CN116385210A - 一种基于物联网的供电能耗监测系统 - Google Patents
一种基于物联网的供电能耗监测系统 Download PDFInfo
- Publication number
- CN116385210A CN116385210A CN202310660854.1A CN202310660854A CN116385210A CN 116385210 A CN116385210 A CN 116385210A CN 202310660854 A CN202310660854 A CN 202310660854A CN 116385210 A CN116385210 A CN 116385210A
- Authority
- CN
- China
- Prior art keywords
- electricity
- month
- consumption
- power
- utilization
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 161
- 238000005265 energy consumption Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 230000005611 electricity Effects 0.000 claims description 309
- 230000008859 change Effects 0.000 claims description 33
- 238000012512 characterization method Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000004069 differentiation Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 135
- 230000006872 improvement Effects 0.000 description 10
- 238000012806 monitoring device Methods 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及供电能耗监测技术领域,具体公开一种基于物联网的供电能耗监测系统,包括供电监测设备接入模块、监测时段设定模块、用电量监测模块、用电关联要素采集模块、云数据库、普通用电趋势分析模块、特殊用电趋势分析模块和节电需求及节电潜力判断识别模块,本发明通过将一年全月份划分为普通用电月份和特殊用电月份,由此在相应月份监测目标用电企业的用电量,从而将普通用电月份、特殊用电月份的用电量分类进行分析,得到普通用电月份和特殊用电月份的用电趋势参数,实现了企业供电能耗的细致化、针对性监测,提高了用电趋势分析结果的准确度,能够为节电需求判断提供真实可靠的判断依据,有效降低了错误判断的发生率。
Description
技术领域
本发明涉及供电能耗监测技术领域,具体而言,是一种基于物联网的供电能耗监测系统。
背景技术
随着传统行业竞争的日益加剧,为了获得更多的利润,企业不得不加强成本的管理,作为成本支出中占比较大的电力成本支出越来越受到管理者的重视,特别是随着能源危机的暴发,国家加强宏观调控,对供电能耗管理已经成为企业不容忽视的问题。而实现供电能耗管理的首要操作就是对企业的供电能耗状态进行监测,进而判断是否存在节电需求。
目前对企业的供电能耗状态监测大多通过按照时间先后顺序依次采集企业的用电量,并统一进行相互对比,由此分析企业的用电趋势,这种监测方式没有考虑到企业用电量是由多种用电设备共同耗电产生的,而有些用电设备产生的用电量与季节具有明显的关联性,例如中央空调,导致用电趋势的分析过于笼统,缺乏针对性,无法凸显企业用电量的季节分布特性,使得分析结果存在脱离实际的可能性,合理性不高,进而直接影响了分析结果的准确度,从而难以为节电需求的判断提供可靠真实的判断依据,在一定程度上增大了错误判断的发生率,不利于企业后续的供电能耗管理。
发明内容
为此,本申请实施例的一个目的在于提供一种基于物联网的供电能耗监测系统,有效解决了背景技术提到的问题。
为达到上述目的,本发明的技术方案是这样实现的:一种基于物联网的供电能耗监测系统,包括:供电监测设备接入模块,用于在目标用电企业的用电口接入供电监测设备。
监测时段设定模块,用于定位目标用电企业对应的坐落地区,并据此将目标用电企业坐落地区对应的一年全月份划分为普通用电月份和特殊用电月份,与此同时以当前年限为界划定若干历史监测年限,进而将其结合普通用电月份和特殊用电月份得到各历史监测年限对应的普通用电月份和特殊用电月份。
用电量监测模块,用于在各历史监测年限对应的各普通用电月份和各特殊用电月份利用供电监测设备监测用电量。
用电关联要素采集模块,用于在各历史监测年限对应的各普通用电月份和各特殊用电月份采集用电关联要素。
云数据库,用于存储各种气候类型对应的分布地区,并存储各种气候类型对应的夏季持续月份和冬季持续月份。
普通用电趋势分析模块,用于基于各历史监测年限对应各普通用电月份的用电量和用电关联要素分析普通用电月份的用电趋势参数。
特殊用电趋势分析模块,用于基于各历史监测年限对应各特殊用电月份的用电量和用电关联要素分析特殊用电月份的用电趋势参数。
节电需求及节电潜力判断识别模块,用于依据普通用电月份、特殊用电月份对应的用电趋势参数判断目标用电企业是否具有节电需求,并识别目标用电企业对应的节电潜力,同时将节电潜力进行上传显示。
作为上述技术方案的进一步改进,所述普通用电月份和特殊用电月份的具体划分方式为:将目标用电企业坐落地区与云数据库中各种气候类型对应的分布地区进行匹配,从中匹配出目标用电企业坐落地区对应的气候类型。
将目标用电企业坐落地区对应的气候类型与云数据库中各种气候类型对应的夏季持续月份和冬季持续月份进行匹配,由此得到目标用电企业坐落地区对应的夏季持续月份和冬季持续月份,将其统称为特殊用电月份。
将一年中除特殊用电月份对应的其他月份作为普通用电月份。
作为上述技术方案的进一步改进,所述用电关联要素为办公累计时长。
作为上述技术方案的进一步改进,所述用电关联要素的具体采集方式为:(1)统计各历史监测年限对应各普通用电月份中存在的监测日数量,进而在各监测日从打卡记录中调取上班最早打卡时间点和下班最晚打卡时间点,由此获取各监测日对应的办公时长。
(2)将各历史监测年限对应各普通用电月份中各监测日的办公时长进行累加,得到各历史监测年限对应各普通用电月份的用电关联要素。
(3)按照(1)和(2)获取各历史监测年限对应各特殊用电月份的用电关联要素。
作为上述技术方案的进一步改进,所述普通用电月份的用电趋势参数包括单位办公用电差异度和办公用电走势表征值,其中单位办公用电差异度的具体分析过程如下:A1、将各历史监测年限对应各普通用电月份的用电关联要素和用电量导入公式,得到各历史监测年限对应各普通用电月份的单位办公用电量。
A2、将各普通用电月份对应的各历史监测年限按照时间先后顺序进行排列编号。
A3、以历史监测年限为横坐标,以单位办公用电量为纵坐标,针对各普通用电月份在各历史监测年限的单位办公用电量在二维坐标内标注出多个点,得到各普通用电月份对应的单位办公用电量随历史监测年限的变化曲线,并从变化曲线中获取各点的斜率,进而从中筛选出最大斜率和最小斜率。
A4、将各普通用电月份对应的最大斜率和最小斜率导入公式计算出各普通用电月份对应的单位办公用电差异度/>,其中i表示为普通用电月份编号,/>,t表示为普通用电月份的数量,、/>分别表示为第i普通用电月份的最大斜率、最小斜率,t表示为普通用电月份的数量。
A6、将与设置的参照单位办公用电差异度分化指数/>进行对比,若/>则将作为普通用电月份的单位办公用电差异度,反之则从各普通用电月份中筛选出关键用电月份,进而将关键用电月份对应的单位办公用电差异度作为普通用电月份的单位办公用电差异度。
作为上述技术方案的进一步改进,所述办公用电走势表征值的具体分析过程如下:B1、将各普通用电月份在各历史监测年限的用电关联要素进行相互对比,当存在相同用电关联要素时提取相同用电关联要素对应的历史监测年限,并对相应历史监测年限的用电量进行均值计算,得到各普通用电月份中相同用电关联要素对应的有效用电量,对于不同用电关联要素,将不同用电关联要素所在历史监测年限的用电量作为对应用电关联要素的有效用电量,由此得到各普通用电月份中各用电关联要素对应的有效用电量。
B2、以用电关联要素为横坐标,以有效用电量为纵坐标,针对各普通用电月份中各用电关联要素对应的有效用电量在二维坐标内标注出多个点,得到各普通用电月份对应的用电关联要素随有效用电量的变化曲线。
B3、将各普通用电月份对应的用电关联要素随有效用电量的变化曲线进行整理合并形成整合变化曲线,并从整合变化曲线中获取各点的斜率,进而进行均值计算,得到普通用电月份对应的用电走势表征值。
作为上述技术方案的进一步改进,所述特殊用电月份的用电趋势参数包括单位控温用电差异度和控温用电走势表征值,其中单位控温用电差异度的具体分析过程如下:C1、将各历史监测年限对应各特殊用电月份的用电关联要素与所有历史监测年限中所有普通用电月份的用电关联要素进行相似度计算,并根据计算结果得到各历史监测年限对应各特殊用电月份的参照历史监测年限及参照普通用电月份,进而提取相应参照普通用电月份的用电量,作为各特殊用电月份对应的办公用电量。
C3、同理按照A2-A6获取特殊用电月份的单位控温用电差异度。
作为上述技术方案的进一步改进,所述控温用电走势表征值的具体分析过程如下:D1、按照B1得到各特殊用电月份中各用电关联要素对应的有效控温用电量。
D2、按照B2得到各特殊用电月份对应的用电关联要素随有效控温用电量的变化曲线。
D3、按照B3得到特殊用电月份对应的控温用电走势表征值。
作为上述技术方案的进一步改进,所述判断目标用电企业是否具有节电需求,并识别目标用电企业对应的节电潜力具体实现过程为:将普通用电月份、特殊用电月份对应的用电趋势参数导入公式计算得到普通用电月份对应的用电耗能代表指数/>和特殊用电月份对应的用电耗能代表指数/>,式中/>、分别表示为普通用电月份对应的单位办公用电差异度、办公用电走势表征值,/>、/>分别表示为特殊用电月份对应的单位控温用电差异度、控温用电走势表征值,e表示为自然常数。
将与/>进行对比,并利用下述模型进行判断识别,其中/>、/>、/>分别表示为目标用电企业对应的节电潜力为办公用电、控温用电、办公用电和控温用电并存,/>表示为目标用电企业无节电潜力,/>表示为设定的限制用电耗能代表指数对比差。
与现有技术相比,本发明具有以下优点:1、本发明通过将一年全月份划分为普通用电月份和特殊用电月份,由此在相应月份监测目标用电企业的用电量,从而将普通用电月份、特殊用电月份监测得到的用电量分类进行对比分析,得到普通用电月份和特殊用电月份的用电趋势参数,实现了企业供电能耗的细致化、针对性监测,很好地凸显了企业用电量的季节分布特性,大大避免出现用电趋势分析结果脱离实际的情况,使得分析结果更加合理,从而最大限度提高了用电趋势分析结果的准确度,能够为节电需求判断提供真实可靠的判断依据,在一定程度上降低了错误判断的发生率。
2、本发明在判断目标用电企业是否存在节电需求时通过将普通用电月份和特殊用电月份的用电趋势参数进行对比差异分析,不仅实现了目标用电企业节电需求的判断,还在判断出目标用电企业存在节电需求时基于普通用电月份和特殊用电月份的用电趋势参数对比差异分析结果识别出目标用电企业的节电潜力,为后续的供电能耗管理提供针对性的管理方向,从而有利于提高供电能耗管理效果。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的系统连接示意图。
图2为本发明中单位办公用电量随历史监测年限的变化曲线示意图。
图3为本发明中用电关联要素随有效用电量的变化曲线。
图4为本发明中变化曲线的重合段和非重合段的示意图。
附图标记:a——变化曲线的重合段,b——变化曲线的非重合段。
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。
本发明提出一种基于物联网的供电能耗监测系统,包括供电监测设备接入模块、监测时段设定模块、用电量监测模块、用电关联要素采集模块、云数据库、普通用电趋势分析模块、特殊用电趋势分析模块和节电需求及节电潜力判断识别模块。
参照图1所示,上述中各模块之间的连接关系为供电监测设备接入模块和监测时段设定模块分别与用电量监测模块连接,监测时段设定模块与用电关联要素连接,用电量监测模块和用电关联要素采集模块均与普通用电趋势分析模块和特殊用电趋势分析模块连接,普通用电趋势分析模块和特殊用电趋势分析模块均与节电需求及节电潜力判断识别模块连接,云数据库与监测时段设定模块连接。
所述供电监测设备接入模块用于在目标用电企业的用电口接入供电监测设备,其中供电监测设备为电能表。
所述监测时段设定模块用于定位目标用电企业对应的坐落地区,并据此将目标用电企业坐落地区对应的一年全月份划分为普通用电月份和特殊用电月份,与此同时以当前年限为界划定若干历史监测年限,进而将其结合普通用电月份和特殊用电月份得到各历史监测年限对应的普通用电月份和特殊用电月份。
在上述方案基础上,普通用电月份和特殊用电月份的具体划分方式为:将目标用电企业坐落地区与云数据库中各种气候类型对应的分布地区进行匹配,从中匹配出目标用电企业坐落地区对应的气候类型。
将目标用电企业坐落地区对应的气候类型与云数据库中各种气候类型对应的夏季持续月份和冬季持续月份进行匹配,由此得到目标用电企业坐落地区对应的夏季持续月份和冬季持续月份,将其统称为特殊用电月份。
示例性地,气候类型包括热带雨林气候、热带草原气候、热带季风气候、亚热带季风气候等,由于不同的气候类型对应的气候特征不同,由此引发的气候分布存在差异,这就使得不同气候类型对应的夏季持续月份和冬季持续月份,例如亚热带季风气候对应的夏季持续月份为6月-9月(阳历),冬季持续月份为12月-来年2月(阳历)。
将一年中除特殊用电月份对应的其他月份作为普通用电月份。
本发明中将一年中涉及的月份进行普通用电月份和特殊用电月份划分,正是考虑到企业用电量中由中央空调产生的控温用电量与季节具有明显的关联性,其中特殊用电月份对应的控温用电量,普通用电月份对应的的企业正常办公运行用电量,具体包括办公设备、照明、饮水机等用电量总和,这些用电量每天都需要使用,与季节几乎无关联。
上述方案中历史监测年限的设定数量尽可能多,这是为了避免因设定的历史监测年限数量过少导致后续分析用电趋势存在误差,影响用电趋势分析的准确性。
所述用电量监测模块用于在各历史监测年限对应的各普通用电月份和各特殊用电月份利用供电监测设备监测用电量。
需要说明的是,上述利用供电监测设备监测的用电量为月用电量。
所述用电关联要素采集模块用于在各历史监测年限对应的各普通用电月份和各特殊用电月份采集用电关联要素,其中用电关联要素为办公累计时长。
在本发明的具体实施例中,用电关联要素的具体采集方式为:(1)统计各历史监测年限对应各普通用电月份中存在的监测日数量,进而在各监测日从打卡记录中调取上班最早打卡时间点和下班最晚打卡时间点,进而将下班最晚打卡时间点与上班最早打卡时间点相减,得到各监测日对应的办公时长。
(2)将各历史监测年限对应各普通用电月份中各监测日的办公时长进行累加,得到各历史监测年限对应各普通用电月份的用电关联要素。
(3)按照(1)和(2)获取各历史监测年限对应各特殊用电月份的用电关联要素。
本发明对用电关联要素的采集是考虑到企业用电量的产生是与办公人员息息相关的,只有处于办公时段内才会存在企业正常办公运行用电量、控温用电量,由此办公时长对企业用电量具有决定性影响。
所述云数据库用于存储各种气候类型对应的分布地区,并存储各种气候类型对应的夏季持续月份和冬季持续月份。
所述普通用电趋势分析模块用于基于各历史监测年限对应各普通用电月份的用电量和用电关联要素分析普通用电月份的用电趋势参数,所述普通用电月份的用电趋势参数包括单位办公用电差异度和办公用电走势表征值,其中单位办公用电差异度的具体分析过程如下:A1、将各历史监测年限对应各普通用电月份的用电关联要素和用电量导入公式,得到各历史监测年限对应各普通用电月份的单位办公用电量。
A2、将各普通用电月份对应的各历史监测年限按照时间先后顺序进行排列编号。
A3、以历史监测年限为横坐标,以单位办公用电量为纵坐标,针对各普通用电月份在各历史监测年限的单位办公用电量在二维坐标内标注出多个点,得到各普通用电月份对应的单位办公用电量随历史监测年限的变化曲线,参见图2所示,并从变化曲线中获取各点的斜率,进而从中筛选出最大斜率和最小斜率;
A4、将各普通用电月份对应的最大斜率和最小斜率导入公式计算出各普通用电月份对应的单位办公用电差异度/>,其中i表示为普通用电月份编号,/>,/>、/>分别表示为第i普通用电月份的最大斜率、最小斜率,t表示为普通用电月份的数量,其中最大斜率与最小斜率之间相差越大,普通用电月份对应的单位办公用电差异度越大。
在上述技术方案中,当某普通用电月份的单位办公用电差异度较大时表明该普通用电月份在各历史监测年限的单位办公用电量波动较大,在这种情况下就存在该普通用电月份在某历史监测年限的单位办公用电量较小,在某历史监测年限的单位办公用电量较大,说明该普通用电月份的单位办公用电量可大可小,具有一定的节电空间,当某普通用电月份的单位办公用电差异度较小时表明该普通用电月份在各历史监测年限的单位办公用电量较为平稳,节电空间较小。
A5、将代入公式/>计算普通用电月份对应的单位办公用电差异度分化指数/>,其中各普通用电月份的单位办公用电差异度与平均单位办公用电差异度之间相差越大,表明普通用电月份之间的单位办公用电差异度分化程度越高。
A6、将与设置的参照单位办公用电差异度分化指数/>进行对比,若/>表明普通用电月份之间的单位办公用电差异度较为集中,此时平均单位办公用电差异度能够起到代表作用,则将/>作为普通用电月份的单位办公用电差异度,反之则从各普通用电月份中筛选出关键用电月份,进而将普通用电月份对应的单位办公用电差异度作为普通用电月份的单位办公用电差异度。
上述中从各普通用电月份中筛选出关键用电月份的筛选方式为将各普通用电月份对应的单位办公用电差异度按照月份由小到大的顺序进行排列,并按照排列顺序依次以各普通用电月份对应的单位办公用电差异度为目标单位办公用电差异度,将其他普通用电月份对应的单位办公用电差异度与目标单位办公用电差异度作方差计算,得到各普通用电月份对应的单位办公用电差异度方差计算结果,进而取最小方差对应的普通用电月份作为关键用电月份。
在本发明的又一具体实施例中,办公用电走势表征值的具体分析过程如下:B1、将各普通用电月份在各历史监测年限的用电关联要素进行相互对比,当存在相同用电关联要素时提取相同用电关联要素对应的历史监测年限,并对相应历史监测年限的用电量进行均值计算,得到各普通用电月份中相同用电关联要素对应的有效用电量,对于不同用电关联要素,将不同用电关联要素所在历史监测年限的用电量作为对应用电关联要素的有效用电量,由此得到各普通用电月份中各用电关联要素对应的有效用电量。
作为上述优选方案的示例,假设某普通用电月份在各历史监测年限的用电关联要素分别为180,200,190,180,205,180,195,202,该普通用电月份在各历史监测年限的用电量分别为220,215,230,217,222,240,238,225,此时存在相同的用电关联要素,即为180,此时提取相同用电关联要素所处历史监测年限的用电量,为220,217,240,并将其进行均值计算,用电关联要素为180对应的有效用电量226,对于其他的用电关联要素,如200,190,205,195,202对应的有效用电量即为相应历史监测年限的用电量215,230,222,238,225。
B2、以用电关联要素为横坐标,以有效用电量为纵坐标,针对各普通用电月份中各用电关联要素对应的有效用电量在二维坐标内标注出多个点,得到各普通用电月份对应的用电关联要素随有效用电量的变化曲线,参见图3所示。
B3、将各普通用电月份对应的用电关联要素随有效用电量的变化曲线进行整理合并形成整合变化曲线,并从整合变化曲线中获取各点的斜率,进而进行均值计算,得到普通用电月份对应的用电走势表征值,其中用电走势表征值越大,表明用电量增长幅度越大。
进一步优化本技术方案,对各普通用电月份对应的用电关联要素随有效用电量的变化曲线进行整理合并的具体实现方式为将各普通用电月份对应的用电关联要素随有效用电量的变化曲线进行重合对比,得到变化曲线的重合段和非重合段,进而将变化曲线的重合段进行去重处理,保留一段,对于变化曲线的非重合段,依次以非重合段中的各曲线段为参照段,获取参照段与各其他曲线段的最大相隔距离,并进行均值计算,得到以非重合段中的各曲线段作为参照段的平均相隔距离,进而取平均相隔距离对应的曲线段作为非重合段的代表曲线段,由此将重合段和非重合段的代表曲线段构成了整合变化曲线,参见图4所示。
上述中获取参照段与各其他曲线段的最大相隔距离的获取方式为在非重合段对应的横坐标区间中依次以各横坐标作为起点做一条平行为y轴的直线,所做直线与非重合段中的各曲线段存在交点,进而以参照段上存在的各交点与各其他曲线段上存在的各交点进行一对一对比,得到参照段与各其他曲线段以各交点为计算基础的相隔距离,从而提取最大相隔距离。
所述特殊用电趋势分析模块用于基于各历史监测年限对应各特殊用电月份的用电量和用电关联要素分析特殊用电月份的用电趋势参数,所述特殊用电月份的用电趋势参数包括单位控温用电差异度和控温用电走势表征值,其中单位控温用电差异度的具体分析过程如下:C1、将各历史监测年限对应各特殊用电月份的用电关联要素与所有历史监测年限中所有普通用电月份的用电关联要素进行相似度计算,其中相似度的计算表达式为,并将计算结果与预先配置的有效相似度进行对比,进而从所有历史监测年限对应的所有普通用电月份中提取大于或等于有效相似度的历史监测年限及对应的普通用电月份,作为各历史监测年限对应各特殊用电月份的参照历史监测年限及参照普通用电月份,进而提取相应参照普通用电月份的用电量,作为各特殊用电月份对应的办公用电量。
可理解的是,由于供电监测设备监测的是月用电量,目标用电企业在特殊用电月份的用电量实际是包含企业正常办公运行用电量和控温用电量,此时鉴于同样的用电关联要素在普通用电月份和特殊用电月份产生的办公用电量相差不大,可以基于特殊用电月份的用电关联要素从若干普通用电月份中提取与特殊用电月份用电关联要素相似度较高的普通用电月份对应的用电量作为办公用电量,进而将特殊用电月份的用电量减去办公用电量得到特殊用电月份的控温用电量。
C3、同理按照A2-A6获取特殊用电月份的单位控温用电差异度。
在上述方案基础上,控温用电走势表征值的具体分析过程如下:D1、将各特殊用电月份在各历史监测年限的用电关联要素进行相互对比,若存在相同用电关联要素,则提取相同用电关联要素对应的历史监测年限,进而将各特殊用电月份中相同用电关联要素对应各历史监测年限的控温用电量进行均值计算,得到各特殊用电月份中相同用电关联要素对应的有效控温用电量,对于不同用电关联要素,将该用电关联要素所在历史监测年限的控温用电量作为有效控温用电量,由此得到各特殊用电月份中各用电关联要素对应的有效控温用电量。
D2、按照B2得到各特殊用电月份对应的用电关联要素随有效控温用电量的变化曲线。
D3、按照B3得到特殊用电月份对应的控温用电走势表征值。
本发明通过将一年全月份划分为普通用电月份和特殊用电月份,由此在相应月份监测目标用电企业的用电量,从而将普通用电月份、特殊用电月份监测得到的用电量分类进行对比分析,得到普通用电月份和特殊用电月份的用电趋势参数,实现了企业供电能耗的细致化、针对性监测,很好地凸显了企业用电量的季节分布特性,大大避免出现用电趋势分析结果脱离实际的情况,使得分析结果更加合理,从而最大限度提高了用电趋势分析结果的准确度,能够为节电需求判断提供真实可靠的判断依据,在一定程度上降低了错误判断的发生率。
所述节电需求及节电潜力判断识别模块用于依据普通用电月份、特殊用电月份对应的用电趋势参数判断目标用电企业是否具有节电需求,并识别目标用电企业对应的节电潜力,同时将节电潜力进行上传显示。
在本发明的优选方案中判断目标用电企业是否存在节电需求,并识别目标用电企业对应的节电潜力具体实现过程为:将普通用电月份、特殊用电月份对应的用电趋势参数导入公式计算得到普通用电月份对应的用电耗能代表指数/>和特殊用电月份对应的用电耗能代表指数/>,式中/>、/>分别表示为普通用电月份对应的单位办公用电差异度、办公用电走势表征值,/>、/>分别表示为特殊用电月份对应的单位控温用电差异度、控温用电走势表征值,e表示为自然常数,其中单位办公用电差异度和办公用电走势表征值均对用电耗能代表指数产生正影响。
将与/>进行对比,并利用下述模型进行判断识别,其中/>、/>、/>分别表示为目标用电企业对应的节电潜力为办公用电、控温用电、办公用电和控温用电并存,/>表示为目标用电企业无节电潜力,/>表示为设定的限制用电耗能代表指数对比差。
需要说明的是,在上述模型中由于和/>的取值均为/>,这里以/>为界限,当/>时表明/>与/>相差不大,若/>和/>中有一个大于/>或两个均大于/>时,表明/>和/>都比较大,当/>时,若/>,表明/>和/>都比较小。
本发明在判断目标用电企业是否存在节电需求时通过将普通用电月份和特殊用电月份的用电趋势参数进行对比差异分析,不仅实现了目标用电企业节电需求的判断,还在判断出目标用电企业存在节电需求时基于普通用电月份和特殊用电月份的用电趋势参数对比差异分析结果识别出目标用电企业的节电潜力,为后续的供电能耗管理提供针对性的管理方向,从而有利于提高供电能耗管理效果。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于物联网的供电能耗监测系统,其特征在于,包括:
供电监测设备接入模块,用于在目标用电企业的用电口接入供电监测设备;
监测时段设定模块,用于定位目标用电企业对应的坐落地区,并据此将目标用电企业坐落地区对应的一年全月份划分为普通用电月份和特殊用电月份,与此同时以当前年限为界划定若干历史监测年限,进而将其结合普通用电月份和特殊用电月份得到各历史监测年限对应的普通用电月份和特殊用电月份;
用电量监测模块,用于在各历史监测年限对应的各普通用电月份和各特殊用电月份利用供电监测设备监测用电量;
用电关联要素采集模块,用于在各历史监测年限对应的各普通用电月份和各特殊用电月份采集用电关联要素;
云数据库,用于存储各种气候类型对应的分布地区,并存储各种气候类型对应的夏季持续月份和冬季持续月份;
普通用电趋势分析模块,用于基于各历史监测年限对应各普通用电月份的用电量和用电关联要素分析普通用电月份的用电趋势参数;
特殊用电趋势分析模块,用于基于各历史监测年限对应各特殊用电月份的用电量和用电关联要素分析特殊用电月份的用电趋势参数;
节电需求及节电潜力判断识别模块,用于依据普通用电月份、特殊用电月份对应的用电趋势参数判断目标用电企业是否存在节电需求,并识别目标用电企业对应的节电潜力,同时将节电潜力进行上传显示。
2.如权利要求1所述的一种基于物联网的供电能耗监测系统,其特征在于:所述普通用电月份和特殊用电月份的具体划分方式为:
将目标用电企业坐落地区与云数据库中各种气候类型对应的分布地区进行匹配,从中匹配出目标用电企业坐落地区对应的气候类型;
将目标用电企业坐落地区对应的气候类型与云数据库中各种气候类型对应的夏季持续月份和冬季持续月份进行匹配,由此得到目标用电企业坐落地区对应的夏季持续月份和冬季持续月份,将其统称为特殊用电月份;
将一年中除特殊用电月份对应的其他月份作为普通用电月份。
3.如权利要求1所述的一种基于物联网的供电能耗监测系统,其特征在于:所述用电关联要素为办公累计时长。
4.如权利要求3所述的一种基于物联网的供电能耗监测系统,其特征在于:所述用电关联要素的具体采集方式为:
(1)统计各历史监测年限对应各普通用电月份中存在的监测日数量,进而在各监测日从打卡记录中调取上班最早打卡时间点和下班最晚打卡时间点,由此获取各监测日对应的办公时长;
(2)将各历史监测年限对应各普通用电月份中各监测日的办公时长进行累加,得到各历史监测年限对应各普通用电月份的用电关联要素;
(3)按照(1)和(2)获取各历史监测年限对应各特殊用电月份的用电关联要素。
5.如权利要求1所述的一种基于物联网的供电能耗监测系统,其特征在于:所述普通用电月份的用电趋势参数包括单位办公用电差异度和办公用电走势表征值,其中单位办公用电差异度的具体分析过程如下:
A2、将各普通用电月份对应的各历史监测年限按照时间先后顺序进行排列编号;
A3、以历史监测年限为横坐标,以单位办公用电量为纵坐标,针对各普通用电月份在各历史监测年限的单位办公用电量在二维坐标内标注出多个点,得到各普通用电月份对应的单位办公用电量随历史监测年限的变化曲线,并从变化曲线中获取各点的斜率,进而从中筛选出最大斜率和最小斜率;
A4、将各普通用电月份对应的最大斜率和最小斜率导入公式计算出各普通用电月份对应的单位办公用电差异度/>,其中i表示为普通用电月份编号,,t表示为普通用电月份的数量,/>、/>分别表示为第i普通用电月份的最大斜率、最小斜率,t表示为普通用电月份的数量;
6.如权利要求5所述的一种基于物联网的供电能耗监测系统,其特征在于:所述办公用电走势表征值的具体分析过程如下:
B1、将各普通用电月份在各历史监测年限的用电关联要素进行相互对比,当存在相同用电关联要素时提取相同用电关联要素对应的历史监测年限,并对相应历史监测年限的用电量进行均值计算,得到各普通用电月份中相同用电关联要素对应的有效用电量,对于不同用电关联要素,将不同用电关联要素所在历史监测年限的用电量作为对应用电关联要素的有效用电量,由此得到各普通用电月份中各用电关联要素对应的有效用电量;
B2、以用电关联要素为横坐标,以有效用电量为纵坐标,针对各普通用电月份中各用电关联要素对应的有效用电量在二维坐标内标注出多个点,得到各普通用电月份对应的用电关联要素随有效用电量的变化曲线;
B3、将各普通用电月份对应的用电关联要素随有效用电量的变化曲线进行整理合并形成整合变化曲线,并从整合变化曲线中获取各点的斜率,进而进行均值计算,得到普通用电月份对应的用电走势表征值。
7.如权利要求6所述的一种基于物联网的供电能耗监测系统,其特征在于:所述特殊用电月份的用电趋势参数包括单位控温用电差异度和控温用电走势表征值,其中单位控温用电差异度的具体分析过程如下:
C1、将各历史监测年限对应各特殊用电月份的用电关联要素与所有历史监测年限中所有普通用电月份的用电关联要素进行相似度计算,并根据计算结果得到各历史监测年限对应各特殊用电月份的参照历史监测年限及参照普通用电月份,进而提取相应参照普通用电月份的用电量,作为各特殊用电月份对应的办公用电量;
C3、同理按照A2-A6获取特殊用电月份的单位控温用电差异度。
8.如权利要求7所述的一种基于物联网的供电能耗监测系统,其特征在于:所述控温用电走势表征值的具体分析过程如下:
D1、按照B1得到各特殊用电月份中各用电关联要素对应的有效控温用电量;
D2、按照B2得到各特殊用电月份对应的用电关联要素随有效控温用电量的变化曲线;
D3、按照B3得到特殊用电月份对应的控温用电走势表征值。
9.如权利要求8所述的一种基于物联网的供电能耗监测系统,其特征在于:所述判断目标用电企业是否存在节电需求,并识别目标用电企业对应的节电潜力具体实现过程为:
将普通用电月份、特殊用电月份对应的用电趋势参数导入公式计算得到普通用电月份对应的用电耗能代表指数和特殊用电月份对应的用电耗能代表指数/>,式中/>、/>分别表示为普通用电月份对应的单位办公用电差异度、办公用电走势表征值,/>、/>分别表示为特殊用电月份对应的单位控温用电差异度、控温用电走势表征值,e表示为自然常数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310660854.1A CN116385210B (zh) | 2023-06-06 | 2023-06-06 | 一种基于物联网的供电能耗监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310660854.1A CN116385210B (zh) | 2023-06-06 | 2023-06-06 | 一种基于物联网的供电能耗监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116385210A true CN116385210A (zh) | 2023-07-04 |
CN116385210B CN116385210B (zh) | 2023-08-15 |
Family
ID=86977273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310660854.1A Active CN116385210B (zh) | 2023-06-06 | 2023-06-06 | 一种基于物联网的供电能耗监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385210B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757442A (zh) * | 2023-08-09 | 2023-09-15 | 国网浙江省电力有限公司 | 基于限流算法的复杂用电行为用户画像构建方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001352676A (ja) * | 2000-06-09 | 2001-12-21 | Mark Tec:Kk | 省エネルギ提案システム及び方法 |
US20060161450A1 (en) * | 2005-01-18 | 2006-07-20 | Mc Energy, Inc. | Method and system for tracking and budgeting energy usage |
KR100938819B1 (ko) * | 2009-03-02 | 2010-01-26 | (주)다나에너지 | 사용자의 전력소비 패턴에 따라 전력사용량을 감시하는 전력량 감시장치 |
KR101308230B1 (ko) * | 2012-06-12 | 2013-09-13 | 가천대학교 산학협력단 | 수용가 전력 사용 패턴 생성 방법 |
CN104951840A (zh) * | 2014-03-24 | 2015-09-30 | 国网上海市电力公司 | 一种电力市场用电总体趋势的分析方法 |
CN106022536A (zh) * | 2016-05-30 | 2016-10-12 | 中国南方电网有限责任公司电网技术研究中心 | 季节性用电预测方法和系统 |
CN106096778A (zh) * | 2016-06-03 | 2016-11-09 | 合肥工业大学 | 一种基于分时电价和阶梯电价形式的家庭用电规划系统与方法 |
CN106447534A (zh) * | 2016-09-22 | 2017-02-22 | 国网上海市电力公司 | 一种基于灰色关联度分析的用电模式稳定性判别方法 |
CN106447108A (zh) * | 2016-09-28 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种考虑业扩报装数据的用电需求分析预测方法 |
CN107835215A (zh) * | 2017-09-20 | 2018-03-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的电表节能提示方法及物联网系统 |
KR101989493B1 (ko) * | 2018-03-05 | 2019-06-14 | 숭실대학교산학협력단 | 전력 사용량 예측 시스템 및 방법 |
CN113032454A (zh) * | 2021-03-01 | 2021-06-25 | 南京谱隘网络科技有限公司 | 基于云计算的交互式用户用电异常监测预警管理云平台 |
CN113449933A (zh) * | 2021-08-30 | 2021-09-28 | 国网江西省电力有限公司经济技术研究院 | 基于聚类电量曲线分解的地区中期负荷预测方法及装置 |
-
2023
- 2023-06-06 CN CN202310660854.1A patent/CN116385210B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001352676A (ja) * | 2000-06-09 | 2001-12-21 | Mark Tec:Kk | 省エネルギ提案システム及び方法 |
US20060161450A1 (en) * | 2005-01-18 | 2006-07-20 | Mc Energy, Inc. | Method and system for tracking and budgeting energy usage |
KR100938819B1 (ko) * | 2009-03-02 | 2010-01-26 | (주)다나에너지 | 사용자의 전력소비 패턴에 따라 전력사용량을 감시하는 전력량 감시장치 |
KR101308230B1 (ko) * | 2012-06-12 | 2013-09-13 | 가천대학교 산학협력단 | 수용가 전력 사용 패턴 생성 방법 |
CN104951840A (zh) * | 2014-03-24 | 2015-09-30 | 国网上海市电力公司 | 一种电力市场用电总体趋势的分析方法 |
CN106022536A (zh) * | 2016-05-30 | 2016-10-12 | 中国南方电网有限责任公司电网技术研究中心 | 季节性用电预测方法和系统 |
CN106096778A (zh) * | 2016-06-03 | 2016-11-09 | 合肥工业大学 | 一种基于分时电价和阶梯电价形式的家庭用电规划系统与方法 |
CN106447534A (zh) * | 2016-09-22 | 2017-02-22 | 国网上海市电力公司 | 一种基于灰色关联度分析的用电模式稳定性判别方法 |
CN106447108A (zh) * | 2016-09-28 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种考虑业扩报装数据的用电需求分析预测方法 |
CN107835215A (zh) * | 2017-09-20 | 2018-03-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的电表节能提示方法及物联网系统 |
KR101989493B1 (ko) * | 2018-03-05 | 2019-06-14 | 숭실대학교산학협력단 | 전력 사용량 예측 시스템 및 방법 |
CN113032454A (zh) * | 2021-03-01 | 2021-06-25 | 南京谱隘网络科技有限公司 | 基于云计算的交互式用户用电异常监测预警管理云平台 |
CN113449933A (zh) * | 2021-08-30 | 2021-09-28 | 国网江西省电力有限公司经济技术研究院 | 基于聚类电量曲线分解的地区中期负荷预测方法及装置 |
Non-Patent Citations (2)
Title |
---|
穆海振 等: "上海市全社会月用电量预测模型", 中国电力, vol. 49, no. 06, pages 146 - 150 * |
高兴 等: "冷冻食品加工企业耗电特点及节能潜力分析", 制冷学报, vol. 29, no. 05, pages 44 - 48 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757442A (zh) * | 2023-08-09 | 2023-09-15 | 国网浙江省电力有限公司 | 基于限流算法的复杂用电行为用户画像构建方法及系统 |
CN116757442B (zh) * | 2023-08-09 | 2023-10-24 | 国网浙江省电力有限公司 | 基于限流算法的复杂用电行为用户画像构建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116385210B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105811402B (zh) | 一种电力负荷预测系统及其预测方法 | |
CN111291076B (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
CN111932402B (zh) | 一种基于相似日和lstm的短期电力负荷双向组合预测方法 | |
CN110264107B (zh) | 一种基于大数据技术的台区线损率异常诊断方法 | |
CN116385210B (zh) | 一种基于物联网的供电能耗监测系统 | |
CN102999791A (zh) | 一种电力行业中基于客户分群的电力负荷预测方法 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN109634944B (zh) | 一种基于多维度时空分析的网损数据清洗方法 | |
CN113177366B (zh) | 一种综合能源系统规划方法、装置和终端设备 | |
CN112418952B (zh) | 一种基于大数据分析的农产品市场价格预警管理云计算平台 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
CN111191966A (zh) | 一种基于时空特性的配电网电压不合格时段识别方法 | |
CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及系统 | |
CN117353300B (zh) | 一种基于大数据的农村用电需求量分析方法 | |
CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
CN105260944A (zh) | 一种基于lssvm算法与关联规则挖掘的统计线损计算方法 | |
CN105116268B (zh) | 一种分压售电量和分压供电量对线损率影响的分析方法 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN111080135A (zh) | 一种动态增量能耗数据的处理方法、设备及可读存储介质 | |
CN115689374A (zh) | 一种农业排灌用电的电价执行异常识别方法及装置 | |
CN114048200A (zh) | 一种计及缺失数据补齐的用户用电行为分析方法 | |
CN110175705B (zh) | 一种负荷预测方法及包含该方法的存储器、系统 | |
Chen et al. | A new approach for power-saving analysis in consumer side based on big data mining | |
CN116227740B (zh) | 一种基于区块链的能源分析管理云平台 | |
CN105116723B (zh) | 一种用于需量响应的能耗削减评估算法 |
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 |