CN115689095A - 设备能耗分析方法、装置、生产系统及存储介质 - Google Patents

设备能耗分析方法、装置、生产系统及存储介质 Download PDF

Info

Publication number
CN115689095A
CN115689095A CN202211713650.1A CN202211713650A CN115689095A CN 115689095 A CN115689095 A CN 115689095A CN 202211713650 A CN202211713650 A CN 202211713650A CN 115689095 A CN115689095 A CN 115689095A
Authority
CN
China
Prior art keywords
energy consumption
parameter data
equipment
data set
actual
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
CN202211713650.1A
Other languages
English (en)
Other versions
CN115689095B (zh
Inventor
张雅茹
苏明
李海军
田楠
李春雨
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.)
Midea Group Co Ltd
GD Midea Air Conditioning Equipment Co Ltd
Original Assignee
Midea Group Co Ltd
GD Midea Air Conditioning Equipment 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 Midea Group Co Ltd, GD Midea Air Conditioning Equipment Co Ltd filed Critical Midea Group Co Ltd
Priority to CN202211713650.1A priority Critical patent/CN115689095B/zh
Publication of CN115689095A publication Critical patent/CN115689095A/zh
Application granted granted Critical
Publication of CN115689095B publication Critical patent/CN115689095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种设备能耗分析方法、装置、生产系统及存储介质,涉及生产管理技术领域,该设备能耗分析方法包括:获取多组生产设备在多种实际工况下的实际参数数据组;根据实际参数数据组,得到设备特征值;根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值;根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图;以及根据实际参数数据组和能耗曲线图,输出能耗分析结果。本申请提供的设备能耗分析方法、装置、生产系统及存储介质,其可以得到应用范围较大,准确度较高的能耗曲线,便于根据能耗曲线准确掌握生产设备的运行情况。

Description

设备能耗分析方法、装置、生产系统及存储介质
技术领域
本申请涉及生产管理技术领域,具体涉及一种设备能耗分析方法、装置、生产系统及存储介质。
背景技术
目前,注塑机的能耗曲线可以反应注塑机的运行情况,掌握准确的能耗曲线,就能够准确地分析注塑机的工作运行情况。现有技术中,将注塑机置于特定的实验环境中,收集注塑机连续加工的生产数据,根据这些生产数据可以得到注塑机的能耗曲线,但是,这样得到的能耗曲线的应用范围较小,无法准确地反映注塑机的实际能耗情况,也就无法准确掌握注塑机的运行情况。
发明内容
为了解决上述技术问题,本申请的实施例提供了一种设备能耗分析方法、装置、生产系统及存储介质,其可以得到应用范围较大,准确度较高的能耗曲线,便于根据能耗曲线准确掌握生产设备的运行情况。
根据本申请的一个方面,提供了一种设备能耗分析方法,包括:
获取多组生产设备在多种实际工况下的实际参数数据组;
根据所述实际参数数据组,得到设备特征值;其中,所述设备特征值表征所述生产设备的设备利用率;
根据所述设备特征值和所述实际参数数据组,得到每组所述生产设备生产单件指定产品的标准单件能耗值;
根据所述设备特征值和所述标准单件能耗值,得到每组所述生产设备的能耗曲线图;其中,所述能耗曲线图表征所述设备利用率与所述标准单件能耗值之间的关系;以及
根据所述实际参数数据组和所述能耗曲线图,输出能耗分析结果。
根据本申请的一个方面,所述根据所述实际参数数据组,得到设备特征值包括:
对所述实际参数数据组以单位时间段进行聚类计算,得到每个所述单位时间段的聚类计算结果;以及
根据每个所述单位时间段的聚类计算结果,计算得到所述设备特征值。
根据本申请的一个方面,所述根据所述设备特征值和所述实际参数数据组,得到每组所述生产设备生产单件指定产品的标准单件能耗值包括:
依据所述实际参数数据组进行模型训练,得到临界参数;
从所述实际参数数据组中筛选出样本数据组;其中,所述样本数据组表征所述实际参数数据组中满足对应所述设备特征值大于所述临界参数要求的数据组;以及
根据所述样本数据组,计算得到所述标准单件能耗值。
根据本申请的一个方面,所述根据所述样本数据组,计算得到所述标准单件能耗值包括:
依据所述样本数据组进行模型训练;
计算得到训练后的所述样本数据组的置信区间;其中,所述置信区间表征所述样本数据组所包括的能耗参数的估计区间;以及
根据所述置信区间,计算得到与所述置信区间对应时间段内的所述标准单件能耗值。
根据本申请的一个方面,所述获取多组生产设备在多种实际工况下的实际参数数据组包括:
获取多组所述生产设备在多种实际工况下的原始参数数据组;
对所述原始参数数据组进行预处理,以从所述原始参数数据组中剔除错误数据;
获取多组所述生产设备在多种实际工况下的能耗数据信息;以及
将剔除所述错误数据之后的原始参数数据组以及所述能耗数据信息作为所述实际参数数据组。
根据本申请的一个方面,所述对所述原始参数数据组进行预处理,以从所述原始参数数据组中剔除错误数据包括:
获取标准参数数据组;以及
比对所述标准参数数据组和所述原始参数数据组,若所述原始参数数据组中存在第一部分数据与所述标准参数数据组中的对应数据差值超过预定范围,则剔除所述第一部分数据。
根据本申请的一个方面,所述对所述原始参数数据组进行预处理,以从所述原始参数数据组中剔除错误数据包括:
若所述原始参数数据组中存在第二部分数据不满足停机换模要求,则剔除所述第二部分数据;其中,所述停机换模要求表征更换生产产品后所述第二部分数据发生变化的特征要求;或者未更换所述生产产品时,所述第二部分数据保持一致不变的特征要求。
根据本申请的一个方面,所述将剔除所述错误数据之后的原始参数数据组以及所述能耗数据信息作为所述实际参数数据组包括:
组合不同时间节点对应的剔除所述错误数据之后的所述原始参数数据组和所述能耗数据信息,得到不同时间节点的所述实际参数数据组。
根据本申请的一个方面,所述根据所述实际参数数据组和所述能耗曲线图,输出能耗分析结果包括:
根据所述实际参数数据组,得到当前实际生产产品的实际单件能耗值;
根据所述能耗曲线图,得到在当前实际设备利用率下的标准单件能耗值;
计算得到所述实际单件能耗值和所述标准单件能耗值之间的能耗差值;
根据多个时间段的能耗差值,计算得到所述多个时间段内所述能耗差值的能耗平均值和能耗波动值;以及
根据所述能耗平均值和所述能耗波动值,输出所述能耗分析结果。
根据本申请的另一个方面,还提供了一种设备能耗分析装置,包括:
第一获取模块,配置为获取多组生产设备在多种实际工况下的实际参数数据组;
第一计算模块,配置为根据所述实际参数数据组,得到设备特征值;其中,所述设备特征值表征所述生产设备的设备利用率;
第二计算模块,配置为根据所述设备特征值和所述实际参数数据组,得到每组所述生产设备生产单件指定产品的标准单件能耗值;
第一生成模块,配置为根据所述设备特征值和所述标准单件能耗值,得到每组所述生产设备的能耗曲线图;其中,所述能耗曲线图表征所述设备利用率与所述标准单件能耗值之间的关系;以及
第一分析模块,配置为根据所述实际参数数据组和所述能耗曲线图,输出能耗分析结果。
根据本申请的另一个方面,还提供了一种生产系统,包括:
多组生产设备;以及
电子设备,通讯连接多组所述生产设备,所述电子设备配置为执行如前所述的设备能耗分析方法。
根据本申请的另一个方面,还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序配置为执行如前所述的设备能耗分析方法。
本申请实施例提供的设备能耗分析方法、装置、生产系统及存储介质,其通过获取多组生产设备在多种实际工况下的实际参数数据组,然后根据实际参数数据组,得到设备特征值,然后根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值,然后根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图,然后根据实际参数数据组和能耗曲线图,输出能耗分析结果;第一方面,由于设备利用率越大,生产设备的实际生产能力越接近设备的理论产能,通过设备利用率和能耗曲线得到的标准单件能耗值越能够准确地反映生产设备的能耗情况,因此,能耗曲线图可以准确地反映生产设备的能耗情况;第二方面,由于设备特征值和标准单件能耗值是通过不同实际工况下的实际参数数据组计算得到,这样,表征设备特征值和标准单件能耗值之间关系的能耗曲线图可以反映每组生产设备在不同实际工况下的能耗情况,因此,该能耗曲线图的应用范围较大,便于根据能耗曲线图准确掌握不同实际工况下的生产设备的运行情况;第三方面,由于每组生产设备的实际参数数据组在生产设备持续生产的过程中,可以实时更新,那么根据实际参数数据组计算得到的设备特征值和标准单件能耗值也可以实时更新,因此,实时更新的能耗曲线图可以反映生产设备的实时能耗情况,有利于更加准确地分析生产设备的实时运行情况。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1为本申请一示例性实施例提供的设备能耗分析方法的流程示意图。
图2为本申请一示例性实施例提供的根据实际参数数据组,得到设备特征值的流程示意图。
图3为本申请一示例性实施例提供的根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值的流程示意图。
图4为本申请一示例性实施例提供的根据样本数据组,计算得到标准单件能耗值的流程示意图。
图5为本申请一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。
图6为本申请另一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。
图7为本申请另一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。
图8为本申请另一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。
图9为本申请一示例性实施例提供的根据实际参数数据组和能耗曲线图,输出能耗分析结果的流程示意图。
图10为本申请一示例性实施例提供的设备能耗分析装置的结构框图。
图11为本申请另一示例性实施例提供的设备能耗分析装置的结构框图。
图12为本申请一示例性实施例提供的生产系统的结构框图。
图13为本申请一示例性实施例提供的电子设备的结构框图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
目前,为了降低注塑机的能耗,提高注塑机的生产效率,通常通过注塑机的能耗曲线,对注塑机的能耗进行分析,根据分析结果进行针对性的改进,从而达到降低能耗,提高生产效率的作用。现有技术中,通常将注塑机置于特定的实验环境中,然后通过收集注塑机在实验过程中的生产数据,得到注塑机在特定实验环境中的能耗曲线,这样得到的能耗曲线仅能应用于特定的实验环境中,无法准确地反映在不同实际工作环境中进行生产工作的注塑机的实际能耗情况,因此根据实验环境中得到的能耗曲线,无法对注塑机的能耗情况和运行情况进行准确分析。
为此,本申请实施例提供了一种设备能耗分析方法、装置、生产系统及存储介质,其可以得到应用范围较大,准确度较高的能耗曲线,便于根据能耗曲线准确掌握生产设备的运行情况。下面对设备能耗分析方法、装置、生产系统及存储介质进行详细介绍。
图1为本申请一示例性实施例提供的设备能耗分析方法的流程示意图。如图1所示,本申请实施例提供的设备能耗分析方法可以包括:
S210:获取多组生产设备在多种实际工况下的实际参数数据组。
在一实施例中,生产设备可以包括注塑机、冲压机、切割机等。
在一实施例中,生产设备可以包括注塑机与模具的组合设备、冲压机与模具的组合设备等。本申请实施例以生产设备为注塑机与模具的组合设备的情况进行介绍,不同组的生产设备可以理解为同一种注塑机与不同类型的模具组合形成不同的生产设备,也可以理解为同一种模具与不同类型的注塑机组合形成不同的生产设备。
在一实施例中,多种实际工况可以包括不同环境湿度、不同环境温度、生产不同产品等实际生产工况。
在一实施例中,实际参数数据组可以包括生产设备的型号、生产设备的工艺参数、设备运行时长、生产指定产品时长、实际能耗数据、生产设备暖机时长、生产设备运行周期等。
S220:根据实际参数数据组,得到设备特征值。
具体地,设备特征值可以表征生产设备的设备利用率,可以通过实际参数数据组中与生产设备的运行时长、生产设备暖机时长、生产作业总时长等时长相关的参数,计算得到设备特征值。
在一实施例中,设备特征值与设备利用率之间可以相互转换,设备特征值与设备利用率呈正相关的关系,设备特征值越大,设备利用率也就越大;设备特征值越小,设备利用率也就越小。
S230:根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值。
需要说明的是,标准单件能耗值可以理解为每组生产设备在理想状态下,生产单件指定产品的能耗值。应当理解的是,指定产品的类型发生改变后,标准单件能耗值也会对应发生变化。
具体地,根据设备特征值和实际参数数据组中生产指定产品的总时长、生产指定产品的数量、生产指定产品所用总时长等相关参数,可以计算得到每组生产设备生产单件指定产品的标准单件能耗值。
S240:根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图。
具体地,能耗曲线图可以表征设备利用率与标准单件能耗值之间的关系。在执行步骤S230之后,可以得到设备特征值与标准单件能耗值之间的对应关系,设备特征值可以表征设备利用率,这样可以得到表征设备利用率与标准单件能耗值之间的能耗曲线图。
需要说明的是,设备利用率可以理解为生产设备实际生产能力相对于理论产能的比率,设备利用率越大,生产设备的实际生产能力越接近生产设备的理论产能,这样通过设备特征值得到的标准单件能耗值越能够准确地反映生产设备的能耗情况,因此,通过步骤S240得到的每组生产设备的能耗曲线图,可以准确地反映生产设备的能耗情况,根据能耗曲线图也就可以对生产设备的运行情况有更加准确的了解。
需要说明的是,由于设备特征值和标准单件能耗值是通过不同实际工况下的实际参数数据组计算得到,这样,表征设备特征值和标准单件能耗值之间关系的能耗曲线图可以反映每组生产设备在不同实际工况下的能耗情况,因此,该能耗曲线图的应用范围较大,便于根据能耗曲线图准确掌握不同实际工况下的生产设备的运行情况。
需要说明的是,由于每组生产设备的实际参数数据组在生产设备持续生产的过程中,可以实时更新,那么根据实际参数数据组计算得到的设备特征值和标准单件能耗值也可以实时更新,因此,实时更新的能耗曲线图可以反映生产设备的实时能耗情况,有利于更加准确地分析生产设备的实时运行情况。
S250:根据实际参数数据组和能耗曲线图,输出能耗分析结果。
具体地,能耗分析结果可以包括通过生产设备的能耗请款,判定生产设备出现问题属于机理性问题还是管理性问题,可以给多组生产设备的排产作业提供有效的参考,后文对能耗分析结果进行详细介绍。
本申请实施例提供的设备能耗分析方法,其通过获取多组生产设备在多种实际工况下的实际参数数据组,然后根据实际参数数据组,得到设备特征值,然后根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值,然后根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图,然后根据实际参数数据组和能耗曲线图,输出能耗分析结果;第一方面,由于设备利用率越大,生产设备的实际生产能力越接近设备的理论产能,通过设备利用率和能耗曲线得到的标准单件能耗值越能够准确地反映生产设备的能耗情况,因此,能耗曲线图可以准确地反映生产设备的能耗情况;第二方面,由于设备特征值和标准单件能耗值是通过不同实际工况下的实际参数数据组计算得到,这样,表征设备特征值和标准单件能耗值之间关系的能耗曲线图可以反映每组生产设备在不同实际工况下的能耗情况,因此,该能耗曲线图的应用范围较大,便于根据能耗曲线图准确掌握不同实际工况下的生产设备的运行情况;第三方面,由于每组生产设备的实际参数数据组在生产设备持续生产的过程中,可以实时更新,那么根据实际参数数据组计算得到的设备特征值和标准单件能耗值也可以实时更新,因此,实时更新的能耗曲线图可以反映生产设备的实时能耗情况,有利于更加准确地分析生产设备的实时运行情况。
图2为本申请一示例性实施例提供的根据实际参数数据组,得到设备特征值的流程示意图。如图2所示,步骤S220可以包括:
S221:对实际参数数据组以单位时间段进行聚类计算,得到每个单位时间段的聚类计算结果。
S222:根据每个单位时间段的聚类计算结果,计算得到设备特征值。
具体地,通过对实际参数数据中的不同数据进行聚类计算后,可以更加准确地得到与设备利用率相关的参数数据,从而比较准确地得到每个时间段内的设备特征值。
在一实施例中,在得到每个单位时间段的设备特征值之后,可以对应得到每个时间段的能耗曲线图,从而可以确定不同时间段内生产设备的能耗情况。
应当理解的是,聚类计算方法在相关技术中均有记载,本申请实施例对聚类计算过程不作具体介绍。
图3为本申请一示例性实施例提供的根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值的流程示意图。如图3所示,步骤S230可以包括:
S231:依据实际参数数据组进行模型训练,得到临界参数。
在一实施例中,在对实际参数数据组进行模型训练时,可以将实际参数数据组分为训练集和测试集,然后利用训练集进行模型训练,利用测试集检测训练结果的准确度。
具体地,依据实际参数数据组进行模型训练后,可以得到较为准确的模型参数,从而可以确定能够准确地反映生产设备的实际生产产能情况的设备特征值的数值范围,而限定该数值范围的边界值即为临界参数。
在一实施例中,临界参数可以为80%、70%等。
S232:从实际参数数据组中筛选出样本数据组。
S233:根据样本数据组,计算得到标准单件能耗值。
需要说明的是,样本数据组可以理解为实际参数数据组中满足对应设备特征值大于临界参数的数据组。以临界参数为80%为例,在实际参数据中,存在目标部分数据,通过该目标部分数据计算得到的设备特征值大于80%,那么可以将该目标部分数据作为样本数据组。
应当理解的是,筛选出的样本数据组对应计算得到的设备特征值较大,样本数据组可以更加准确地反映生产设备的实际生产产能情况,因此,根据样本数据组,计算得到的标准单件能耗值更加准确,有利于后续得到更加准确的能耗曲线图。
图4为本申请一示例性实施例提供的根据样本数据组,计算得到标准单件能耗值的流程示意图。如图4所示,步骤S233可以包括:
S2331:依据样本数据组进行模型训练。
在一实施例中,在对样本数据组进行模型训练时,可以将样本数据组分为训练集和测试集,然后利用训练集进行模型训练,利用测试集检测训练结果的准确度。
具体地,依据实际参数数据组进行模型训练后,可以得到较为准确的模型参数,并且可以提升样本数据组的样本量,使得后续根据样本数据得到的标准单件能耗值更加准确。
S2332:计算得到训练后的样本数据组的置信区间。
S2333:根据置信区间,计算得到与置信区间对应时间段内的标准单件能耗值。
具体地,置信区间可以理解为样本数据所包括的能耗参数的估计区间,计算得到置信区间后,可以在分布概率较大的区间中更加准确地计算得到置信区间对应时间段内的标准单件能耗值。
应当理解的是,置信区间的计算方法在相关技术中均有涉及,本申请对置信区间的具体过程不再赘述。
图5为本申请一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。如图5所示,步骤S210可以包括:
S211:获取多组生产设备在多种实际工况下的原始参数数据组。
S212:对原始参数数据组进行预处理,以从原始参数数据组中剔除错误数据。
需要说明的是,由于在采集数据时,可能存在误输入、采集设备故障等问题,导致原始参数数据组中存在部分错误数据,如果错误数据混杂在原始参数数据组中,会影响后续设备特征值和标准单件能耗值的计算准确度,因此,有必要将错误数据从原始参数数据组中剔除。
具体地,对原始参数数据组进行预处理后,可以对原始参数数据组进行准确的识别,剔除原始参数数据组中的错误数据。需要说明的是,具体的预处理方法后文进行详细叙述。
S213:获取多组生产设备在多种实际工况下的能耗数据信息。
具体地,可以通过检测多组生产设备在多种实际工况下的电费费率,得到多组生产设备在多种实际工况下的能耗数据信息。
S214:将剔除错误数据之后的原始参数数据组以及能耗数据信息作为实际参数数据组。
具体地,剔除错误数据之后的原始参数数据组中剩余的有效数据和能耗数据信息组合形成实际参数数据组,可以有效地提升实际参数数据组的数据准确度,并且组合形成的实际参数数据组既可以包括多组生产设备的生产数据,还可以包括多组生产设备的能耗数据信息。
图6为本申请另一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。如图6所示,步骤S212可以包括:
S2121:获取标准参数数据组。
具体地,可以从标准参数数据库中获取标准参数数据组,标准参数数据库中的数据是在历史生产过程中积累的多组生产设备的标准生产数据。
在一实施例中,标准参数数据组可以包括多组生产设备的生产指定产品的生产时长、暖机时间、更换模具时间、注塑机的型号、模具的信号、多组生产设备生产指定产品的能耗数据等。
S2122:比对标准参数数据组和原始参数数据组,若原始参数数据组中存在第一部分数据与标准参数数据组中的对应数据差值超过预定范围,则剔除第一部分数据。
具体地,若原始参数数据组中存在第一部分数据与标准参数数据组中的对应类型数据的差值超过预定范围,那么可以认为第一部分数据存在错误,那么可以将第一部分数据从原始参数数据组中剔除。
应当理解的是,预定范围可以根据实际情况和数据类型进行设定,本申请对预定范围不作具体限定。
图7为本申请另一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。如图7所示,步骤S212可以包括:
S2123:若原始参数数据组中存在第二部分数据不满足停机换模要求,则剔除第二部分数据。
在一实施例中,停机换模要求可以理解为更换生产产品后第二部分数据发生变化的特征要求。也就是说,如果在生产时更换了指定生产产品或者更换了模具种类,那么原始参数数据组中应当存在第二部分数据会发生变化,即第二部分数据应当满足停机换模特征。因此,在更换了生产产品的情况下,如果原始参数数据组中存在第二部分数据没有对应发生变化,不满足停止换模要求,那么可以认为第二部分数据出现错误,应当将第二部分数据剔除,提高原始参数数据组中剩余有效数据的准确性。
在一实施例中,停机换模要求可以理解为未更换生产产品时,第二部分数据保持一致不变的特征要求。也就是说,如果生产的过程中,指定生产产品没有发生变化,对应的模具类型没有更换,那么原始参数数据组应当存在第二部分数据保持一致不变。因此,在没有更换生产产品的情况下,如果原始参数数据组中存在第二部分数据发生了变化,不满足停止换模要求,那么可以认为第二部分数据出现错误,应当将第二部分数据剔除,提高原始参数数据组中剩余有效数据的准确性。
在一实施例中,可以依次执行步骤S2121、步骤S2122以及步骤S2123。
在一实施例中,可以仅执行步骤S2121和步骤S2122的剔除步骤;或者也可以仅执行步骤S2123的剔除步骤。
图8为本申请另一示例性实施例提供的获取多组生产设备在多种实际工况下的实际参数数据组的流程示意图。如图8所示,步骤S214可以包括:
S2141:组合不同时间节点对应的剔除错误数据之后的原始参数数据组和能耗数据信息,得到不同时间节点的实际参数数据组。
具体地,将剔除错误数据之后的原始参数数据组和能耗数据信息以时间节点为参考进行相互对应,简化数据,形成不同时间节点的实际参数数据组,这样可以方便统计不同时间段的实际参数数据组,从而方便后续对实际参数数据组以单位时间段进行聚类计算。
图9为本申请一示例性实施例提供的根据实际参数数据组和能耗曲线图,输出能耗分析结果的流程示意图。如图9所示,步骤S250可以包括:
S251:根据实际参数数据组,得到当前实际生产产品的实际单件能耗值。
具体地,可以通过实际参数数据组与生产设备在实际工况下生产当前产品的电费费率相关的参数计算得到当前实际生产产品的实际单件能耗值。
S252:根据能耗曲线图,得到在当前实际设备利用率下的标准单件能耗值。
具体地,如前所述,根据实际参数数据组可以计算得到当前的设备特征值,当前的设备特征值可以反应当前实际设备利用率,通过能耗曲线图,可以对应得到当前设备利用率下的标准单件能耗值。
S253:计算得到实际单件能耗值和标准单件能耗值之间的能耗差值。
S254:根据多个时间段的能耗差值,计算得到多个时间段内能耗差值的能耗平均值和能耗波动值。
具体地,在同一个时间段内,不同的时间节点对应的能耗差值不同,通过综合同一时间段内所有时间节点的能耗差值,可以计算得到每个时间段内能耗差值的能耗平均值,以及可以计算得到每个时间段内的能耗差值的能耗波动值。
S255:根据能耗平均值和能耗波动值,输出能耗分析结果。
在一实施例中,可以得到同一种模具在不同注塑机上的能耗平均值以及能耗波动值的变化情况,在此种情况下,如果同一种模具在不同注塑机上的能耗波动值均处于较稳定的情况,而能耗平均值均与对应的标准平均能耗值差距较大,那么可以认为该模具出现了机理性问题,即模具本身出现了问题,可以输出模具出现了机理性问题的能耗分析结果;如果同一种模具在不同注塑机上的能耗波动值处于波动幅度较大的情况,能耗平均值的变化幅度也较大,那么可以认为出现了管理性的问题,即由于设备管理的问题,注塑机和模具没有持续处于较佳的工作状态,导致能耗差别较大,可以输出生产设备出现了管理性问题的能耗分析结果。
在一实施例中,可以得到同一种注塑机与不同模具配合时的能耗平均值以及能耗波动值的变化情况,在此种情况下,如果同一种注塑机与不同模具配合时的能耗波动值均处于较稳定的情况,而能耗平均值均与对应的标准平均能耗值差距较大,那么可以认为该注塑机出现了机理性问题,即注塑机本身出现了问题,可以输出该注塑机出现了机理性问题的能耗分析结果;如果同一种注塑机与不同模具配合时的能耗波动值处于波动幅度较大的情况,能耗平均值的变化幅度也较大,那么可以认为出现了管理性的问题,即由于设备管理的问题,注塑机和模具没有持续处于较佳的工作状态,导致能耗差别较大,可以输出生产设备出现了管理性问题的能耗分析结果。
在一实施例中,可以得到同一组生产设备随时间变换的能耗波动曲线,输出的能耗分析结果可以包括同一组生产设备处于工作状态较佳(能耗较少)的时间段。
在一实施例中,可以得到同一种注塑机与不同模具配合时,能耗平均值的差别,输出的能耗结果可以包括能耗最低的注塑机与模具的组合。
图10为本申请一示例性实施例提供的设备能耗分析装置的结构框图。如图10所示,本申请实施例提供的设备能耗分析装置400可以包括:第一获取模块410,配置为获取多组生产设备在多种实际工况下的实际参数数据组;第一计算模块420,配置为根据实际参数数据组,得到设备特征值;其中,设备特征值表征生产设备的设备利用率;第二计算模块430,配置为根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值;第一生成模块440,配置为根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图;其中,能耗曲线图表征设备利用率与标准单件能耗值之间的关系;以及第一分析模块450,配置为根据实际参数数据组和能耗曲线图,输出能耗分析结果。
本申请实施例提供的设备能耗分析装置,其通过获取多组生产设备在多种实际工况下的实际参数数据组,然后根据实际参数数据组,得到设备特征值,然后根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值,然后根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图,然后根据实际参数数据组和能耗曲线图,输出能耗分析结果;第一方面,由于设备利用率越大,生产设备的实际生产能力越接近设备的理论产能,通过设备利用率和能耗曲线得到的标准单件能耗值越能够准确地反映生产设备的能耗情况,因此,能耗曲线图可以准确地反映生产设备的能耗情况;第二方面,由于设备特征值和标准单件能耗值是通过不同实际工况下的实际参数数据组计算得到,这样,表征设备特征值和标准单件能耗值之间关系的能耗曲线图可以反映每组生产设备在不同实际工况下的能耗情况,因此,该能耗曲线图的应用范围较大,便于根据能耗曲线图准确掌握不同实际工况下的生产设备的运行情况;第三方面,由于每组生产设备的实际参数数据组在生产设备持续生产的过程中,可以实时更新,那么根据实际参数数据组计算得到的设备特征值和标准单件能耗值也可以实时更新,因此,实时更新的能耗曲线图可以反映生产设备的实时能耗情况,有利于更加准确地分析生产设备的实时运行情况。
图11为本申请另一示例性实施例提供的设备能耗分析装置的结构框图。如图11所示,在一实施例中,第一计算模块420可以包括第三计算模块421,配置为对实际参数数据组以单位时间段进行聚类计算,得到每个单位时间段的聚类计算结果;第四计算模块422,配置为根据每个单位时间段的聚类计算结果,计算得到设备特征值。
如图11所示,在一实施例中,第二计算模块430可以包括第一训练模块431,配置为依据实际参数数据组进行模型训练,得到临界参数;筛选模块432,配置为从实际参数数据组中筛选出样本数据组;其中,样本数据组表征实际参数数据组中满足设备特征值大于临界参数要求的数据组;以及第五计算模块433,配置为根据样本数据组,计算得到标准单件能耗值。
如图11所示,在一实施例中,第五计算模块433可以包括第二训练模块4331,配置为依据样本数据组进行模型训练;第六计算模块4332,配置为计算得到训练后的样本数据组的置信区间;其中,置信区间表征样本数据组所包括的能耗参数的估计区间;以及第七计算模块4333,配置为根据置信区间,计算得到与置信区间对应时间段内的标准单件能耗值。
如图11所示,在一实施例中,第一获取模块410可以包括第二获取模块411,配置为获取多组生产设备在多种实际工况下的原始参数数据组;第一剔除模块412,配置为对原始参数数据组进行预处理,以从原始参数数据组中剔除错误数据;第三获取模块413,配置为获取多组生产设备在多种实际工况下的能耗数据信息;以及第四获取模块414,配置为将剔除错误数据之后的原始参数数据组以及能耗数据信息作为实际参数数据组。
如图11所示,在一实施例中,第一剔除模块412可以包括第五获取模块4121,配置为获取标准参数数据组;以及第二剔除模块4122,配置为比对标准参数数据组和原始参数数据组,若原始参数数据组中存在第一部分数据与标准参数数据组中的对应数据差值超过预定范围,则剔除第一部分数据。
如图11所示,在一实施例中,第一剔除模块412可以包括第三剔除模块4123,配置为若原始参数数据中存在第二部分数据不满足停机换模要求,则剔除第二部分数据;其中,停机换模要求表征更换生产产品后第二部分数据发生变化的特征要求;或者未更换生产产品时,第二部分数据保持一致不变的特征要求。
如图11所示,在一实施例中,第四获取模块414还可以配置为组合不同时间节点对应的剔除错误数据之后的原始参数数据组和能耗数据信息,得到不同时间节点的实际参数数据组。
如图11所示,在一实施例中,第一分析模块450可以包括第一选取模块451,配置为根据实际参数数据组,得到当前实际生产产品的实际单件能耗值;第二选取模块452,配置为根据能耗曲线图,得到在当前实际设备利用率下的标准单件能耗值;第八计算模块453,配置为计算得到实际单件能耗值和标准单件能耗值之间的能耗差值;第九计算模块454,配置为根据多个时间段的能耗差值,计算得到多个时间段内能耗差值的能耗平均值和能耗波动值;以及第二分析模块455,配置为根据能耗平均值和能耗波动值,输出能耗分析结果。
图12为本申请一示例性实施例提供的生产系统的结构框图。如图12所示,本申请实施例提供的生产系统600可以包括:多组生产设备610;以及电子设备620,通讯连接多组生产设备610,电子设备620配置为执行如前所述的设备能耗分析方法。
本申请实施例提供的生产系统,其通过获取多组生产设备在多种实际工况下的实际参数数据组,然后根据实际参数数据组,得到设备特征值,然后根据设备特征值和实际参数数据组,得到每组生产设备生产单件指定产品的标准单件能耗值,然后根据设备特征值和标准单件能耗值,得到每组生产设备的能耗曲线图,然后根据实际参数数据组和能耗曲线图,输出能耗分析结果;第一方面,由于设备利用率越大,生产设备的实际生产能力越接近设备的理论产能,通过设备利用率和能耗曲线得到的标准单件能耗值越能够准确地反映生产设备的能耗情况,因此,能耗曲线图可以准确地反映生产设备的能耗情况;第二方面,由于设备特征值和标准单件能耗值是通过不同实际工况下的实际参数数据组计算得到,这样,表征设备特征值和标准单件能耗值之间关系的能耗曲线图可以反映每组生产设备在不同实际工况下的能耗情况,因此,该能耗曲线图的应用范围较大,便于根据能耗曲线图准确掌握不同实际工况下的生产设备的运行情况;第三方面,由于每组生产设备的实际参数数据组在生产设备持续生产的过程中,可以实时更新,那么根据实际参数数据组计算得到的设备特征值和标准单件能耗值也可以实时更新,因此,实时更新的能耗曲线图可以反映生产设备的实时能耗情况,有利于更加准确地分析生产设备的实时运行情况。
图13为本申请一示例性实施例提供的电子设备的结构框图。该电子设备620可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
如图13所示,电子设备620包括一个或多个处理器621和存储器622。
处理器621可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备620中的其他组件以执行期望的功能。
存储器622可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器621可以运行所述程序指令,以实现上文所述的本申请的各个实施例的控制方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备620还可以包括:输入装置623和输出装置624,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
在该控制器是单机设备时,该输入装置623可以是通信网络连接器,用于从第一设备和第二设备接收所采集的输入信号。
此外,该输入装置623还可以包括例如键盘、鼠标等等。
该输出装置624可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置624可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图13中仅示出了该电子设备620中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备620还可以包括任何其他适当的组件。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (12)

1.一种设备能耗分析方法,其特征在于,包括:
获取多组生产设备在多种实际工况下的实际参数数据组;
根据所述实际参数数据组,得到设备特征值;其中,所述设备特征值表征所述生产设备的设备利用率;
根据所述设备特征值和所述实际参数数据组,得到每组所述生产设备生产单件指定产品的标准单件能耗值;
根据所述设备特征值和所述标准单件能耗值,得到每组所述生产设备的能耗曲线图;其中,所述能耗曲线图表征所述设备利用率与所述标准单件能耗值之间的关系;以及
根据所述实际参数数据组和所述能耗曲线图,输出能耗分析结果。
2.根据权利要求1所述的设备能耗分析方法,其特征在于,所述根据所述实际参数数据组,得到设备特征值包括:
对所述实际参数数据组以单位时间段进行聚类计算,得到每个所述单位时间段的聚类计算结果;以及
根据每个所述单位时间段的聚类计算结果,计算得到所述设备特征值。
3.根据权利要求1所述的设备能耗分析方法,其特征在于,所述根据所述设备特征值和所述实际参数数据组,得到每组所述生产设备生产单件指定产品的标准单件能耗值包括:
依据所述实际参数数据组进行模型训练,得到临界参数;
从所述实际参数数据组中筛选出样本数据组;其中,所述样本数据组表征所述实际参数数据组中满足对应所述设备特征值大于所述临界参数要求的数据组;以及
根据所述样本数据组,计算得到所述标准单件能耗值。
4.根据权利要求3所述的设备能耗分析方法,其特征在于,所述根据所述样本数据组,计算得到所述标准单件能耗值包括:
依据所述样本数据组进行模型训练;
计算得到训练后的所述样本数据组的置信区间;其中,所述置信区间表征所述样本数据组所包括的能耗参数的估计区间;以及
根据所述置信区间,计算得到与所述置信区间对应时间段内的所述标准单件能耗值。
5.根据权利要求1所述的设备能耗分析方法,其特征在于,所述获取多组生产设备在多种实际工况下的实际参数数据组包括:
获取多组所述生产设备在多种实际工况下的原始参数数据组;
对所述原始参数数据组进行预处理,以从所述原始参数数据组中剔除错误数据;
获取多组所述生产设备在多种实际工况下的能耗数据信息;以及
将剔除所述错误数据之后的原始参数数据组以及所述能耗数据信息作为所述实际参数数据组。
6.根据权利要求5所述的设备能耗分析方法,其特征在于,所述对所述原始参数数据组进行预处理,以从所述原始参数数据组中剔除错误数据包括:
获取标准参数数据组;以及
比对所述标准参数数据组和所述原始参数数据组,若所述原始参数数据组中存在第一部分数据与所述标准参数数据组中的对应数据差值超过预定范围,则剔除所述第一部分数据。
7.根据权利要求5所述的设备能耗分析方法,其特征在于,所述对所述原始参数数据组进行预处理,以从所述原始参数数据组中剔除错误数据包括:
若所述原始参数数据组中存在第二部分数据不满足停机换模要求,则剔除所述第二部分数据;其中,所述停机换模要求表征更换生产产品后所述第二部分数据发生变化的特征要求;或者未更换所述生产产品时,所述第二部分数据保持一致不变的特征要求。
8.根据权利要求5所述的设备能耗分析方法,其特征在于,所述将剔除所述错误数据之后的原始参数数据组以及所述能耗数据信息作为所述实际参数数据组包括:
组合不同时间节点对应的剔除所述错误数据之后的所述原始参数数据组和所述能耗数据信息,得到不同时间节点的所述实际参数数据组。
9.根据权利要求1所述的设备能耗分析方法,其特征在于,所述根据所述实际参数数据组和所述能耗曲线图,输出能耗分析结果包括:
根据所述实际参数数据组,得到当前实际生产产品的实际单件能耗值;
根据所述能耗曲线图,得到在当前实际设备利用率下的标准单件能耗值;
计算得到所述实际单件能耗值和所述标准单件能耗值之间的能耗差值;
根据多个时间段的能耗差值,计算得到所述多个时间段内所述能耗差值的能耗平均值和能耗波动值;以及
根据所述能耗平均值和所述能耗波动值,输出所述能耗分析结果。
10.一种设备能耗分析装置,其特征在于,包括:
第一获取模块,配置为获取多组生产设备在多种实际工况下的实际参数数据组;
第一计算模块,配置为根据所述实际参数数据组,得到设备特征值;其中,所述设备特征值表征所述生产设备的设备利用率;
第二计算模块,配置为根据所述设备特征值和所述实际参数数据组,得到每组所述生产设备生产单件指定产品的标准单件能耗值;
第一生成模块,配置为根据所述设备特征值和所述标准单件能耗值,得到每组所述生产设备的能耗曲线图;其中,所述能耗曲线图表征所述设备利用率与所述标准单件能耗值之间的关系;以及
第一分析模块,配置为根据所述实际参数数据组和所述能耗曲线图,输出能耗分析结果。
11.一种生产系统,其特征在于,包括:
多组生产设备;以及
电子设备,通讯连接多组所述生产设备,所述电子设备配置为执行权利要求1至9中任一项所述的设备能耗分析方法。
12.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序配置为执行如权利要求1至9中任一项所述的设备能耗分析方法。
CN202211713650.1A 2022-12-30 2022-12-30 设备能耗分析方法、装置、生产系统及存储介质 Active CN115689095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211713650.1A CN115689095B (zh) 2022-12-30 2022-12-30 设备能耗分析方法、装置、生产系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211713650.1A CN115689095B (zh) 2022-12-30 2022-12-30 设备能耗分析方法、装置、生产系统及存储介质

Publications (2)

Publication Number Publication Date
CN115689095A true CN115689095A (zh) 2023-02-03
CN115689095B CN115689095B (zh) 2023-04-14

Family

ID=85055907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211713650.1A Active CN115689095B (zh) 2022-12-30 2022-12-30 设备能耗分析方法、装置、生产系统及存储介质

Country Status (1)

Country Link
CN (1) CN115689095B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227740A (zh) * 2023-05-05 2023-06-06 国网安徽省电力有限公司合肥供电公司 一种基于区块链的能源分析管理云平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010152439A (ja) * 2008-12-24 2010-07-08 E & E Planning:Kk 機器使用状況分析システム、機器使用状況分析装置及びプログラム
CN103020458A (zh) * 2012-12-18 2013-04-03 清华大学 一种基于全生命周期能耗曲线的电网设备能耗判定方法
CN104268370A (zh) * 2014-09-01 2015-01-07 国家电网公司 一种电网设备全寿命周期的能耗计算方法
CN104808584A (zh) * 2015-02-17 2015-07-29 重庆大学 机床多源能耗系统多信息在线检测系统
CN109342812A (zh) * 2018-10-22 2019-02-15 河海大学常州校区 一种机械加工设备能量消耗测量装置
CN112836720A (zh) * 2020-12-16 2021-05-25 博锐尚格科技股份有限公司 建筑运维设备异常诊断方法、系统及计算机可读存储介质
CN113917263A (zh) * 2021-10-09 2022-01-11 乐创达投资(广东)有限公司 一种基于预测数据的异常能耗二次监测的方法及系统
CN114331000A (zh) * 2021-11-25 2022-04-12 中通服和信科技有限公司 一种基于人工智能的智慧园区能耗管理系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010152439A (ja) * 2008-12-24 2010-07-08 E & E Planning:Kk 機器使用状況分析システム、機器使用状況分析装置及びプログラム
CN103020458A (zh) * 2012-12-18 2013-04-03 清华大学 一种基于全生命周期能耗曲线的电网设备能耗判定方法
CN104268370A (zh) * 2014-09-01 2015-01-07 国家电网公司 一种电网设备全寿命周期的能耗计算方法
CN104808584A (zh) * 2015-02-17 2015-07-29 重庆大学 机床多源能耗系统多信息在线检测系统
CN109342812A (zh) * 2018-10-22 2019-02-15 河海大学常州校区 一种机械加工设备能量消耗测量装置
CN112836720A (zh) * 2020-12-16 2021-05-25 博锐尚格科技股份有限公司 建筑运维设备异常诊断方法、系统及计算机可读存储介质
CN113917263A (zh) * 2021-10-09 2022-01-11 乐创达投资(广东)有限公司 一种基于预测数据的异常能耗二次监测的方法及系统
CN114331000A (zh) * 2021-11-25 2022-04-12 中通服和信科技有限公司 一种基于人工智能的智慧园区能耗管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227740A (zh) * 2023-05-05 2023-06-06 国网安徽省电力有限公司合肥供电公司 一种基于区块链的能源分析管理云平台
CN116227740B (zh) * 2023-05-05 2023-07-25 国网安徽省电力有限公司合肥供电公司 一种基于区块链的能源分析管理云平台

Also Published As

Publication number Publication date
CN115689095B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
CN109634801B (zh) 数据趋势分析方法、系统、计算机装置及可读存储介质
WO2021027697A1 (zh) 一种流量异常检测的方法、模型训练方法和装置
CN111459778A (zh) 运维系统异常指标检测模型优化方法、装置及存储介质
CN109684162B (zh) 设备状态预测方法、系统、终端及计算机可读存储介质
EP4020315A1 (en) Method, apparatus and system for determining label
WO2021004324A1 (zh) 资源数据的处理方法、装置、计算机设备和存储介质
CN115689095B (zh) 设备能耗分析方法、装置、生产系统及存储介质
CN110262939A (zh) 算法模型运行监控方法、装置、计算机设备和存储介质
CN114116397A (zh) 一种监控指标的预警归因方法、装置、设备及存储介质
CN112365070B (zh) 一种电力负荷预测方法、装置、设备及可读存储介质
CN111626360B (zh) 用于检测锅炉故障类型的方法、装置、设备和存储介质
CN115330422B (zh) 基于分布式存储的大数据业务管理系统
CN117421994A (zh) 一种边缘应用健康度的监测方法和监测系统
CN113052302A (zh) 基于循环神经网络的机器健康监控方法、装置及终端设备
CN116662333A (zh) 一种用于新能源设备的数据访问管理方法、系统
CN113688125B (zh) 基于人工智能的异常值检测方法、装置、电子设备及介质
CN111221704B (zh) 一种确定办公管理应用系统运行状态的方法及系统
CN114579519A (zh) 文件系统的异常检测方法及装置、存储介质及电子设备
CN114157486A (zh) 通信流量数据异常检测方法、装置、电子设备及存储介质
CN111258866A (zh) 计算机性能预测方法、装置、设备及可读存储介质
CN113568950A (zh) 一种指标检测方法、装置、设备及介质
CN112232960A (zh) 交易应用系统监控方法及装置
CN115473343B (zh) 一种智能网关多主站并行接入测试方法
CN118331836B (zh) 一种基于人工智能芯片的性能管理系统及方法
CN117150439B (zh) 基于多源异构数据融合的汽车制造参数检测方法及系统

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