CN115204756A - 基于企业碳计量的能耗监测优化方法 - Google Patents
基于企业碳计量的能耗监测优化方法 Download PDFInfo
- Publication number
- CN115204756A CN115204756A CN202211118933.1A CN202211118933A CN115204756A CN 115204756 A CN115204756 A CN 115204756A CN 202211118933 A CN202211118933 A CN 202211118933A CN 115204756 A CN115204756 A CN 115204756A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- energy
- energy consumption
- data
- carbon
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 253
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 155
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 155
- 238000005265 energy consumption Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims description 39
- 238000007667 floating Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 239000000498 cooling water Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 101001093143 Homo sapiens Protein transport protein Sec61 subunit gamma Proteins 0.000 claims description 4
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 claims description 4
- 101100120905 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) TDH1 gene Proteins 0.000 claims description 4
- 102100027198 Sodium channel protein type 5 subunit alpha Human genes 0.000 claims description 4
- 239000007789 gas Substances 0.000 claims description 3
- 239000008236 heating water Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- -1 electricity Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (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
本发明公开了基于企业碳计量的能耗监测优化方法，包括能耗监测模块、碳计量监测模块、监测优化模块、控制器和数据采集分析模块，本发明通过数据采集模块对各种能源介质的碳计量的能耗数据和碳计量数据进行采样分析获取各种能源介质的最优占比，将其和当前能源介质的碳计量能耗数据进行计算获取各个能源介质的监测评定，更加准确地对各个能源介质的监测级值进行判定，以这种方式获取到的监测级值，可以更加准确地对各个能源介质的监测时段进行判定，且判定完成后会生成即时获取指令，加强了数据监测的准确性，避免了更新后的监测时段无法及时传达到各个监测模块情况的发生。
Description
技术领域
本发明涉及碳计量能耗监测技术优化领域，具体涉及基于企业碳计量的能耗监测优化方法。
背景技术
企业碳计量的能耗监测系统是为企业的耗电量、耗水量、集中供热耗热量、集中供冷耗冷量与其他能源应用量的控制与测量提供解决方案的能耗监控系统。
现有技术中，企业碳计量的能耗监测系统是对企业的耗电量、耗水量、集中供热耗热量、集中供冷耗冷量按照一定时段间隔统一进行监测，但其实并不是所有的能源介质都需要去按照一定的时段进行监测，根据实际情况有的能源介质按照正常的间隔频率去进行监测，有的能源介质需要以一个较短的间隔频率去对其进行监测，现有技术中所有的能源介质都按照一定的间隔频率去进行监测，无法做到针对不同的能源资源选择合适的监测时段进行监测，会导致数据量的增多，且会导致一定的成本浪费，为了解决上述缺陷，本发明提出了一种解决方案。
发明内容
本发明的目的在于提供基于企业碳计量的能耗监测优化方法，解决现有技术中按照一定的间隔时段统一的对企业的水、电、气、热和冷却水资源的碳计量能耗进行监测，无法做到针对不同的能源资源选择合适的监测时段进行监测，造成了资源浪费，加大了监测成本等问题。
本发明的目的可以通过以下技术方案实现：
基于企业碳计量的能耗监测优化方法，包括：
S1：监测优化模块在企业碳计量的能耗监测策略时段表中查询当前存储的各种能源介质的最优监测间隔时段并将当前查询的各种能源介质的最优监测间隔时段分别传输到能耗监测模块和碳计量监测模块；
S2：所述能耗监测模块依据当前的最优监测间隔时段对各种能源介质碳计量的能耗数据进行监测并统计各种能源介质碳计量的能耗总和，所述碳计量监测模块依据当前的最优监测间隔时段对各种能源介质的碳计量数据进行监测并统计各种能源介质的碳计量总和；
S3：数据采集分析模块对企业的各种能源介质的碳计量的能耗数据和碳计量数据进行采集分析获取各种能源介质的最优占比；
S4：所述能耗监测模块和碳计量监测模块将当前的各种能源介质碳计量的能耗数据和碳计量数据传输到能耗监测模块，所述监测优化模块依据当前的各种能源介质碳计量的能耗数据和碳计量数据计算出当前各种能源介质的监测评定值；
S5：所述监测优化模块对当前各种能源介质的监测评定值进行等级划分，和生成当前最优监测间隔时段；
S6：所述监测优化模块将当前最优监测间隔时段和监测评定值的等级更新到企业碳计量的能耗监测策略时段表中并生成即时获取指令，所述监测优化模块将即时获取指令传输到能耗监测模块和碳计量监测模块；
S7：所述能耗监测模块和所述碳计量监测模块接收到监测优化模块传输的即时获取指令后向企业碳计量的能耗监测策略时段表中查询当前存储的各种能源介质的最优监测间隔时段。
进一步的，所述企业碳计量的能耗监测策略时段表中初始的各种能源介质的监测级值为3级，最优监测间隔时段为1小时。
进一步的，所述数据采集分析模块分析获取各种能源介质的最优占比的步骤如下：
SS1：首先选定水能源介质为待采样能源；
SS2：获取待采样能源碳计量的能耗特征点均值Nq和待采样能源碳计量的能耗占各种能源介质碳计量的能耗总和的权值的均值Qq；
SS3：获取待采样能源碳计量的能耗特征点浮动区间[ND，NF]；
利用函数MAX(Nn-Nn-1)，获取特征点浮动最大值NF，n的取值范围为[2，24]；
利用函数MIN(Nn-Nn-1)，获取特征点浮动最小值ND，n的取值范围为[2，24]；
SS4：获取待采样能源的碳计量特征点Mq和碳计量特征点浮动区间[MD，MF]；
SS5：依据待采样能源碳计量的能耗特征点Nq，碳计量的能耗特征点浮动区间[ND，
NF]；待采样能源的碳计量特征点Mq，碳计量特征点浮动区间[MD，MF]得到待采样能源的特
征矩阵G=
；
SS6：依据待采样能源的特征矩阵G，利用公式计算获取特征矩阵的特征值G1=Nq×Mq-(NF-ND)×(MF-MD)；
SS7：利用公式X1=(G1+Qq)/G1×Qq计算获取待采样能源占各种能源介质的最优占比X1；
SS8：按照步骤 SS1 到 SS7，依次将电、气、热和冷却水能源介质作为待采样能源，得到电能源的最优占比X2、气能源的最优占比X3、热能源的最优占比X4、冷却水能源的最优占比X5。
进一步的，所述监测优化模块依据能耗监测模块传输的当前各种能源介质碳计量的能耗数据和能耗总和后并对其进行监测级值优化判定：
SSS1：首先选定当前能耗监测模块传输的水能源介质碳计量的能耗数据作为优化判定数据，并将当前水能源介质碳计量的能耗记为Wd；
SSS2：利用公式H1=Wd×X1计算获取待判定数据的监测评定值H1：
若预设最大阈值Hmax<H1，则将当前待判定数据的监测级值划分到3级，当前最优监测间隔时段设置为1小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据；
若预设最小阈值Hmin≤H1≤预设最大阈值Hmax，则将当前待判定数据的监测级值划分到2级，当前最优监测间隔时段设置为24小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据；
若预设最小阈值Hmin>H1，则将当前待判定数据的监测级值划分到1级，当前最优监测间隔时段设置为168小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据。
进一步的，所述企业碳计量的能耗监测策略时段表将对应的能源介质的监测级值和最优监测间隔时段更新完成后生成即时获取指令并将其传输到控制器，所述控制器接收到即时获取指令后将其分别传输到能耗监测模块和碳计量监测模块。
本发明的有益效果：
本发明通过数据采集模块对各种能源介质的碳计量的能耗数据和碳计量数据进行采样分析获取各种能源介质的最优占比，将其和当前能源介质的碳计量能耗数据进行计算获取各个能源介质的监测评定，更加准确地对各个能源介质的监测级值进行判定，以这种方式获取到的监测级值，可以更加准确地对各个能源介质的监测时段进行判定，且判定完成后会生成即时获取指令，加强了数据监测的准确性，做到针对不同的能源资源选择合适的监测时段进行监测,一方面避免了过多的监测导致的数据冗杂、浪费资源情况的发生，另一方面避免了更新后的监测时段无法及时传达到各个监测模块情况的发生。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图；
图2是企业碳计量的能耗监测策略时段表的表格示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于企业碳计量的能耗监测优化系统，所述基于企业碳计量的能耗监测优化系统包括能耗监测模块、碳计量监测模块、监测优化模块、控制器和数据采集分析模块。
其中，所述监测优化模块用于存储并实时优化更新企业各种能源介质的最优监测间隔时段，所述监测优化模块包括企业碳计量的能耗监测策略时段表，所述企业碳计量的监测策略时段表中存储企业各种能源介质的监测级值以及对应的最优监测时段；在本发明的一个实施例中，初始的企业碳计量的能耗监测策略时段表如图2所示；在本发明的一个实施例中，各种能源介质包括水、电、气、热和冷却水资源。
所述控制器生成监测时段获取指令并将其传输到监测优化模块，所述监测优化模块接收到控制器传输的监测时段获取指令后在企业碳计量的能耗监测策略时段表中查询当前各能源介质的最优监测间隔时段并生成当前最优监测间隔时段数据，所述监测优化模块将当前最优监测间隔时段数据传输到能耗监测模块和碳计量监测模块。
所述能耗监测模块用于监测企业各种能源介质碳计量的能耗数据并统计各种能源介质碳计量的能耗总和，所述能耗监测模块接收到监测优化模块传输的当前最优监测间隔时段数据后对各种能源介质分别按照其对应的最优监测间隔时段对其碳计量的能耗进行监测。在本发明的一个实施例中，各种能源介质包括水、电、气、热和冷却水资源，在本发明的一个实施例中，各种能源介质碳计量的能耗总和等于水资源碳计量的能耗、电资源碳计量的能耗、气资源碳计量的能耗、热资源碳计量的能耗和冷却水资源碳计量的能耗总和，所述能耗监测模块对企业的各种能源介质碳计量的能耗进行监测生成碳计量的能耗数据并将其传输到控制器。
所述碳计量监测模块用于监测企业各种能源介质的碳计量数据并统计各种能源介质的碳计量总和，所述碳计量监测模块接收到监测优化模块传输的当前最优监测间隔时段数据后对各种能源介质分别按照其对应的最优监测间隔时段对其能耗进行监测。在本发明的一个实施例中，各种能源介质的碳计量总和等于水资源碳计量、电资源碳计量、气资源碳计量、热资源碳计量和冷却水资源碳计量总和，所述碳计量监测模块对企业的各种能源介质的碳计量进行监测生成碳计量数据并将其传输到控制器。
数据采集分析模块用于对企业的各种能源介质的碳计量的能耗数据和碳计量数据进行采集并分析生成各种能源的最优占比，具体步骤如下：
SS1：首先选定水能源介质为待采样能源；
SS2：获取待采样能源的碳计量的能耗特征点均值Nq和待采样能源碳计量的能耗占各种能源介质碳计量的能耗总和的权值的均值Qq；
SS21：进行标准监测段划分，将一个监测周期划分为n个等时长的标准监测段；
以一个标准监测段为例，获取t个监测周期该标准监测段待采样能源碳计量的能耗Wt、碳计量Mt、各种能源介质碳计量的能耗总和Yt和各种能源介质的碳计量总和Zt，t=1、2、...t；在本发明的实施例中，一个监测周期为1天，一个标准监测段为1小时；在本发明的一个实施例中，其中t个监测周期是指以当前监测周期为起点，向过去回溯t个监测周期；
利用公式I= 
计算待采样能源碳计量的能耗离散值I，
将I和预设值I1进行大小比较，若I>I1，则代表此时的离散值I过大，则按照
从大到
小的顺序依次删除对应的Wi值，直到I<I1，所述Wp为参与离散值I计算的待采样能源能耗的
平均值，所述i的取值范围为1≤i≤t；
SS22：对应获取剩余参与离散值I计算的Wi对应的各种能源介质碳计量的能耗总和Yi；
SS23：利用公式
计算得到t个监测周期该标准监测段内待采样能源参与
剩余离散值I计算的各种能源介质碳计量的能耗总和的均值；
利用公式
计算得到t个监测周期该标准监测段内待采样能源碳计
量的能耗i占各种能源介质碳计量的能耗总和的权值Q；
利用公式
计算得到t个监测周期该标准监测段内的待采样能
源碳计量的能耗特征点N；
SS24：按照步骤SS21到步骤SS23，依次获取t个监测周期n个标准监测段内待采样
能源能耗占各种能源介质碳计量的能耗总和的权值，记为Qn，n=1、2、...24，并利用公式
计算得到t个监测周期n个标准监测段内待采样能源碳计量的能耗占各种能
源介质碳计量的能耗总和权值的均值Qq；
按照步骤SS21到步骤SS24，依次获取t个监测周期n个标准监测段内待采样能源碳
计量的能耗特征点Nn，并利用公式
计算得到t个监测周期n个标准监测段
内待采样能源碳计量的能耗特征点均值Nq；
SS3：获取t个监测周期n个标准监测段内待采样能源碳计量的能耗特征点的浮动区间[ND，NF]；
利用函数MAX(Nn-Nn-1)，获取特征点浮动最大值NF，n的取值范围为[2，24]；
利用函数MIN(Nn-Nn-1)，获取特征点浮动最小值ND，n的取值范围为[2，24]；
SS4：按照步骤SS2到步骤SS3的操作，获取待采样能源的碳计量特征点Mq和碳计量特征点浮动区间[MD，MF]；
SS5：依据待采样能源碳计量的能耗特征点Nq，碳计量的能耗特征点浮动区间[ND，
NF]；待采样能源的碳计量特征点Mq，碳计量特征点浮动区间[MD，MF]得到待采样能源的特
征矩阵G= 
；
SS6：依据待采样能源的特征矩阵G，利用公式计算获取特征矩阵的特征值G1= 
；
SS7：利用公式X1=(G1+Qq)/G1×Qq计算获取待采样能源占各种能源介质的最优占比X1；
SS8：按照步骤SS1到SS7，依次将电、气、热和冷却水能源介质作为待采样能源，得到电能源的最优占比X2、气能源的最优占比X3、热能源的最优占比X4、冷却水能源的最优占比X5。
所述监测优化模块生成当前碳计量的能耗获取指令并将其传输到能耗监测模块，所述能耗监测模块接收到监测优化模块传输的能耗获取指令后将当前监测的各种能源介质的能耗数据和当前各种能源介质的能耗总和传输到监测优化模块，所述监测优化模块依据能耗监测模块传输的当前各种能源介质的能耗数据和能耗总和后并对其进行监测级值优化判定：
SSS1：将当前能耗监测模块传输的水能源介质碳计量的能耗数据作为优化判定数据，并将优化判定数据碳计量的能耗数据数值记为Wd；
SSS2：利用公式H1=Wd×X1计算获取待判定数据的监测评定值H1，并依据待判定数据的监测评定值H1生成优化更新数据：
优化更新数据生成步骤如下：
若预设最大阈值Hmax<H1，则将当前待判定数据的监测级值划分到3级，当前最优监测间隔时段设置为1小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据并将其传输到企业碳计量的能耗监测策略时段表；
若预设最小阈值Hmin≤H1≤预设最大阈值Hmax，则将当前待判定数据的监测级值划分到2级，当前最优监测间隔时段设置为24小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据并将其传输到企业碳计量的能耗监测策略时段表；
若预设最小阈值Hmin>H1，则将当前待判定数据的监测级值划分到1级，当前最优监测间隔时段设置为168小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据并将其传输到企业碳计量的能耗监测策略时段表；
所述企业碳计量的能耗监测策略时段表接收到优化更新数据后对应更改表中存储的能源介质的监测级值和最优监测间隔时段，所述企业碳计量的能耗监测策略时段表将对应的能源介质的监测级值和最优监测间隔时段更新完成后生成即时获取指令并将其传输到控制器，所述控制器接收到即时获取指令后将其分别传输到能耗监测模块和碳计量监测模块；
所述能耗监测模块接收到控制器传输的即时获取指令后生成监测时段获取指令获取最新最优监测时段间隔数据并根据当前的最优监测时段间隔数据对各个能源介质的碳计量的能耗进行监测；所述碳计量监测模块接收到控制器传输的即时获取指令后生成监测时段获取指令获取最新最优监测时段间隔数据并根据当前的最优监测时段间隔数据对各个能源介质的碳计量进行监测。
SSS3：按照步骤SSS1到SSS2的步骤依次将当前能耗监测模块传输的电能源介质的能耗数据、气能源介质的能耗数据、热能源介质的能耗数据、冷却水能源介质的能耗数据作为优化判定数据，分别计算获取优化判定数据的监测评定值，并依据各个能源介质的监测评定值生成优化更新数据。
在说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (4)
1.基于企业碳计量的能耗监测优化方法，其特征在于，包括以下步骤： S1：监测优化模块在企业碳计量的能耗监测策略时段表中查询当前存储
的各种能源介质的最优监测间隔时段并将当前查询的各种能源介质的最优监测间隔时段分别传输到能耗监测模块和碳计量监测模块；
S2：所述能耗监测模块依据当前的最优监测间隔时段对各种能源介质碳计量的能耗数据进行监测并统计各种能源介质碳计量的能耗总和，所述碳计量监测模块依据当前的最优监测间隔时段对各种能源介质的碳计量数据进行监测并统计各种能源介质的碳计量总和；
S3：数据采集分析模块对企业的各种能源介质碳计量的能耗数据和碳计量数据进行采集分析获取各种能源介质的最优占比；
S4：所述能耗监测模块和碳计量监测模块将当前的各种能源介质碳计量的能耗数据和碳计量数据传输到能耗监测模块，所述监测优化模块依据当前的各种能源介质碳计量的能耗数据和碳计量数据计算出当前各种能源介质的监测评定值；
S5：所述监测优化模块对当前各种能源介质的监测评定值进行等级划分，且生成当前最优监测间隔时段；
S6：所述监测优化模块将当前最优监测间隔时段和监测评定值的等级更新到企业碳计量的能耗监测策略时段表中并生成即时获取指令，所述监测优化模块将即时获取指令传输到能耗监测模块和碳计量监测模块；
S7：所述能耗监测模块和所述碳计量监测模块接收到监测优化模块传输的即时获取指令后向企业碳计量的能耗监测策略时段表中查询当前存储的各种能源介质的最优监测间隔时段。
2.根据权利要求 1 所述的基于企业碳计量的能耗监测优化方法，其特征在于，所述企业碳计量的能耗监测策略时段表中初始的各种能源介质的监测级值为 3 级，最优监测间隔时段为 1 小时。
3.根据权利要求 1 所述的基于企业碳计量的能耗监测优化方法，其特征在于，所述数据采集分析模块分析获取各种能源介质的最优占比的步骤如下：
SS1：首先选定水能源介质为待采样能源；
SS2：获取待采样能源碳计量的能耗特征点均值 Nq 和待采样能源碳计量的能耗占各种能源介质碳计量的能耗总和的权值的均值 Qq；
SS3：获取待采样能源碳计量的能耗特征点浮动区间[ND，NF]；
利用函数 MAX(Nn-Nn-1)，获取特征点浮动最大值 NF，n 的取值范围为[2， 24]；
利用函数 MIN(Nn-Nn-1)，获取特征点浮动最小值 ND，n 的取值范围为[2， 24]；
SS4：获取待采样能源的碳计量特征点 Mq 和碳计量特征点浮动区间[MD， MF]；
SS5：依据待采样能源碳计量的能耗特征点 Nq，碳计量的能耗特征点浮动区间[ND，
NF]；待采样能源的碳计量特征点 Mq，碳计量特征点浮动区间[MD， MF]得到待采样能源的
特征矩阵G=
；
SS6：依据待采样能源的特征矩阵 G，利用公式计算获取特征矩阵的特征值 G1=Nq×Mq-(NF-ND)×(MF-MD)；
SS7：利用公式 X1=(G1+Qq)/G1×Qq 计算获取待采样能源占各种能源介质的最优占比X1；
SS8：按照步骤 SS1 到 SS7，依次将电、气、热和冷却水能源介质作为待
采样能源，得到电能源的最优占比 X2、气能源的最优占比 X3、热能源的最优占比 X4、冷却水能源的最优占比 X5。
4.根据权利要求 3 所述的基于企业碳计量的能耗监测优化方法，其特征在于，所述监测优化模块依据能耗监测模块传输的当前各种能源介质碳计量的能耗数据和能耗总和后并对其进行监测级值优化判定：
SSS1：首先选定当前能耗监测模块传输的水能源介质碳计量的能耗数据作为优化判定数据，并将当前水能源介质碳计量的能耗记为 Wd；
SSS2：利用公式 H1=Wd×X1 计算获取待判定数据的监测评定值 H1：
若预设最大阈值 Hmax<H1，则将当前待判定数据的监测级值划分到 3 级，
当前最优监测间隔时段设置为 1 小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据；
若预设最小阈值 Hmin≤H1≤预设最大阈值 Hmax，则将当前待判定数据的监测级值划分到 2 级，当前最优监测间隔时段设置为 24 小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据；
若预设最小阈值 Hmin>H1，则将当前待判定数据的监测级值划分到 1 级， 当前最优监测间隔时段设置为 168 小时，所述监测优化模块依据待采样数据的监测级值和当前最优监测间隔时段生成优化更新数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211118933.1A CN115204756B (zh) | 2022-09-15 | 2022-09-15 | 基于企业碳计量的能耗监测优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211118933.1A CN115204756B (zh) | 2022-09-15 | 2022-09-15 | 基于企业碳计量的能耗监测优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115204756A true CN115204756A (zh) | 2022-10-18 |
| CN115204756B CN115204756B (zh) | 2022-11-29 |
Family
ID=83573426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211118933.1A Active CN115204756B (zh) | 2022-09-15 | 2022-09-15 | 基于企业碳计量的能耗监测优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115204756B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102572996A (zh) * | 2012-02-24 | 2012-07-11 | 重庆大学 | 一种异构传感网中基于圆环域的节点能耗均衡方法 |
| KR20150030071A (ko) * | 2013-09-11 | 2015-03-19 | 한국전력공사 | 석탄 보일러 미연손실 실시간 감시장치 및 감시방법 |
| CN110134094A (zh) * | 2019-06-07 | 2019-08-16 | 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 |
| CN113033922A (zh) * | 2021-04-29 | 2021-06-25 | 上海智大电子有限公司 | 一种综合监控系统的能耗优化方法及系统 |
| CN114757457A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 基于电力大数据的电碳排放全过程监测方法和装置 |
| CN115015474A (zh) * | 2022-04-15 | 2022-09-06 | 广东电网有限责任公司 | 一种电力用户的碳排放量检测方法及设备 |
-
2022
- 2022-09-15 CN CN202211118933.1A patent/CN115204756B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102572996A (zh) * | 2012-02-24 | 2012-07-11 | 重庆大学 | 一种异构传感网中基于圆环域的节点能耗均衡方法 |
| KR20150030071A (ko) * | 2013-09-11 | 2015-03-19 | 한국전력공사 | 석탄 보일러 미연손실 실시간 감시장치 및 감시방법 |
| CN110134094A (zh) * | 2019-06-07 | 2019-08-16 | 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 |
| CN113033922A (zh) * | 2021-04-29 | 2021-06-25 | 上海智大电子有限公司 | 一种综合监控系统的能耗优化方法及系统 |
| CN115015474A (zh) * | 2022-04-15 | 2022-09-06 | 广东电网有限责任公司 | 一种电力用户的碳排放量检测方法及设备 |
| CN114757457A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 基于电力大数据的电碳排放全过程监测方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 王雷雷等: "考虑分时碳计量的智能楼宇群电-碳耦合互动共享", 《电网技术》 * |
| 高培道等: "企业最优碳减排策略研究", 《会计之友》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115204756B (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117057670A (zh) | 基于物联网的物业智能能源管理系统 | |
| CN114801751B (zh) | 一种基于数据分析的汽车电池故障预测系统 | |
| CN117013606B (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
| CN108962411B (zh) | 基于反应堆堆芯监测的提升核发电机组出力的方法 | |
| CN115392547A (zh) | 基于数据分析的虚拟电厂能源综合管控平台 | |
| CN117596209B (zh) | 一种高低压配电环境运行参数实时监测预警系统 | |
| CN101725998A (zh) | 煤耗在线监测系统中异常数据的判定及替换系统 | |
| CN109274131B (zh) | 基于概率统计理论的新能源消纳能力非时序量化评估方法 | |
| CN114091781A (zh) | 一种基于电力数据的碳排放测算方法 | |
| CN116128167B (zh) | 一种基于云计算实时监测的分布式光伏发电分析方法 | |
| CN115473331B (zh) | 一种基于动态建模的数字孪生电网用电量监管系统 | |
| CN116128241A (zh) | 一种智能供电系统 | |
| CN114878934A (zh) | 一种电能耗数据异常预警方法 | |
| CN115204756B (zh) | 基于企业碳计量的能耗监测优化方法 | |
| CN111968008A (zh) | 基于多能协作的综合能源监控系统及方法 | |
| CN116231669A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN114285091B (zh) | 一种包含多个光伏发电的区域电网数据采集异常检测方法 | |
| CN116894568B (zh) | 一种充电桩的碳排放综合管理预测方法及存储介质 | |
| CN106247546B (zh) | 一种中央空调用能精细化定额的实现方法及调节装置 | |
| CN114186850B (zh) | 一种基于调峰效果评估指标的虚拟电厂运行控制方法 | |
| CN116866264B (zh) | 一种应用于采集系统中控制数据流量的方法及装置 | |
| Gonnaud et al. | USE OF QUANTILE FORECASTS FOR BETTER MANAGEMENT OF ORIS | |
| CN118657513A (zh) | 一种基于数据分析的机房设备维护管理系统 | |
| CN113937769A (zh) | 考虑风能出力不确定性的机组组合确定方法及装置 | |
| CN117526288A (zh) | 一种分散式风力发电短期功率组合预测方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230413 Address after: 400 000 No. 21, No. 3 Zhongshan Road, Yuzhong District, Chongqing Patentee after: STATE GRID CHONGQING ELECTRIC POWER Co. Patentee after: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd. Patentee after: SICHUAN ZHONGDIAN AOSTAR INFORMATION TECHNOLOGIES Co.,Ltd. Address before: No.2688 Xiyuan Avenue, modern industrial port (south area), Pidu District, Chengdu, Sichuan 610000 Patentee before: SICHUAN ZHONGDIAN AOSTAR INFORMATION TECHNOLOGIES Co.,Ltd. Patentee before: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd. |