CN115270933A - 区域能耗监测数据异常预警方法、系统、装置及存储介质 - Google Patents
区域能耗监测数据异常预警方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN115270933A CN115270933A CN202210809274.XA CN202210809274A CN115270933A CN 115270933 A CN115270933 A CN 115270933A CN 202210809274 A CN202210809274 A CN 202210809274A CN 115270933 A CN115270933 A CN 115270933A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- time
- value
- regional
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本发明公开了一种区域能耗监测数据异常预警方法、系统、装置及存储介质,方法包括:获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据;将第一历史能耗数据以及第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值;获取用能设备的实时能耗数据,并根据实时能耗数据确定第二时段的区域能耗监测值;确定区域能耗监测值与区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息;其中,第一时段为第一时刻的上一时段,第二时段为第一时刻的下一时段。本发明提高了区域能耗监测数据异常预警的实时性和准确性,降低了人工成本和时间成本,可广泛应用于能源管理技术领域。
Description
技术领域
本发明涉及能源管理技术领域,尤其是一种区域能耗监测数据异常预警方法、系统、装置及存储介质。
背景技术
现有技术中,对于区域性的能源管理往往是通过人工监测区域内的各项能耗数据,然后根据经验判断是否存在能耗异常现象,这种方法一方面耗费了较大的人力成本和时间成本,另一方面实时性和准确性较差,无法有效地对能耗异常现象进行实时监测预警。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本发明实施例的一个目的在于提供一种区域能耗监测数据异常预警方法,该方法提高了区域能耗监测数据异常预警的实时性和准确性,降低了人工成本和时间成本。
本发明实施例的另一个目的在于提供一种区域能耗监测数据异常预警系统。
为了达到上述技术目的,本发明实施例所采取的技术方案包括:
第一方面,本发明实施例提供了一种区域能耗监测数据异常预警方法,包括以下步骤:
获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据;
将所述第一历史能耗数据以及所述第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值;
获取所述用能设备的实时能耗数据,并根据所述实时能耗数据确定所述第二时段的区域能耗监测值;
确定所述区域能耗监测值与所述区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息;
其中,所述第一时段为所述第一时刻的上一时段,所述第二时段为所述第一时刻的下一时段。
进一步地,在本发明的一个实施例中,所述获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据这一步骤,其具体包括:
获取所述区域第一时段的第一用水数据、第一用电数据以及第一制冷制热数据,对所述第一用水数据、所述第一用电数据以及所述第一制冷制热数据进行时序化处理得到所述用能设备第一时段的第一历史能耗数据;
通过设备控制系统获取所述用能设备第一时刻的第一设备状态数据。
进一步地,在本发明的一个实施例中,所述区域能耗监测数据异常预警方法还包括构建训练样本集的步骤,其具体包括:
获取区域内用能设备第三时段的第二历史能耗数据、第四时段的第三历史能耗数据以及标签时刻的第二设备状态数据;
根据所述第二历史能耗数据和所述第二设备状态数据确定训练样本;
根据所述第三历史能耗数据确定所述第四时段的区域能耗标签值,并根据所述区域能耗标签值确定样本标签;
根据所述训练样本和所述样本标签构建训练样本集;
其中,所述第三时段为所述标签时刻的上一时段,所述第四时段为所述标签时刻的下一时段。
进一步地,在本发明的一个实施例中,所述区域能耗监测数据异常预警方法还包括预先训练区域能耗预测模型的步骤,其具体包括:
将所述训练样本集输入到预先构建的深度神经网络,得到区域能耗预测结果;
根据所述区域能耗预测结果和所述样本标签确定所述深度神经网络的损失值;
根据所述损失值通过反向传播算法更新所述深度神经网络的参数;
当损失值达到预设的第二阈值或迭代次数达到预设的第三阈值或测试精度达到预设的第四阈值,停止训练,得到训练好的区域能耗预测模型。
进一步地,在本发明的一个实施例中,所述获取所述用能设备的实时能耗数据,并根据所述实时能耗数据确定所述第二时段的区域能耗监测值这一步骤,其具体包括:
获取所述区域的实时用水数据、实时用电数据以及实时制冷制热数据;
根据所述实时用水数据、所述实时用电数据以及所述实时制冷制热数据确定所述第二时段的区域能耗监测值。
进一步地,在本发明的一个实施例中,所述确定所述区域能耗监测值与所述区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息这一步骤,其具体包括:
根据所述区域能耗监测值和所述区域能耗预测值计算得到第一差值;
当所述第一差值大于预设的第一阈值,根据所述区域能耗监测值、所述区域能耗预测值、所述第二时段以及区域编号生成预警信息;
通过短信和/或邮件向管理人员发送所述的预警信息。
进一步地,在本发明的一个实施例中,所述区域能耗监测数据异常预警方法还包括以下步骤:
根据所述实时能耗数据确定异常用能设备,并根据所述异常用能设备的设备类型启动相应的应急预案。
第二方面,本发明实施例提供了一种区域能耗监测数据异常预警系统,包括:
第一获取模块,用于获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据;
区域能耗预测模块,用于将所述第一历史能耗数据以及所述第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值;
第二获取模块,用于获取所述用能设备的实时能耗数据,并根据所述实时能耗数据确定所述第二时段的区域能耗监测值;
预警模块,用于确定所述区域能耗监测值与所述区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息;
其中,所述第一时段为所述第一时刻的上一时段,所述第二时段为所述第一时刻的下一时段。
第三方面,本发明实施例提供了一种区域能耗监测数据异常预警装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现上述的一种区域能耗监测数据异常预警方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行上述的一种区域能耗监测数据异常预警方法。
本发明的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到:
本发明实施例获取区域内用能设备的历史能耗数据和设备状态数据并输入到预先训练好的区域能耗预测模型,得到下一时段的区域能耗预测值,然后根据用能设备的实时能耗数据确定下一时段的区域能耗监测值,当区域能耗监测值与区域能耗预测值的第一差值大于预设的第一阈值时发出预警信息,通过对区域能耗的预测和实时监测能够及时发现能耗异常现象,提高了区域能耗监测数据异常预警的实时性和准确性,降低了人工成本和时间成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面对本发明实施例中所需要使用的附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的一种区域能耗监测数据异常预警方法的步骤流程图;
图2为本发明实施例提供的一种区域能耗监测数据异常预警系统的结构框图;
图3为本发明实施例提供的一种区域能耗监测数据异常预警装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,多个的含义是两个或两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
参照图1,本发明实施例提供了一种区域能耗监测数据异常预警方法,具体包括以下步骤:
S101、获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据。
其中,第一时段为第一时刻的上一时段。
具体地,本发明实施例中,根据区域内用能设备的历史能耗数据和当前的设备状态数据对下一时段的区域能耗进行预测。在一些可选的实施例中,本发明实施例还可以提供强大的报表生成、统计分析和信息查询功能,生成常用的一些报表,如:运行记录统计报表、报警记录统计报表、设备维护维修记录统计报表等。步骤S101具体包括以下步骤:
S1011、获取区域第一时段的第一用水数据、第一用电数据以及第一制冷制热数据,对第一用水数据、第一用电数据以及第一制冷制热数据进行时序化处理得到用能设备第一时段的第一历史能耗数据;
S1012、通过设备控制系统获取用能设备第一时刻的第一设备状态数据。
具体地,本发明实施例中,设备能耗包括用水、用电以及制冷制热三个维度,分别统计这三个维度能耗数据,通过时序化处理得到一个多维的能耗数据序列,即为本申请的第一历史能耗数据。此外,设备状态数据(如设备运行情况、功率等)可通过设备控制系统实时读取。
S102、将第一历史能耗数据以及第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值。
其中,第二时段为第一时刻的下一时段。
进一步作为可选的实施方式,区域能耗监测数据异常预警方法还包括构建训练样本集的步骤,其具体包括:
A1、获取区域内用能设备第三时段的第二历史能耗数据、第四时段的第三历史能耗数据以及标签时刻的第二设备状态数据;
A2、根据第二历史能耗数据和第二设备状态数据确定训练样本;
A3、根据第三历史能耗数据确定第四时段的区域能耗标签值,并根据区域能耗标签值确定样本标签;
A4、根据训练样本和样本标签构建训练样本集;
其中,第三时段为标签时刻的上一时段,第四时段为标签时刻的下一时段。
进一步作为可选的实施方式,区域能耗监测数据异常预警方法还包括预先训练区域能耗预测模型的步骤,其具体包括:
B1、将训练样本集输入到预先构建的深度神经网络,得到区域能耗预测结果;
B2、根据区域能耗预测结果和样本标签确定深度神经网络的损失值;
B3、根据损失值通过反向传播算法更新深度神经网络的参数;
B4、当损失值达到预设的第二阈值或迭代次数达到预设的第三阈值或测试精度达到预设的第四阈值,停止训练,得到训练好的区域能耗预测模型。
具体地,将训练样本集中的数据输入到初始化后的深度神经网络后,可以得到模型输出的区域能耗预测结果,可以根据区域能耗预测结果和训练样本集的样本标签来评估区域能耗预测模型的准确性,从而对模型的参数进行更新。对于区域能耗预测模型来说,模型识别结果的准确性可以通过损失函数(Loss Function)来衡量,损失函数是定义在单个训练样本上的,用于衡量一个训练样本的预测误差,具体是通过单个训练样本的标签和模型对该训练样本的预测结果确定该训练样本的损失值。而实际训练时,一个训练样本集有很多训练样本,因此一般采用代价函数(Cost Function)来衡量训练样本集的整体误差,代价函数是定义在整个训练样本集上的,用于计算所有训练样本的预测误差的平均值,能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说,基于前述的代价函数,再加上衡量模型复杂度的正则项即可作为训练的目标函数,基于该目标函数便能求出整个训练样本集的损失值。常用的损失函数种类有很多,例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数,在此不再一一阐述。本申请实施例中,可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值,采用反向传播算法对模型的参数进行更新,迭代几轮即可得到训练好的区域能耗预测模型。具体地迭代轮数可以预先设定,或者在测试集达到精度要求时认为训练完成。
S103、获取用能设备的实时能耗数据,并根据实时能耗数据确定第二时段的区域能耗监测值。
具体地,本发明实施例可通过区域分级图形可视化能耗监测详细掌握能源分布及流向,实时查看各建筑物单体分类、分项能耗统计数据,实现楼层分区耗能统计及用能状态实时监视。步骤S103具体包括以下步骤:
S1031、获取区域的实时用水数据、实时用电数据以及实时制冷制热数据;
S1032、根据实时用水数据、实时用电数据以及实时制冷制热数据确定第二时段的区域能耗监测值。
具体地,在对第二时段的区域能耗进行预测之后,通过实时监测获取第二时段的区域能耗监测值,进而可以通过比对判断区域能耗是否出现异常。
S104、确定区域能耗监测值与区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息。
步骤S104具体包括以下步骤:
S1041、根据区域能耗监测值和区域能耗预测值计算得到第一差值;
S1042、当第一差值大于预设的第一阈值,根据区域能耗监测值、区域能耗预测值、第二时段以及区域编号生成预警信息;
S1043、通过短信和/或邮件向管理人员发送的预警信息。
进一步作为可选的实施方式,区域能耗监测数据异常预警方法还包括以下步骤:
根据实时能耗数据确定异常用能设备,并根据异常用能设备的设备类型启动相应的应急预案。
具体地,当确定存在能耗异常现象后,可根据实时能耗数据对每个用能设备进行分析,确定异常用能设备,同时根据其设备类型启动相应的应急预案,以在保证生产、工作等顺利进行的同时,减少区域内的能源消耗。
在一些可选的实施例中,本发明实施例还包括能耗异常报警:设备、区域、时段计划用能量或用能增长率超标报警;能耗突增、用电异常、作息异常等,提醒管理人员重点关注该异动设备或支路,分析并找出异动原因。
在一些可选的实施例中,本发明实施例还包括指标超标报警:建筑能效指标(如单位面积能耗)超标报警;损耗抄表告警。
在一些可选的实施例中,本发明实施例还包括用能安全报警:对各个用电支路或设备进行安全门限设置,包括异常跳闸、过流、欠压、三相不平衡、功率因数过低、设备异常操作等实时越限报警;水系统的管路压力、流量、流速等参数实时越限报警。
在一些可选的实施例中,本发明实施例还包括KPI能效指标统计:引入建筑面积、客流人数等参数,计算单位面积耗能量,人均耗能量等KPI指标,反映真实能效水平,评估节能潜力;支持能耗指标换算,折算成通用的二氧化碳排放量、标准煤等相对能耗指标。
在一些可选的实施例中,本发明实施例还包括建筑能耗排行:以图表的形式展示建筑的排行数据,在下面以表格的形式展示具体的能耗水耗数据。
在一些可选的实施例中,本发明实施例还包括能源比对:以图表可选择对多个对象进行能耗对比,可设置某一时间段、某一能源分类、分项下的多个对象;可选择一个对象在多个时间段里的能耗对比;支持对比单位面积能耗、人均能耗、单位业务量能耗、单位GDP能耗;支持对比所选择能耗对象的转化标准煤、碳排放量、转化为人民币;对比展示形式美观和信息丰富,至少支持折线图、表格。表格数据可以导出;形式展示建筑的排行数据,在下面以表格的形式展示具体的能耗水耗数据。
可以理解的是,本发明实施例获取区域内用能设备的历史能耗数据和设备状态数据并输入到预先训练好的区域能耗预测模型,得到下一时段的区域能耗预测值,然后根据用能设备的实时能耗数据确定下一时段的区域能耗监测值,当区域能耗监测值与区域能耗预测值的第一差值大于预设的第一阈值时发出预警信息,通过对区域能耗的预测和实时监测能够及时发现能耗异常现象,提高了区域能耗监测数据异常预警的实时性和准确性,降低了人工成本和时间成本。
参照图2,本发明实施例提供了一种区域能耗监测数据异常预警系统,包括:
第一获取模块,用于获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据;
区域能耗预测模块,用于将第一历史能耗数据以及第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值;
第二获取模块,用于获取用能设备的实时能耗数据,并根据实时能耗数据确定第二时段的区域能耗监测值;
预警模块,用于确定区域能耗监测值与区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息;
其中,第一时段为第一时刻的上一时段,第二时段为第一时刻的下一时段。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本发明实施例提供了一种区域能耗监测数据异常预警装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当上述至少一个程序被上述至少一个处理器执行时,使得上述至少一个处理器实现上述的一种区域能耗监测数据异常预警方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,该处理器可执行的程序在由处理器执行时用于执行上述一种区域能耗监测数据异常预警方法。
本发明实施例的一种计算机可读存储介质,可执行本发明方法实施例所提供的一种区域能耗监测数据异常预警方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式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方式或示例中。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方式或示例。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方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种区域能耗监测数据异常预警方法,其特征在于,包括以下步骤:
获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据;
将所述第一历史能耗数据以及所述第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值;
获取所述用能设备的实时能耗数据,并根据所述实时能耗数据确定所述第二时段的区域能耗监测值;
确定所述区域能耗监测值与所述区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息;
其中,所述第一时段为所述第一时刻的上一时段,所述第二时段为所述第一时刻的下一时段。
2.根据权利要求1所述的一种区域能耗监测数据异常预警方法,其特征在于,所述获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据这一步骤,其具体包括:
获取所述区域第一时段的第一用水数据、第一用电数据以及第一制冷制热数据,对所述第一用水数据、所述第一用电数据以及所述第一制冷制热数据进行时序化处理得到所述用能设备第一时段的第一历史能耗数据;
通过设备控制系统获取所述用能设备第一时刻的第一设备状态数据。
3.根据权利要求1所述的一种区域能耗监测数据异常预警方法,其特征在于,所述区域能耗监测数据异常预警方法还包括构建训练样本集的步骤,其具体包括:
获取区域内用能设备第三时段的第二历史能耗数据、第四时段的第三历史能耗数据以及标签时刻的第二设备状态数据;
根据所述第二历史能耗数据和所述第二设备状态数据确定训练样本;
根据所述第三历史能耗数据确定所述第四时段的区域能耗标签值,并根据所述区域能耗标签值确定样本标签;
根据所述训练样本和所述样本标签构建训练样本集;
其中,所述第三时段为所述标签时刻的上一时段,所述第四时段为所述标签时刻的下一时段。
4.根据权利要求3所述的一种区域能耗监测数据异常预警方法,其特征在于,所述区域能耗监测数据异常预警方法还包括预先训练区域能耗预测模型的步骤,其具体包括:
将所述训练样本集输入到预先构建的深度神经网络,得到区域能耗预测结果;
根据所述区域能耗预测结果和所述样本标签确定所述深度神经网络的损失值;
根据所述损失值通过反向传播算法更新所述深度神经网络的参数;
当损失值达到预设的第二阈值或迭代次数达到预设的第三阈值或测试精度达到预设的第四阈值,停止训练,得到训练好的区域能耗预测模型。
5.根据权利要求1所述的一种区域能耗监测数据异常预警方法,其特征在于,所述获取所述用能设备的实时能耗数据,并根据所述实时能耗数据确定所述第二时段的区域能耗监测值这一步骤,其具体包括:
获取所述区域的实时用水数据、实时用电数据以及实时制冷制热数据;
根据所述实时用水数据、所述实时用电数据以及所述实时制冷制热数据确定所述第二时段的区域能耗监测值。
6.根据权利要求1所述的一种区域能耗监测数据异常预警方法,其特征在于,所述确定所述区域能耗监测值与所述区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息这一步骤,其具体包括:
根据所述区域能耗监测值和所述区域能耗预测值计算得到第一差值;
当所述第一差值大于预设的第一阈值,根据所述区域能耗监测值、所述区域能耗预测值、所述第二时段以及区域编号生成预警信息;
通过短信和/或邮件向管理人员发送所述的预警信息。
7.根据权利要求1至6中任一项所述的一种区域能耗监测数据异常预警方法,其特征在于,所述区域能耗监测数据异常预警方法还包括以下步骤:
根据所述实时能耗数据确定异常用能设备,并根据所述异常用能设备的设备类型启动相应的应急预案。
8.一种区域能耗监测数据异常预警系统,其特征在于,包括:
第一获取模块,用于获取区域内用能设备第一时段的第一历史能耗数据以及第一时刻的第一设备状态数据;
区域能耗预测模块,用于将所述第一历史能耗数据以及所述第一设备状态数据输入到预先训练好的区域能耗预测模型,输出得到第二时段的区域能耗预测值;
第二获取模块,用于获取所述用能设备的实时能耗数据,并根据所述实时能耗数据确定所述第二时段的区域能耗监测值;
预警模块,用于确定所述区域能耗监测值与所述区域能耗预测值的第一差值大于预设的第一阈值,发出相应的预警信息;
其中,所述第一时段为所述第一时刻的上一时段,所述第二时段为所述第一时刻的下一时段。
9.一种区域能耗监测数据异常预警装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种区域能耗监测数据异常预警方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种区域能耗监测数据异常预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210809274.XA CN115270933A (zh) | 2022-07-11 | 2022-07-11 | 区域能耗监测数据异常预警方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210809274.XA CN115270933A (zh) | 2022-07-11 | 2022-07-11 | 区域能耗监测数据异常预警方法、系统、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115270933A true CN115270933A (zh) | 2022-11-01 |
Family
ID=83765080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210809274.XA Pending CN115270933A (zh) | 2022-07-11 | 2022-07-11 | 区域能耗监测数据异常预警方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115270933A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759450A (zh) * | 2022-11-28 | 2023-03-07 | 广东省科学院江门产业技术研究院有限公司 | 一种基于大数据的碳排放核算预警分析系统 |
CN115860727A (zh) * | 2023-02-02 | 2023-03-28 | 南京轶诺科技有限公司 | 一种智慧园区运维系统 |
CN115965223A (zh) * | 2023-02-14 | 2023-04-14 | 深圳市三和电力科技有限公司 | 一种基于云平台的智慧能源管理方法及系统 |
CN116128674A (zh) * | 2023-04-14 | 2023-05-16 | 广州云硕科技发展有限公司 | 一种基于智能交通的能源数据处理方法及装置 |
CN116663747A (zh) * | 2023-07-19 | 2023-08-29 | 广东云下汇金科技有限公司 | 一种基于数据中心基础设施的智能预警方法及系统 |
-
2022
- 2022-07-11 CN CN202210809274.XA patent/CN115270933A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759450A (zh) * | 2022-11-28 | 2023-03-07 | 广东省科学院江门产业技术研究院有限公司 | 一种基于大数据的碳排放核算预警分析系统 |
CN115759450B (zh) * | 2022-11-28 | 2023-10-27 | 广东省科学院江门产业技术研究院有限公司 | 一种基于大数据的碳排放核算预警分析系统 |
CN115860727A (zh) * | 2023-02-02 | 2023-03-28 | 南京轶诺科技有限公司 | 一种智慧园区运维系统 |
CN115965223A (zh) * | 2023-02-14 | 2023-04-14 | 深圳市三和电力科技有限公司 | 一种基于云平台的智慧能源管理方法及系统 |
CN116128674A (zh) * | 2023-04-14 | 2023-05-16 | 广州云硕科技发展有限公司 | 一种基于智能交通的能源数据处理方法及装置 |
CN116663747A (zh) * | 2023-07-19 | 2023-08-29 | 广东云下汇金科技有限公司 | 一种基于数据中心基础设施的智能预警方法及系统 |
CN116663747B (zh) * | 2023-07-19 | 2024-04-12 | 广东云下汇金科技有限公司 | 一种基于数据中心基础设施的智能预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115270933A (zh) | 区域能耗监测数据异常预警方法、系统、装置及存储介质 | |
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
CN113156917B (zh) | 基于人工智能的电网设备故障诊断方法及系统 | |
JP6301791B2 (ja) | 配電網の故障予兆診断システムおよびその方法 | |
CN108537394B (zh) | 一种智能电网实时安全预警方法和装置 | |
CN202210283U (zh) | 能量使用标志 | |
CN103617561A (zh) | 一种电网智能变电站二次设备状态评估系统和方法 | |
US20220414526A1 (en) | Intelligent fault detection system | |
CN106019195A (zh) | 一种电力计量自动化检定流水线故障诊断系统 | |
CN113339204B (zh) | 一种基于混合神经网络的风力发电机故障识别方法 | |
KR102515853B1 (ko) | 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법 | |
CN111813644B (zh) | 系统性能的评价方法、装置、电子设备和计算机可读介质 | |
CN115267646A (zh) | 一种电能表状态检测的方法及相关设备 | |
CN109901476A (zh) | 一种基于多变量数据段相似性的异常工况监控方法及系统 | |
CN114493238A (zh) | 供电服务风险预测方法、系统、存储介质及计算机设备 | |
CN115060312A (zh) | 一种基于人工智能的建筑材料安全监测系统 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN108258802B (zh) | 一种配电网中配电设备的运行状况的监测方法和装置 | |
CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及系统 | |
CN114623799B (zh) | 结构健康监测数据异常预警方法、系统、装置及存储介质 | |
CN114626433A (zh) | 一种智能电能表故障预测并分类方法、装置及系统 | |
CN114137920A (zh) | 一种预拌厂智慧实验室管理系统及方法 | |
CN113835387A (zh) | 运维管理方法、系统及介质 | |
CN115150248A (zh) | 网络流量异常检测方法、装置、电子设备和存储介质 |
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 |