CN115630755A - 一种综合能源智慧管理系统的数据处理方法及系统 - Google Patents

一种综合能源智慧管理系统的数据处理方法及系统 Download PDF

Info

Publication number
CN115630755A
CN115630755A CN202211652890.5A CN202211652890A CN115630755A CN 115630755 A CN115630755 A CN 115630755A CN 202211652890 A CN202211652890 A CN 202211652890A CN 115630755 A CN115630755 A CN 115630755A
Authority
CN
China
Prior art keywords
data
abnormal
management system
intelligent management
energy efficiency
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
Application number
CN202211652890.5A
Other languages
English (en)
Other versions
CN115630755B (zh
Inventor
刘敏
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.)
Ruizhi Technology Group Co ltd
Original Assignee
Ruizhi Technology Group 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 Ruizhi Technology Group Co ltd filed Critical Ruizhi Technology Group Co ltd
Priority to CN202211652890.5A priority Critical patent/CN115630755B/zh
Publication of CN115630755A publication Critical patent/CN115630755A/zh
Application granted granted Critical
Publication of CN115630755B publication Critical patent/CN115630755B/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
    • G06Q10/04—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请提供一种综合能源智慧管理系统的数据处理方法及系统，综合能源智慧管理系统的数据处理方法包括如下步骤：通过多个数据采集终端采集综合能源智慧管理系统中各个设备的原始监控数据；对原始监控数据中异常数据进行数据修复处理；根据数据修复处理后的原始监控数据，获取能效评估指标数据；根据能效评估指标数据，计算系统能效值；比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化系统。本申请修复综合能源智慧管理系统的原始监控数据的异常数据，并降低系统能耗。

Description

一种综合能源智慧管理系统的数据处理方法及系统
技术领域
本申请涉及数据处理技术领域，尤其涉及一种综合能源智慧管理系统的数据处理方法及系统。
背景技术
综合能源智慧管理系统是由多种分布式电源、储能系统、能量转换装置、电动汽车充电设备以及监控保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的独立自治系统。
综合能源智慧管理系统监控预警应用需要基于冷、热、电等相关数据，这些数据由各类传感器(例如流量计、压力传感器、温度传感器、功率传感器、水位传感器、电量检测传感器、光照度传感器、光电传感器和转速测量模块)采集获得。采集的数据需要经过数据预处理、数据清洗、数据融合等处理后才能供综合能源智慧管理系统监控预警使用。
综合能源智慧管理系统的原始数据不可避免地存在缺失、冗余、冲突、错漏、异常等问题。另外，综合能源智慧管理系统划分为多个子系统，各子系统间信息共享不充分，综合能源智慧管理系统数据分析、使用不充分，导致综合能源智慧管理系统运行能耗偏高。
如何修复综合能源智慧管理系统的原始监控数据的异常数据，并降低系统能耗是目前亟需解决的技术问题。
发明内容
本申请的目的在于提供一种综合能源智慧管理系统的数据处理方法，该方法修复综合能源智慧管理系统的原始监控数据的异常数据，并降低系统能耗。
为达到上述目的，本申请提供一种综合能源智慧管理系统的数据处理方法，该方法包括如下步骤：
通过多个数据采集终端采集综合能源智慧管理系统中各个设备的原始监控数据；
对原始监控数据中异常数据进行数据修复处理；
根据数据修复处理后的原始监控数据，获取能效评估指标数据；
根据能效评估指标数据，计算系统能效值；
比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化系统。
如上所述的综合能源智慧管理系统的数据处理方法，其中，对原始监控数据中异常数据进行数据修复处理的方法包括：
预先构建异常数据样本识别模型；
根据异常数据样本识别模型对原始监控数据中异常数据进行识别，获取异常数据信息；
根据异常数据信息，对识别的异常数据进行修复。
如上所述的综合能源智慧管理系统的数据处理方法，其中，预先构建异常数据样本识别模型的方法为：
获取异常数据训练样本集；
对异常数据训练样本集进行特征提取，获取异常特征数据集；
将异常特征数据集输入到卷积神经网格CNN模型中进行训练，获得异常数据样本识别模型。
如上所述的综合能源智慧管理系统的数据处理方法，其中，异常特征数据集包括多个异常数据特征，异常数据特征包括重复多余数据特征和缺失数据特征。
如上所述的综合能源智慧管理系统的数据处理方法，其中，异常数据信息包括异常数据的位置和异常数据种类；异常数据种类包括重复多余数据和缺失数据。
如上所述的综合能源智慧管理系统的数据处理方法，其中，根据异常数据信息，对识别的异常数据进行修复的方法包括：
根据异常数据的位置和异常数据种类，在对应位置处对重复多余数据进行剔除，保留其中一个数据；在对应位置处对缺失数据进行补充。
如上所述的综合能源智慧管理系统的数据处理方法，其中，该方法还包括：根据原始监控数据，获取被监测设备的运行指标数据，根据运行指标数据判断被监测设备是否存在异常。
如上所述的综合能源智慧管理系统的数据处理方法，其中，根据运行指标数据判断被监测设备是否存在异常的方法包括：比较被监测设备的运行指标数据是否超过对应预设阈值范围，若有任意一个运行指标数据超过对应预设阈值范围，则发出设备异常告警消息，否则，继续监测被监测设备。
本申请还提供一种综合能源智慧管理系统的数据处理系统，该系统包括：
数据采集终端，用于采集综合能源智慧管理系统中各个设备的原始监控数据；
中央管理器，数据采集终端与中央管理器通信连接；
中央管理器包括：
数据修复模块，用于对原始监控数据中异常数据进行数据修复处理；
数据获取模块，用于根据数据修复处理后的原始监控数据，获取能效评估指标数据；
数据处理器，用于根据能效评估指标数据，计算系统能效值；
数据比较器，用于比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化系统。
如上所述的综合能源智慧管理系统的数据处理系统，其中，所述数据采集终端包括多个，多个数据采集终端划分为多个集合，多个集合分别通过不同的总线数据传输通道向中央管理器传输数据。
本申请实现的有益效果如下：
（1）本申请对综合能源智慧管理系统的原始监控数据的异常数据进行识别和修复，从而避免原始监控数据存在缺失、冗余、冲突、错漏、异常等问题。
（2）本申请根据原始监控数据，获取能效评估指标数据，根据能效评估指标数据，计算系统能效值，比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则综合能源智慧管理系统进行优化，否则，无需优化，从而降低系统能耗。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种综合能源智慧管理系统的数据处理方法流程图。
图2为本申请实施例的对原始监控数据的修复方法流程图。
图3为本申请实施例的一种综合能源智慧管理系统的数据处理系统的结构示意图。
附图标记：10-数据采集终端；20-中央管理器；21-数据修复模块；22-数据获取模块；23-数据处理器；24-数据比较器；25-数据存储器；100-综合能源智慧管理系统的数据处理系统。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例一
如图1所示，本申请提供一种综合能源智慧管理系统的数据处理方法，该方法包括如下步骤：
步骤S1，通过多个数据采集终端采集综合能源智慧管理系统中各个设备的原始监控数据。
具体的，数据采集终端可以是流量计、压力传感器、温度传感器、功率传感器、水位传感器、电量检测传感器、光电传感器和转速测量模块。其中，原始监控数据包括供能设备的运行状态、用电站电的用电数据。
其中，综合能源智慧管理系统中的设备包括：发电设备、分布式电源、储能系统、能量转换装置、电动汽车充电设备以及监控保护装置等。
通过数据采集终端采集原始监控数据，并将采集的数据传输给中央管理器。
具体的，将多个数据采集终端划分为多个集合，多个集合分别通过不同的总线数据传输通道向中央管理器传输数据，多个集合中的数据采集终端通过支路信道与总线数据传输通道通信连接，将采集的数据通过支路信道传输至总线数据传输通道，然后传输至中央管理器。其中，每个集合内可以包括相同类型的数据采集终端或不同类型的数据采集终端。
作为本发明的一个具体实施例，获取每个总线数据传输通道的待传输的数据包大小，并根据待传输的数据包大小，计算每个总线数据传输通道的预测数据传输时间。将预测数据传输时间较长的总线数据传输通道对应的部分数据采集终端转换为通过预测数据传输时间较短的总线数据传输通道进行数据传输，以优化多个总线数据传输通道的数据传输时间,使得多个总线数据传输通道的数据传输时间相差较小或符合预设阈值。
其中，每个总线数据传输通道的预测数据传输时间的计算方法如下：
Figure 478939DEST_PATH_IMAGE001
；
Figure 751657DEST_PATH_IMAGE002
；
其中，
Figure 369720DEST_PATH_IMAGE003
表示第
Figure 577848DEST_PATH_IMAGE004
个总线数据传输通道的预测数据传输时间；
Figure 422307DEST_PATH_IMAGE005
表示第
Figure 108503DEST_PATH_IMAGE006
个总线数据传输通道对多个数据采集终端响应时间中的最小响应时间，响应时间即从数据采集终端发出数据开始到总线数据传输通道能够接收到数据采集终端采集的数据的时长；
Figure 846652DEST_PATH_IMAGE007
表示数据采集终端的总个数；
Figure 960101DEST_PATH_IMAGE008
表示第
Figure 777010DEST_PATH_IMAGE009
个总线数据传输通道的带宽；
Figure 266897DEST_PATH_IMAGE010
表示第
Figure 859553DEST_PATH_IMAGE011
个数据采集终端传输的数据包的大小（即数据量大小）；
Figure 409483DEST_PATH_IMAGE012
表示除最小响应时间外其他数据采集终端的响应空档时间，响应空档时间内总线数据传输通道没有传输任何数据采集终端的数据；
Figure 962955DEST_PATH_IMAGE013
表示第
Figure 990954DEST_PATH_IMAGE009
个总线数据传输通道对第
Figure 438116DEST_PATH_IMAGE011
个数据采集终端的响应时间;
Figure 158947DEST_PATH_IMAGE014
表示参数。例如，响应时间为1s，表示数据采集终端发出采集的数据后，数据采集终端等待1s后，其需要传输的数据从总线数据传输通道传输。优选的，按照响应时间的依次增大，多个数据采集终端的响应时间依次为：
Figure 448983DEST_PATH_IMAGE015
、
Figure 280673DEST_PATH_IMAGE016
、
Figure 582341DEST_PATH_IMAGE017
、......、
Figure 474074DEST_PATH_IMAGE013
、......、
Figure 861193DEST_PATH_IMAGE018
，对多个数据采集终端进行排序。
作为本发明的另一个具体实施例，在一次原始监控数据通过多个总线数据传输通道传输完成后，获取每个总线数据传输通道的数据传输时间。将数据传输时间较长的总线数据传输通道对应的集合中的部分数据采集终端划分到数据传输时间较短的数据总线数据传输通道对应的集合中，即将数据传输时间较长的总线数据传输通道对应的部分数据采集终端转换为通过数据传输时间较短的数据总线数据传输通道进行数据传输，以优化多个总线数据传输通道的数据传输时间，使得多个总线数据传输通道的数据传输时间相差较小。
作为本发明的一个具体实施例，根据原始监控数据，获取需要被监测的设备的运行指标数据，根据运行指标数据监测设备是否存在异常。被监测设备例如光伏发电设备和风力发电设备。运行指标数据包括被监测设备的输出功率、输出电流、输出电压幅值等。比较被监测设备的运行指标数据是否超过预设阈值范围，若有任意一个运行指标数据超过对应预设阈值范围，则发出设备异常告警消息，否则，继续监测设备的运行情况。
步骤S2，对原始监控数据中异常数据进行数据修复处理。
具体的，对原始监控数据进行数据修复处理，对异常数据进行修复处理保证数据的有效性、一致性、完整性。
如图2所示，步骤S2包括如下子步骤：
步骤S210，预先构建异常数据样本识别模型。
具体的，预先构建异常数据样本修复模型的方法为：
步骤S211，获取异常数据训练样本集。
其中，异常数据训练样本集包括多个存在不同异常数据类型的原始监控数据。
步骤S212，对异常数据训练样本集进行特征提取，获取异常特征数据集A，A＝(A1，A2，...，Am)。
其中，异常特征数据集包括多个异常数据特征，异常数据特征包括重复多余数据特征和缺失数据特征。重复多余数据特征包括某一个时刻采集的某个设备的监控数据包括两个或多个。缺失数据特征包括某一时刻采集的某个设备的监控数据缺失。
步骤S213，将异常特征数据集输入到卷积神经网格CNN模型中进行训练，获得异常数据样本识别模型。
其中，卷积神经网格CNN模型包括卷积层、池化层、全连接层。采用ReLU函数作为激活函数，池化层采用最大池化处理。
具体的，异常数据样本识别模型用于对原始监控数据中异常数据进行识别，获得异常数据类型。异常数据类型包括重复多余数据、缺失数据。
步骤S220，根据异常数据样本识别模型对原始监控数据中异常数据进行识别，获取异常数据信息。
根据常数据样本识别模型对原始监控数据识别，获取异常数据信息，异常数据信息包括异常数据来源设备、异常数据种类或异常数据的位置等，从而根据异常数据信息为原始监控数据匹配对应的修复方案，从而对原始监控数据中异常数据进行修复。
步骤S230，根据异常数据信息，对识别的异常数据进行修复。
具体的，异常数据进行修复的方法包括：根据异常数据的位置，在对应位置处对于重复多余数据进行剔除，保留其中一个数据，重复多余数据指的是某一个时刻采集的设备的监控数据包括两个或多个。根据异常数据的位置，在对应位置处对缺失数据进行补充，缺失数据指的是某一时刻采集的设备的监控数据缺失，对缺失的数据进行补充的值采用该时刻相邻两时刻（前一时刻和后一时刻）采集的监控数据的平均值进行补充。
步骤S3，根据数据修复处理后的原始监控数据，获取能效评估指标数据。
具体的，对原始监控数据进行提取，获取能效评估指标数据，能效评估指标数据包括发电设备总发电量、用户总用电量、配电变压器低压侧总电量、配电变压器低压侧末端用户电表电量、热力入口处的供热量和热力入口处热源输出总热量。
步骤S4，根据能效评估指标数据，计算系统能效值。
其中，计算系统能效值的公式为：
Figure 106360DEST_PATH_IMAGE019
；
其中，
Figure 528114DEST_PATH_IMAGE020
表示系统能效值；
Figure 590748DEST_PATH_IMAGE021
表示发电设备发电量占比权重；
Figure 465163DEST_PATH_IMAGE022
表示发电设备总发电量；
Figure 527404DEST_PATH_IMAGE023
表示用户总用电量；
Figure 803664DEST_PATH_IMAGE024
表示配电变压器线损率影响权重；
Figure 37200DEST_PATH_IMAGE025
表示配电变压器低压侧总电量；
Figure 398911DEST_PATH_IMAGE026
表示配电变压器低压侧末端用户电表电量；
Figure 985881DEST_PATH_IMAGE027
表示管线热损率影响权重；
Figure 382227DEST_PATH_IMAGE028
表示热力入口处热源输出总热量；
Figure 786664DEST_PATH_IMAGE029
表示热力入口处的供热量。
步骤S5，比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化综合能源智慧管理系统。
对系统进行优化方法包括：对配电变压器进行检修，查看配电电压器的漏电情况，降低配电变压器线损率。对管道保温情况进行检查，通过保温措施，降低管线热损率，以进一步提高能源系统综合能效。
作为本发明的另一个具体实施例，设置用户支路能耗预警，若用户能耗超过阈值，则对该用户的支路进行报警或向用户推送能耗超限消息。
步骤S6，将获取的能效评估指标数据和计算的系统能效值进行存储记录。
实施例二
如图3所示，本申请提供一种综合能源智慧管理系统的数据处理系统100，该系统包括：
数据采集终端10，用于采集综合能源智慧管理系统中各个设备的原始监控数据；
中央管理器20，数据采集终端10与中央管理器20通信连接。
中央管理器20包括：
数据修复模块21，用于对原始监控数据中异常数据进行数据修复处理；
数据获取模块22，用于根据数据修复处理后的原始监控数据，获取能效评估指标数据；
数据处理器23，用于根据能效评估指标数据，计算系统能效值；
数据比较器24，用于比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化系统。
数据存储器25，用于将获取的能效评估指标数据和计算的系统能效值进行存储记录。
数据采集终端10包括多个，多个数据采集终端10划分为多个集合，多个集合分别通过不同的总线数据传输通道向中央管理器20传输数据。
其中，计算系统能效值的公式为：
Figure 635671DEST_PATH_IMAGE030
；
其中，
Figure 275600DEST_PATH_IMAGE031
表示系统能效值；
Figure 526453DEST_PATH_IMAGE032
表示发电设备发电量占比权重；
Figure 101791DEST_PATH_IMAGE033
表示发电设备总发电量；
Figure 579039DEST_PATH_IMAGE034
表示用户总用电量；
Figure 898025DEST_PATH_IMAGE035
表示配电变压器线损率影响权重；
Figure 3385DEST_PATH_IMAGE036
表示配电变压器低压侧总电量；
Figure 749624DEST_PATH_IMAGE037
表示配电变压器低压侧末端用户电表电量；
Figure 42065DEST_PATH_IMAGE038
表示管线热损率影响权重；
Figure 56419DEST_PATH_IMAGE039
表示热力入口处热源输出总热量；
Figure 16285DEST_PATH_IMAGE040
表示热力入口处的供热量。
本申请实现的有益效果如下：
（1）本申请对综合能源智慧管理系统的原始监控数据的异常数据进行识别和修复，从而避免原始监控数据存在缺失、冗余、冲突、错漏、异常等问题。
（2）本申请根据原始监控数据，获取能效评估指标数据，根据能效评估指标数据，计算系统能效值，比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则综合能源智慧管理系统进行优化，否则，无需优化，从而降低系统能耗。
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (10)

1.一种综合能源智慧管理系统的数据处理方法，其特征在于，该方法包括如下步骤：
采集综合能源智慧管理系统中各个设备的原始监控数据；
对原始监控数据中异常数据进行数据修复处理；
根据数据修复处理后的原始监控数据，获取能效评估指标数据；
根据能效评估指标数据，计算系统能效值；
比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化综合能源智慧管理系统。
2.根据权利要求1所述的综合能源智慧管理系统的数据处理方法，其特征在于，对原始监控数据中异常数据进行数据修复处理的方法包括：
预先构建异常数据样本识别模型；
根据异常数据样本识别模型对原始监控数据中异常数据进行识别，获取异常数据信息；
根据异常数据信息，对识别的异常数据进行修复。
3.根据权利要求2所述的综合能源智慧管理系统的数据处理方法，其特征在于，预先构建异常数据样本识别模型的方法为：
获取异常数据训练样本集；
对异常数据训练样本集进行特征提取，获取异常特征数据集；
将异常特征数据集输入到卷积神经网格CNN模型中进行训练，获得异常数据样本识别模型。
4.根据权利要求3所述的综合能源智慧管理系统的数据处理方法，其特征在于，异常特征数据集包括多个异常数据特征，异常数据特征包括重复多余数据特征和缺失数据特征。
5.根据权利要求2所述的综合能源智慧管理系统的数据处理方法，其特征在于，异常数据信息包括异常数据的位置和异常数据种类；异常数据种类包括重复多余数据和缺失数据。
6.根据权利要求5所述的综合能源智慧管理系统的数据处理方法，其特征在于，根据异常数据信息，对识别的异常数据进行修复的方法包括：
根据异常数据的位置和异常数据种类，对重复多余数据进行剔除，并保留其中一个数据；以及对缺失数据进行补充。
7.根据权利要求1所述的综合能源智慧管理系统的数据处理方法，其特征在于，该方法还包括：
根据原始监控数据，获取被监测设备的运行指标数据；
根据运行指标数据，判断被监测设备是否存在异常。
8.根据权利要求7所述的综合能源智慧管理系统的数据处理方法，其特征在于，根据运行指标数据，判断被监测设备是否存在异常的方法包括：
比较被监测设备的运行指标数据是否超过对应预设阈值范围，若有任意一个运行指标数据超过对应预设阈值范围，则发出设备异常告警消息，否则，继续监测被监测设备。
9.一种综合能源智慧管理系统的数据处理系统，其特征在于，该系统包括：
数据采集终端，用于采集综合能源智慧管理系统中各个设备的原始监控数据；
中央管理器，数据采集终端与中央管理器通信连接；
中央管理器包括：
数据修复模块，用于对原始监控数据中异常数据进行数据修复处理；
数据获取模块，用于根据数据修复处理后的原始监控数据，获取能效评估指标数据；
数据处理器，用于根据能效评估指标数据，计算系统能效值；
数据比较器，用于比较系统能效值与预设阈值的大小，若系统能效值小于预设阈值，则对综合能源智慧管理系统进行优化，否则，无需优化综合能源智慧管理系统。
10.根据权利要求9所述的综合能源智慧管理系统的数据处理系统，其特征在于，所述数据采集终端包括多个，多个数据采集终端通过不同的总线数据传输通道向中央管理器传输数据。
CN202211652890.5A 2022-12-22 2022-12-22 一种综合能源智慧管理系统的数据处理方法及系统 Active CN115630755B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211652890.5A CN115630755B (zh) 2022-12-22 2022-12-22 一种综合能源智慧管理系统的数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211652890.5A CN115630755B (zh) 2022-12-22 2022-12-22 一种综合能源智慧管理系统的数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN115630755A true CN115630755A (zh) 2023-01-20
CN115630755B CN115630755B (zh) 2023-05-30

Family

ID=84911145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211652890.5A Active CN115630755B (zh) 2022-12-22 2022-12-22 一种综合能源智慧管理系统的数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN115630755B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116155618A (zh) * 2023-04-04 2023-05-23 天云融创数据科技（北京）有限公司 基于大数据和人工智能的数据维护方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020193947A1 (en) * 2001-06-05 2002-12-19 Geo-X Systems, Ltd. Seismic data acquisition system
CN106709816A (zh) * 2016-11-29 2017-05-24 国网陕西省电力公司电力科学研究院 基于非参数回归分析的电力负荷异常数据识别与修正方法
CN110390301A (zh) * 2019-07-24 2019-10-29 厦门理工学院 一种从海量历史谐波数据中查找异常数据的智能识别方法
CN114358152A (zh) * 2021-12-21 2022-04-15 国网江苏省电力有限公司苏州供电分公司 一种智能电力数据异常检测方法及系统
US11487273B1 (en) * 2021-04-30 2022-11-01 Dalian University Of Technology Distributed industrial energy operation optimization platform automatically constructing intelligent models and algorithms
CN115310693A (zh) * 2022-08-03 2022-11-08 中国电力科学研究院有限公司 一种综合能源数据清洗方法、系统、设备和介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020193947A1 (en) * 2001-06-05 2002-12-19 Geo-X Systems, Ltd. Seismic data acquisition system
CN106709816A (zh) * 2016-11-29 2017-05-24 国网陕西省电力公司电力科学研究院 基于非参数回归分析的电力负荷异常数据识别与修正方法
CN110390301A (zh) * 2019-07-24 2019-10-29 厦门理工学院 一种从海量历史谐波数据中查找异常数据的智能识别方法
US11487273B1 (en) * 2021-04-30 2022-11-01 Dalian University Of Technology Distributed industrial energy operation optimization platform automatically constructing intelligent models and algorithms
CN114358152A (zh) * 2021-12-21 2022-04-15 国网江苏省电力有限公司苏州供电分公司 一种智能电力数据异常检测方法及系统
CN115310693A (zh) * 2022-08-03 2022-11-08 中国电力科学研究院有限公司 一种综合能源数据清洗方法、系统、设备和介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
姚凌云;霍彦军;: "基于多源异构数据的工业能源管理系统" *
张秀梅;王海东;罗永强;赵涵;胡翰智;: "人工智能在智慧能源管理中的应用研究" *
李彦豪 等: "基于深度学习的 智能配电网运维策略研究" *
李彦豪;: "基于深度学习的智能配电网运维策略研究" *
黄福兴;周广山;郑宽昀;冯泽佳;袁培森;: "基于灰度模型的电能量异常数据修复研究" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116155618A (zh) * 2023-04-04 2023-05-23 天云融创数据科技（北京）有限公司 基于大数据和人工智能的数据维护方法及系统
CN116155618B (zh) * 2023-04-04 2023-06-23 天云融创数据科技（北京）有限公司 基于大数据和人工智能的数据维护方法及系统

Also Published As

Publication number Publication date
CN115630755B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN115630755B (zh) 一种综合能源智慧管理系统的数据处理方法及系统
CN107122879A (zh) 一种基于大数据与设备状态异常跟踪的电网状态检修方法
CN116937575A (zh) 一种网格系统用的能源监控管理系统
CN111612279A (zh) 一种基于边缘计算的电网状态预测方法及预测系统
CN116308304B (zh) 基于元学习概念漂移检测的新能源智慧运维方法及系统
CN113541317B (zh) 一种海量充电桩实时远程监控方法
CN107526044A (zh) 一种通信蓄电池遥测数据采集监控方法及系统
CN114689965A (zh) 基于嵌入式智能传感器的电力设备在线监测方法及系统
CN115622054A (zh) 一种能源系统的运行监控方法及系统
CN115395643A (zh) 基于全数据采集和状态感知的低压配电网故障预警定位装置及系统
CN111884585A (zh) 一种光伏发电智能储能系统
CN108681625A (zh) 基于大数据技术的变压器短期过载能力智能评估系统
CN117169761A (zh) 电池状态评估方法、装置、设备、存储介质和程序产品
CN107482767A (zh) 一种分布式测定线损及监控电网的设备与方法
CN114705251B (zh) 一种制氢电解槽状态监测装置及方法
CN115908082A (zh) 基于用电特征指标的企业排污监控方法及装置
CN116305741A (zh) 一种用于电力设备数字孪生模型的更新方法及装置
CN113759798A (zh) 能源监测系统
CN110837932A (zh) 基于dbn-ga模型的太阳能集热系统热功率预测方法
CN116937631B (zh) 一种基于数据处理的电能存储管理系统
CN117973708B (zh) 一种基于绿色能源的分布式算网智能管控系统
CN116845985B (zh) 一种基于数据分析的源网荷储协同调度系统
CN117254505B (zh) 基于数据处理的储能电站优化运行模式决策方法及系统
Qin et al. Cnn-gru-attention based short-term load forecasting of distribution networks
CN112215397A (zh) 一种基于大数据的风电机组智能管理方法、系统及存储介质

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
GR01 Patent grant
GR01 Patent grant