CN115268342A - 一种基于大数据的工业设备节能管理系统 - Google Patents

Abstract

本发明属于工业设备管理领域，涉及数据分析技术，用于解决现有的工业设备节能管理系统在设备能耗不满足要求时无法对能耗异常的原因进行针对性分析的问题，具体是一种基于大数据的工业设备节能管理系统，包括管理平台，所述管理平台通信连接有能耗监管模块、异常分析模块以及存储模块；所述能耗监管模块用于对工业设备进行能耗监管分析：将工业设备标记为若干个监测对象，将最近L1天分割为若干个监测时段，获取监测时段内监测对象的耗电数据、耗气数据以及耗油数据；本发明通过能耗监管模块可以实时对工业设备进行能耗监管分析，将单一设备监测与群体设备监测相结合，进而保证工业生产车间的能源损耗能够满足要求，达到节能减排的目的。

Description

一种基于大数据的工业设备节能管理系统

技术领域

本发明属于工业设备管理领域，涉及数据分析技术，具体是一种基于大数据的工业设备节能管理系统。

背景技术

通过管理手段，减少从能源生产到消费过程中的损失和浪费，更加有效、合理地利用能源的行为；节能管理的内容包括建立节能管理机构，制定节能政策、财政与税收政策和激励机制，制定设备能效标准和能效标识，进行能效认证，推行合同能源管理和电力需求侧管理等。

现有的工业设备节能管理系统仅能够针对设备的能耗进行监控，而在单一设备能耗不满足要求或群体设备能耗不满足要求时不具备对能耗异常的原因进行针对性分析的功能，导致原因排查困难，影响设备正常工作。

针对上述技术问题，本申请提出一种解决方案。

发明内容

本发明的目的在于提供一种基于大数据的工业设备节能管理系统，用于解决现有的工业设备节能管理系统在设备能耗不满足要求时无法对能耗异常的原因进行针对性分析的问题；

本发明需要解决的技术问题为：如何提供一种可以在设备能耗不满足要求时可以对能耗异常的原因进行针对性分析的工业设备节能管理系统。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的工业设备节能管理系统，包括管理平台，所述管理平台通信连接有能耗监管模块、异常分析模块以及存储模块；

所述能耗监管模块用于对工业设备进行能耗监管分析：将工业设备标记为监测对象i，i＝1，2，…，n，n为正整数，将最近L1天分割为若干个监测时段，获取监测时段内监测对象i的耗电数据HDi、耗气数据HQi以及耗油数据HYi；通过对耗电数据HDi、耗气数据HQi以及耗油数据HYi进行数值计算得到监测时段内监测对象i的耗能系数HNi，通过存储模块获取到耗能阈值HNmax，将耗能系数HNi逐一与耗能阈值HNmax进行比较并通过比较结果将监测对象标记为正常对象或异常对象；

获取监测时段内异常对象的数量并将异常对象的数量与n的比值标记为监测时段的异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较并通过比较结果将监测时段标记为正常时段或异常时段；

将监测对象在所有监测时段内的耗能系数建立耗能集合，对耗能集合进行方差计算得到耗能表现值，通过存储模块获取到耗能表现阈值，将监测对象的耗能表现值与耗能表现阈值进行比较并通过比较结果将监测对象标记为能正对象或能异对象；

异常分析模块用于对异常时段或能异对象进行异常分析。

作为本发明的一种优选实施方式，耗能系数HNi与耗能阈值HNmax进行比较的具体过程：若耗能系数HNi小于耗能阈值HNmax，则判定监测时段内监测对象i的能源消耗满足要求，将监测时段内对应的监测对象标记为正常对象；若耗能系数HNi大于等于耗能阈值HNmax，则判定监测时段内监测对象i的能源消耗不满足要求，将监测时段内对应的监测对象标记为异常对象。

作为本发明的一种优选实施方式，异常系数与异常阈值进行比较的具体过程包括：若异常系数小于异常阈值，则判定监测时段内的监测对象运行正常，将对应的监测时段标记为正常时段；若异常系数大于等于异常阈值，则判定监测时段内的监测对象运行异常，将对应的监测时段标记为异常时段，将异常时段发送至管理平台，管理平台接收到异常时段后将异常时段发送至异常分析模块。

作为本发明的一种优选实施方式，监测对象的耗能表现值与耗能表现阈值进行比较的具体过程包括：若耗能表现值小于耗能表现阈值，则判定监测对象在L1天内的能源消耗满足要求，将对应的监测对象标记为能正对象；若耗能表现值大于等于耗能表现阈值，则判定监测对象在L1天内的能源消耗不满足要求，将对应的监测对象标记为能异对象，将能异对象发送至管理平台，管理平台接收到能异对象后将能异对象发送至异常分析模块。

作为本发明的一种优选实施方式，异常分析模块对异常时段进行异常分析的过程包括：获取异常时段内工业车间的环温数据HW与环湿数据HS，通过对环温数据HW与环湿数据HS进行数值计算得到异常时段内工业车间的环境系数HJ；通过存储模块获取到环境阈值HJmax，将环境系数HJ与环境阈值HJmax进行比较并通过比较结果对工业车间的环境是否满足要求进行判定。

作为本发明的一种优选实施方式，环温数据HW的获取过程包括：获取异常时段内工业车间的空气温度值与适宜温度范围，将适宜温度范围的最大值与最小值的差值的平均值标记为温度均值，将空气温度值与温度均值的差值的绝对值标记为环温数据HW；环湿数据HS的获取过程包括：获取异常时段内工业车间的空气湿度值与适宜湿度范围，将适宜湿度范围的最大值与最小值的平均值标记为湿度均值，将空气湿度值与湿度均值的差值的绝对值标记为环湿数据HS。

作为本发明的一种优选实施方式，环境系数HJ与环境阈值HJmax的比较过程包括：若环境系数HJ大于等于环境阈值HJmax，则判定工业车间的环境不满足要求，异常分析模块向管理平台发送环境调节信号；若环境系数HJ小于环境阈值HJ，则判定工业车间的环境满足要求，异常分析模块向管理平台发送人工排查信号，管理平台接收到人工排查信号后将人工排查信号发送至管理人员的手机终端。

作为本发明的一种优选实施方式，异常分析模块对能异对象进行异常分析的具体过程包括：获取能异对象运行时的温表数据WB、噪声数据ZS以及振动数据ZD，温表数据WB为能异对象运行时的表面温度值，噪声数据ZS为能异对象运行时产生的噪声值，振动数据ZD为能异对象运行时产生的振动频率值；通过对温表数据WB、噪声数据ZS以及振动数据ZD进行数值计算得到能异对象的运行系数YX；通过存储模块获取到运行阈值YXmax，将能异对象的运行系数YX与运行阈值YXmax进行比较并通过比较结果对能异对象的运行状态是否满足要求进行判定。

作为本发明的一种优选实施方式，能异对象的运行系数YX与运行阈值YXmax进行比较的具体过程包括：若运行系数YX大于等于运行阈值YXmax，则判定能异对象的运行状态不满足要求，异常分析模块向管理平台发送设备检修信号；若运行系数YX小于运行阈值YXmax，则判定能异对象的运行状态满足要求，异常分析模块向管理平台发送人工排查信号，管理平台接收到人工排查信号后将人工排查信号发送至管理人员的手机终端。

作为本发明的一种优选实施方式，该基于大数据的工业设备节能管理系统的工作方法，包括以下步骤：

步骤一：通过能耗监管模块对工业设备进行能耗监管分析，将工业设备标记为监测对象i，i＝1，2，…，n，n为正整数，将最近L1天分割为若干个监测时段，获取监测时段内监测对象i的耗电数据HDi、耗气数据HQi以及耗油数据HYi并进行数值计算得到耗能表现值与异常系数，通过耗能表现值的数值大小将监测对象标记为能正对象或能异对象，通过异常系数的数值大小将监测时段标记为正常时段或异常时段；

步骤二：通过异常分析模块对异常时段进行异常分析并得到环境系数，通过环境系数的数值大小对工业车间的环境是否满足要求进行判定；

步骤三：通过异常分析模块对能异对象进行异常分析并得到运行系数，通过运行系数的数值大小对能异对象的运行状态是否满足要求进行判定。

本发明具备下述有益效果：

1、通过能耗监管模块可以实时对工业设备进行能耗监管分析，将单一设备监测与群体设备监测相结合，在出现单一设备能耗异常或群体设备能耗异常时及时进行反馈，进而保证工业生产车间的能源损耗能够满足要求，达到节能减排的目的；

2、通过异常分析模块可以在群体设备出现能耗异常时对车间环境进行监测分析，进而对导致群体设备出现能耗异常的原因进行自动排查，通过环境监测分析结果为群体设备能耗异常现象提供针对性的解决方案，加快后续处理效率；

3、通过异常分析模块可以在单一设备出现能耗异常时对设备运行状态进行监测分析，进而对导致单一设备出现能耗异常的原因进行自动排查，通过运行监测分析结果为单一设备能耗异常现象提供针对性的解决方案，加快后续处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一的系统框图；

图2为本发明实施例二的方法流程图。

具体实施方式

下面将结合实施例对本发明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。

实施例一

如图1所示，一种基于大数据的工业设备节能管理系统，包括管理平台，管理平台通信连接有能耗监管模块、异常分析模块以及存储模块。

能耗监管模块用于对工业设备进行能耗监管分析：将工业设备标记为监测对象i，i＝1，2，…，n，n为正整数，将最近L1天分割为若干个监测时段，获取监测时段内监测对象i的耗电数据HDi、耗气数据HQi以及耗油数据HYi；耗电数据HDi为监测时段内监测对象i的耗电总量，耗气数据HQi为监测时段内监测对象i的天然气耗费总量，耗油数据HYi为监测时段内监测对象i的燃油耗费总量，通过公式HNi＝α1*HDi+α2*HQi+α3*HYi得到监测时段内监测对象i的耗能系数HNi，耗能系数是一个反应监测时段内监测对象能量消耗高低的数值，耗能系数的数值越大，则表示监测时段内对应监测对象的能量消耗越高；其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；通过存储模块获取到耗能阈值HNmax，将耗能系数HNi逐一与耗能阈值HNmax进行比较：若耗能系数HNi小于耗能阈值HNmax，则判定监测时段内监测对象i的能源消耗满足要求，将监测时段内对应的监测对象标记为正常对象；若耗能系数HNi大于等于耗能阈值HNmax，则判定监测时段内监测对象i的能源消耗不满足要求，将监测时段内对应的监测对象标记为异常对象；获取监测时段内异常对象的数量并将异常对象的数量与n的比值标记为监测时段的异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数小于异常阈值，则判定监测时段内的监测对象运行正常，将对应的监测时段标记为正常时段；若异常系数大于等于异常阈值，则判定监测时段内的监测对象运行异常，将对应的监测时段标记为异常时段，将异常时段发送至管理平台，管理平台接收到异常时段后将异常时段发送至异常分析模块；将监测对象在所有监测时段内的耗能系数建立耗能集合，对耗能集合进行方差计算得到耗能表现值，通过存储模块获取到耗能表现阈值，将监测对象的耗能表现值与耗能表现阈值进行比较：若耗能表现值小于耗能表现阈值，则判定监测对象在L1天内的能源消耗满足要求，L1为数值常量，L1的数值由管理人员自行设置；将对应的监测对象标记为能正对象；若耗能表现值大于等于耗能表现阈值，则判定监测对象在L1天内的能源消耗不满足要求，将对应的监测对象标记为能异对象，将能异对象发送至管理平台，管理平台接收到能异对象后将能异对象发送至异常分析模块；实时对工业设备进行能耗监管分析，将单一设备监测与群体设备监测相结合，在出现单一设备能耗异常或群体设备能耗异常时及时进行反馈，进而保证工业生产车间的能源损耗能够满足要求，达到节能减排的目的。

异常分析模块用于对异常时段或能异对象进行异常分析，异常分析模块对异常时段进行异常分析的过程包括：获取异常时段内工业车间的环温数据HW与环湿数据HS，环温数据HW的获取过程包括：获取异常时段内工业车间的空气温度值与适宜温度范围，将适宜温度范围的最大值与最小值的差值的平均值标记为温度均值，将空气温度值与温度均值的差值的绝对值标记为环温数据HW；环湿数据HS的获取过程包括：获取异常时段内工业车间的空气湿度值与适宜湿度范围，将适宜湿度范围的最大值与最小值的平均值标记为湿度均值，将空气湿度值与湿度均值的差值的绝对值标记为环湿数据HS，通过公式HJ＝β1*HW+β2*HS得到异常时段内工业车间的环境系数HJ，其中β1与β2均为比例系数，且β1＞β2＞1；通过存储模块获取到环境阈值HJmax，将环境系数HJ与环境阈值HJmax进行比较：若环境系数HJ大于等于环境阈值HJmax，则判定工业车间的环境不满足要求，异常分析模块向管理平台发送环境调节信号；若环境系数HJ小于环境阈值HJ，则判定工业车间的环境满足要求，异常分析模块向管理平台发送人工排查信号，管理平台接收到人工排查信号后将人工排查信号发送至管理人员的手机终端；在群体设备出现能耗异常时对车间环境进行监测分析，进而对导致群体设备出现能耗异常的原因进行自动排查，通过环境监测分析结果为群体设备能耗异常现象提供针对性的解决方案，加快后续处理效率；异常分析模块对能异对象进行异常分析的具体过程包括：获取能异对象运行时的温表数据WB、噪声数据ZS以及振动数据ZD，温表数据WB为能异对象运行时的表面温度值，噪声数据ZS为能异对象运行时产生的噪声值，振动数据ZD为能异对象运行时产生的振动频率值；通过公式YX＝γ1*WB+γ2*ZS+γ3*ZD得到能异对象的运行系数YX，其中γ1、γ2以及γ3均为比例系数，且γ1＞γ2＞γ3＞1；通过存储模块获取到运行阈值YXmax，将能异对象的运行系数YX与运行阈值YXmax进行比较：若运行系数YX大于等于运行阈值YXmax，则判定能异对象的运行状态不满足要求，异常分析模块向管理平台发送设备检修信号；若运行系数YX小于运行阈值YXmax，则判定能异对象的运行状态满足要求，异常分析模块向管理平台发送人工排查信号，管理平台接收到人工排查信号后将人工排查信号发送至管理人员的手机终端；在单一设备出现能耗异常时对设备运行状态进行监测分析，进而对导致单一设备出现能耗异常的原因进行自动排查，通过运行监测分析结果为单一设备能耗异常现象提供针对性的解决方案，加快后续处理效率。

实施例二

如图2所示，一种基于大数据的工业设备节能管理方法，包括以下步骤：

步骤一：通过能耗监管模块对工业设备进行能耗监管分析，将工业设备标记为监测对象i，i＝1，2，…，n，n为正整数，将最近L1天分割为若干个监测时段，获取监测时段内监测对象i的耗电数据HDi、耗气数据HQi以及耗油数据HYi并进行数值计算得到耗能表现值与异常系数，通过耗能表现值的数值大小将监测对象标记为能正对象或能异对象，通过异常系数的数值大小将监测时段标记为正常时段或异常时段；

步骤二：通过异常分析模块对异常时段进行异常分析并得到环境系数，通过环境系数的数值大小对工业车间的环境是否满足要求进行判定；

步骤三：通过异常分析模块对能异对象进行异常分析并得到运行系数，通过运行系数的数值大小对能异对象的运行状态是否满足要求进行判定。

一种基于大数据的工业设备节能管理系统，工作时，通过能耗监管模块对工业设备进行能耗监管分析，将工业设备标记为若干个监测对象，将最近L1天分割为若干个监测时段，获取监测时段内监测对象的耗电数据、耗气数据以及耗油数据并进行数值计算得到耗能表现值与异常系数，通过耗能表现值的数值大小将监测对象标记为能正对象或能异对象，通过异常系数的数值大小将监测时段标记为正常时段或异常时段；通过异常分析模块对异常时段或能异对象进行异常分析。

以上内容仅仅是对本发明结构所作的举例和说明，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，只要不偏离发明的结构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。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式HNi＝α1*HDi+α2*HQi+α3*HYi；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的耗能系数；将设定的耗能系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2以及α3的取值分别为3.74、2.97和2.65；

系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的耗能系数；只要不影响参数与量化后数值的比例关系即可，如耗能系数与耗电数据的数值成正比。

在本说明书的描述中，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。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种基于大数据的工业设备节能管理系统，包括管理平台，其特征在于，所述管理平台通信连接有能耗监管模块、异常分析模块以及存储模块；

所述能耗监管模块用于对工业设备进行能耗监管分析：将工业设备标记为监测对象i，i＝1，2，…，n，n为正整数，将最近L1天分割为若干个监测时段，获取监测时段内监测对象i的耗电数据HDi、耗气数据HQi以及耗油数据HYi；通过对耗电数据HDi、耗气数据HQi以及耗油数据HYi进行数值计算得到监测时段内监测对象i的耗能系数HNi，通过存储模块获取到耗能阈值HNmax，将耗能系数HNi逐一与耗能阈值HNmax进行比较并通过比较结果将监测对象标记为正常对象或异常对象；

获取监测时段内异常对象的数量并将异常对象的数量与n的比值标记为监测时段的异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较并通过比较结果将监测时段标记为正常时段或异常时段；

将监测对象在所有监测时段内的耗能系数建立耗能集合，对耗能集合进行方差计算得到耗能表现值，通过存储模块获取到耗能表现阈值，将监测对象的耗能表现值与耗能表现阈值进行比较并通过比较结果将监测对象标记为能正对象或能异对象；

异常分析模块用于对异常时段或能异对象进行异常分析。

2.根据权利要求1所述的一种基于大数据的工业设备节能管理系统，其特征在于，耗能系数HNi与耗能阈值HNmax进行比较的具体过程：若耗能系数HNi小于耗能阈值HNmax，则判定监测时段内监测对象i的能源消耗满足要求，将监测时段内对应的监测对象标记为正常对象；若耗能系数HNi大于等于耗能阈值HNmax，则判定监测时段内监测对象i的能源消耗不满足要求，将监测时段内对应的监测对象标记为异常对象。

3.根据权利要求2所述的一种基于大数据的工业设备节能管理系统，其特征在于，异常系数与异常阈值进行比较的具体过程包括：若异常系数小于异常阈值，则判定监测时段内的监测对象运行正常，将对应的监测时段标记为正常时段；若异常系数大于等于异常阈值，则判定监测时段内的监测对象运行异常，将对应的监测时段标记为异常时段，将异常时段发送至管理平台，管理平台接收到异常时段后将异常时段发送至异常分析模块。

4.根据权利要求3所述的一种基于大数据的工业设备节能管理系统，其特征在于，监测对象的耗能表现值与耗能表现阈值进行比较的具体过程包括：若耗能表现值小于耗能表现阈值，则判定监测对象在L1天内的能源消耗满足要求，将对应的监测对象标记为能正对象；若耗能表现值大于等于耗能表现阈值，则判定监测对象在L1天内的能源消耗不满足要求，将对应的监测对象标记为能异对象，将能异对象发送至管理平台，管理平台接收到能异对象后将能异对象发送至异常分析模块。

5.根据权利要求1所述的一种基于大数据的工业设备节能管理系统，其特征在于，异常分析模块对异常时段进行异常分析的过程包括：获取异常时段内工业车间的环温数据HW与环湿数据HS，通过对环温数据HW与环湿数据HS进行数值计算得到异常时段内工业车间的环境系数HJ；通过存储模块获取到环境阈值HJmax，将环境系数HJ与环境阈值HJmax进行比较并通过比较结果对工业车间的环境是否满足要求进行判定。

6.根据权利要求5所述的一种基于大数据的工业设备节能管理系统，其特征在于，环温数据HW的获取过程包括：获取异常时段内工业车间的空气温度值与适宜温度范围，将适宜温度范围的最大值与最小值的差值的平均值标记为温度均值，将空气温度值与温度均值的差值的绝对值标记为环温数据HW；环湿数据HS的获取过程包括：获取异常时段内工业车间的空气湿度值与适宜湿度范围，将适宜湿度范围的最大值与最小值的平均值标记为湿度均值，将空气湿度值与湿度均值的差值的绝对值标记为环湿数据HS。

7.根据权利要求6所述的一种基于大数据的工业设备节能管理系统，其特征在于，环境系数HJ与环境阈值HJmax的比较过程包括：若环境系数HJ大于等于环境阈值HJmax，则判定工业车间的环境不满足要求，异常分析模块向管理平台发送环境调节信号；若环境系数HJ小于环境阈值HJ，则判定工业车间的环境满足要求，异常分析模块向管理平台发送人工排查信号，管理平台接收到人工排查信号后将人工排查信号发送至管理人员的手机终端。

8.根据权利要求1所述的一种基于大数据的工业设备节能管理系统，其特征在于，异常分析模块对能异对象进行异常分析的具体过程包括：获取能异对象运行时的温表数据WB、噪声数据ZS以及振动数据ZD，温表数据WB为能异对象运行时的表面温度值，噪声数据ZS为能异对象运行时产生的噪声值，振动数据ZD为能异对象运行时产生的振动频率值；通过对温表数据WB、噪声数据ZS以及振动数据ZD进行数值计算得到能异对象的运行系数YX；通过存储模块获取到运行阈值YXmax，将能异对象的运行系数YX与运行阈值YXmax进行比较并通过比较结果对能异对象的运行状态是否满足要求进行判定。

9.根据权利要求8所述的一种基于大数据的工业设备节能管理系统，其特征在于，能异对象的运行系数YX与运行阈值YXmax进行比较的具体过程包括：若运行系数YX大于等于运行阈值YXmax，则判定能异对象的运行状态不满足要求，异常分析模块向管理平台发送设备检修信号；若运行系数YX小于运行阈值YXmax，则判定能异对象的运行状态满足要求，异常分析模块向管理平台发送人工排查信号，管理平台接收到人工排查信号后将人工排查信号发送至管理人员的手机终端。

10.根据权利要求1-9任一项所述的一种基于大数据的工业设备节能管理系统，其特征在于，该基于大数据的工业设备节能管理系统的工作方法，包括以下步骤：

步骤一：通过能耗监管模块对工业设备进行能耗监管分析，将工业设备标记为监测对象i，i＝1，2，…，n，n为正整数，将最近L1天分割为若干个监测时段，获取监测时段内监测对象i的耗电数据HDi、耗气数据HQi以及耗油数据HYi并进行数值计算得到耗能表现值与异常系数，通过耗能表现值的数值大小将监测对象标记为能正对象或能异对象，通过异常系数的数值大小将监测时段标记为正常时段或异常时段；

步骤二：通过异常分析模块对异常时段进行异常分析并得到环境系数，通过环境系数的数值大小对工业车间的环境是否满足要求进行判定；

步骤三：通过异常分析模块对能异对象进行异常分析并得到运行系数，通过运行系数的数值大小对能异对象的运行状态是否满足要求进行判定。

Images