CN115860727B - 一种智慧园区运维系统 - Google Patents
一种智慧园区运维系统 Download PDFInfo
- Publication number
- CN115860727B CN115860727B CN202310051251.1A CN202310051251A CN115860727B CN 115860727 B CN115860727 B CN 115860727B CN 202310051251 A CN202310051251 A CN 202310051251A CN 115860727 B CN115860727 B CN 115860727B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- consumption data
- current
- park
- data
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 27
- 238000005265 energy consumption Methods 0.000 claims abstract description 336
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 230000008859 change Effects 0.000 claims abstract description 70
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于智慧园区技术领域，具体涉及一种智慧园区运维系统。该发明能够根据园区历史能耗数据判断出园区的历史能耗数据变化趋势，以历史能耗数据中的异常能耗数据确定历史能耗数据中的异常频次，以及根据当前能耗数据和标准能耗指标计算出当前能耗数据的偏差率，并将园区的历史能耗数据变化趋势、历史能耗数据中的异常频次以及当前能耗数据的偏差率作为分析指标，结合其对应的额权重占比进行综合分析，得到更为准确的园区能效评估结果。
Description
技术领域
本发明属于园区能效评估技术领域，具体涉及一种智慧园区运维系统。
背景技术
随着物联网时代的到来，在工业、科技以及产业园区等都得到了全面的升级，逐渐改变为智能化、信息化的智慧园区，那么，在这些园区中，对于其使用的耗能设备的能耗的监督也能够实时进行，以此来实时反映出园区的运维情况，使得园区的运维管理者能够根据不同的评估结果作出相应的应对方案。
现有的智慧园区运维系统在使用时，缺乏对历史数据的趋势以及异常情况和偏差情况的分析，多是以当前能耗数据为指标进行评估，导致评估结果过于片面化，因为能耗是实时变化的，故而以此方式进行评估得到结果与实际结果相差较大，从而就不能够准确的反映出耗能设备后续运行的状况，基于此，本发明提出了一种对能耗数据变化趋势、异常频次和偏差率结合分析进行综合评估的运维系统。
发明内容
本发明的目的是提供一种智慧园区运维系统，能够将园区的历史能耗数据变化趋势、历史能耗数据中的异常频次以及当前能耗数据的偏差率进行综合分析，得到更为准确的园区评估结果，进而反映出园区的运维情况。
本发明采取的技术方案具体如下：
一种智慧园区运维系统，包括采集模块、取样模块、预测模块、提取模块、计数模块、计算模块、确定模块以及评估模块；
所述采集模块用于获取园区所有历史能耗数据，并组合为一级评估样本集，其中，所述历史能耗数据包括电能耗、水能耗、冷能耗以及热能耗；
所述取样模块用于根据所述一级评估样本集建立多个取样节点，得到多个二级评估样本集；
所述预测模块用于基于园区历史能耗数据，构建能耗变化预测模型，并将所述二级评估样本集中的能耗数据代入至能耗变化预测模型，得到园区能耗变化趋势值；
所述提取模块用于获取园区的标准能耗指标；
所述计数模块用于从所述二级评估样本集中获取所有超出标准能耗指标的能耗数据，并标定为异常能耗，且根据异常能耗出现的次数确定异常频次；
所述计算模块用于获取园区当前能耗数据，并代入至标准偏差函数中与所述标准能耗指标进行比较，得到所述当前能耗数据偏差率；
所述确定模块用于确定所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比；
所述评估模块用于将所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比代入至综合评估模型，并计算出所述能耗数据的综合得分。
在一种优选方案中，所述二级评估样本集包括电能耗样本子集、水能耗样本子集、冷能耗样本子集以及热能耗样本子集。
在一种优选方案中，所述根据所述一级评估样本集建立多个取样节点，得到多个二级评估样本集的具体过程如下：
获取园区当前能耗数据以及当前时间节点；
基于所述当前时间节点，建立取样周期，其中，所述取样周期的起始节点为园区历史时长中的任意节点，所述取样周期的终止节点为当前时间节点；
在所述取样周期内建立多个连续时间段，并将多个所述连续时间段的起始节点与结束节点标定为取样节点；
获取所有取样节点处的历史能耗数据，并组合为二级评估样本集。
在一种优选方案中，所述将所述二级评估样本集中的能耗数据代入至能耗变化预测模型，得到园区能耗变化趋势值的步骤，包括：
从所述二级评估样本集中获取需要评估的所有历史能耗数据；
将需要评估的所有历史能耗数据依据时间段的连续性进行排列，并代入至能耗变化预测模型中；
其中，所述能耗变化预测模型的函数表达式为：，式中，表示需要评估的园区能耗变化趋势值，表示需要评估的历史能耗数据编号，表示时间段的总量，且的取值为正整数，表示取样节点。
在一种优选方案中，所述获取园区当前能耗数据，并代入至标准偏差函数中与所述标准能耗指标进行比较，得到所述当前能耗数据偏差率的步骤，包括：
获取需要评估的当前能耗数据以及对应的标准能耗指标；
将需要评估的当前能耗数据以及对应的标准能耗指标一同代入至标准偏差函数中，得到需要评估的当前能耗数据的偏差率；
其中，所述标准偏差函数为：，式中，表示需要评估的当前能耗数据的偏差率，表示需要评估的当前能耗数据，表示与需要评估的当前能耗数据对应的标准能耗指标。
在一种优选方案中，汇总所述能耗变化趋势值、异常频次以及当前能耗偏差率；
以所述能耗变化趋势值、异常频次以及当前能耗偏差率作为评判指标构建判断矩阵；
其中，；
根据公式，分别求得所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比，式中，表示评判指标的权重占比，表示判断矩阵的行数，表示判断矩阵的列数，表示第个指标相对于第个指标的重要程度，∈（1，2，3），取值为常数；
分别获取所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比，和，且++=1。
在一种优选方案中，将所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比代入至综合评估模型，并计算出所述能耗数据的综合得分的步骤，包括：
获取所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比；
获取需要评估的能耗数据的能耗变化趋势值、异常频次以及当前能耗偏差率；
根据所述综合评估模型计算出需要评估的能耗数据的综合得分；
其中，综合评估模型为：，式中，表示需要评估的能耗数据的综合得分，表示异常频次。
在一种优选方案中，能耗数据的综合得分确定之后；
获取评估分值，并与所述综合得分进行比较；
若所述评估分值大于或等于综合得分，则表明所述能耗数据对应的能耗设备运行异常，并发出告警信号；
若所述评估分值小于综合得分，则表明所述能耗数据对应的能耗设备运行正常。
一种智慧园区运维终端，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的一种智慧园区运维系统。
本发明取得的技术效果为：
本发明能够根据园区历史能耗数据判断出园区的历史能耗数据变化趋势，以历史能耗数据中的异常能耗数据确定历史能耗数据中的异常频次，以及根据当前能耗数据和标准能耗指标计算出当前能耗数据的偏差率，并将园区的历史能耗数据变化趋势、历史能耗数据中的异常频次以及当前能耗数据的偏差率作为分析指标，结合其对应的额权重占比进行综合分析，得到更为准确的园区能效评估结果，从而准确的反映出园区运维情况。
附图说明
图1是本发明的实施例所提供的系统运行图；
图2是本发明的实施例所提供的系统模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示，本发明提供了一种智慧园区运维系统，包括采集模块、取样模块、预测模块、提取模块、计数模块、计算模块、确定模块以及评估模块；
采集模块用于获取园区所有历史能耗数据，并组合为一级评估样本集，其中，历史能耗数据包括电能耗、水能耗、冷能耗以及热能耗；
取样模块用于根据一级评估样本集建立多个取样节点，得到多个二级评估样本集，二级评估样本集包括电能耗样本子集、水能耗样本子集、冷能耗样本子集以及热能耗样本子集；
预测模块用于基于园区历史能耗数据，构建能耗变化预测模型，并将二级评估样本集中的能耗数据代入至能耗变化预测模型，得到园区能耗变化趋势值；
提取模块用于获取园区的标准能耗指标；
计数模块用于从二级评估样本集中获取所有超出标准能耗指标的能耗数据，并标定为异常能耗，且根据异常能耗出现的次数确定异常频次；
计算模块用于获取园区当前能耗数据，并代入至标准偏差函数中与标准能耗指标进行比较，得到当前能耗数据偏差率；
确定模块用于确定能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比；
评估模块用于将能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比代入至综合评估模型，并计算出能耗数据的综合得分。
如上述，在物联网时代下，园区中各项能源的消耗均能够得到实时的监测，基于此，便有足够的数据支持管理者对园区的能效进行评估，每个园区所处的地理位置、以及耗能设施的不同，其预设的标准能耗指标也是不同的，而在对园区进行能效评估时，则需要以与其相对应的标准能耗指标为基准进行评估，本实施例中，采用了对能耗变化趋势值、异常频次以及偏差率进行加权计算，从而来确定园区能效最终的综合得分情况，其中，对能耗变化数据的趋势进行分析时，能够预测出园区能效的变化趋势是否有超出标准能耗指标的趋势，对异常频次的统计，能够记录下所有超出标准能耗指标的数据，异常频次越大，则说明园区耗能设备的损耗越大，那么对园区的能效评估得分影响也就越大，对于偏差率的计算，能够得到当前能耗数据与标准能耗指标的偏离度，其与园区能耗变化趋势也是息息相关的，例如，在当前能耗数据偏差率过大的情况下，后续针对此处能耗数据进行分析时，其变化趋势也会过大，相应的，也就可能出现超出标准能耗数据的风险，使得园区能耗数据超出标准能耗数据，基于此，本实施例中，将其三者进行加权计算，以能耗数据的变化和异常为指标，对园区能效进行综合评分，相较于以当前能耗数据为指标进行评估的方式而言，此种方式更能够准确的对园区能耗进行综合评估，以此更为准确的反映出园区的运维状况。
在一个较佳的实施方式中，根据一级评估样本集建立多个取样节点，得到多个二级评估样本集的具体过程如下：
A1、获取园区当前能耗数据以及当前时间节点；
A2、基于当前时间节点，建立取样周期，其中，取样周期的起始节点为园区历史时长中的任意节点，取样周期的终止节点为当前时间节点；
A3、在取样周期内建立多个连续时间段，并将多个连续时间段的起始节点与结束节点标定为取样节点；
A4、获取所有取样节点处的历史能耗数据，并组合为二级评估样本集。
如上述步骤A1-A4，在确定二级评估样本集时，首先需要确定的是取样周期，本实施方式中，取样周期的确定是以当前时间节点为起点，园区历史时长中的某一时间节点为终点进行确定的，在取样周期确定之后，通过在取样时间段内建立多个连续时间段，连续时间段的数量设置为r，其中r=1，2，3……，r为正整数，相邻的两个时间段的首尾相接，即前一时间段的结束节点为下一个时间段的起始节点，那么多个连续时间段一共可以确定的历史能耗数据数量为r+1，这些历史能耗数据共同组成二级评估样本集，为后续对历史能耗数据分析提供数据支持。
在一个较佳的实施方式中，将二级评估样本集中的能耗数据代入至能耗变化预测模型，得到园区能耗变化趋势值的步骤，包括：
B1、从二级评估样本集中获取需要评估的所有历史能耗数据；
B2、将需要评估的所有历史能耗数据依据时间段的连续性进行排列，并代入至能耗变化预测模型中；
B3、其中，能耗变化预测模型的函数表达式为：，式中，表示需要评估的园区能耗变化趋势值，表示需要评估的历史能耗数据编号，表示时间段的总量，且的取值为正整数，表示取样节点。
如上述步骤B1-B3，在计算园区能耗变化趋势值时，是基于二级评估样本集中的数据进行的，在园区能耗变化趋势值确定之后，能够准确的表达出园区历史能耗的变化趋势值，园区耗能设备的使用是存在长期损耗的，故而其耗能量也应是逐渐增加的，需要说明的是，若是更换新的耗能设备之后，其损耗相对于老旧设备而言，是会减小的，这会影响园区能耗变化趋势值的准确定，故而，在更换新设备之后，取样周期以及取样数据也应该相应的做出调整，取样时间节点的终点不应超出新设备的更换节点，取样起始节点则仍以当前时间节点为基准，这样便能够保证园区历史能耗数据变化趋势值的准确性，后续在对其进行分析时，能够让园区能耗的综合评估结果更为准确。
在一个较佳的实施方式中，获取园区当前能耗数据，并代入至标准偏差函数中与标准能耗指标进行比较，得到当前能耗数据偏差率的步骤，包括：
C1、获取需要评估的当前能耗数据以及对应的标准能耗指标；
C2、将需要评估的当前能耗数据以及对应的标准能耗指标一同代入至标准偏差函数中，得到需要评估的当前能耗数据的偏差率；
C3、其中，标准偏差函数为：，式中，表示需要评估的当前能耗数据的偏差率，表示需要评估的当前能耗数据，表示与需要评估的当前能耗数据对应的标准能耗指标。
如上述步骤C1-C3，计算当前能耗数据偏差率的目的是为了体现园区耗能设备的损耗相对标准能耗指标的偏差，准确的对当前能耗数据进行了详细分析，德雕后续对园区能耗数据进行综合分析的关键指标之一。
在一个较佳的实施方式中，汇总所述能耗变化趋势值、异常频次以及当前能耗偏差率；
以能耗变化趋势值、异常频次以及当前能耗偏差率作为评判指标构建判断矩阵；
其中，；
根据公式，分别求得能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比，式中，表示评判指标的权重占比，表示判断矩阵的行数，表示判断矩阵的列数，表示第个指标相对于第个指标的重要程度，∈（1，2，3），取值为常数；
分别获取能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比，和，且++=1。
如上述，在计算能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比时，根据判断矩阵判断各项指标之间相对性的重要程度，从而来决定各个指标的权重占比，其中，能耗变化趋势值是基于大量历史数据为基数运算得出的，异常频次的是在指定历史周期中记录出的，具体可在能耗变化趋势值计算的过程中进行确定，在取样周期内，将每个取样时间节点下的历史能耗数据与标准能耗指标进行比对，超出标准能耗指标的被记作异常能耗数据，由于对应取样时间节点的历史能耗数据总量为r+1，这里我们设定异常能耗数据的出现次数为b，那么异常频次便可通过公式b/（r+1）进行运算得出，再者，通过将当前能耗与标准能耗指标进行比较，得到能够准确表示当前能耗数据的偏差，当然，在确定各个指标权重占比的方式也能够人为主观的进行设定，但是需要以往大量数据的支持进行分析，或者以园区的具体情况而言进行设定。
在一个较佳的实施方式中，将能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比代入至综合评估模型，并计算出能耗数据的综合得分的步骤，包括：
S1、获取能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比；
S2、获取需要评估的能耗数据的能耗变化趋势值、异常频次以及当前能耗偏差率；
S3、根据综合评估模型计算出需要评估的能耗数据的综合得分；
S4、其中，综合评估模型为：，式中，表示需要评估的能耗数据的综合得分，表示异常频次。
如上述步骤S1-S4，由上述计算结果可以得到需要评估的能耗数据的综合得分，这里，可以根据不同园区的具体情况设定评估区间，其中，评估区间优选为三个，分别为（0，b]，（b，c]，（c，1），该区间中，b＜c，且（0，b]对应的评估结果为差，（b，c]对应的评估结果为良好，（c，1）对应的评估结果为优，并且园区管理者还可以根据具体的综合评估得分情况对园区耗能设备制定相应的维护方案。
在一个较佳的实施方式中，能耗数据的综合得分确定之后；
获取评估分值，并与所述综合得分进行比较；
若所述评估分值大于或等于综合得分，则表明所述能耗数据对应的能耗设备运行异常，并发出告警信号；
若所述评估分值小于综合得分，则表明所述能耗数据对应的能耗设备运行正常。
如上述，此处所设定的评估分值为预设值，对于不同的能耗设备而言，其评估分值也不一致，其可以为本行业技术人员总结的经验数值，也可以通过大量的试验来进行评定，由于设备规格较多，在此就不一一加以赘述和具体的限定，设定其的目的旨在于确定能耗设备的综合得分是否符合标准。
以及，一种智慧园区运维终端，包括存储器存储有计算机程序，处理器执行计算机程序时实现上述的一种智慧园区运维系统。
所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (8)
1.一种智慧园区运维系统，包括采集模块、取样模块、预测模块、提取模块、计数模块、计算模块、确定模块以及评估模块，其特征在于：
所述采集模块用于获取园区所有历史能耗数据，并组合为一级评估样本集，其中，所述历史能耗数据包括电能耗、水能耗、冷能耗以及热能耗；
所述取样模块用于根据所述一级评估样本集建立多个取样节点，得到多个二级评估样本集；
所述根据所述一级评估样本集建立多个取样节点，得到多个二级评估样本集的具体过程如下：
获取园区当前能耗数据以及当前时间节点；
基于所述当前时间节点，建立取样周期，其中，所述取样周期的起始节点为园区历史时长中的任意节点，所述取样周期的终止节点为当前时间节点；
在所述取样周期内建立多个连续时间段，并将多个所述连续时间段的起始节点与结束节点标定为取样节点；
获取所有取样节点处的历史能耗数据，并组合为二级评估样本集；
所述预测模块用于基于园区历史能耗数据，构建能耗变化预测模型，并将所述二级评估样本集中的能耗数据代入至能耗变化预测模型，得到园区能耗变化趋势值；
所述提取模块用于获取园区的标准能耗指标；
所述计数模块用于从所述二级评估样本集中获取所有超出标准能耗指标的能耗数据，并标定为异常能耗，且根据异常能耗出现的次数确定异常频次；
所述计算模块用于获取园区当前能耗数据，并代入至标准偏差函数中与所述标准能耗指标进行比较，得到所述当前能耗数据偏差率；
所述确定模块用于确定所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比；
所述评估模块用于将所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比代入至综合评估模型，并计算出所述能耗数据的综合得分。
2.根据权利要求1所述的一种智慧园区运维系统，其特征在于：所述二级评估样本集包括电能耗样本子集、水能耗样本子集、冷能耗样本子集以及热能耗样本子集。
3.根据权利要求1所述的一种智慧园区运维系统，其特征在于：所述将所述二级评估样本集中的能耗数据代入至能耗变化预测模型，得到园区能耗变化趋势值的步骤，包括：
从所述二级评估样本集中获取需要评估的所有历史能耗数据；
将需要评估的所有历史能耗数据依据时间段的连续性进行排列，并代入至能耗变化预测模型中；
其中，所述能耗变化预测模型的函数表达式为：
式中，Qi表示需要评估的园区能耗变化趋势值，i表示需要评估的历史能耗数据编号，n表示时间段的总量，且n的取值为正整数，t表示取样节点。
4.根据权利要求3所述的一种智慧园区运维系统，其特征在于：所述获取园区当前能耗数据，并代入至标准偏差函数中与所述标准能耗指标进行比较，得到所述当前能耗数据偏差率的步骤，包括：
获取需要评估的当前能耗数据以及对应的标准能耗指标；
将需要评估的当前能耗数据以及对应的标准能耗指标一同代入至标准偏差函数中，得到需要评估的当前能耗数据的偏差率；
其中，所述标准偏差函数为：
式中，Pi表示需要评估的当前能耗数据的偏差率，Nj表示需要评估的当前能耗数据，Ni表示与需要评估的当前能耗数据对应的标准能耗指标。
5.根据权利要求4所述的一种智慧园区运维系统，其特征在于：汇总所述能耗变化趋势值、异常频次以及当前能耗偏差率；
以所述能耗变化趋势值、异常频次以及当前能耗偏差率作为评判指标构建判断矩阵A；
其中，
根据公式
分别求得所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比，式中，ki表示评判指标的权重占比，x表示判断矩阵的行数，y表示判断矩阵的列数，axy表示第x个指标相对于第y个指标的重要程度，m∈(1，2，3)，取值为常数；
分别获取所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比k1，k2和k3，且k1+k2+k3＝1。
6.根据权利要求5所述的一种智慧园区运维系统，其特征在于：将所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比代入至综合评估模型，并计算出所述能耗数据的综合得分的步骤，包括：
获取所述能耗变化趋势值、异常频次以及当前能耗偏差率的权重占比；
获取需要评估的能耗数据的能耗变化趋势值、异常频次以及当前能耗偏差率；根据所述综合评估模型计算出需要评估的能耗数据的综合得分；
其中，综合评估模型为：D＝k1×Qi+k2×Ri+k3×Pi，式中，D表示需要评估的能耗数据的综合得分，Ri表示异常频次。
7.根据权利要求1所述的一种智慧园区运维系统，其特征在于：能耗数据的综合得分确定之后；
获取评估分值，并与所述综合得分进行比较；
若所述评估分值大于或等于综合得分，则表明所述能耗数据对应的能耗设备运行异常，并发出告警信号；
若所述评估分值小于综合得分，则表明所述能耗数据对应的能耗设备运行正常。
8.一种智慧园区运维终端，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的一种智慧园区运维系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310051251.1A CN115860727B (zh) | 2023-02-02 | 2023-02-02 | 一种智慧园区运维系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310051251.1A CN115860727B (zh) | 2023-02-02 | 2023-02-02 | 一种智慧园区运维系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115860727A CN115860727A (zh) | 2023-03-28 |
| CN115860727B true CN115860727B (zh) | 2023-05-09 |
Family
ID=85657455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310051251.1A Active CN115860727B (zh) | 2023-02-02 | 2023-02-02 | 一种智慧园区运维系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115860727B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308306B (zh) * | 2023-05-25 | 2023-07-28 | 南京中汇电气科技有限公司 | 一种基于5g的新能源场站智慧管理系统及方法 |
| CN117251492B (zh) * | 2023-09-20 | 2024-06-14 | 怀宁县政通中小企业服务中心 | 智慧园区产业集群数据对比分析系统及方法 |
| CN117273409B (zh) * | 2023-11-23 | 2024-02-09 | 江苏国态环保集团有限公司 | 一种园区智慧化环保系统智能运维方法、系统及存储介质 |
| CN117312964B (zh) * | 2023-11-29 | 2024-02-20 | 安徽三禾一信息科技有限公司 | 一种智慧火电厂能耗监测方法及系统 |
| CN117719385B (zh) * | 2024-02-18 | 2024-05-03 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
| CN118096132B (zh) * | 2024-04-24 | 2024-06-28 | 广州技客信息科技有限公司 | 一种适用于智慧园区的公共耗能设备运维管理系统 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8560134B1 (en) * | 2010-09-10 | 2013-10-15 | Kwangduk Douglas Lee | System and method for electric load recognition from centrally monitored power signal and its application to home energy management |
| US10454273B2 (en) * | 2014-10-26 | 2019-10-22 | Green Power Labs Inc. | Forecasting net load in a distributed utility grid |
| US10094586B2 (en) * | 2015-04-20 | 2018-10-09 | Green Power Labs Inc. | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings |
| CN109816580A (zh) * | 2019-01-24 | 2019-05-28 | 山东欣巽联信息科技有限公司 | 一种基于物联网和综合加权的智慧园区综合能效评估方法 |
| CN110782153A (zh) * | 2019-10-23 | 2020-02-11 | 国网湖南省电力有限公司 | 一种企业园区综合能效评估体系建模方法及系统 |
| CN111709643B (zh) * | 2020-06-16 | 2022-11-25 | 南方电网数字电网研究院有限公司 | 智慧园区管理系统、方法、计算机设备和存储介质 |
| CN112183869A (zh) * | 2020-10-06 | 2021-01-05 | 广州云莫凡信息科技有限公司 | 一种基于大数据的建筑能耗预测方法及系统 |
| CN113341855A (zh) * | 2021-06-22 | 2021-09-03 | 郑州天健湖大数据产业园发展有限公司 | 应用于智慧园区的综合能耗监测系统 |
| CN113965825A (zh) * | 2021-10-12 | 2022-01-21 | 深圳青果通信技术有限公司 | 一种应用于智慧园区的综合能耗监测系统 |
| CN115270933A (zh) * | 2022-07-11 | 2022-11-01 | 中交四航局江门航通船业有限公司 | 区域能耗监测数据异常预警方法、系统、装置及存储介质 |
| CN115524554A (zh) * | 2022-09-09 | 2022-12-27 | 杨本国 | 一种智慧园区综合运营管理方法及系统 |
| CN115630755B (zh) * | 2022-12-22 | 2023-05-30 | 睿至科技集团有限公司 | 一种综合能源智慧管理系统的数据处理方法及系统 |
-
2023
- 2023-02-02 CN CN202310051251.1A patent/CN115860727B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115860727A (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115860727B (zh) | 一种智慧园区运维系统 | |
| CN109032829B (zh) | 数据异常检测方法、装置、计算机设备及存储介质 | |
| CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
| Serrano-Guerrero et al. | Statistical methodology to assess changes in the electrical consumption profile of buildings | |
| US20210224755A1 (en) | Decision method of condition-based maintenance to power grid risk | |
| CN109116444B (zh) | 基于PCA-kNN的空气质量模式PM2.5预报方法 | |
| US20190195525A1 (en) | Method and apparatus for operating heating and cooling equipment via a network | |
| CN116993227B (zh) | 一种基于人工智能的供热分析评估方法、系统及存储介质 | |
| CN113036913A (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN117113159A (zh) | 基于深度学习的电力用户侧负荷分类方法及系统 | |
| CN103257000A (zh) | 一种桥梁结构日照作用分析的极值温度预测方法 | |
| CN114548493A (zh) | 一种电能表电流过载预测方法与系统 | |
| CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
| CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
| CN104680010A (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
| RU2703874C1 (ru) | Способ контроля и прогнозирования работы газотурбинной установки с использованием матрицы дефектов | |
| Wang et al. | A Comparison of Approaches to Stepwise Regression Analysis for Variables Sensitivity Measurements Used with a Multi-Objective Optimization Problem | |
| US20210372647A1 (en) | Method and system for automatic detection of malfunctions/inefficient household electronic heating device | |
| CN114331175A (zh) | 一种城市安全绩效数据集中统计评估方法及系统 | |
| CN114278485A (zh) | 一种水电站开机温度告警方法及系统 | |
| Priya et al. | Predicting the future in time series using auto regressive linear regression modeling | |
| JP2015198486A (ja) | 電力需要予測装置および電力需要予測方法 | |
| CN117978628B (zh) | 一种基于智慧园区通信控制方法及系统 | |
| Abdel-Karim et al. | Modeling wind speed for power system applications | |
| CN116633026B (zh) | 清洁能源感知监控方法、装置、计算机设备及存储介质 |
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 |