示对应单独损耗阵列与对应的楼宇损耗阵列的比较值;Y2表示针对单独损
耗阵列中的损耗元素的个数比值;n表示单独损耗阵列以及楼宇损耗阵列中的损
耗元素总个数;表示对应单独损耗阵列的第i个损耗元素的损耗值;表示对应楼宇
损耗阵列的第i个损耗元素的损耗值;表示损耗调节因子,当时,
对应的损耗调节因为取值为1.1,当时,对应的损耗调节因为取值为0.9,当时,对应的损耗调节因为取值为1;n1表示对应单独损耗阵列中损耗值为0的元
素个数;表示n个中的最大值;表示n个中的最
小值;
获取所述比较值的第一转换因子以及所述个数比值的第二转换因子,计算得到对应单独损耗阵列的损耗预防概率;
其中,Y3表示损耗预防概率;y1表示第一转换因子;y2表示第二转换因子;s1表示针对比较值的第一权重;s2表示针对个数比值的第二权重;
当所述损耗预防概率大于或等于预设预防概率时,根据对应家户的家户结构位置以及家户的供热安装结构,从损耗预防数据库中,筛选对应的预防措施;
当所述损耗预防概率小于所述预设预防概率时,判定需要将所述家户的第一设定信息更改为标准设定信息,并生成预防措施。
5.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑,包括:
确定所述第一供热信息、第一设定信息对应的第一位置,同时,确定所述第二供热信息、第二设定信息对应的第二位置;
基于所述第一位置以及第二位置,建立初始供热拓扑;
分别在所述初始供热拓扑上附加对应的供热信息以及设定信息,得到实际供热拓扑。
6.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元,包括:
将所述实际供热拓扑与标准供热拓扑进行单元对的一一匹配,其中,匹配的同个单元对包括:第一单元和第二单元;
获取所述第二单元在每个时刻的外界环境温度、供热单位的供热温度以及对应第二单元的家户所处楼宇的当下位置,并输入到标准供热模型中,得到对应第二单元的标准数据;
获取同个匹配对中的第一单元的供热数据构成的第一变化曲线,同时,还获取同个匹配对中的第二单元的供热数据构成的第二变化曲线;
获取所述第一变化曲线的若干温度峰点、若干温度谷点、集中热量以及集中热量对应的时间点,并基于温度分析模型,获取得到所述第一单元的第一温度异常时段以及第一温度异常因素;
将所述第一变化曲线与第二变化曲线进行比较,记录存在的两者差值绝对值大于预设差值的第一时间点,并分析所述第一时间点的时间分布,判断存在差异的第二时间点,得到第二温度异常时段;
对所述第二温度异常时段的温度差值绝对值进行预分析,得到第二温度异常因素;
基于异常等级机制,对所述第一温度异常时段、第二温度异常时段以及第一温度异常因素、第二温度异常因素进行异常等级确定,得到所述第一单元的异常等级;
当所述异常等级大于预设等级时,将所述第一单元视为异常单元;
否则,按照所述异常等级的等级情况,对所述第一单元进行提醒标注。
7.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整,包括:
获取所述余热被供应范围的参与家户个数,并从所述被供应信息中获取与所述参与家户个数中参与家户一一对应的子信息;
按照所述异常单元对应的当下家户与对应参与家户的热传递结构,对所述子信息进行分析,得到所述异常单元接收的可规划热量,并构建对应参与家户的热量可规划阵列;
基于所述热量可规划阵列构建热量可规划矩阵,并提取同个时间点的可规划向量并与包括同个时间点在内的预设时间段下所述异常单元的当下热值向量;
将所述可规划向量、当下热值向量以及所述异常单元的热量控制组件的工作参数设定向量,输入到向量分析模型中,预估对所述异常单元的热量控制组件的调控参数,进而实现热量调整。
8.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示,包括:
根据所述异常单元的异常等级,从等级-颜色数据库中筛选等级颜色,并对所述异常单元的单元区域进行全覆盖显著性设定;
根据所述热量调整信息的调整维度,从维度-颜色数据库中,筛选与每个维度相关的第一颜色;
获取每个维度对应的调整工作量,当所述调整工作量小于预设工作量时,控制所述第一颜色减轻;
当所述调整工作量等于预设工作量时,控制所述第一颜色不变;
当所述调整工作量大于预设工作量时,控制所述第一颜色加深;
基于对第一颜色的调节结果,得到每个维度对应的第二颜色,并根据所述热量调整信息的调整属性,从属性-图标显示数据库中,筛选得到与维度个数一致的显示框架;
按照每个维度的调整权重,将对应第二颜色依次填充到所述显示框架进行显著性显示。
9.如权利要求1所述的基于大数据平台的供热数据的智能分析方法,其特征在于,基于所述实际供热拓扑,获取所述异常单元的余热被供应范围,包括:
在所述实际供热拓扑中标定所述异常单元,并确定与所述异常单元连贯的周围家户中每个家户的暖气布线布局以及基于所述暖气布线布局的水流走动区域;
根据每个家户与所述异常单元的连贯关系,确定对应家户的暖气布线布局与水流走动区域为所述异常单元提供的主要渗透区域以及可能热量;
根据连贯的所有家户的主要渗透区域以及可能热量,构建被供应结构图;
根据所述被供应结构图,获取得到所述异常单元的余热被供应范围。
10.一种基于大数据平台的供热数据的智能分析系统,其特征在于,包括:
信息获取模块,用于基于大数据平台,获取目标区域中每个楼宇的第一供热信息、第一设定信息以及所述楼宇中每个家户的第二供热信息、第二设定信息;
拓扑构建模块,用于基于所述第一供热信息、第一设定信息以及第二供热信息、第二设定信息,构建所述目标区域的实际供热拓扑;
拓扑对比模块,用于将实际供热拓扑与标准供热拓扑进行拓扑对比,确定异常单元;
热量调整模块,用于基于所述实际供热拓扑,获取所述异常单元的余热被供应范围以及所述异常单元的异常信息,根据所述余热被供应范围的被供应信息与所述异常信息,对所述异常单元进行热量调整;
显著性显示模块,用于在所述实际供热拓扑上将所述异常单元以及异常单元对应的热量调整信息进行显著性显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732280.XA CN114780622B (zh) | 2022-06-27 | 2022-06-27 | 一种基于大数据平台的供热数据的智能分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732280.XA CN114780622B (zh) | 2022-06-27 | 2022-06-27 | 一种基于大数据平台的供热数据的智能分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114780622A true CN114780622A (zh) | 2022-07-22 |
CN114780622B CN114780622B (zh) | 2022-09-02 |
Family
ID=82422383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210732280.XA Active CN114780622B (zh) | 2022-06-27 | 2022-06-27 | 一种基于大数据平台的供热数据的智能分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114780622B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115013865A (zh) * | 2022-08-08 | 2022-09-06 | 南通金立电气工程有限公司 | 基于工业大数据的暖气供热异常识别方法 |
CN115237241A (zh) * | 2022-09-26 | 2022-10-25 | 张北云联数据服务有限责任公司 | 一种数据中心节能调度方法及系统 |
CN115309203A (zh) * | 2022-10-11 | 2022-11-08 | 山东华邦农牧机械股份有限公司 | 养殖用智能温度控制系统 |
CN115324920A (zh) * | 2022-07-26 | 2022-11-11 | 深圳禄华科技有限公司 | 一种无刷风扇控制器的风扇调节方法及系统 |
CN115470788A (zh) * | 2022-11-15 | 2022-12-13 | 北京云成金融信息服务有限公司 | 一种用于数据中台的数据分析方法及系统 |
CN115841188A (zh) * | 2022-12-30 | 2023-03-24 | 北京热力智能控制技术有限责任公司 | 一种基于用户行为分析的供热系统供需优化方法 |
CN117739405A (zh) * | 2023-12-22 | 2024-03-22 | 西藏中环热力技术有限公司 | 一种基于智能调节阀的供热控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106568121A (zh) * | 2016-10-20 | 2017-04-19 | 国网山东省电力公司菏泽供电公司 | 一种楼宇供热状态的监控方法、装置及系统 |
CN109270842A (zh) * | 2018-10-25 | 2019-01-25 | 浙江大学 | 一种基于贝叶斯网络的区域供热模型预测控制系统及方法 |
WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
CN111509706A (zh) * | 2020-04-24 | 2020-08-07 | 广东电网有限责任公司东莞供电局 | 电源拓扑信息修正方法、系统、设备和存储介质 |
CN111626587A (zh) * | 2020-05-21 | 2020-09-04 | 浙江大学 | 一种计及能流延迟特性的综合能源系统拓扑优化方法 |
CN111897859A (zh) * | 2020-09-30 | 2020-11-06 | 知学云(北京)科技有限公司 | 一种面向企业在线教育的大数据智能报表平台 |
CN112019932A (zh) * | 2020-08-27 | 2020-12-01 | 广州华多网络科技有限公司 | 网络故障根因定位方法、装置、计算机设备及存储介质 |
CN113191074A (zh) * | 2021-04-13 | 2021-07-30 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的机房供电参数检测方法 |
CN114004382A (zh) * | 2021-10-20 | 2022-02-01 | 红石阳光(北京)科技股份有限公司 | 一种智能楼宇操作系统 |
-
2022
- 2022-06-27 CN CN202210732280.XA patent/CN114780622B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106568121A (zh) * | 2016-10-20 | 2017-04-19 | 国网山东省电力公司菏泽供电公司 | 一种楼宇供热状态的监控方法、装置及系统 |
WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
CN109270842A (zh) * | 2018-10-25 | 2019-01-25 | 浙江大学 | 一种基于贝叶斯网络的区域供热模型预测控制系统及方法 |
CN111509706A (zh) * | 2020-04-24 | 2020-08-07 | 广东电网有限责任公司东莞供电局 | 电源拓扑信息修正方法、系统、设备和存储介质 |
CN111626587A (zh) * | 2020-05-21 | 2020-09-04 | 浙江大学 | 一种计及能流延迟特性的综合能源系统拓扑优化方法 |
CN112019932A (zh) * | 2020-08-27 | 2020-12-01 | 广州华多网络科技有限公司 | 网络故障根因定位方法、装置、计算机设备及存储介质 |
CN111897859A (zh) * | 2020-09-30 | 2020-11-06 | 知学云(北京)科技有限公司 | 一种面向企业在线教育的大数据智能报表平台 |
CN113191074A (zh) * | 2021-04-13 | 2021-07-30 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的机房供电参数检测方法 |
CN114004382A (zh) * | 2021-10-20 | 2022-02-01 | 红石阳光(北京)科技股份有限公司 | 一种智能楼宇操作系统 |
Non-Patent Citations (5)
Title |
---|
乐焕白等: "调度综合数据平台构建与关键技术研究", 《陕西电力》 * |
刘庆堂等: "基于BP神经网络和回归预测的供热调节可靠性", 《山东大学学报(工学版)》 * |
杨建平等: "基于改进局部异常因子算法的拓扑辨识技术", 《计算机系统应用》 * |
王海等: "新一代节能供热网络的立体拓扑结构建模", 《暖通空调》 * |
董晓晶等: "考虑多类型综合需求响应的电热耦合能源系统可靠性评估", 《电力建设》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115324920A (zh) * | 2022-07-26 | 2022-11-11 | 深圳禄华科技有限公司 | 一种无刷风扇控制器的风扇调节方法及系统 |
CN115013865A (zh) * | 2022-08-08 | 2022-09-06 | 南通金立电气工程有限公司 | 基于工业大数据的暖气供热异常识别方法 |
CN115237241A (zh) * | 2022-09-26 | 2022-10-25 | 张北云联数据服务有限责任公司 | 一种数据中心节能调度方法及系统 |
CN115309203A (zh) * | 2022-10-11 | 2022-11-08 | 山东华邦农牧机械股份有限公司 | 养殖用智能温度控制系统 |
CN115309203B (zh) * | 2022-10-11 | 2023-03-14 | 山东华邦农牧机械股份有限公司 | 养殖用智能温度控制系统 |
CN115470788A (zh) * | 2022-11-15 | 2022-12-13 | 北京云成金融信息服务有限公司 | 一种用于数据中台的数据分析方法及系统 |
CN115470788B (zh) * | 2022-11-15 | 2023-04-11 | 北京云成金融信息服务有限公司 | 一种用于数据中台的数据分析方法及系统 |
CN115841188A (zh) * | 2022-12-30 | 2023-03-24 | 北京热力智能控制技术有限责任公司 | 一种基于用户行为分析的供热系统供需优化方法 |
CN117739405A (zh) * | 2023-12-22 | 2024-03-22 | 西藏中环热力技术有限公司 | 一种基于智能调节阀的供热控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114780622B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114780622B (zh) | 一种基于大数据平台的供热数据的智能分析方法及系统 | |
CN108916986B (zh) | 信息物理融合的二级管网变流量水力平衡调控方法及系统 | |
EP3614055B1 (en) | Heat supply regulation method and apparatus | |
CN110332647A (zh) | 地铁地下车站空调系统负荷预测方法及空调系统 | |
CN110363432A (zh) | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 | |
CN117469603B (zh) | 一种基于大数据学习的多水厂供水系统压力优化控制方法 | |
CN115048815B (zh) | 一种基于数据库的电力业务智能仿真管理系统及方法 | |
CN117937497A (zh) | 算力负载均衡方法及装置 | |
CN115808211A (zh) | 一种公共建筑温度及热舒适度监测与预测系统 | |
CN117850273A (zh) | 一种用于控制建筑碳排放的数字孪生系统 | |
CN118199060A (zh) | 一种配电变压器低压柔性互联负荷均衡调控系统 | |
CN106989005A (zh) | 一种空气压缩机性能检测系统及方法 | |
CN113723791A (zh) | 一种基于避咸蓄淡的城市供水分析方法及装置 | |
CN116468253B (zh) | 结合智慧能源管理平台的多能源调度管控方法及系统 | |
CN117895468A (zh) | 一种源网荷储的协同控制方法及系统 | |
CN117273195A (zh) | 一种蒸汽供热系统需求负荷预测方法 | |
CN117526270A (zh) | 多元负荷特性分析预测方法、装置及电子设备、存储介质 | |
CN116379505A (zh) | 基于分户计量热平衡优化控制的系统及方法 | |
CN115564180B (zh) | 一种基于大数据分析的电力网络可靠性评估方法 | |
CN115342409A (zh) | 一种供热系统的控制调节方法与系统 | |
CN108960332A (zh) | 一种基于多向主元素分析法的在线监测方法 | |
CN114909707A (zh) | 一种基于智能平衡装置和强化学习的供热二级网调控方法 | |
CN116150195A (zh) | 一种多类型园区用户安全低碳用电在线监测系统及方法 | |
CN117455321B (zh) | 一种流态固化土性能智能评估方法及系统 | |
CN113872334B (zh) | 电网实时数据可视化展示方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |