CN116339204A - 一种基于人工智能的数字化能源数据管理系统及方法 - Google Patents
一种基于人工智能的数字化能源数据管理系统及方法 Download PDFInfo
- Publication number
- CN116339204A CN116339204A CN202310299704.2A CN202310299704A CN116339204A CN 116339204 A CN116339204 A CN 116339204A CN 202310299704 A CN202310299704 A CN 202310299704A CN 116339204 A CN116339204 A CN 116339204A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- unit
- user
- alarm
- 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
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 21
- 238000013523 data management Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005265 energy consumption Methods 0.000 claims abstract description 181
- 238000013500 data storage Methods 0.000 claims abstract description 39
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 238000013480 data collection Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 65
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 238000003066 decision tree Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 241000764238 Isis Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的数字化能源数据管理系统，属于能源数据管理技术领域，包括数据收集模块、数据存储模块、数据分析模块、报警模块；所述数据收集模块的输出端与所述数据存储模块的输入端相连接；所述数据存储模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述报警模块的输入端相连接。本发明还公开了一种基于人工智能的数字化能源数据管理方法。本发明能实现在实际能耗未超过阈值的情况下，系统也能够自动根据单位实际能耗情况进行更细致的分析，在发现问题时能够发出警告，便于用能单位对能源的消耗进行综合管控，也有利于对人力资源的利用和后续节能方案的制定。
Description
技术领域
本发明涉及能源数据管理技术领域，具体为一种基于人工智能的数字化能源数据管理系统及方法。
背景技术
各大用能单位纷纷建立并有效运行能源管理体系。然而，各用能单位普遍存在着用能人数多、设备多、能耗高等特点，特别是伴随着科学技术的不断进步，设备的不断更新换代，能耗也在不断的提升。因此，加强能源管理，提高能源利用率，降低能源浪费是不得不做的事情。用能单位可就实际用能情况，对能源消耗数据进行具体分析，以制定相应的节能降耗计划。
在制定节能计划之前，引进一套有效的能耗监测系统，对单位的水电气能耗进行能耗检测，以掌握全单位的能耗动向，分析用能分布，以达到节能降耗的目的。
在能耗统计完成后，会有能耗报警模块，其作用是当每月能耗超过阈值时，系统会发生报警，以提醒管理人员进行设备故障排查、节能方案制定等，可见系统在实际能耗超过阈值时才会报警，而对于实际能耗未超过阈值的条件下，系统不会提醒管理人员，管理人员自身也很难做到频繁地去人工分析能耗数据，寻找节能降耗的突破口，对于系统能否自动针对单位实际能耗情况做更细致的智能分析处理，就目前的技术来说并没有考虑这些。
发明内容
本发明的目的在于提供一种基于人工智能的数字化能源数据管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的数字化能源数据管理系统，该系统包括数据收集模块、数据存储模块、数据分析模块以及报警模块；
所述数据收集模块用于收集用户在固定时间周期内的能源消耗数据并传输给数据存储模块；所述数据存储模块用于存储用户往期月度水、电能源消耗数据，加密数据并生成报表；所述数据分析模块用于计算能耗值是否达到报警条件；所述报警模块用于报警，在能耗超出阈值或者未超出阈值但与现实使用情况不匹配时发出报警声响；
所述数据收集模块的输出端与所述数据存储模块的输入端相连接；所述数据存储模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述报警模块的输入端相连接。
所述数据收集模块包括数据采集单元以及数据存储单元；
所述数据采集单元用于采集月度水、电能源消耗数据；所述数据传输单元用于将所采集到的能耗数据传输至数据存储模块；
所述数据采集单元的输出端与数据传输单元的输入端相连接；
所述数据采集单元包括：
使用子母表，设置在用户进水管进水端的母智能水表和用户入户端的母智能水表均与数据存储单元相连接；同时，在用户各部门的进水管进水端均设置子智能水表，在用户的入户端均设置子智能电表；
在上述方案中，使用子母水表的原因在于：子母水表中母表和子表并联连接，母表采用水平螺翼式干式设计，计数器部分采用磁传或液封方式，便于计数清晰准确，这也是该类水表比较好的设计方面，子表采用通常使用的旋翼式水表设计；为了达到大小流量的自由转换，母表后跟随流量控制阀，通过压差自动控制流量控制阀的开启；子表由同口径管道将母表和转换阀后相互连通，便于小流量时水流通过，当流量较小时，转换阀关闭，水流由小口径水表计量，当流量增大至转换阀开启时，大小两表同时计量。子母水表独特的分流计量的原理，大大降低了大口径水表的起始流量，且能比普通水表承受更高的瞬间冲击流量。同时，子母水表的设计属于模块化的设计，主表、旁路表以及计数器部分均可依据客户的需要灵活组合，当某个部件损坏时可以方便拆换，可以方便的实现各种方式的数据远传等；
所述数据存储模块包括数据存储单元、数据加密单元以及报表生成单元；
所述数据存储单元用于存储历史月度水、电能源消耗数据；所述数据加密单元用于对能源消耗数据进行加密；所述报表生成单元用于生成月度能源消耗报表；
所述数据存储单元的输出端与所述数据加密单元的输入端相连接；所述数据加密单元的输出端与所述报表生成单元的输入端相连接；
所述数据分析模块包括阈值计算单元、数值比较单元以及能耗影响因素环比计算单元；
所述阈值计算单元用于计算每月能耗阈值大小；所述数值比较单元用于比较当月实际能耗与阈值的大小；所述能耗影响因素环比计算单元用于计算影响能耗总量的因素其环比数值大小；
所述阈值计算单元的输出端与数值比较单元的输入端相连接；所述数值比较单元的输出端与报警模块相连接；所述数值比较单元的输出端与能耗影响因素环比计算单元的输入端相连接；所述能耗影响因素环比计算单元的输出端与报警模块相连接。
所述阈值计算单元包括：
根据公式：
yi＝axi+b(1≤i≤n)
其中n为训练样本数量，i为训练样本编号，xi为某一月份，yi为xi所对应的实际能耗值，a、b为参数；
设置第i个月份的能耗预测值为
实际值yi与能耗预测值
之差记为/>
训练集中n个样本所产生误差总和L(a,b)为：
当
时，误差总和L(a,b)为最小值；
a，b值确定之后根据上述公式获取当月能耗预测值记为与
阈值的大小即为
的大小；
所述数值比较单元包括：
获取当月实际能耗值记为yec；
若
则进入报警模块；/>
则进入能耗影响因素环比计算单元；
所述能耗影响因素环比计算单元还包括：
根据公式：
其中，Gini为基尼系数，pk为结果类别概率，结果类别包括：能耗增加与能耗减少，k为项数且只能取到2；
Gini＝1－p(eci)2－p(ecr)2
其中eci为能耗增加，ecr为能耗减少；
这里用到的基尼系数在人工智能常用算法——决策树中会涉及到，和线性回归以及逻辑回归相比较来说，虽然决策树同样用于回归和分类任务中，不过场景通常更复杂且具体。决策树的种类有很多，以基尼系数为核心的决策树被称为cart决策树。正因为基尼系数可以衡量选择标准的不确定性，所以我们需要选择基尼系数最小的标准来生成决策树；
基尼系数可以衡量众多因素对能耗的影响结果确定程度，能耗数值越能确定会增加或者减少那么基尼系数就越小；
获取基尼系数最小的前两位为确定能耗增加的两个因素：设备运作时长和用户人次；
获取上月和当月的设备运作时长，分别记为A和B；
根据公式:
C＝(B－A)/A×100％
其中，C为设备运作时长环比增长率；
在此处用环比增长率来表示设备运作时长的变化是因为用环比增长速度反映指标变化时，具有实效性强、灵敏度比较高的特点。
获取上月和当月的用户人次，分别记为D和E；
根据公式：
F＝(E－D)/D×100％
其中，F为用户人次环比增长率；
若C与F中有一项为正增长就不进入报警模块，否则仍然进入；
所述报警模块包括信号接收单元以及报警单元；
所述信号接收单元用于接收来自数据分析模块的报警请求；所述报警单元用于发出警报信号，提醒工作人员及时对用能接口、设备等进行故障排查维修并根据能耗数据制定节能方案；
所述信号接收单元的输出端与报警单元的输入端相连接；
本发明还公开了一种基于人工智能的数字化能源数据管理方法，所述基于人工智能的数字化能源数据管理方法为：
S1、对用户的水、电能源使用率进行数据采集，传输数据并存储数据；
S2、对能源消耗数据进行加密，根据存储的历史月度水、电能源消耗数据生成报表；
S3、根据历史能耗值计算出当月能耗阈值大小，比较当月实际能耗与阈值的大小，当实际能耗大于阈值时提出报警请求；当实际能耗小于等于阈值时，只要设备运作时长环比增长率和用户人次环比增长率有一项为正增长时就不提出报警请求，否则仍然提出请求；
S4、接收报警请求，提醒相关管理部门工作人员注意，并及时进行故障排查与维修。
在步骤S1中，对用户的水、电能源使用率进行数据采集包括：
使用子母表，设置在用户进水管进水端的母智能水表和用户入户端的母智能水表均与数据存储单元相连接；同时，在用户各部门的进水管进水端均设置子智能水表，在用户的入户端均设置子智能电表。
在步骤S3中，对阈值的计算包括：
根据公式：
yi＝axi+b(1≤i≤n)
其中n为训练样本数量，i为训练样本编号，xi为某一月份，yi为xi所对应的实际能耗值，a、b为参数；
设置第i个月份的能耗预测值为
实际值yi与能耗预测值
之差记为/>
训练集中n个样本所产生误差总和L(a,b)为：
当
时，误差总和L(a,b)为最小值；
a，b值确定之后根据上述公式获取当月能耗预测值记为与
阈值的大小即为
的大小；
对当月实际能耗与阈值的大小包括：
获取当月实际能耗值记为yec；
若
则提出报警请求；/>
则去计算设备运作时长环比增长率和用户人次环比增长率；
设备运作时长环比增长率和用户人次环比增长率的计算包括：
根据公式：
其中，Gini为基尼系数，pk为结果类别概率，结果类别包括：能耗增加与能耗减少，k为项数且只能取到2；
Gini＝1－p(eci)2－p(ecr)2
其中eci为能耗增加，ecr为能耗减少；
获取基尼系数最小的前两位为确定能耗增加的两个因素：设备运作时长和用户人次；
获取上月和当月的设备运作时长，分别记为A和B；
根据公式:
C＝(B－A)/A×100％
其中，C为设备运作时长环比增长率；
获取上月和当月的用户人次，分别记为D和E；
根据公式：
F＝(E－D)/D×100％
其中，F为用户人次环比增长率；
若C与F中有一项为正增长就不提出报警请求，否则仍然提出请求；
与现有技术相比，本发明所达到的有益效果是：本发明能够实现在实际能耗未超过阈值的情况下，管理人员无需频繁地去人工分析能耗数据，寻找节能降耗的突破口，系统能够自动地针对实际能耗使用情况，做出更细致的分析处理应对举措。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于人工智能的数字化能源数据管理系统的结构示意图；
图2是本发明一种基于人工智能的数字化能源数据管理系统的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：
一种基于人工智能的数字化能源数据管理系统，该系统包括数据收集模块、数据存储模块、数据分析模块以及报警模块；
所述数据收集模块用于收集用户在固定时间周期内的能源消耗数据并传输给数据存储模块；所述数据存储模块用于存储用户历史月度水、电能源消耗数据，加密数据并生成报表；所述数据分析模块用于计算能耗值是否达到报警条件；所述报警模块用于报警，在能耗超出阈值或者未超出阈值但与现实使用情况不匹配时发出报警声响；
所述数据收集模块的输出端与所述数据存储模块的输入端相连接；所述数据存储模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述报警模块的输入端相连接；
所述数据收集模块包括数据采集单元以及数据传输单元；
所述数据采集单元用于采集月度水、电能源消耗数据；所述数据传输单元用于将所采集到的能耗数据传输至数据存储模块；
所述数据采集单元的输出端与数据传输单元的输入端相连接；
所述数据采集单元包括：
使用子母表，设置在用户进水管进水端的母智能水表和用户入户端的母智能水表均与数据存储单元相连接；同时，在用户各部门的进水管进水端均设置子智能水表，在用户的入户端均设置子智能电表；
所述数据存储模块包括数据存储单元、数据加密单元以及报表生成单元；
所述数据存储单元用于存储历史月度水、电能源消耗数据；所述数据加密单元用于对能源消耗数据进行加密；所述报表生成单元用于生成月度能源消耗报表；
所述数据存储单元的输出端与所述数据加密单元的输入端相连接；所述数据加密单元的输出端与所述报表生成单元的输入端相连接；
所述数据分析模块包括阈值计算单元、数值比较单元、能耗影响因素环比计算单元；
所述阈值计算单元用于计算每月能耗阈值大小；所述数值比较单元用于比较当月实际能耗与阈值的大小；所述能耗影响因素环比计算单元用于计算影响能耗总量的因素其环比数值大小；
所述阈值计算单元的输出端与数值比较单元的输入端相连接；所述数值比较单元的输出端与报警模块相连接；所述数值比较单元的输出端与能耗影响因素环比计算单元的输入端相连接；所述能耗影响因素环比计算单元的输出端与报警模块相连接。
所述阈值计算单元包括：
根据公式：
yi＝axi+b(1≤i≤n)
其中n为训练样本数量，i为训练样本编号，xi为某一月份，yi为xi所对应的实际能耗值，a、b为参数；
设置第i个月份的能耗预测值为
实际值yi与能耗预测值
之差记为/>
训练集中n个样本所产生误差总和L(a,b)为：
当
时，误差总和L(a,b)为最小值；
a，b值确定之后根据上述公式获取当月能耗预测值记为与
阈值的大小即为
的大小；
所述数值比较单元包括：
获取当月实际能耗值记为yec；
若
则进入报警模块；/>
则进入能耗影响因素环比计算单元；
所述能耗影响因素环比计算单元还包括：
根据公式：
其中，Gini为基尼系数，pk为结果类别概率，结果类别包括：能耗增加与能耗减少，k为项数且只能取到2；
Gini＝1－p(eci)2－p(ecr)2
其中eci为能耗增加，ecr为能耗减少；
基尼系数可以衡量众多因素对能耗的影响结果确定程度，能耗数值越能确定会增加或者减少那么基尼系数就越小；
获取基尼系数最小的前两位为确定能耗增加的两个因素：设备运作时长和用户人次；
获取上月和当月的设备运作时长，分别记为A和B；
根据公式:
C＝(B－A)/A×100％
其中，C为设备运作时长环比增长率；
获取上月和当月的用户人次，分别记为D和E；
根据公式：
F＝(E－D)/D×100％
其中，F为用户人次环比增长率；
若C与F中有一项为正增长就不进入报警模块，否则仍然进入；
所述报警模块包括信号接收单元以及报警单元；
所述信号接收单元用于接收来自数据分析模块的报警请求；所述报警单元用于发出警报信号，提醒工作人员及时对用能接口、设备等进行故障排查维修并根据能耗数据制定节能方案；
所述信号接收单元的输出端与所述报警单元的输入端相连接；
本发明还公开了一种基于人工智能的数字化能源数据管理方法，所述基于人工智能的数字化能源数据管理方法为：
S1、对用户的水、电能源使用率进行数据采集，传输数据并存储数据；
S2、对能源消耗数据进行加密，根据存储的历史月度水、电能源消耗数据生成报表；
S3、根据历史能耗值计算出当月能耗阈值大小，比较当月实际能耗与阈值的大小，当实际能耗大于阈值时提出报警请求；当实际能耗小于等于阈值时，只要设备运作时长环比增长率和用户人次环比增长率有一项为正增长时就不提出报警请求，否则仍然提出请求；
S4、接收报警请求，提醒相关管理部门工作人员注意，并及时进行故障排查与维修。
在本实施例中：
根据公式：
yi＝axi+b(1≤i≤n)
其中n为训练样本数量，i为训练样本编号，xi为某一月份，yi为xi所对应的实际能耗值，a、b为参数；
设置第i个月份的能耗预测值为
实际值yi与能耗预测值
之差记为/>
训练集中n个样本所产生误差总和L(a,b)为：
当
时，误差总和L(a,b)为最小值；
一般而言，要使函数L(a,b)具有最小值，可对其中的参数a和b分别求导，令其导数值为零，再求取参数a和b的值；
求导过程如下所示：
对a进行求导可得：
将
代入上式得
即
即
即
得到
同理，对b进行求导可得：
即
即
即
得到
a，b值确定之后根据最佳回归模型获取当月能耗预测值记为与
阈值的大小即为/>
的大小；
所述数值比较单元包括：
获取当月实际能耗值记为yec；
若
则进入报警模块；/>
则进入能耗影响因素环比计算单元；
所述能耗影响因素环比计算单元还包括：
根据公式：
其中，Gini为基尼系数，pk为结果类别概率，结果类别包括：能耗增加与能耗减少，k为项数且只能取到2；
Gini＝1－p(eci)2－p(ecr)2
其中eci为能耗增加，ecr为能耗减少；
在本实施例中，将前年12个月设备运作平均时长作为标准设备运作时长，以去年12个月各月的实际设备运作时长比较标准设备运作时长的大小，去年12个月中有7个月设备运作时长是增加的，在这7个月中有7个月能耗是增加的；去年12个月中有5个月设备运作时长是减少的，在这5个月中，有3个月能耗是增加的，有2个月能耗是减少的；
根据公式：
那么以设备运作时长为标准分类的基尼系数需要通过加权的方式求和得到该标准最终的阻尼系数：
同理，将前年12个月平均用户人次作为标准用户人次，以去年12个月各月的实际用户人次比较标准用户人次的大小，去年12个月中有6个月用户人次是增加的，在这6个月中有5个月能耗是增加的，1个月能耗是减少的；在去年12个月中有6个月用户人次是减少的，在这6个月中，有4个月能耗是减少的，2个月能耗是增加的；
根据公式：
基尼系数可以衡量众多因素对能耗的影响结果确定程度，能耗数值越能确定会增加或者减少那么基尼系数就越小；
获取基尼系数最小的前两位为确定能耗增加的两个因素：设备运作时长和用户人次；
获取上月和当月的设备运作时长，分别记为A和B；
根据公式:
C＝(B－A)/A×100％
其中，C为设备运作时长环比增长率；
获取上月和当月的用户人次，分别记为D和E；
根据公式：
F＝(E－D)/D×100％
其中，F为用户人次环比增长率；
若C与F中有一项为正增长就不进入报警模块，否则仍然进入；
设置A为60000，B为40000，D为80000，E为70000；
则有C＝(B－A)/A×100％＝(40000－60000)/60000×100％≈-33.3％，F＝(E－D)/D×100％＝(70000－80000)/80000×100％＝-12.5％，此时C与F两项均为负增长，进入报警模块；
设置A为40000，B为60000，D为70000，E为80000；
则有C＝(B－A)/A×100％＝(60000－40000)/40000×100％＝50％，F＝(E－D)/D×100％＝(80000－70000)/70000×100％≈14.3％，此时C与F两项均为正增长，不进入报警模块；
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的数字化能源数据管理系统，其特征在于：该系统包括数据收集模块、数据存储模块、数据分析模块以及报警模块；
所述数据收集模块用于收集用户在固定时间周期内的能源消耗数据并传输给数据存储模块；所述数据存储模块用于存储用户历史月度水、电能源消耗数据，加密数据并生成报表；所述数据分析模块用于计算能耗是否达到报警条件；所述报警模块用于报警，在能耗超出阈值或者未超出阈值但与现实使用情况不匹配时发出报警声响；
所述数据收集模块的输出端与所述数据存储模块的输入端相连接；所述数据存储模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述报警模块的输入端相连接。
2.根据权利要求1所述的一种基于人工智能的数字化能源数据管理系统，其特征在于：所述数据收集模块包括数据采集单元以及数据传输单元；
所述数据采集单元用于采集月度水、电能源消耗数据；所述数据传输单元用于将所采集到的能耗数据传输至数据存储模块；
所述数据采集单元的输出端与所述数据传输单元的输入端相连接；
所述数据采集单元包括：
使用子母表，设置在用户进水管进水端的母智能水表和用户入户端的母智能水表均与数据存储单元相连接；同时，在用户各部门的进水管进水端均设置子智能水表，在用户的入户端均设置子智能电表。
3.根据权利要求1所述的一种基于人工智能的数字化能源数据管理系统，其特征在于：所述数据存储模块包括数据存储单元、数据加密单元以及报表生成单元；
所述数据存储单元用于存储历史月度水、电能源消耗数据；所述数据加密单元用于对能源消耗数据进行加密；所述报表生成单元用于生成月度能源消耗报表；
所述数据存储单元的输出端与数据加密单元的输入端相连接；所述数据加密单元的输出端与报表生成单元的输入端相连接。
4.根据权利要求1所述的一种基于人工智能的数字化能源数据管理系统，其特征在于：所述数据分析模块包括阈值计算单元、数值比较单元以及能耗影响因素环比计算单元；
所述阈值计算单元用于计算每月能耗阈值大小；所述数值比较单元用于比较当月实际能耗与阈值的大小；所述能耗影响因素环比计算单元用于计算影响能耗总量的因素其环比数值大小；
所述阈值计算单元的输出端与数值比较单元的输入端相连接；所述数值比较单元的输出端与报警模块相连接；所述数值比较单元的输出端与能耗影响因素环比计算单元的输入端相连接；所述能耗影响因素环比计算单元的输出端与报警模块相连接；
所述阈值计算单元包括：
根据公式：
yi＝axi+b(1≤i≤n)
其中n为训练样本数量，i为训练样本编号，xi为某一月份，yi为xi所对应的实际能耗值，a、b为参数；
设置第i个月份的能耗预测值为
实际值yi与能耗预测值
之差记为/>
训练集中n个样本所产生误差总和L(a,b)为：
当
时，误差总和L(a,b)为最小值；
a，b值确定之后根据上述公式获取当月能耗预测值记为与
阈值的大小即为/>
的大小；
所述数值比较单元包括：
获取当月实际能耗值记为yec；
若
则进入报警模块；/>
则进入能耗影响因素环比计算单元；
所述能耗影响因素环比计算单元还包括：
根据公式：
其中，Gini为基尼系数，pk为结果类别概率，结果类别包括：能耗增加与能耗减少，k为项数且只能取到2；
Gini＝1－p(eci)2－p(ecr)2
其中eci为能耗增加，ecr为能耗减少；
获取基尼系数最小的前两位为确定能耗增加的两个因素：设备运作时长和用户人次；
获取上月和当月的设备运作时长，分别记为A和B；
根据公式:
C＝(B－A)/A×100％
其中，C为设备运作时长环比增长率；
获取上月和当月的用户人次，分别记为D和E；
根据公式：
F＝(E－D)/D×100％
其中，F为用户人次环比增长率；
若C与F中有一项为正增长就不进入报警模块，否则仍然进入。
5.根据权利要求1所述的一种基于人工智能的数字化能源数据管理系统，其特征在于：所述报警模块包括信号接收单元以及报警单元；
所述信号接收单元用于接收来自数据分析模块的报警请求；所述报警单元用于发出警报信号，提醒工作人员及时对用能接口和设备进行故障排查维修并根据能耗数据制定节能方案；
所述信号接收单元的输出端与报警单元的输入端相连接。
6.一种基于人工智能的数字化能源数据管理方法，其特征在于，所述方法包括以下步骤：
S1、对用户的水、电能源使用率进行数据采集，传输数据并存储数据；
S2、对能源消耗数据进行加密，根据存储的历史月度水、电能源消耗数据生成报表；
S3、根据历史能耗值计算出当月能耗阈值大小，比较当月实际能耗与阈值的大小，当实际能耗大于阈值时提出报警请求；当实际能耗小于等于阈值时，只要设备运作时长环比增长率和用户人次环比增长率有一项为正增长时就不提出报警请求，否则仍然提出请求；
S4、接收报警请求，提醒相关管理部门工作人员注意，并及时进行故障排查与维修。
7.根据权利要求6所述的一种基于人工智能的数字化能源数据管理方法，其特征在于：在步骤S1中，对用户的水、电能源使用率进行数据采集包括：
使用子母表，设置在用户进水管进水端的母智能水表和用户入户端的母智能水表均与数据存储单元相连接；同时，在用户各部门的进水管进水端均设置子智能水表，在用户的入户端均设置子智能电表。
8.根据权利要求6所述的一种基于人工智能的数字化能源数据管理方法，其特征在于：在步骤S3中，对阈值的计算包括：
根据公式：
yi＝axi+b(1≤i≤n)
其中n为训练样本数量，i为训练样本编号，xi为某一月份，yi为xi所对应的实际能耗值，a、b为参数；
设置第i个月份的能耗预测值为
实际值yi与能耗预测值
之差记为/>
训练集中n个样本所产生误差总和L(a,b)为：
当
时，误差总和L(a,b)为最小值；
a，b值确定之后根据上述公式获取当月能耗预测值记为与
阈值的大小即为/>
的大小；
对当月实际能耗与阈值的大小包括：
获取当月实际能耗值记为yec；
若
则提出报警请求；/>
则去计算设备运作时长环比增长率和用户人次环比增长率；
设备运作时长环比增长率和用户人次环比增长率的计算包括：
根据公式：
其中，Gini为基尼系数，pk为结果类别概率，结果类别包括：能耗增加与能耗减少，k为项数且只能取到2；
Gini＝1－p(eci)2－p(ecr)2
其中eci为能耗增加，ecr为能耗减少；
获取基尼系数最小的前两位为确定能耗增加的两个因素：设备运作时长和用户人次；
获取上月和当月的设备运作时长，分别记为A和B；
根据公式:
C＝(B－A)/A×100％
其中，C为设备运作时长环比增长率；
获取上月和当月的用户人次，分别记为D和E；
根据公式：
F＝(E－D)/D×100％
其中，F为用户人次环比增长率；
若C与F中有一项为正增长就不提出报警请求，否则仍然提出请求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310299704.2A CN116339204B (zh) | 2023-03-25 | 2023-03-25 | 一种基于人工智能的数字化能源数据管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310299704.2A CN116339204B (zh) | 2023-03-25 | 2023-03-25 | 一种基于人工智能的数字化能源数据管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116339204A true CN116339204A (zh) | 2023-06-27 |
| CN116339204B CN116339204B (zh) | 2023-12-15 |
Family
ID=86892541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310299704.2A Active CN116339204B (zh) | 2023-03-25 | 2023-03-25 | 一种基于人工智能的数字化能源数据管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116339204B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118036973A (zh) * | 2024-02-26 | 2024-05-14 | 容讯智能科技(上海)有限公司 | 一种宿舍电能能耗管控系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013152618A (ja) * | 2012-01-25 | 2013-08-08 | Hitachi Building Systems Co Ltd | エネルギー使用量管理システム |
| US20140058572A1 (en) * | 2012-08-27 | 2014-02-27 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
| CN110766297A (zh) * | 2019-10-10 | 2020-02-07 | 国网浙江省电力有限公司 | 一种综合能源智能管理平台系统构架 |
| CN112488558A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种基于工业互联网的能耗监控及分析系统 |
| CN113741243A (zh) * | 2021-08-05 | 2021-12-03 | 海澜智云科技有限公司 | 一种企业综合能源管控系统及方法 |
| CN115375264A (zh) * | 2022-08-08 | 2022-11-22 | 江苏安科瑞微电网研究院有限公司 | 一种智慧园区综合管理系统及其管理方法 |
| CN115392742A (zh) * | 2022-08-30 | 2022-11-25 | 广东鉴面智能科技有限公司 | 一种能源能耗综合管理系统 |
| CN115456267A (zh) * | 2022-09-02 | 2022-12-09 | 珠海爱浦京软件股份有限公司 | 一种基于数据分析的能源数据处理系统及方法 |
-
2023
- 2023-03-25 CN CN202310299704.2A patent/CN116339204B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013152618A (ja) * | 2012-01-25 | 2013-08-08 | Hitachi Building Systems Co Ltd | エネルギー使用量管理システム |
| US20140058572A1 (en) * | 2012-08-27 | 2014-02-27 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
| CN110766297A (zh) * | 2019-10-10 | 2020-02-07 | 国网浙江省电力有限公司 | 一种综合能源智能管理平台系统构架 |
| CN112488558A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种基于工业互联网的能耗监控及分析系统 |
| CN113741243A (zh) * | 2021-08-05 | 2021-12-03 | 海澜智云科技有限公司 | 一种企业综合能源管控系统及方法 |
| CN115375264A (zh) * | 2022-08-08 | 2022-11-22 | 江苏安科瑞微电网研究院有限公司 | 一种智慧园区综合管理系统及其管理方法 |
| CN115392742A (zh) * | 2022-08-30 | 2022-11-25 | 广东鉴面智能科技有限公司 | 一种能源能耗综合管理系统 |
| CN115456267A (zh) * | 2022-09-02 | 2022-12-09 | 珠海爱浦京软件股份有限公司 | 一种基于数据分析的能源数据处理系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118036973A (zh) * | 2024-02-26 | 2024-05-14 | 容讯智能科技(上海)有限公司 | 一种宿舍电能能耗管控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116339204B (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109308571B (zh) | 配电线路线变关系检测方法 | |
| TWI440862B (zh) | Electrical detection method and system based on user feedback information | |
| CN103197138B (zh) | 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法 | |
| CN113128781A (zh) | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 | |
| CN116339204B (zh) | 一种基于人工智能的数字化能源数据管理系统及方法 | |
| KR101648272B1 (ko) | 복합 이벤트 처리와 기계학습 기반의 가정별 물 수요량 예측 및 누수 탐지방법 | |
| CN111291076A (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
| CN109977535A (zh) | 一种线损异常诊断方法、装置、设备及可读存储介质 | |
| Wang et al. | Prediction and analysis of domestic water consumption based on optimized grey and Markov model | |
| CN110334952A (zh) | 一种基于改进灰色关联度的配电网规划后评价方法 | |
| US12117328B2 (en) | Method and system of risk prevention based on energy of natural gas in a full cycle | |
| CN111062620B (zh) | 基于混合计费数据的电力计费公平性智能分析系统及方法 | |
| CN109947815B (zh) | 一种基于离群点算法的窃电辨识方法 | |
| CN113554361B (zh) | 一种综合能源系统数据处理计算方法及处理系统 | |
| CN118037469B (zh) | 基于大数据的财务管理系统 | |
| CN118100449B (zh) | 一种基于数据中台的微电网配置管理系统 | |
| CN115860983A (zh) | 一种基于物联网的智慧城市燃气安全监测运行管理方法及系统 | |
| CN115169719A (zh) | 一种基于模糊聚类和bp神经网络的台区状态预测模型 | |
| CN111366889B (zh) | 一种智能电表异常用电检测方法 | |
| Fagiani et al. | Computational Intelligence in Smart water and gas grids: An up-to-date overview | |
| CN115908082A (zh) | 基于用电特征指标的企业排污监控方法及装置 | |
| Sicheng et al. | Abnormal line loss data detection and correction method | |
| CN113872320A (zh) | 一种光伏台区平衡度统计系统 | |
| CN109472398A (zh) | 基于相对鲁棒CVaR的电网投资项目组合优化方法 | |
| CN118211755B (zh) | 一种基于遗传算法优化的bp神经网络的二次供水流量预测方法 |
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 |