CN115186888A - 一种基于双碳目标的节能降耗方法 - Google Patents
一种基于双碳目标的节能降耗方法 Download PDFInfo
- Publication number
- CN115186888A CN115186888A CN202210787246.2A CN202210787246A CN115186888A CN 115186888 A CN115186888 A CN 115186888A CN 202210787246 A CN202210787246 A CN 202210787246A CN 115186888 A CN115186888 A CN 115186888A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- energy
- consumption
- saving
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 20
- 230000009467 reduction Effects 0.000 title claims description 16
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims description 10
- 238000005265 energy consumption Methods 0.000 claims abstract description 164
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000005065 mining Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 47
- 238000010606 normalization Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于双碳目标的节能降耗方法,该方法包括：采集设备大量的能耗用电功率数据，对用电数据进行归一化处理，对用电功率数据进行挖掘；建立节能目标函数，利用该函数对影响能耗的目标量进行控制；利用耗能影响因素函数，对影响耗能的变量建立方程，耗能影响因素与能耗水平值、能耗线性增量、能耗抛物线增量有关，同时建立耗能变化参量矩阵；采用能耗预测方程，对设备所需的能耗进行预测；建立节能降耗算法模型，降低不必要的能耗；构建评价方程，对用户耗能情况进行评价，该方法并不是只针对某个单一的设备或系统，对所有的用电设备都具有良好的适配性，达到对设备进行节能减排的目的。
Description
技术领域
本发明涉及节能降耗与算法的领域,尤其涉及一种基于双碳目标的节能降耗方法。
背景技术
“双碳”战略倡导绿色、环保、低碳的生活方式。加快降低碳排放步伐，有利于引导绿色技术创新，提高产业和经济的全球竞争力。中国持续推进产业结构和能源结构调整，大力发展可再生能源，在沙漠、戈壁、荒漠地区加快规划建设大型风电光伏基地项目，努力兼顾经济发展和绿色转型同步进行。与此同时，合理进行节能降耗也是实现双碳目标的一种有效地手段。
申请号为CN201410310997.0的专利公开了一种终端设备的自动步进节能方法及系统。该发明根据当前所发送的数据包类型和内容确定第一标准值，并接收接入点发送的第二标准值，将第一标准值和第二标准值中的较大值设为标准值，然后发送无线引导包，接收接入点发送的链路状态等级值，当所述链路状态等级值与标准值之间的差值不在预设数值区间内时，对终端设备的发送功率进行步进调整，并继续发送无线引导包。本发明通过所述终端设备的自动步进节能方法及系统，实现了根据网络状况动态调整终端设备的功率。
申请号为CN202011525148.9的专利公开了一种智慧能源节能方法及系统该发明包括主控制器和副控制器，主控制器包含有多个副控制器，副控制器分别与数据采集器、电力调控中心、控制模块、信息收集模块、通信模块、数据存储模块、监控模块、信息安全模块和能源设备连接，数据采集器、电力调控中心、信息收集模块、监控模块、信息安全模块、能效分析模块、诊断模块、数据管理模块均连接至大屏幕，数据管理模块与信息收集模块、数据采集器、数据存储模块、能源设备、能效分析模块、诊断模块相互电连接。方便对能源设备的耗能进行监测，通过耗能的前后对比从而得出企业在进行生产时进行能源调整，从而找出最优的节能方法。
但是，目前现有提出的节能降耗的方法普遍具有单一性，只针对某个单一的设备或系统，这就造成了所提的方法适配性不高，从而导致节能减排的效果并不明显。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于双碳目标的节能降耗方法。
本发明所采用的技术方案是，该方法如下所示：
步骤S1：采集设备大量的能耗用电功率数据，对用电数据进行归一化处理，利用时间序列分解和机器学习的拟合对用电功率数据进行挖掘；
步骤S2：建立节能目标函数，利用该函数对影响能耗的目标量进行控制；
步骤S3：利用耗能影响因素函数，对影响耗能的变量建立方程，耗能影响因素与能耗水平值、能耗线性增量、能耗抛物线增量有关，同时建立耗能变化参量矩阵；
步骤S4：采用能耗预测方程，对设备所需的能耗进行预测；
步骤S5：建立节能降耗算法模型，降低不必要的能耗；
步骤S6：构建评价方程，对用户耗能情况进行评价。
进一步地，所述对用电数据进行归一化处理，表达式为：
其中，Aa表示用电功率数据归一化结果，Ba表示设备原始功率数据，max(a)表示设备功率数据最大值，min(a)表示设备功率数据最小值。
所述对用电功率数据进行挖掘，表达式为：
c(a)＝d(a)+e(a)+f(a)+μa
其中，c(a)表示设备的用电功率组成函数，d(a)表示用电量趋势项，是时间序列在非周期上面的变化趋势，e(a)表示用电量周期项，单位依据挖掘的数据量分为天、周、月、季、年，f(a)表示用电量节假日项，表示当天是否存在节假日，μa表示用电量误差项。
进一步地，所述节能目标函数，表达式为：
其中，d(a)表示节能目标函数，E(a)表示过去规定时间内能耗总值，b表示能耗增长率，g(a)表示过去单位时间内能耗的均值，ψ表示能耗增长率的变化量，a表示能耗变量，h表示能耗的增益，T表示矩阵的转置运算，σ表示能耗变化系数；
其中，g(a)、ψ、σ的矩阵构成形式为：
其中，i表示取值的单位时间总个数。
进一步地，所述耗能影响因素函数，表达式为：
其中，
表示耗能影响因素函数，ur表示r时期的能耗水平值，wr表示r时期的能耗线性增量，jr表示r时期的能耗抛物线增量，R表示增量矩阵。
所述耗能变化参量矩阵，表达式为：
η＝(p1，r1，...，pu，ru)T
其中，η表示耗能变化的参量矩阵，T表示矩阵的转置运算，p表示影响能耗变化的合理需求因素，r表示影响能耗变化的非合理需求因素，1，…，u表示不同的单位时间变量。
进一步地，所述能耗预测方程，表达式为：
其中，Ka表示能耗的预测结果，ξn表示设备在正常能耗下使用的时长，N、M分别表示为自回归部分模型和移动平均部分模型的阶数，σm表示设备在非正常能耗下使用的时长，τa表示白噪声序列，p表示影响能耗变化的合理需求因素所构成的矩阵变量，r表示影响能耗变化的非合理需求因素所构成的矩阵变量。
进一步地，所述节能降耗算法模型，表达式为：
其中，Pa表示节能降耗函数，RVR表示支持向量个数，τn表示拉格朗日系数，ln表示不同能耗所占权重，U(bn，b)表示所选择的核函数，fε表示能耗的偏置量。
进一步地，所述评价方程，表达式为：
其中，K(v)表示模型的惩罚函数，惩罚函数用来描述节能降耗算法模型的准确度，φ表示惩罚因子，W表示不同能耗所占权重的正确率，Q表示能耗的种类数，zs表示能耗的有用率，θ表示评估系数。
有益效果：
本发明提出一种基于双碳目标的节能降耗方法，该方法通过对设备用电数据进行归一化处理、数据挖局、建立多个不同关于能耗的函数，最后评价方程对用户耗能情况进行评价，该方法并不是只针对某个单一的设备或系统，对所有的用电设备都具有良好的适配性，从而使该方法能够进行更大范围的应用，达到对设备进行节能减排的目的，该方法中所提出的模型及方程是基于现有的理论基础，具有良好的应用性，可进行大规模的推广应用。
附图说明
图1为本发明总体步骤流程图；
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,一种基于双碳目标的节能降耗方法，该方法如下所示：
步骤S1：采集设备大量的能耗用电功率数据，对用电数据进行归一化处理，利用时间序列分解和机器学习的拟合对用电功率数据进行挖掘；
归一化的目的就是使得预处理的用电功率数据被限定在一定的范围内(比如[0,1]或者[-1,1])，从而减小奇异样本数据导致的不良影响，归一化的结果与设备原始功率数据，设备功率数据最大值，设备功率数据最小值有关，利用时间序列分解和机器学习的拟合对用电功率数据进行挖掘，建立设备的用电功率组成函数，该函数与用电量趋势，与用电量周期，与用电量节假日有关。
步骤S2：建立节能目标函数，利用该函数对影响能耗的目标量进行控制；
节能目标函数对标的是节能减排标准，该函数与过去规定时间内能耗总值、能耗增长率、过去单位时间内能耗的均值、能耗增长率的变化量、能耗变量、能耗的增益、能耗变化系数等相关，通过节能减排标准可对节能目标函数提供有效的参考，节能目标函数的值不得超过节能减排标准的最大值。
步骤S3：利用耗能影响因素函数，对影响耗能的变量建立方程，耗能影响因素与能耗水平值、能耗线性增量、能耗抛物线增量有关，同时建立耗能变化参量矩阵；
耗能影响因素函数是对所有能够影响设备耗能情况的综合，该综合是一组矩阵，矩阵的大小依据设备的使用时长、设备型号而决定，耗能变化参量矩阵与影响能耗变化的合理需求因素、影响能耗变化的非合理需求因素相关，合理需求因素包括如设备预计产量、需求计划、停工检修等因素，非合理需求因素包括设备的异常运转、停电造成的停产、人为的故意停机、设备故障等因素。
步骤S4：采用能耗预测方程，对设备所需的能耗进行预测；
能耗预测方程是关于设备在正常能耗下使用的时长和设备在非正常能耗下使用的时长所耗能的描述，利用该预测方程可以对设备耗能的情况进行准确预测。
步骤S5：建立节能降耗算法模型，降低不必要的能耗；
节能降耗算法模型与不同能耗所占权重，所选择的核函数，能耗的偏置量有关，随着双碳目标的提出，设备关于能耗的来源也越来越多种多样，清洁能源的权重也越来越大，所以不同能耗所占权重的计算是本模型的核心，权重与两个变量有关，一个是当前不同能源的比例，以及预估接下来单位时间不同能源的比例。
步骤S6：构建评价方程，对用户耗能情况进行评价。
评价方程与惩罚函数，惩罚因子，评估系数等相关，评价方程一方面用于评价所提出能耗预测方程的准确性，另一方面是对户耗能情况进行评价，评估的结果用于对企业的生产提供指导，保证企业节能降耗目标的实现。
对用电数据进行归一化处理，表达式为：
其中，Aa表示用电功率数据归一化结果，Ba表示设备原始功率数据，max(a)表示设备功率数据最大值，min(a)表示设备功率数据最小值。
所述对用电功率数据进行挖掘，表达式为：
c(a)＝d(a)+e(a)+f(a)+μa
其中，c(a)表示设备的用电功率组成函数，d(a)表示用电量趋势项，是时间序列在非周期上面的变化趋势，e(a)表示用电量周期项，单位依据挖掘的数据量分为天、周、月、季、年，f(a)表示用电量节假日项，表示当天是否存在节假日，μa表示用电量误差项。
节能目标函数，表达式为：
其中，d(a)表示节能目标函数，E(a)表示过去规定时间内能耗总值，b表示能耗增长率，g(a)表示过去单位时间内能耗的均值，ψ表示能耗增长率的变化量，a表示能耗变量，h表示能耗的增益，T表示矩阵的转置运算，σ表示能耗变化系数；
其中，g(a)、ψ、σ的矩阵构成形式为：
其中，i表示取值的单位时间总个数。
耗能影响因素函数，表达式为：
其中，
表示耗能影响因素函数，ur表示r时期的能耗水平值，wr表示r时期的能耗线性增量，jr表示r时期的能耗抛物线增量，R表示增量矩阵。
耗能变化参量矩阵，表达式为：
η＝(p1，r1，...，pu，ru)T
其中，η表示耗能变化的参量矩阵，T表示矩阵的转置运算，p表示影响能耗变化的合理需求因素，r表示影响能耗变化的非合理需求因素，1，…，u表示不同的单位时间变量。
能耗预测方程，表达式为：
其中，Ka表示能耗的预测结果，ξn表示设备在正常能耗下使用的时长，N、M分别表示为自回归部分模型和移动平均部分模型的阶数，σm表示设备在非正常能耗下使用的时长，τa表示白噪声序列，p表示影响能耗变化的合理需求因素所构成的矩阵变量，r表示影响能耗变化的非合理需求因素所构成的矩阵变量。
节能降耗算法模型，表达式为：
其中，Pa表示节能降耗函数，RVR表示支持向量个数，τn表示拉格朗日系数，ln表示不同能耗所占权重，U(bn，b)表示所选择的核函数，fε表示能耗的偏置量。
评价方程，表达式为：
其中，K(v)表示模型的惩罚函数，惩罚函数用来描述节能降耗算法模型的准确度，φ表示惩罚因子，W表示不同能耗所占权重的正确率，Q表示能耗的种类数，zs表示能耗的有用率，θ表示评估系数。
本发明提出一种基于双碳目标的节能降耗方法，该方法通过对设备用电数据进行归一化处理、数据挖局、建立多个不同关于能耗的函数，最后评价方程对用户耗能情况进行评价，该方法并不是只针对某个单一的设备或系统，对所有的用电设备都具有良好的适配性，从而使该方法能够进行更大范围的应用，达到对设备进行节能减排的目的，该方法中所提出的模型及方程是基于现有的理论基础，具有良好的应用性，可进行大规模的推广应用。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。
Claims (7)
1.一种基于双碳目标的节能降耗方法，其特征在于，该方法如下所示：
步骤S1：采集设备大量的能耗用电功率数据，对用电数据进行归一化处理，利用时间序列分解和机器学习的拟合对用电功率数据进行挖掘；
步骤S2：建立节能目标函数，利用该函数对影响能耗的目标量进行控制；
步骤S3：利用耗能影响因素函数，对影响耗能的变量建立方程，耗能影响因素与能耗水平值、能耗线性增量、能耗抛物线增量有关，同时建立耗能变化参量矩阵；
步骤S4：采用能耗预测方程，对设备所需的能耗进行预测；
步骤S5：建立节能降耗算法模型，降低不必要的能耗；
步骤S6：构建评价方程，对用户耗能情况进行评价。
2.如权利要求1所述的一种基于双碳目标的节能降耗方法，其特征在于，所述对用电数据进行归一化处理，表达式为：
其中，Aa表示用电功率数据归一化结果，Ba表示设备原始功率数据，max(a)表示设备功率数据最大值，min(a)表示设备功率数据最小值；
所述对用电功率数据进行挖掘，表达式为：
c(a)＝d(a)+e(a)+f(a)+μa
其中，c(a)表示设备的用电功率组成函数，d(a)表示用电量趋势项，是时间序列在非周期上面的变化趋势，e(a)表示用电量周期项，单位依据挖掘的数据量分为天、周、月、季、年，f(a)表示用电量节假日项，表示当天是否存在节假日，μa表示用电量误差项。
3.如权利要求1所述的一种基于双碳目标的节能降耗方法，其特征在于，所述节能目标函数，表达式为：
其中，d(a)表示节能目标函数，E(a)表示过去规定时间内能耗总值，b表示能耗增长率，g(a)表示过去单位时间内能耗的均值，ψ表示能耗增长率的变化量，a表示能耗变量，h表示能耗的增益，T表示矩阵的转置运算，σ表示能耗变化系数；
其中，g(a)、ψ、σ的矩阵构成形式为：
其中，i表示取值的单位时间总个数。
4.如权利要求1所述的一种基于双碳目标的节能降耗方法，其特征在于，所述耗能影响因素函数，表达式为：
其中，
表示耗能影响因素函数，ur表示r时期的能耗水平值，wr表示r时期的能耗线性增量，jr表示r时期的能耗抛物线增量，R表示增量矩阵。
所述耗能变化参量矩阵，表达式为：
η＝(p1，r1，...，pu，ru)T
其中，η表示耗能变化的参量矩阵，T表示矩阵的转置运算，p表示影响能耗变化的合理需求因素，r表示影响能耗变化的非合理需求因素，1，…，u表示不同的单位时间变量。
5.如权利要求1所述的一种基于双碳目标的节能降耗方法，其特征在于，所述能耗预测方程，表达式为：
其中，Ka表示能耗的预测结果，ξn表示设备在正常能耗下使用的时长，N、M分别表示为自回归部分模型和移动平均部分模型的阶数，σm表示设备在非正常能耗下使用的时长，τa表示白噪声序列，p表示影响能耗变化的合理需求因素所构成的矩阵变量，r表示影响能耗变化的非合理需求因素所构成的矩阵变量。
6.如权利要求1所述的一种基于双碳目标的节能降耗方法，其特征在于，所述节能降耗算法模型，表达式为：
其中，Pa表示节能降耗函数，RVR表示支持向量个数，τn表示拉格朗日系数，ln表示不同能耗所占权重，U(bn，b)表示所选择的核函数，fε表示能耗的偏置量。
7.如权利要求1所述的一种基于双碳目标的节能降耗方法，其特征在于，所述评价方程，表达式为：
其中，K(v)表示模型的惩罚函数，惩罚函数用来描述节能降耗算法模型的准确度，φ表示惩罚因子，W表示不同能耗所占权重的正确率，Q表示能耗的种类数，zs表示能耗的有用率，θ表示评估系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210787246.2A CN115186888A (zh) | 2022-07-04 | 2022-07-04 | 一种基于双碳目标的节能降耗方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210787246.2A CN115186888A (zh) | 2022-07-04 | 2022-07-04 | 一种基于双碳目标的节能降耗方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115186888A true CN115186888A (zh) | 2022-10-14 |
Family
ID=83516713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210787246.2A Pending CN115186888A (zh) | 2022-07-04 | 2022-07-04 | 一种基于双碳目标的节能降耗方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115186888A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115809730A (zh) * | 2022-11-28 | 2023-03-17 | 东北石油大学 | 一种大型原油储罐热量损失预测方法 |
| CN117787474A (zh) * | 2023-12-01 | 2024-03-29 | 成都宽邦科技有限公司 | 一种基于ai的金融风险评估预测系统及方法 |
| CN118469201A (zh) * | 2024-05-16 | 2024-08-09 | 梅泰克诺(嘉兴)新材料有限公司 | 基于人工智能的预制金属面板复合墙体生产线节能调度方法 |
-
2022
- 2022-07-04 CN CN202210787246.2A patent/CN115186888A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115809730A (zh) * | 2022-11-28 | 2023-03-17 | 东北石油大学 | 一种大型原油储罐热量损失预测方法 |
| CN115809730B (zh) * | 2022-11-28 | 2023-05-09 | 东北石油大学 | 一种大型原油储罐热量损失预测方法 |
| CN117787474A (zh) * | 2023-12-01 | 2024-03-29 | 成都宽邦科技有限公司 | 一种基于ai的金融风险评估预测系统及方法 |
| CN118469201A (zh) * | 2024-05-16 | 2024-08-09 | 梅泰克诺(嘉兴)新材料有限公司 | 基于人工智能的预制金属面板复合墙体生产线节能调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| CN115186888A (zh) | 一种基于双碳目标的节能降耗方法 | |
| CN110392515B (zh) | 一种基于历史数据的冷热源机房节能控制方法及系统 | |
| CN109828539B (zh) | 一种基于pdca体系的大数据供热能源管控平台系统 | |
| CN116683500B (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
| CN113890024B (zh) | 一种非侵入式负荷智能分解和优化控制方法 | |
| CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
| CN113536694B (zh) | 综合能源系统鲁棒优化运行方法、系统、装置及存储介质 | |
| CN117273284A (zh) | 一种面向企业用电平衡的异常数据监测系统 | |
| CN116488140A (zh) | 高速公路综合能源管控系统调度方法、装置、设备、介质 | |
| CN117650628B (zh) | 一种基于自适应预调节场景的能效管理系统 | |
| Wang et al. | Short-term wind power prediction based on DBSCAN clustering and support vector machine regression | |
| CN117544872A (zh) | 一种电力数据高效采集与传输系统 | |
| CN117477609A (zh) | 园区用氢电耦合系统的能量管理系统及方法 | |
| CN117540981A (zh) | 基于碳排放约束的建筑多能源调度方法及系统 | |
| CN115632487B (zh) | 一种智慧园区电力协调控制方法及系统 | |
| CN118630756B (zh) | 综合能源系统的电力优化调度方法及系统 | |
| CN117910626B (zh) | 一种基于物联网的智能家居能源管理方法 | |
| CN117646935B (zh) | 一种多功能型空气源热泵控制方法及系统 | |
| CN117540330B (zh) | 基于自学习功能的配电柜系统 | |
| CN117595517B (zh) | 基于分布式光伏的智能集群控制方法及系统 | |
| CN118316029A (zh) | 一种基于人工智能的配电箱智能功率调节方法和系统 | |
| CN116184954A (zh) | 一种多能源管理系统及方法 | |
| CN118735239A (zh) | 基于智能传感器的综合能源站协同运行调度系统和方法 | |
| CN115146852A (zh) | 基于非侵入式识别的公共建筑设备管理和用能优化方法 |
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 |