CN116523181B - 一种基于大数据的智慧绿色能源监测分析方法及系统 - Google Patents

一种基于大数据的智慧绿色能源监测分析方法及系统 Download PDF

Info

Publication number
CN116523181B
CN116523181B CN202310572354.2A CN202310572354A CN116523181B CN 116523181 B CN116523181 B CN 116523181B CN 202310572354 A CN202310572354 A CN 202310572354A CN 116523181 B CN116523181 B CN 116523181B
Authority
CN
China
Prior art keywords
energy consumption
consumption data
data
monitoring
value
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
Application number
CN202310572354.2A
Other languages
English (en)
Other versions
CN116523181A (zh
Inventor
孙广芝
隋媛
王淑敏
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.)
China National Institute of Standardization
Original Assignee
China National Institute of Standardization
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 China National Institute of Standardization filed Critical China National Institute of Standardization
Priority to CN202310572354.2A priority Critical patent/CN116523181B/zh
Publication of CN116523181A publication Critical patent/CN116523181A/zh
Application granted granted Critical
Publication of CN116523181B publication Critical patent/CN116523181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于大数据的智慧绿色能源监测分析方法及系统，其方法包括：采集监测区域若干历史能源消耗数据；对采集到的所述历史能源消耗数据进行清洗；将清洗后的历史能源消耗数据进行标注分类；基于所述标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型；实时获取所述监控区域当前能源消耗数据；将获取的所述当前能源消耗数据输入所述监测模型中；以及，当所述监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息。

Description

一种基于大数据的智慧绿色能源监测分析方法及系统
技术领域
本申请涉及绿色能源的技术领域，尤其是涉及一种基于大数据的智慧绿色能源监测分析方法及系统。
背景技术
随着科技的不断进步，能源结构也在不断变革，传统的能源利用方法已经无法满足实际需求。
为了更好地应对这一挑战，需要利用大数据技术，综合考虑多种因素，为用户提供个性化用电服务等。通过引入多类型、海量数据，可以有效减少电网规划过程中的不确定性，使得整个规划更加合理、有序。
如何更好地进行能源监测是能源行业必须认真研究解决的技术难题。
发明内容
为了至少部分解决上述技术问题，本申请提供了一种基于大数据的智慧绿色能源监测分析方法。
第一方面，本申请提供的一种基于大数据的智慧绿色能源监测分析方法采用如下的技术方案。
一种基于大数据的智慧绿色能源监测分析方法，包括：
采集监测区域若干历史能源消耗数据；所述历史能源消耗数据包括电力、燃气及水的消耗数据；
对采集到所述历史能源消耗数据进行清洗；
将清洗后的历史能源消耗数据进行标注分类；所述标注结果包括异常能源消耗数据以及正常能源消耗数据；
基于所述标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型；
实时获取所述监测区域当前能源消耗数据；
将获取的所述当前能源消耗数据输入所述监测模型中；以及，
当所述监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息；所述相关信息包括地点信息、能源种类信息以及单位时长内的能源消耗量。
可选的，采集监测区域若干历史能源消耗数据，具体为：
向检测区域内的所有智能电表、智能水表及智能燃气表发送采集指令；所述采集指令用于触发所述智能电表、智能水表及智能燃气表发送相应的能源消耗信息。
可选的，对采集到所述历史能源消耗数据进行清洗，具体为：
将采集到的历史能源消耗数据按照时间顺序进行排序；
比较相邻两条数据的能源消耗值和时间戳是否相同；如果相同，则将其中一条数据删除；
确定历史能源数据中缺失值的类型：缺失值包括完全随机缺失、随机缺失及非随机缺失；
将数据集拆分为有缺失值的子集和无缺失值的子集；
对于每个有缺失值的变量，建立回归模型；利用无缺失值的子集判断回归模型的置信度；
当所述置信度大于预设值时，利用建立好的回归模型预测缺失值；其中，Y = β0 +β1X1 + β2X2 + ... + βkXk + ε；β0，β1，β2...βk是回归系数，ε是误差项；Y为待预测的缺失值；X为Y的相关量。
可选的，将清洗后的历史能源消耗数据进行标注分类，具体为：
基于能源的种类，将历史能源消耗数据的数据与预设值进行比较得到两者的差值；
判断所述差值的绝对值是否大于预设差值；若是，则判定为异常差值。
可选的，在模型训练过程中，将所述历史能源消耗数据按照预设长度的时间窗口进行划分；每个时间窗口内的数据作为一个样本，样本的标签为该时间窗口内的能源消耗情况；若N个样本，每个样本有D个特征，那么样本表示为一个N×D的矩阵X，将标签表示为一个N×1的向量y；
在监督学习中，采用损失函数来衡量模型的预测结果与真实标签之间的差异；
在训练过程中，采用梯度下降以最小化损失函数，采用交叉验证来评估模型的置信度。
可选的，在对异常使用提示信息进行解析，以获取能源异常使用的相关信息之后，还包括：
基于所述地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对所述若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断所述运行参数是否与预设的标准参数相符合；
若否，则判断所述设备是否为可调参数设备；如果是，则下发调整指令至所述设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备。
第二方面，本申请提供的一种基于大数据的智慧绿色能源监测分析方法采用如下的技术方案。
一种基于大数据的智慧绿色能源监测分析系统，包括：
第一处理模块，用于：采集监测区域若干历史能源消耗数据；所述历史能源消耗数据包括电力、燃气及水的消耗数据；
第二处理模块，用于：对采集到所述历史能源消耗数据进行清洗；
第三处理模块，用于：将清洗后的历史能源消耗数据进行标注分类；所述标注结果包括异常能源消耗数据以及正常能源消耗数据；
第四处理模块，用于：基于所述标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型；
第五处理模块，用于：实时获取所述监测区域当前能源消耗数据；
第六处理模块，用于：将获取的所述当前能源消耗数据输入所述监测模型中；
第七处理模块，用于：当所述监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息；所述相关信息包括地点信息、能源种类信息以及单位时长内的能源消耗量。
可选的，所述系统还包括：第八处理模块，所述第八处理模块用于：基于所述地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对所述若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断所述运行参数是否与预设的标准参数相符合；
若否，则判断所述设备是否为可调参数设备；如果是，则下发调整指令至所述设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备。
第三方面，本申请公开一种电子设备，包括存储器和服务器，所述存储器上存储有被服务器加载并执行上述的任一方法的计算机程序。
第四方面，本申请公开一种计算机可读存储介质，存储有能够被服务器加载并执行上述的任一方法的计算机程序。
附图说明
图1是本申请实施例一种基于大数据的智慧绿色能源监测分析方法的流程图；
图2是本申请实施例一种基于大数据的智慧绿色能源监测分析方法的系统框图；
图中，201、第一处理模块；202、第二处理模块；203、第三处理模块；204、第四处理模块；205、第五处理模块；206、第六处理模块；207、第七处理模块；208、第八处理模块。
具体实施方式
下面结合附图1-2和具体实施例对本申请作进一步说明：
本申请的说明书和权利要求书及所述附图中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例公开一种基于大数据的智慧绿色能源监测分析方法。参照图1，作为一种基于大数据的智慧绿色能源监测分析方法的一种实施方式，一种基于大数据的智慧绿色能源监测分析方法包括以下步骤：
步骤101、采集监测区域若干历史能源消耗数据；历史能源消耗数据包括电力、燃气及水的消耗数据。
步骤102、对采集到历史能源消耗数据进行清洗。
步骤103、将清洗后的历史能源消耗数据进行标注分类；标注结果包括异常能源消耗数据以及正常能源消耗数据。
步骤104、基于标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型。
步骤105、实时获取监测区域当前能源消耗数据。
步骤106、将获取的当前能源消耗数据输入监测模型中。
步骤107、当监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息；相关信息包括地点信息、能源种类信息以及单位时长内的能源消耗量。
具体地，通过采集监测区域若干历史能源消耗数据，包括电力、燃气及水的消耗数据，为后续的分析和建模提供数据支持。对采集到的历史能源消耗数据进行清洗和标注分类，可以去除数据中的噪声和异常值，提高数据的准确性和可靠性，同时可以将数据分为异常能源消耗数据和正常能源消耗数据，为后续的监测和预测提供基础。实时获取监测区域当前能源消耗数据，并将其输入监测模型中，可以实时监测能源消耗情况，及时发现异常使用情况。当监测模型输出异常使用提示信息时，可以对其进行解析，获取能源异常使用的相关信息，为后续的处理和优化提供依据。综上，本申请可以实现对能源消耗情况的实时监测和预测，发现异常使用情况，并提供相关信息，为能源的管理和优化提供重要的技术支持。
作为一种基于大数据的智慧绿色能源监测分析方法的一种具体实施方式，采集监测区域若干历史能源消耗数据，具体为：
向检测区域内的所有智能电表、智能水表及智能燃气表发送采集指令；采集指令用于触发智能电表、智能水表及智能燃气表发送相应的能源消耗信息。
作为一种基于大数据的智慧绿色能源监测分析方法的一种具体实施方式，对采集到历史能源消耗数据进行清洗，具体为：
将采集到的历史能源消耗数据按照时间顺序进行排序；
比较相邻两条数据的能源消耗值和时间戳是否相同；如果相同，则将其中一条数据删除；
确定历史能源数据中缺失值的类型：缺失值包括完全随机缺失、随机缺失及非随机缺失；
将数据集拆分为有缺失值的子集和无缺失值的子集；
对于每个有缺失值的变量，建立回归模型；利用无缺失值的子集判断回归模型的置信度；
当置信度大于预设值时，利用建立好的回归模型预测缺失值；其中，Y = β0 + β1X1 + β2X2 + ... + βkXk + ε；β0，β1，β2...βk是回归系数，ε是误差项；Y为待预测的缺失值；X为Y的相关量。
具体地，完全随机缺失是指缺失值与其他变量无关，随机缺失是指缺失值与其他变量有关，但缺失的原因是随机的，非随机缺失是指缺失值与其他变量有关，且缺失的原因是非随机的。不同类型的缺失值需要采用不同的填补方法。通过对历史能源消耗数据进行清洗，可以去除重复数据和错误数据，提高数据的准确性和可靠性，为后续的数据分析和决策提供更加可靠的数据支持。通过对有缺失值的变量建立回归模型，利用无缺失值的子集判断回归模型的置信度，当置信度大于预设值时，利用建立好的回归模型预测缺失值，从而填补数据缺失的空缺，提高数据的完整性。
作为一种基于大数据的智慧绿色能源监测分析方法的一种具体实施方式，将清洗后的历史能源消耗数据进行标注分类，具体为：
基于能源的种类，将历史能源消耗数据的数据与预设值进行比较得到两者的差值；
判断差值的绝对值是否大于预设差值；若是，则判定为异常差值。
具体地，通过对历史能源消耗数据进行标注分类，从而实现对能源消耗情况的监测和分析，便于及时发现异常情况，提高能源利用效率。
作为一种基于大数据的智慧绿色能源监测分析方法的其中一种实施方式，在模型训练过程中，将历史能源消耗数据按照预设长度的时间窗口进行划分；每个时间窗口内的数据作为一个样本，样本的标签为该时间窗口内的能源消耗情况；若N个样本，每个样本有D个特征，那么样本表示为一个N×D的矩阵X，将标签表示为一个N×1的向量y；
在监督学习中，采用损失函数来衡量模型的预测结果与真实标签之间的差异；
在训练过程中，采用梯度下降以最小化损失函数，采用交叉验证来评估模型的置信度。
具体地，采用交叉验证来评估模型的置信度，可以有效地避免过拟合和欠拟合问题，从而提高模型的泛化能力；采用梯度下降算法来最小化损失函数，可以高效地训练模型，从而提高训练效率。
作为一种基于大数据的智慧绿色能源监测分析方法的其中一种实施方式，在对异常使用提示信息进行解析，以获取能源异常使用的相关信息之后，还包括：
基于地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断运行参数是否与预设的标准参数相符合；
若否，则判断设备是否为可调参数设备；如果是，则下发调整指令至设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备。
具体地，自动匹配异常原因：通过对异常使用提示信息进行解析，结合地点信息和能源种类信息，可以自动匹配若干异常原因，从而快速定位问题所在；自动排序异常原因：根据发送的可能性对若干异常原因进行排序，可以快速确定第一异常原因、第二异常原因等；获取与第一异常原因有关的设备的运行参数，通过与预设的标准参数进行比较，可以自动判断设备的运行参数是否符合标准，如果设备是可调参数设备（如空调），可以下发调整指令，自动调整设备的运行参数，使其与标准参数相符合，从而提高能源利用效率。如果设备不是可调参数设备（如老化设备），可以自动发送提示信息至外部设备，提醒相关人员及时处理问题，从而降低能源的浪费。
本申请还提供了一种基于大数据的智慧绿色能源监测分析系统，作为一种基于大数据的智慧绿色能源监测分析系统的其中一种实施方式，包括：
第一处理模块201，用于：采集监测区域若干历史能源消耗数据；历史能源消耗数据包括电力、燃气及水的消耗数据；
第二处理模块202，用于：对采集到历史能源消耗数据进行清洗；
第三处理模块203，用于：将清洗后的历史能源消耗数据进行标注分类；标注结果包括异常能源消耗数据以及正常能源消耗数据；
第四处理模块204，用于：基于标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型；
第五处理模块205，用于：实时获取监测区域当前能源消耗数据；
第六处理模块206，用于：将获取的当前能源消耗数据输入监测模型中；
第七处理模块207，用于：当监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息；相关信息包括地点信息、能源种类信息以及单位时长内的能源消耗量。
作为一种基于大数据的智慧绿色能源监测分析方法的其中一种实施方式，系统还包括：第八处理模块208，第八处理模块208用于：基于地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断运行参数是否与预设的标准参数相符合；
若否，则判断设备是否为可调参数设备；如果是，则下发调整指令至设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备。
本发明实施例中，还提供了一种电子设备备，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现上述的基于大数据的智慧绿色能源监测分析方法。
本发明实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述的基于大数据的智慧绿色能源监测分析方法。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在基于大数据的智慧绿色能源监测分析方法设备中的执行过程。
所述基于大数据的智慧绿色能源监测分析方法设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于大数据的智慧绿色能源监测分析方法设备可包括，但不仅限于，处理器、存储器、显示器。本领域技术人员可以理解，上述部件仅仅是基于大数据的智慧绿色能源监测分析方法设备的示例，并不构成对基于大数据的智慧绿色能源监测分析方法设备的限定，可以包括比所述部件更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于大数据的智慧绿色能源监测分析方法设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述基于大数据的智慧绿色能源监测分析方法设备的控制中心，利用各种接口和线路连接整个所述基于大数据的智慧绿色能源监测分析方法设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于大数据的智慧绿色能源监测分析方法设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于大数据的智慧绿色能源监测分析方法设备集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
需要说明的是：以上实施例仅用于说明本申请而并非限制本申请所描述的技术方案，尽管本说明书参照上述的实施例对本申请已进行了详细的说明，但是，本领域的普通技术人员应当理解，所属技术领域的技术人员仍然可以对本申请进行修改或者等同替换，而一切不脱离本申请的精神和范围的技术方案及其改进，均应涵盖在本申请的权利要求范围内。

Claims (4)

1.一种基于大数据的智慧绿色能源监测分析方法，其特征在于，包括：
采集监测区域若干历史能源消耗数据；所述历史能源消耗数据包括电力、燃气及水的消耗数据；
对采集到所述历史能源消耗数据进行清洗；
将清洗后的历史能源消耗数据进行标注分类；标注结果包括异常能源消耗数据以及正常能源消耗数据；
基于所述标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型；
实时获取所述监测区域当前能源消耗数据；
将获取的所述当前能源消耗数据输入所述监测模型中；以及，
当所述监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息；所述相关信息包括地点信息、能源种类信息以及单位时长内的能源消耗量；
采集监测区域若干历史能源消耗数据，具体为：
向检测区域内的所有智能电表、智能水表及智能燃气表发送采集指令；所述采集指令用于触发所述智能电表、智能水表及智能燃气表发送相应的能源消耗信息；
对采集到所述历史能源消耗数据进行清洗，具体为：
将采集到的历史能源消耗数据按照时间顺序进行排序；
比较相邻两条数据的能源消耗值和时间戳是否相同；如果相同，则将其中一条数据删除；
确定历史能源数据中缺失值的类型：缺失值包括完全随机缺失、随机缺失及非随机缺失；
将数据集拆分为有缺失值的子集和无缺失值的子集；
对于每个有缺失值的变量，建立回归模型；利用无缺失值的子集判断回归模型的置信度；
当所述置信度大于预设值时，利用建立好的回归模型预测缺失值；其中，Y＝β0+β1X1+β2X2+...+βkXk+ε；β0，β1，β2...βk是回归系数，ε是误差项；Y为待预测的缺失值；X为Y的相关量；
将清洗后的历史能源消耗数据进行标注分类，具体为：
基于能源的种类，将历史能源消耗数据的数据与预设值进行比较得到两者的差值；
判断所述差值的绝对值是否大于预设差值；若是，则判定为异常差值；
在模型训练过程中，将所述历史能源消耗数据按照预设长度的时间窗口进行划分；每个时间窗口内的数据作为一个样本，样本的标签为该时间窗口内的能源消耗情况；若N个样本，每个样本有D个特征，那么样本表示为一个N×D的矩阵X，将标签表示为一个N×1的向量y；
在监督学习中，采用损失函数来衡量模型的预测结果与真实标签之间的差异；
在训练过程中，采用梯度下降以最小化损失函数，采用交叉验证来评估模型的置信度；
在对异常使用提示信息进行解析，以获取能源异常使用的相关信息之后，还包括：
基于所述地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对所述若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断所述运行参数是否与预设的标准参数相符合；
若否，则判断所述设备是否为可调参数设备；如果是，则下发调整指令至所述设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备。
2.一种基于大数据的智慧绿色能源监测分析系统，其特征在于，包括：
第一处理模块，用于：采集监测区域若干历史能源消耗数据；所述历史能源消耗数据包括电力、燃气及水的消耗数据；
第二处理模块，用于：对采集到所述历史能源消耗数据进行清洗；
第三处理模块，用于：将清洗后的历史能源消耗数据进行标注分类；标注结果包括异常能源消耗数据以及正常能源消耗数据；
第四处理模块，用于：基于所述标注分类后的历史能源消耗数据对初始模型进行训练得到监测模型；
第五处理模块，用于：实时获取所述监测区域当前能源消耗数据；
第六处理模块，用于：将获取的所述当前能源消耗数据输入所述监测模型中；
第七处理模块，用于：当所述监测模型输出异常使用提示信息时，对异常使用提示信息进行解析，以获取能源异常使用的相关信息；所述相关信息包括地点信息、能源种类信息以及单位时长内的能源消耗量；
第八处理模块，所述第八处理模块用于：基于所述地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对所述若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断所述运行参数是否与预设的标准参数相符合；
若否，则判断所述设备是否为可调参数设备；如果是，则下发调整指令至所述设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备；
采集监测区域若干历史能源消耗数据，具体为：
向检测区域内的所有智能电表、智能水表及智能燃气表发送采集指令；所述采集指令用于触发所述智能电表、智能水表及智能燃气表发送相应的能源消耗信息；
对采集到所述历史能源消耗数据进行清洗，具体为：
将采集到的历史能源消耗数据按照时间顺序进行排序；
比较相邻两条数据的能源消耗值和时间戳是否相同；如果相同，则将其中一条数据删除；
确定历史能源数据中缺失值的类型：缺失值包括完全随机缺失、随机缺失及非随机缺失；
将数据集拆分为有缺失值的子集和无缺失值的子集；
对于每个有缺失值的变量，建立回归模型；利用无缺失值的子集判断回归模型的置信度；
当所述置信度大于预设值时，利用建立好的回归模型预测缺失值；其中，Y＝β0+β1X1+β2X2+...+βkXk+ε；β0，β1，β2...βk是回归系数，ε是误差项；Y为待预测的缺失值；X为Y的相关量；
将清洗后的历史能源消耗数据进行标注分类，具体为：
基于能源的种类，将历史能源消耗数据的数据与预设值进行比较得到两者的差值；
判断所述差值的绝对值是否大于预设差值；若是，则判定为异常差值；
在模型训练过程中，将所述历史能源消耗数据按照预设长度的时间窗口进行划分；每个时间窗口内的数据作为一个样本，样本的标签为该时间窗口内的能源消耗情况；若N个样本，每个样本有D个特征，那么样本表示为一个N×D的矩阵X，将标签表示为一个N×1的向量y；
在监督学习中，采用损失函数来衡量模型的预测结果与真实标签之间的差异；
在训练过程中，采用梯度下降以最小化损失函数，采用交叉验证来评估模型的置信度；
在对异常使用提示信息进行解析，以获取能源异常使用的相关信息之后，还包括：
基于所述地点信息及能源种类信息匹配若干异常原因；
依据发送的可能性对所述若干异常原因进行排序得到第一异常原因、第二异常原因...第n异常原因；
获取与第一异常原因有关的设备的运行参数；判断所述运行参数是否与预设的标准参数相符合；
若否，则判断所述设备是否为可调参数设备；如果是，则下发调整指令至所述设备的运行参数与标准参数相符合；如果不是，则发送提示信息至外部设备。
3.一种电子设备，其特征在于，包括存储器和服务器，所述存储器上存储有被服务器加载并执行的如权利要求1方法的计算机程序。
4.一种计算机可读存储介质，其特征在于，存储有能够被服务器加载并执行如权利要求1方法的计算机程序。
CN202310572354.2A 2023-05-22 2023-05-22 一种基于大数据的智慧绿色能源监测分析方法及系统 Active CN116523181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310572354.2A CN116523181B (zh) 2023-05-22 2023-05-22 一种基于大数据的智慧绿色能源监测分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310572354.2A CN116523181B (zh) 2023-05-22 2023-05-22 一种基于大数据的智慧绿色能源监测分析方法及系统

Publications (2)

Publication Number Publication Date
CN116523181A CN116523181A (zh) 2023-08-01
CN116523181B true CN116523181B (zh) 2024-01-26

Family

ID=87404649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310572354.2A Active CN116523181B (zh) 2023-05-22 2023-05-22 一种基于大数据的智慧绿色能源监测分析方法及系统

Country Status (1)

Country Link
CN (1) CN116523181B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116754828B (zh) * 2023-08-21 2023-12-01 济南瑞源智能城市开发有限公司 一种智慧隧道的能耗监测方法、设备及介质
CN117610699B (zh) * 2023-09-04 2024-06-04 北京中电飞华通信有限公司 一种应用于园区零碳综合能源优化设备及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886591A (zh) * 2017-02-21 2017-06-23 华南理工大学 一种基于数据挖掘的智能路灯能耗分析系统
CN111539563A (zh) * 2020-04-13 2020-08-14 珠海格力电器股份有限公司 一种用能安全状态预测方法、装置、服务器及存储介质
CN114139604A (zh) * 2021-11-04 2022-03-04 杭州涿溪脑与智能研究所 基于在线学习的电力工控攻击监测方法和装置
CN114386647A (zh) * 2020-10-21 2022-04-22 中国石油天然气股份有限公司 一种油气田行业能耗的预测方法及系统
CN114969876A (zh) * 2021-02-24 2022-08-30 腾讯科技（深圳）有限公司 电气安全监测方法、装置、计算机设备和存储介质
CN115685825A (zh) * 2022-10-26 2023-02-03 中建八局发展建设有限公司 建筑荷载沉降点监测系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886591A (zh) * 2017-02-21 2017-06-23 华南理工大学 一种基于数据挖掘的智能路灯能耗分析系统
CN111539563A (zh) * 2020-04-13 2020-08-14 珠海格力电器股份有限公司 一种用能安全状态预测方法、装置、服务器及存储介质
CN114386647A (zh) * 2020-10-21 2022-04-22 中国石油天然气股份有限公司 一种油气田行业能耗的预测方法及系统
CN114969876A (zh) * 2021-02-24 2022-08-30 腾讯科技（深圳）有限公司 电气安全监测方法、装置、计算机设备和存储介质
CN114139604A (zh) * 2021-11-04 2022-03-04 杭州涿溪脑与智能研究所 基于在线学习的电力工控攻击监测方法和装置
CN115685825A (zh) * 2022-10-26 2023-02-03 中建八局发展建设有限公司 建筑荷载沉降点监测系统和方法

Also Published As

Publication number Publication date
CN116523181A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN116523181B (zh) 一种基于大数据的智慧绿色能源监测分析方法及系统
CN111178456B (zh) 异常指标检测方法、装置、计算机设备和存储介质
CN109657805B (zh) 超参数确定方法、装置、电子设备及计算机可读介质
CN111881983A (zh) 基于分类模型的数据处理方法、装置、电子设备及介质
CN111796957B (zh) 基于应用日志的交易异常根因分析方法及系统
CN116258484B (zh) 设备的预测性运维方案生成方法、装置、终端设备和介质
CN111680712B (zh) 基于日内相似时刻的变压器油温预测方法、装置及系统
CN112632179A (zh) 模型构建方法、装置、存储介质及设备
CN115757075A (zh) 任务异常检测方法、装置、计算机设备及存储介质
CN111652282A (zh) 基于大数据的用户偏好分析方法、装置及电子设备
CN117410961A (zh) 风功率预测方法、装置、设备及存储介质
CN116361104A (zh) 基于大数据的应用故障预测方法、装置、设备及存储介质
CN114021425B (zh) 电力系统运行数据建模与特征选择方法、装置、电子设备和存储介质
CN111522736A (zh) 一种软件缺陷预测方法、装置、电子设备及计算机存储介质
CN113282920B (zh) 日志异常检测方法、装置、计算机设备和存储介质
CN110782128A (zh) 一种用户职业标签生成方法、装置和电子设备
CN117234844A (zh) 云服务器异常管理方法、装置、计算机设备及存储介质
CN116796140A (zh) 基于人工智能的异常分析方法、装置、设备及存储介质
CN110807082B (zh) 质量抽检项目确定方法、系统、电子设备及可读存储介质
CN113689020A (zh) 业务信息预测方法、装置、计算机设备和存储介质
CN115829122A (zh) 一种电力客服工单投诉预警方法及系统
CN113822379B (zh) 工艺制程异常分析方法、装置、电子设备及存储介质
CN112308225B (zh) 训练神经网络的方法、装置及计算机可读存储介质
CN113361811A (zh) 运行状态预测方法、系统、设备及计算机可读存储介质
CN112949908A (zh) 一种电价概率预测方法及装置

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