CN115759414A - 一种基于云原生技术的能源互联网系统及方法 - Google Patents
一种基于云原生技术的能源互联网系统及方法 Download PDFInfo
- Publication number
- CN115759414A CN115759414A CN202211456298.8A CN202211456298A CN115759414A CN 115759414 A CN115759414 A CN 115759414A CN 202211456298 A CN202211456298 A CN 202211456298A CN 115759414 A CN115759414 A CN 115759414A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- energy
- module
- carbon emission
- consumption
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于云原生技术的能源管理系统,其特征在于,包括能耗统计模块;能耗分析模块;能耗可视模块;碳排管理模块;能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块使用微服务开发方式,每个模块完成后构建镜像,基于云原生技术,快速应用。本发明的另一个技术方案是提供了一种基于云原生技术的能源管理系统的构建方法。本发明结合能源需求和供应方式特点,充分考虑用能与供能之间的匹配关系,运用云原生技术对能源互联网系统进行多种能源匹配、智慧调控,基于云原生技术达到能耗统计等功能模块的重用和动态管理效果,实现能源互联网平台高可靠高效率运行,提升能源系统运行的控制水平和管理水平,降低能源系统运行成本。
Description
技术领域
本发明涉及一种基于云原生技术的能源互联网平台以及该能源互联网平台的构建方法。
背景技术
随着社会经济的高速发展,国内能耗总量持续增长,政府面临越来越大的节能减排压力,建设智慧能源互联网平台对于提升国家综合竞争力具有重要战略意义。
授权公告号为CN111142491B的专利公开了一种基于物联网与云计算技术的智慧能源管理平台系统,其提供一种能够对电能各项参数监控的基于物联网与云计算技术的智慧能源管理平台系统,包括云数据系统和电能安全预警系统,电能安全预警系统包括电能状态分析模块、无功功率状态分析模块和电能修复模块,电能状态分析模块包括电流分析单元、电压分析单元、电能损耗分析单元。电能状态分析模块分别对用电设备的电流、电压和功率进行监控,并进行分析为决策者提供决策依据,对用电异常做到早预防、早发现、早预警、早处理,实现对能源管理。在能源管理系统中,碳排管理对于节能具有重要影响,但在该专利中并没有涉及前述技术内容。
申请公开号为CN114331132A的发明专利申请公开了一种能源管理系统及管理方法,其提供一种能源管理系统及管理方法,包括能耗数据采集模块、通信模块和分析模块,能耗数据采集模块通过通信模块与分析模块通信连接。采集数据转发至分析模块,根据各个能源使用设备的能耗数据计算企业的碳排放量,并依据企业的碳排放量对能源使用设备进行管理。该专利申请采用传统技术,不适用于根据不同需求快速搭建和运行,并且不涉及能耗可视功能。
申请公开号为CN114331758A的发明专利申请公开了一种智慧能源管理平台,包括数据接收端、处理端和数据信息展示端,数据接收端接收企业用能信息数据,处理端将上述信息数据分类整理,数据信息展示端将已分类的信息数据以图表形式直观展示。该专利申请只对能源管理的过程数据进行管理和展示,不涉及能耗分析和碳排管理。
发明内容
本发明的目的是:为能源领域提供能耗统计、能耗分析、能耗可视、碳排管理,促进能源领域节能减排和持续发展。
为了达到上述目的,本发明的技术方案是提供了一种基于云原生技术的能源管理系统,其特征在于,包括:
一能耗统计模块,用于进行耗电量、用水量、用气量、集中供热耗热量、集中供冷耗冷量的分项统计,包括进行不同建筑、不同分项、不同时间段的统计;
一能耗分析模块,基于能耗统计模块所获得的能耗统计数据,进行包括单位能耗、耗能对比以及耗能绩效在内的能耗分析;
一能耗可视模块,包括能耗展示单元和能耗报表单元,其中,能耗展示单元按时、按日、按月、按年展示总电耗、总水量、总冷热量的信息和趋势;能耗报表单元按照日、月、季、年等时间范围输出水、电、气的数据报表;
一碳排管理模块,包括碳排放计算单元和碳排放预测单元,其中:碳排放计算单元采用碳排放系数法,对能源电、水、气、热、冷几个分项进行计算和统计,其中,碳排放计算单元采用下式计算碳排放:其中: i=1,2,3,4,5用于代表不同的分项,分别为用电量、用水量、用气量、耗热量和耗冷量;为估算的碳排放总量;Ci代表第i个分项的CO2排放量;Ei代表第i个分项的用值总量;Fi为估算的第i个分项的CO2排放及换算系数;
碳排放预测单元针对碳排放数据采用BP神经网络进行预测;
能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块使用微服务开发方式,每个模块完成后构建镜像,基于云原生技术,快速应用。
优选地,所述能耗统计模块采集汇总能源领域供水系统、电力系统、燃气系统、照明系统的数据,数据汇总后完成能耗统计,获得能耗统计数据。
优选地,所述能耗分析模块进行单位能耗时:分析单位建筑面积的分类能耗量,包括建筑总能耗、总用电量、单位建筑面积用电量、单位空调面积用电量、单位空调面积分类能耗量、单位建筑面积分项能耗量,能耗分析模块通过总能量与建筑面积的计算得出单位能耗。
优选地,所述能耗分析模块进行耗能对比时:对比多个建筑之间不同分项或总量,从月、季、年的时间维度进行对比分析,得出不同时间段不同建筑用能耗情况分析结果。
优选地,所述能耗分析模块进行耗能绩效时:对不同分项耗能进行能源使用情况评价和预警提示,能耗分析模块根据基线指标进行分析,得出能源使用情况评价。
优选地,所述BP神经网络神经元输出结果为其中: yi为第i个神经元输出结果;ωij为第i个神经元中第j个节点的权重,根据神经元输出结果进行调整,n为第i个神经元中节点的总个数;xi为输入第i个神经元的每日碳排放量样本数据;ai表示第i个神经元的偏置;f(·)为激活函数。
优选地,选取sigmod函数为所述激活函数。
优选地,对所述BP神经网络进行训练时,将每日碳排放量样本数据输入BP神经网络,根据神经元结果计算均方误差以及调整权重数据ωij,重复训练最终得到每日碳排放预测模型,在该每日碳排放预测模型输入实际碳排放数据,得到每日碳排放预测值。
优选地,所述能耗展示单元还用于展示能耗使用效率η,能耗使用效率η=(有效利用能量/供给能量)×100%。
本发明的另一个技术方案是提供了一种基于云原生技术的能源管理系统的构建方法,其特征在于,用于构建上述的能源管理系统,包括以下步骤:
步骤1:基于云原生技术,搭建容器化部署环境,为能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块提供容器化部署和运维环境;
步骤2:构建能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的镜像文件,在能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的模块配置文件中添加instance.prefer-ip-address=true,将模块打成jar包后上传linux系统,在linux下创建Dockfile文件,将jar包信息、模块端口信息、镜像信息、执行命令添加至Dockfile文件,执行docker build-t[镜像名称]:[版本号],构建镜像;
步骤3:上传镜像至搭建好的部署环境,执行docker tag给能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的镜像打标签,执行dockerpush 推送镜像至部署环境镜像仓库;
步骤4:在容器化部署环境,创建容器和微服务,并选取镜像仓库对应的模块镜像构建能源互联网系统,一键启动运行,实现能源互联网系统的快速搭建和运维部署。
本发明旨在提高能源系统运行管理与控制水平,促进能源领域节能减排和持续发展。本发明结合能源需求和供应方式特点,充分考虑用能与供能之间的匹配关系,运用云原生技术对能源互联网系统进行多种能源匹配、智慧调控,设计能耗统计、能耗分析、能耗可视、碳排管理四个模块,实现能耗统计、能耗分析、能耗可视、碳排管理,基于云原生技术达到能耗统计等功能模块的重用和动态管理效果,实现能源互联网平台高可靠高效率运行,提升能源系统运行的控制水平和管理水平,降低能源系统运行成本。
与现有技术相比,本发明具有如下有益效果:
1)采用云原生技术,使用容器消除能源互联网系统各个模块运行环境差异,保证了应用生命周期的环境一致性标准化。并且基于容器开发和运行,其适配性更强,可以跨平台部署,减少系统开发、部署和运维成本。
2)能耗分析模块对用电量、用水量、用气量、耗热耗冷进行能耗基线分析,能耗绩效指标分析,用户可以直观了解某一建筑或分项的能耗异常,针对异常项,结合系统实际应用场景,实施节能措施,消除能耗异常。
3)碳排管理,通过碳排放量计算和预测研究,可帮助减少用户用电、用水等能耗,减少碳排放量,同时给出能耗优化建议,帮助用户快速实现能耗优化和减排效果。
附图说明
图1为本发明设计的每日碳排放量预测流程图;
图2为耗电分项每日耗电量实际趋势图;
图3为耗电分项碳排放量每日实际值趋势图;
图4为耗电分项碳排放实际值与预测值对比趋势图
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本实施例公开的一种基于云原生技术的能源管理系统,包括能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块,能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块使用微服务开发方式,每个模块完成后构建镜像,基于云原生技术,快速应用。
能耗统计模块用于进行耗电量、用水量、用气量、集中供热耗热量、集中供冷耗冷量的分项统计,包括进行不同建筑、不同分项、不同时间段的统计。能耗统计模块采集汇总能源领域供水系统、电力系统、燃气系统、照明系统的数据,数据汇总后完成能耗统计,获得能耗统计数据。
能耗分析模块基于能耗统计模块所获得的能耗统计数据,进行包括单位能耗、耗能对比以及耗能绩效在内的能耗分析。单位能耗主要分析单位建筑面积的分类能耗量,包括建筑总能耗、总用电量、单位建筑面积用电量、单位空调面积用电量、单位空调面积分类能耗量、单位建筑面积分项能耗量,能耗分析模块通过总能量与建筑面积的计算得出单位能耗。耗能对比主要对比多个建筑之间不同分项或总量,主要从月、季、年的时间维度进行对比分析,得出不同时间段不同建筑用能耗情况分析结果。耗能绩效对不同分项耗能进行能源使用情况评价和预警提示,能耗分析模块根据基线指标进行分析,得出能源使用情况评价。
碳排管理模块主要包括碳排放计算单元和碳排放预测单元。碳排放计算单元采用碳排放系数法,主要对能源电、水、气、热、冷几个分项进行计算和统计。碳排放计算单元采用下式计算碳排放:其中: i=1,2,3,4,5用于代表不同的分项,分别为用电量(kWh)、用水量(m3)、用气量 (m3)、耗热量(kJ)和耗冷量(kJ);C为估算的碳排放总量;Ci代表第i个分项的CO2排放量;Ei代表第i个分项的用值总量;Fi为估算的第i个分项的CO2排放及换算系数,根据IPCC指南(国家层面的碳排放核算方法),本实施例中选取CO2排放及换算系数分别为:F1=0.785、F2=0.91、F3=0.91、F4=8.885×10-5、 F5=8.885×10-5。
碳排放预测单元主要针对碳排放数据进行预测,采用BP神经网络进行预测。 BP神经网络神经元输出结果为其中:yi为第i个神经元输出结果;ωij为第i个神经元中第j个节点的权重,根据神经元输出结果进行调整,n为第i个神经元中节点的总个数;xi为输入第i个神经元的每日碳排放量样本数据;ai表示第i个神经元的偏置;f(·)为激活函数,本专利选取sigmod函数为激活函数,该函数计算梯度较为方便,将每日碳排放量样本数据输入BP神经网络,根据神经元结果计算均方误差以及调整权重数据ωij,重复训练最终得到每日碳排放预测模型,在该每日碳排放预测模型输入实际碳排放数据,得到每日碳排放预测值。
能耗可视模块包括能耗展示单元和能耗报表单元。能耗展示单元按时、按日、按月、按年展示总电耗、总水量、总冷热量的信息和趋势以及能耗使用效率。本发明在一较佳示例中可以进一步配置为:所述能耗使用效率η=(有效利用能量/ 供给能量)×100%。能耗报表单元通过多种饼图、柱状图、折线图、雷达图等形式,按照日、月、季、年等时间范围输出水、电、气的数据报表。
通过采用上述技术方案,能耗分析模块和碳排管理模块分别对不同能源分项进行分析和碳排放指标和数值的监控,为能源管理决策者提供节能决策依据,对耗电异常、碳排放指标较高的能源建筑或分项进行处理,实现节能减排。
在某一建筑园区建立前述的基于云原生技术的能源互联网系统的方法包括以下步骤:
S1:基于云原生技术,搭建容器化部署环境,为能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块提供容器化部署和运维环境,容器化部署环境包括镜像仓库、集群管理、容器管理及微服务管理。
S2:构建能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的镜像文件,在能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的模块配置文件中添加instance.prefer-ip-address=true,将模块打成jar包,jar 包上传linux系统,在linux下创建Dockfile文件,将jar包信息、模块端口信息、镜像信息、执行命令添加至Dockfile文件,执行docker build-t[镜像名称]:[版本号],构建镜像。
S3:上传镜像至搭建好的部署环境,执行docker tag给能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的镜像打标签,执行dockerpush推送镜像至部署环境镜像仓库。
S4:在容器化部署环境,创建容器和微服务,并选取镜像仓库对应的模块镜像构建能源互联网系统,一键启动运行,实现能源互联网系统的快速搭建和运维部署。
S5:能耗统计,分别将园区供水系统、电力系统、燃气系统、照明系统的数据汇聚在能耗统计模块,分项存储在关系型数据库中,能耗统计模块根据用电量、用水量、用气量、集中供热耗热量、集中供冷耗冷量五个维度进行统计计算,得到各个分项的能耗统计数据。
S6:能耗分析模块根据能耗统计结果以及园区建筑的信息,分析单位能耗、能耗对比和能耗绩效,得到单一建筑下单位建筑面积分类能耗量、多个建筑之间不同分项的能耗对比以及多个建筑的能耗绩效数据;
S7:碳排管理模块根据能耗统计和能耗分析数据,通过碳排放系数法实现碳排放计算,得到单一建筑耗电分项的碳排量训练样本,使用BP神经网络训练得出碳排放预测模型,其流程如图例1。取一个月的耗电分项碳排放实际值与预测值进行对比,表1所示为实际碳排放数据,图2和图3分别为实际值的耗电量以及碳排放量的趋势图。使用碳排放预测模型预测每日碳排放量,其结果如表2 所示,实际值与预测值的对比如图例4所示。用户根据预测值及时调整能耗使用策略,实现节能减排。
表1耗电分项碳排放实际值
表2耗电分项碳排放实际值与预测值。
Claims (10)
1.一种基于云原生技术的能源管理系统,其特征在于,包括:
一能耗统计模块,用于进行耗电量、用水量、用气量、集中供热耗热量、集中供冷耗冷量的分项统计,包括进行不同建筑、不同分项、不同时间段的统计;
一能耗分析模块,基于能耗统计模块所获得的能耗统计数据,进行包括单位能耗、耗能对比以及耗能绩效在内的能耗分析;
一能耗可视模块,包括能耗展示单元和能耗报表单元,其中,能耗展示单元按时、按日、按月、按年展示总电耗、总水量、总冷热量的信息和趋势;能耗报表单元按照日、月、季、年等时间范围输出水、电、气的数据报表;
一碳排管理模块,包括碳排放计算单元和碳排放预测单元,其中:碳排放计算单元采用碳排放系数法,对能源电、水、气、热、冷几个分项进行计算和统计,其中,碳排放计算单元采用下式计算碳排放:其中:i=1,2,3,4,5用于代表不同的分项,分别为用电量、用水量、用气量、耗热量和耗冷量;C为估算的碳排放总量;Ci代表第i个分项的CO2排放量;Ei代表第i个分项的用值总量;Fi为估算的第i个分项的CO2排放及换算系数;
碳排放预测单元针对碳排放数据采用BP神经网络进行预测;
能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块使用微服务开发方式,每个模块完成后构建镜像,基于云原生技术,快速应用。
2.如权利要求1所述的一种基于云原生技术的能源管理系统,其特征在于,所述能耗统计模块采集汇总能源领域供水系统、电力系统、燃气系统、照明系统的数据,数据汇总后完成能耗统计,获得能耗统计数据。
3.如权利要求1所述的一种基于云原生技术的能源管理系统,其特征在于,所述能耗分析模块进行单位能耗时:分析单位建筑面积的分类能耗量,包括建筑总能耗、总用电量、单位建筑面积用电量、单位空调面积用电量、单位空调面积分类能耗量、单位建筑面积分项能耗量,能耗分析模块通过总能量与建筑面积的计算得出单位能耗。
4.如权利要求1所述的一种基于云原生技术的能源管理系统,其特征在于,所述能耗分析模块进行耗能对比时:对比多个建筑之间不同分项或总量,从月、季、年的时间维度进行对比分析,得出不同时间段不同建筑用能耗情况分析结果。
5.如权利要求1所述的一种基于云原生技术的能源管理系统,其特征在于,所述能耗分析模块进行耗能绩效时:对不同分项耗能进行能源使用情况评价和预警提示,能耗分析模块根据基线指标进行分析,得出能源使用情况评价。
7.如权利要求6所述的一种基于云原生技术的能源管理系统,其特征在于,选取sigmod函数为所述激活函数。
8.如权利要求7所述的一种基于云原生技术的能源管理系统,其特征在于,对所述BP神经网络进行训练时,将每日碳排放量样本数据输入BP神经网络,根据神经元结果计算均方误差以及调整权重数据ωij,重复训练最终得到每日碳排放预测模型,在该每日碳排放预测模型输入实际碳排放数据,得到每日碳排放预测值。
9.如权利要求1所述的一种基于云原生技术的能源管理系统,其特征在于,所述能耗展示单元还用于展示能耗使用效率η,能耗使用效率η=(有效利用能量/供给能量)×100%。
10.一种基于云原生技术的能源管理系统的构建方法,其特征在于,用于构建如权利要求1所述的能源管理系统,包括以下步骤:
步骤1:基于云原生技术,搭建容器化部署环境,为能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块提供容器化部署和运维环境;
步骤2:构建能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的镜像文件,在能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的模块配置文件中添加instance.prefer-ip-address=true,将模块打成jar包后上传linux系统,在linux下创建Dockfile文件,将jar包信息、模块端口信息、镜像信息、执行命令添加至Dockfile文件,执行docker build-t[镜像名称]:[版本号],构建镜像;
步骤3:上传镜像至搭建好的部署环境,执行docker tag给能耗统计模块、能耗分析模块、能耗可视模块以及碳排管理模块的镜像打标签,执行dockerpush推送镜像至部署环境镜像仓库;
步骤4:在容器化部署环境,创建容器和微服务,并选取镜像仓库对应的模块镜像构建能源互联网系统,一键启动运行,实现能源互联网系统的快速搭建和运维部署。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211456298.8A CN115759414A (zh) | 2022-11-21 | 2022-11-21 | 一种基于云原生技术的能源互联网系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211456298.8A CN115759414A (zh) | 2022-11-21 | 2022-11-21 | 一种基于云原生技术的能源互联网系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759414A true CN115759414A (zh) | 2023-03-07 |
Family
ID=85333614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211456298.8A Pending CN115759414A (zh) | 2022-11-21 | 2022-11-21 | 一种基于云原生技术的能源互联网系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759414A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2949156A1 (es) * | 2023-03-23 | 2023-09-26 | Gonzalez Alejandro Antonio Diaz | Sistema y procedimiento para la gestion energetica integral |
-
2022
- 2022-11-21 CN CN202211456298.8A patent/CN115759414A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2949156A1 (es) * | 2023-03-23 | 2023-09-26 | Gonzalez Alejandro Antonio Diaz | Sistema y procedimiento para la gestion energetica integral |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN203117771U (zh) | 一种建筑能耗智能监控管理系统 | |
WO2019200662A1 (zh) | 电-热-气综合能源系统的稳定评估与静态控制方法 | |
CN105974869B (zh) | 一种应用于建筑环境自适应节能管理系统的节能监控中心 | |
CN111783846A (zh) | 一种智慧用能服务协同控制系统和方法 | |
Wang et al. | Design of a combined system based on two-stage data preprocessing and multi-objective optimization for wind speed prediction | |
CN105204449B (zh) | 铝型材挤压机实时能耗监测及能耗异常检测系统 | |
CN114742294A (zh) | 一种碳排放预测的神经网络算法 | |
CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能系统 | |
CN111539652A (zh) | 一种基于物联网的建筑能源管理系统及方法 | |
CN109283898A (zh) | 一种厂区能耗监测管理系统 | |
CN105356492A (zh) | 一种适用于微电网的能量管理仿真系统及方法 | |
Fan et al. | A graph mining-based methodology for discovering and visualizing high-level knowledge for building energy management | |
CN115759414A (zh) | 一种基于云原生技术的能源互联网系统及方法 | |
CN110332605A (zh) | 基于bp神经网络的热网能耗指标分析预警方法及系统 | |
CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
CN114418303A (zh) | 用于炼化一体化企业的智慧能源管理系统和方法 | |
Ding et al. | Estimating energy-related CO2 emissions using a novel multivariable fuzzy grey model with time-delay and interaction effect characteristics | |
Celik et al. | DDDAMS-based dispatch control in power networks | |
Duan et al. | A novel grey prediction model with system structure based on energy background: A case study of Chinese electricity | |
CN114358555A (zh) | 一种轨道交通智慧能源管理系统 | |
CN112132481A (zh) | 一种区域能效综合评价方法 | |
CN115081723A (zh) | 一种智慧厂务能源管理系统及管理方法 | |
CN102497135B (zh) | 一种基于规则引擎的光伏电站监控方法 | |
Zhang et al. | The power big data-based energy analysis for intelligent community in smart grid | |
CN106019946B (zh) | 一种实时动态电机系统节能量核算方法及监控系统 |
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 |