CN115204751B - 一种基于区块链的智慧综合能源管控系统 - Google Patents

一种基于区块链的智慧综合能源管控系统 Download PDF

Info

Publication number
CN115204751B
CN115204751B CN202211106619.1A CN202211106619A CN115204751B CN 115204751 B CN115204751 B CN 115204751B CN 202211106619 A CN202211106619 A CN 202211106619A CN 115204751 B CN115204751 B CN 115204751B
Authority
CN
China
Prior art keywords
data
value
module
historical
recorded
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
Application number
CN202211106619.1A
Other languages
English (en)
Other versions
CN115204751A (zh
Inventor
方正基
董文杰
曲明辉
陆洋
张明宝
张占朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfang Electronics Co Ltd
Original Assignee
Dongfang Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfang Electronics Co Ltd filed Critical Dongfang Electronics Co Ltd
Priority to CN202211106619.1A priority Critical patent/CN115204751B/zh
Publication of CN115204751A publication Critical patent/CN115204751A/zh
Application granted granted Critical
Publication of CN115204751B publication Critical patent/CN115204751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及用于管理和预测的数据处理系统技术领域，具体公开了一种基于区块链的智慧综合能源管控系统，包括中央控制器，中央控制器连接有分析选择块，分析选择块连接有分布式控制器和利用数字孪生技术模拟分布式控制器设计的孪生控制器，孪生控制器包括数据处理模块和数据预测模块。本发明通过孪生控制器能够监控分布式控制器运行，结合历史数据利用数据处理模块剔除不合理的运行参数，并填补更加合理科学的插补值，利用数据预测模块对设备运行参数进行预测计算，解决了分布式控制器故障时，无法及时向生产设备提供调控指令的问题，避免生产中断给工厂的生产效益带来不良影响。

Description

一种基于区块链的智慧综合能源管控系统
技术领域
本发明涉及用于管理和预测的数据处理系统的技术领域，具体涉及一种基于区块链的智慧综合能源管控系统。
背景技术
工厂园区内使用能源管理系统对生产设备进行能源的供给和分配管理，而区块链技术的使用能够对设备之间的信息传递进行存储和保密，分布式能源管理在管理设备能源供给时，分布式控制器若出现故障无法及时向设备发出调控指令，需要一个分析装置，对使用区块链技术存储的该设备历史数据进行分析，选出具有预测性和代表性的调控数据，以弥补分布式控制器故障无法发出调控指令的不足。因此，本发明提出一种能够利用区块链技术存储的历史调控数据分析，并预测出设备需要调控的参数，来解决分布式控制器发生故障无法发出调控指令问题的基于区块链的智慧综合能源管控系统。
发明内容
本发明所要解决的技术问题在于：如何解决现有的分布式控制器出现故障，无法及时向生产设备提供调控指令导致生产中断，造成生产损失的问题，提供了一种基于区块链的智慧综合能源管控系统。
本发明是通过以下技术方案解决上述技术问题的，本发明包括中央控制器，中央 控制器连接有分析选择块，所述分析选择块连接有分布式控制器和利用数字孪生技术模拟 所述分布式控制器设计的孪生控制器，所述孪生控制器包括数据处理模块和数据预测模 块，所述数据处理模块与所述数据预测模块相连，所述数据预测模块利用所述数据处理模 块的数据处理结果预测设备运行参数，数据预测模块将预测的设备运行参数记为
Figure 397847DEST_PATH_IMAGE001
，预测 的设备运行参数
Figure 411939DEST_PATH_IMAGE002
的预测公式为：
Figure DEST_PATH_IMAGE003
，
式中：
Figure 353351DEST_PATH_IMAGE004
记为存储芯片记录的历史数据，
Figure 545429DEST_PATH_IMAGE005
记为历史数据中的最小值，
Figure 673922DEST_PATH_IMAGE006
记 为历史数据中的最大值，
Figure 163809DEST_PATH_IMAGE007
记为插补数据的标准差，
Figure 84360DEST_PATH_IMAGE008
记为每个数据与均值的差值，
Figure 571973DEST_PATH_IMAGE009
记为历史数据的均值，
Figure 250079DEST_PATH_IMAGE010
记为异常数据的均值，K为正态曲线预测值。
作为本发明进一步的方案，所述中央控制器包括运算块、中央电脑以及通过区块技术与所述中央电脑相连接的若干台分机电脑，所述中央电脑和所述分机电脑中均设有存储芯片。
作为本发明进一步的方案，所述数据处理模块包括异常值剔除模块、空缺值插补模块和数据计算器，所述异常值剔除模块与所述空缺值插补模块相连接，所述空缺值插补模块与所述数据计算器相连接。
作为本发明进一步的方案，所述异常值剔除模块将从所述存储芯片中收集的n个 历史数据按照从小到大的顺序排列，得到
Figure 91128DEST_PATH_IMAGE011
，然后将标准化顺序统 计量记为g，当数据取最小可疑值
Figure 741552DEST_PATH_IMAGE012
时，
Figure 462383DEST_PATH_IMAGE013
，当数据取最大可疑值
Figure 690102DEST_PATH_IMAGE014
时，
Figure 521792DEST_PATH_IMAGE015
，设置显著水平值
Figure 761143DEST_PATH_IMAGE016
，设置临界判别值
Figure 731505DEST_PATH_IMAGE017
，S记为数据样本的标 准差，当
Figure 384203DEST_PATH_IMAGE018
时判定值为可疑值，舍去，在判定出第一个异常的历史运行参数后对 剩下的数据进行相同的判定，直至所有的异常值都被剔除，保证选取历史数据的典型性和 可靠性，将剔除的数据个数记为m。
作为本发明进一步的方案，所述空缺值插补模块将所述异常值剔除模块剔除的m 个可疑值进行插补，将待补的数据记为
Figure 691687DEST_PATH_IMAGE019
，将待补的数值按照从小到大排列形成
Figure 113441DEST_PATH_IMAGE020
，待补的数据
Figure 503971DEST_PATH_IMAGE021
公式为
Figure 316070DEST_PATH_IMAGE022
，其中
Figure 755141DEST_PATH_IMAGE023
取y 按照从小到大排列时第一个剔除数据的前一个正常值y，
Figure 841521DEST_PATH_IMAGE024
取正常值y的平均值。
作为本发明进一步的方案，所述数据计算器接收所述空缺值插补模块插补后由正 常值和插补值构成的新的可信历史数据
Figure 278319DEST_PATH_IMAGE025
，将新建的可信历史数据全部缩放 至[0,1]区间内，其中无量纲转化公式为：
Figure 640030DEST_PATH_IMAGE026
，处理后的数据满足标准差 为1，均值为0的正态分布，利用正态分布曲线结合故障前最后一个历史运行数据对故障后 的运行数据进行预测，正态曲线预测值K的公式为：
Figure 413951DEST_PATH_IMAGE027
，
式中，
Figure 13560DEST_PATH_IMAGE028
记为故障前最后一个历史运行数据，
Figure 417996DEST_PATH_IMAGE029
记为无量纲化后的历史数据的标本差，
Figure 80053DEST_PATH_IMAGE030
记为无量纲化后所有历史数据的均值。
作为本发明进一步的方案，基于区块链的智慧综合能源管控系统的工作流程如下：
步骤一：运算块对整体的能源管理系统和设备进行管控，并将最终的管理结果命令传输给分析选择块；
步骤二：分析选择块将运算块的管控命令数据传输给每台生产设备的分布式控制器，将管控命令数据传输给孪生控制器；
步骤三：分布式控制器利用管控命令对生产设备的运行数据进行调整，管理控制生产设备的运行，孪生控制器将管控命令传输过去，对分布式控制器的运行状态进行监控；
步骤四：在整个生产活动进行的过程中，中央电脑利用区块链技术对生产数据进行数据传输、备份和加密，分机电脑利用区块链技术负责将各个产区的生产设备进行备份、储存和加密，并传输给中央电脑；
步骤五：当分布式控制器出现故障时，孪生控制器监控发现故障信息，并将故障信息报备给数据处理模块，通过存储芯片中记录的历史运行参数信息，首先利用异常值剔除模块剔除历史数据中的异常值，再将剔除异常值后的历史数据传输给空缺值插补模块，对空缺处填补运行参数数据，再将整理完的数据传输给数据计算器，将数据无量纲化，再计算正态曲线预测值；
步骤六：利用数据预测模块计算出设备运行参数的预测值。
本发明相比现有技术具有以下优点：该基于区块链的智慧综合能源管控系统，通过孪生控制器的设置能够监控分布式控制器运行的同时，结合区块链技术记录的历史数据，利用数据处理模块剔除不合理的运行参数，并填补更加合理科学的插补值，再结合重建的历史数据，利用数据预测模块对设备运行参数进行预测计算，使用预测的设备运行参数调控生产设备，解决了分布式控制器故障时无法及时向生产设备提供调控指令的问题，避免生产中断对工厂的生产效益带来不良影响。
附图说明
图1是本发明的整体结构图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供一种技术方案：一种基于区块链的智慧综合能源管控系 统，包括中央控制器，所述中央控制器连接有分析选择块，所述分析选择块连接有分布式控 制器和利用数字孪生技术模拟所述分布式控制器设计的孪生控制器，所述孪生控制器包括 数据处理模块和数据预测模块，所述数据处理模块与所述数据预测模块相连，所述数据预 测模块利用所述数据处理模块的数据处理结果预测设备运行参数，所述数据预测模块将预 测的设备运行参数记为
Figure 595348DEST_PATH_IMAGE001
，预测的设备运行参数
Figure 49463DEST_PATH_IMAGE002
的预测公式为：
Figure 687118DEST_PATH_IMAGE003
，
式中：
Figure 23421DEST_PATH_IMAGE004
记为存储芯片记录的历史数据，
Figure 545669DEST_PATH_IMAGE005
记为历史数据中的最小值，
Figure 464078DEST_PATH_IMAGE006
记 为历史数据中的最大值，
Figure 210317DEST_PATH_IMAGE007
记为插补数据的标准差，
Figure 706020DEST_PATH_IMAGE008
记为每个数据与均值的差值，
Figure 156593DEST_PATH_IMAGE009
记为历史数据的均值，
Figure 116459DEST_PATH_IMAGE010
记为异常数据的均值，K为正态曲线预测值。
通过孪生控制器的设置能够监控分布式控制器运行的同时，结合区块链技术记录的历史数据，利用数据处理模块剔除不合理的运行参数，并填补更加合理科学的插补值，再结合重建的历史数据，利用数据预测模块对设备运行参数进行预测计算，使用预测的设备运行参数调控生产设备，解决了分布式控制器故障时无法及时向生产设备提供调控指令的问题，避免生产中断对工厂的生产效益造成损失。
所述中央控制器包括运算块、中央电脑以及通过区块技术与所述中央电脑相连接的若干台分机电脑，所述中央电脑和所述分机电脑中均设有存储芯片。
通过运算块的设置能够对工厂的生产活动的能源管理和设备运行实时运算并向生产设备发出设备的运行参数，通过中央电脑和分机电脑的设置能够利用区块链技术对数据的传输进行备份和存储，同时能够实现数据传输的加密，避免生产数据外泄，防止竞争对手利用数据传输向工厂内输入病毒或者盗用生产数据对工厂的生产造成影响，也能够避免生产系统局部瘫痪导致的生产数据丢失，通过存储芯片的设备便于将这些运行数据记录在存储芯片内，进而便于随时移动和取用存储芯片记录的数据。
所述数据处理模块包括异常值剔除模块、空缺值插补模块和数据计算器，所述异常值剔除模块与所述空缺值插补模块相连接，所述空缺值插补模块与所述数据计算器相连接。
通过异常值剔除模块的设置能够将存储芯片中记录的关于运行参数的异常值或者可疑值进行剔除，避免数据异常对后续生产设备运行参数预测造成不良的影响，通过空缺值插补模块的设置便于将异常值剔除模块剔除掉的异常值进行科学的插补，进而增加样本的数量，提高预测的准确度，通过数据计算器的设置便于剔除异常值，插补科学值后对数据样本进行分析和计算。
所述异常值剔除模块将从所述存储芯片中收集的n个历史数据按照从小到大的顺 序排列，得到
Figure 971283DEST_PATH_IMAGE011
，然后将标准化顺序统计量记为g，当数据取最小可 疑值
Figure 360807DEST_PATH_IMAGE012
时：
Figure 21595DEST_PATH_IMAGE013
；当数据取最大可疑值
Figure 773651DEST_PATH_IMAGE014
时：
Figure 127272DEST_PATH_IMAGE015
；设置显著水平值
Figure 987780DEST_PATH_IMAGE016
，设置临界判别值
Figure 124363DEST_PATH_IMAGE017
，S记为数据样本的标准差，当
Figure 58821DEST_PATH_IMAGE018
时判定值为 可疑值，舍去，在判定出第一个异常的历史运行参数后对剩下的数据进行相同的判定，直至 所有的异常值都被剔除，保证选取历史数据的典型性和可靠性，将剔除的数据个数记为m。
通过异常值剔除模块设置显著水平对运行参数的历史数据进行判定，剔除由于操作失误或者别的设备原因造成的设备异常运行参数，保证历史数据的典型性和可靠性。
所述空缺值插补模块将所述异常值剔除模块剔除的m个可疑值进行插补，将待补 的数据记为
Figure 416901DEST_PATH_IMAGE019
，将待补的数值按照从小到大排列形成
Figure 374492DEST_PATH_IMAGE020
，待补的 数据
Figure 642663DEST_PATH_IMAGE021
公式为
Figure 493944DEST_PATH_IMAGE031
，其中
Figure 923788DEST_PATH_IMAGE023
取y按照从小到大排列时第一个剔 除数据的前一个正常值y，
Figure 634255DEST_PATH_IMAGE024
取正常值y的平均值。
通过待补数据计算公式的设置能够结合历史数据填补合适的插补值进入到历史数据样本中，进而使得样本容量扩大，有利于提高样本分析的准确度和代表性。
所述数据计算器接收所述空缺值插补模块插补后由正常值和插补值构成的新的 可信历史数据
Figure 253587DEST_PATH_IMAGE025
，将新建的可信历史数据全部缩放至[0,1]区间内，其中无量 纲转化公式为：
Figure 897058DEST_PATH_IMAGE032
，
处理后的数据满足标准差为1，均值为0的正态分布，利用正态分布曲线结合故障 前最后一个历史运行数据对故障后的运行数据进行预测，所述正态曲线预测值K的公式为：
Figure 701066DEST_PATH_IMAGE033
，
式中，
Figure 757883DEST_PATH_IMAGE028
记为故障前最后一个历史运行数据，
Figure 367856DEST_PATH_IMAGE029
记为无量纲化后的历史数据的标本差，
Figure 69096DEST_PATH_IMAGE030
记为无量纲化后所有历史数据的均值。
通过数据计算器将得到的新的设备运行数据样本无量纲化，使得整体样本数据满足正态分布，进而便于利用正态分布曲线预测设备运行状态的参数，以便于计算正态曲线预测值K。
所述基于区块链的智慧综合能源管控系统的工作流程如下:
步骤一：运算块对整体的能源管理系统和设备进行管控，并将最终的管理结果命令传输给分析选择块；
步骤二：分析选择块将运算块的管控命令数据传输给每台生产设备的分布式控制器，将管控命令数据传输给孪生控制器；
步骤三：分布式控制器利用管控命令对生产设备的运行数据进行调整，管理控制生产设备的运行，孪生控制器将管控命令传输过去，对分布式控制器的运行状态进行监控；
步骤四：在整个生产活动进行的过程中，中央电脑利用区块链技术对生产数据进行数据传输、备份和加密，分机电脑利用区块链技术负责将各个产区的生产设备进行备份、储存和加密，并传输给中央电脑；
步骤五：当分布式控制器出现故障时，孪生控制器监控发现故障信息，并将故障信息报备给数据处理模块，通过存储芯片中记录的历史运行参数信息，首先利用异常值剔除模块剔除历史数据中的异常值，再将剔除异常值后的历史数据传输给空缺值插补模块，对空缺处填补运行参数数据，再将整理完的数据传输给数据计算器，将数据无量纲化，再计算正态曲线预测值；
步骤六：利用数据预测模块计算出设备运行参数的预测值。
综上所述，本发明提供的基于区块链的智慧综合能源管控系统通过运算块的设置能够对工厂的生产活动的能源管理和设备运行实时运算并向生产设备发出设备的运行参数，通过中央电脑和分机电脑的设置能够利用区块链技术对数据的传输进行备份和存储，同时能够实现数据传输的加密，避免生产数据外泄，防止竞争对手利用数据传输向工厂内输入病毒或者盗用生产数据对工厂的生产造成影响，也能够避免生产系统局部瘫痪导致的生产数据丢失，通过存储芯片的设备便于将这些运行数据记录在存储芯片内，进而便于随时移动和取用存储芯片记录的数据。通过异常值剔除模块的设置能够将存储芯片中记录的关于运行参数的异常值或者可疑值进行剔除，避免数据异常对后续生产设备运行参数预测造成不良的影响，通过空缺值插补模块的设置便于将异常值剔除模块剔除掉的异常值进行科学的插补，进而增加样本的数量，提高预测的准确度，通过数据计算器的设置便于剔除异常值，插补科学值后对数据样本进行分析和计算。通过异常值剔除模块设置显著水平对运行参数的历史数据进行判定，剔除由于操作失误或者别的设备原因造成的设备异常运行参数，保证历史数据的典型性和可靠性。通过待补数据计算公式的设置能够结合历史数据填补合适的插补值进入到历史数据样本中，进而使得样本容量扩大，有利于提高样本分析的准确度和代表性。通过数据计算器将得到的新的设备运行数据样本进行无量纲化，使得整体样本数据满足正态分布，进而便于利用正态分布曲线预测设备运行状态的参数，以便于计算正态曲线预测值K。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (4)

1.一种基于区块链的智慧综合能源管控系统，其特征在于，包括中央控制器，所述中央 控制器连接有分析选择块，所述分析选择块连接有分布式控制器和利用数字孪生技术模拟 所述分布式控制器设计的孪生控制器，所述孪生控制器包括数据处理模块和数据预测模 块，所述数据处理模块与所述数据预测模块相连，所述数据预测模块利用所述数据处理模 块的数据处理结果预测设备运行参数，所述数据预测模块将预测的设备运行参数记为
Figure 153837DEST_PATH_IMAGE001
， 预测的设备运行参数
Figure 784670DEST_PATH_IMAGE002
的预测公式为：
Figure 111746DEST_PATH_IMAGE003
，
式中：
Figure 927255DEST_PATH_IMAGE004
记为存储芯片记录的历史数据，
Figure 729995DEST_PATH_IMAGE005
记为历史数据中的最小值，
Figure 289152DEST_PATH_IMAGE006
记为历 史数据中的最大值，
Figure 877260DEST_PATH_IMAGE007
记为插补数据的标准差，
Figure 332512DEST_PATH_IMAGE008
记为每个数据与均值的差值，
Figure 763493DEST_PATH_IMAGE009
记为 历史数据的均值，
Figure 719817DEST_PATH_IMAGE010
记为异常数据的均值，K为正态曲线预测值；所述中央控制器包括运算 块、中央电脑以及通过区块技术与中央电脑相连接的若干台分机电脑，所述中央电脑和所 述分机电脑中均设有存储芯片；所述数据处理模块包括异常值剔除模块、空缺值插补模块 和数据计算器，所述异常值剔除模块与所述空缺值插补模块相连接，所述空缺值插补模块 与所述数据计算器相连接；所述基于区块链的智慧综合能源管控系统的工作流程如下：
步骤一：运算块对整体的能源管理系统和设备进行管控，并将最终的管理结果命令传输给分析选择块；
步骤二：分析选择块将运算块的管控命令数据传输给每台生产设备的分布式控制器，将管控命令数据传输给孪生控制器；
步骤三：分布式控制器利用管控命令对生产设备的运行数据进行调整，管理控制生产设备的运行，孪生控制器将管控命令传输过去，对分布式控制器的运行状态进行监控；
步骤四：在整个生产活动进行的过程中，中央电脑利用区块链技术对生产数据进行数据传输、备份和加密，分机电脑利用区块链技术负责将各个产区的生产设备进行备份、储存和加密，并传输给中央电脑；
步骤五：当分布式控制器出现故障时，孪生控制器监控发现故障信息，并将故障信息报备给数据处理模块，通过存储芯片中记录的历史运行参数信息，首先利用异常值剔除模块剔除历史数据中的异常值，再将剔除异常值后的历史数据传输给空缺值插补模块，对空缺处填补运行参数数据，再将整理完的数据传输给数据计算器，将数据无量纲化，再计算正态曲线预测值；
步骤六：利用数据预测模块计算出设备运行参数的预测值，使用预测的设备运行参数调控生产设备。
2.根据权利要求1所述的一种基于区块链的智慧综合能源管控系统，其特征在于：所述 异常值剔除模块将从所述存储芯片中收集的n个历史数据按照从小到大的顺序排列，得到
Figure 552643DEST_PATH_IMAGE011
，然后将标准化顺序统计量记为g，当数据取最小可疑值
Figure 178797DEST_PATH_IMAGE012
时，
Figure 972441DEST_PATH_IMAGE013
，当数据取最大可疑值
Figure 607821DEST_PATH_IMAGE014
时，
Figure 154209DEST_PATH_IMAGE015
，设置显著水平值
Figure 216843DEST_PATH_IMAGE016
， 设置临界判别值
Figure 356837DEST_PATH_IMAGE017
，S记为数据样本的标准差，当
Figure 671275DEST_PATH_IMAGE018
时判定值为可疑值，舍 去，在判定出第一个异常的历史运行参数后对剩下的数据进行相同的判定，直至所有的异 常值都被剔除，保证选取历史数据的典型性和可靠性，将剔除的数据个数记为m。
3.根据权利要求2所述的一种基于区块链的智慧综合能源管控系统，其特征在于：所述 空缺值插补模块将所述异常值剔除模块剔除的m个可疑值进行插补，将待补的数据记为
Figure 213115DEST_PATH_IMAGE019
，将待补的数值按照从小到大排列形成
Figure 836863DEST_PATH_IMAGE020
，待补的数据
Figure 198574DEST_PATH_IMAGE021
公式为
Figure 441337DEST_PATH_IMAGE022
，其中
Figure 447470DEST_PATH_IMAGE023
取y按照从小到大排列时第一个剔除数据的前一个正常 值y，
Figure 117486DEST_PATH_IMAGE024
取正常值y的平均值。
4.根据权利要求3所述的一种基于区块链的智慧综合能源管控系统，其特征在于：所述 数据计算器接收所述空缺值插补模块插补后由正常值和插补值构成新的可信历史数据
Figure 356706DEST_PATH_IMAGE025
，将新建的可信历史数据全部缩放至[0,1]区间内，其中无量纲转化公式 为：
Figure 872001DEST_PATH_IMAGE026
，
处理后的数据满足标准差为1，均值为0的正态分布，利用正态分布曲线结合故障前最后一个历史运行数据对故障后的运行数据进行预测，所述正态曲线预测值K的公式为：
Figure 388433DEST_PATH_IMAGE027
，
式中，
Figure 839137DEST_PATH_IMAGE028
记为故障前最后一个历史运行数据，
Figure 441020DEST_PATH_IMAGE029
记为无量纲化后的历史数据的标本差，
Figure 760006DEST_PATH_IMAGE030
记为无量纲化后所有历史数据的均值。
CN202211106619.1A 2022-09-13 2022-09-13 一种基于区块链的智慧综合能源管控系统 Active CN115204751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211106619.1A CN115204751B (zh) 2022-09-13 2022-09-13 一种基于区块链的智慧综合能源管控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211106619.1A CN115204751B (zh) 2022-09-13 2022-09-13 一种基于区块链的智慧综合能源管控系统

Publications (2)

Publication Number Publication Date
CN115204751A CN115204751A (zh) 2022-10-18
CN115204751B true CN115204751B (zh) 2022-12-09

Family

ID=83571987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211106619.1A Active CN115204751B (zh) 2022-09-13 2022-09-13 一种基于区块链的智慧综合能源管控系统

Country Status (1)

Country Link
CN (1) CN115204751B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117249537B (zh) * 2023-11-20 2024-03-19 南京南自华盾数字技术有限公司 一种基于中央空调的虚拟电厂调度与控制系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162519A (zh) * 2020-10-21 2021-01-01 桂林电子科技大学 一种复合型机床数字孪生监控系统
CN114048629A (zh) * 2021-11-26 2022-02-15 江苏科技大学 一种船舶柴油机健康管控系统及管控方法
CN114115147A (zh) * 2021-11-18 2022-03-01 中国电子科技集团公司第三十八研究所 一种基于数字孪生的smt制造过程智能管控系统
CN114169856A (zh) * 2021-12-03 2022-03-11 国网山东省电力公司电力科学研究院 一种综合能源协同管控系统
WO2022148077A1 (zh) * 2021-01-07 2022-07-14 大连理工大学 智能挖掘机的结构性能数字孪生体构建方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114609983A (zh) * 2022-03-10 2022-06-10 数字孪生(无锡)技术有限公司 一种数字孪生监控系统
CN114817254A (zh) * 2022-04-20 2022-07-29 浙江大学 一种面向工业预警的安全边缘服务器系统设计
CN114862275B (zh) * 2022-06-16 2023-03-28 北自所(北京)科技发展股份有限公司 基于数字孪生模型的仓储物流系统可靠性评估方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162519A (zh) * 2020-10-21 2021-01-01 桂林电子科技大学 一种复合型机床数字孪生监控系统
WO2022148077A1 (zh) * 2021-01-07 2022-07-14 大连理工大学 智能挖掘机的结构性能数字孪生体构建方法
CN114115147A (zh) * 2021-11-18 2022-03-01 中国电子科技集团公司第三十八研究所 一种基于数字孪生的smt制造过程智能管控系统
CN114048629A (zh) * 2021-11-26 2022-02-15 江苏科技大学 一种船舶柴油机健康管控系统及管控方法
CN114169856A (zh) * 2021-12-03 2022-03-11 国网山东省电力公司电力科学研究院 一种综合能源协同管控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于数字孪生的智能车间管控;刘义等;《制造业自动化》;20200725(第07期);全文 *

Also Published As

Publication number Publication date
CN115204751A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
US6862484B2 (en) Controlling method for manufacturing process
US6583509B2 (en) Semiconductor processing techniques
US8914135B2 (en) Integrated monitoring, control and equipment maintenance and tracking system
JP2001143980A (ja) 半導体処理技術
CN104076770B (zh) 生产线监控方法及系统
CN115204751B (zh) 一种基于区块链的智慧综合能源管控系统
US6556949B1 (en) Semiconductor processing techniques
JP2020518079A (ja) スマート工場並列制御方法及びシステム
JP2001126969A (ja) 半導体処理技術
JPS60112104A (ja) プロセス制御システム
CN110247474B (zh) 一种基于d5000系统电网运行状态的统计汇总方法及系统
CN115718466B (zh) 基于随机森林和层次分析法的数字孪生车间故障预测方法
CN113762586A (zh) 在特定事件情境中设施状态和运行模式的识别
CN108710362A (zh) 一种基于工业互联网平台的数控机床联网诊断方法
CN106444685A (zh) 分布式控制系统及其动态调度资源的方法
Suman et al. Stratified statistical monitoring strategy for a multi-product manufacturing facility with early detection approach
US11449044B2 (en) Successive maximum error reduction
CN101644922A (zh) 机床数字集中智能监控系统
CN113198591B (zh) 基于滚动时域估计的辊式立磨自适应预测控制系统
Blue et al. Efficient FDC based on hierarchical tool condition monitoring scheme
CN111932088A (zh) 一种多晶硅棒的混合式生产排产管控方法
CN117289671B (zh) 高阶锗烷提纯生产控制系统的状态监控方法及系统
JP2001118764A (ja) 半導体処理技術
CN113903099B (zh) 一种基于scada的设备监测方法及系统
CN116009498B (zh) 桌面型智能工厂虚实同步应用系统及控制方法

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