CN116882223B - 基于大数据的供热评估方法、系统、设备及存储介质 - Google Patents

基于大数据的供热评估方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN116882223B
CN116882223B CN202311153616.8A CN202311153616A CN116882223B CN 116882223 B CN116882223 B CN 116882223B CN 202311153616 A CN202311153616 A CN 202311153616A CN 116882223 B CN116882223 B CN 116882223B
Authority
CN
China
Prior art keywords
heat supply
index
score
heating
determining
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
CN202311153616.8A
Other languages
English (en)
Other versions
CN116882223A (zh
Inventor
曹贵淇
莫言
朱永良
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.)
North South Times Automation Technology Beijing Co ltd
Original Assignee
North South Times Automation Technology Beijing Co ltd
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 North South Times Automation Technology Beijing Co ltd filed Critical North South Times Automation Technology Beijing Co ltd
Priority to CN202311153616.8A priority Critical patent/CN116882223B/zh
Publication of CN116882223A publication Critical patent/CN116882223A/zh
Application granted granted Critical
Publication of CN116882223B publication Critical patent/CN116882223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于大数据分析技术领域，具体公开了基于大数据的供热评估方法、系统、设备及存储介质，通过获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，然后利用管网供热大数据集确定当前供热调控策略在供热一致性、供热稳定性、供热完整性和供热经济性方面的评分，利用用户评价大数据集确定当前供热调控策略的用户评价得分，最后利用各维度的评分计算综合供热评估得分来反馈给调控终端，以便调控人员根据直观的综合供热评估得分评估当前供热调控策略的可行性。本发明可以从多个维度进行供热调控策略的大数据分析评价，实现高效、全面且可靠的供热调控策略综合评估，提升供热调控策略的测评效率和质量。

Description

基于大数据的供热评估方法、系统、设备及存储介质
技术领域
本发明属于大数据分析技术领域，具体涉及基于大数据的供热评估方法、系统、设备及存储介质。
背景技术
为了确保供热管网的安全、稳定、经济运行，提高供热网管理效率，实现热网现代化管理，需要对供热管网进行集中数据监控和调控策略分析管理，而随着供热需求的多样化发展，对供热管网的供热调控要求也变得越来越高。目前，在对供热管网进行集中数据监测时，可采用相应的物联网技术、传感器技术等来自动化实现，但是在进行管网供热调控策略的制定测评时，大都还是依靠以人工经验为主的方式来利用集中监测数据分析实现，效率极低，人力成本和时间成本较大，并且难以兼顾到各用户的感受和评价反馈，即没有充分考虑受众用户的评价影响因素。
随着工业技术的升级发展，以大数据、云计算为代表的新一代信息技术正在加速向工业领域渗透融合，如果能将大数据分析技术引入供热管网调控策略的分析评估，可以有效提升供热产业的创新生产力，解决现有供热评估方式所存在的问题，但是目前还没有将两者进行有效结合的技术手段。
发明内容
本发明的目的是提供基于大数据的供热评估方法、系统、设备及存储介质，用以解决现有技术中存在的上述问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，提供基于大数据的供热评估方法，包括：
获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，所述管网供热大数据集包含各供热单元的实际供热参数和策略供热参数，以及目标供热管网系统的供热送达率、管网热损失参数和循环水泵耗电参数，所述用户评价大数据集包含各用户评价满意度及各用户评价文本；
根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，并根据各供热单元的供热参数误差确定供热离散程度；
根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数；
根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分；
根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分；
将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，得到当前供热调控策略的综合供热评估得分；
将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集。
在一个可能的设计中，所述实际供热参数包括实际供热流量和实际供热水温，所述策略供热参数包括策略供热流量和策略供热水温，所述供热参数误差包括流量误差值和水温误差值，所述根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，包括：
用各供热单元的实际供热流量减去各供热单元的策略供热流量，得到各供热单元的流量误差值；用各供热单元的实际供热水温减去各供热单元的策略供热水温，得到各供热单元的水温误差值。
在一个可能的设计中，所述根据各供热单元的供热参数误差确定供热离散程度，包括：
计算所有供热单元流量误差值的方差，得到第一方差；计算所有供热单元水温误差值的方差，得到第二方差；将第一方差与第二方差组合得到供热离散程度。
在一个可能的设计中，所述根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数，包括：
将各供热单元的流量误差值和水温误差值代入预置的一致性指数算式中进行计算，得到供热一致性指数，所述一致性指数算式为
其中，A表征供热一致性指数，Li表征第i个供热单元的流量误差值，Ti表征第i个供热单元的水温误差值，n表征所有供热单元的总数，i表征供热单元序号，α为设定的流量系数，β为设定的水温系数；
将第一方差和第二方差代入预置的稳定性指数算式中进行计算，得到供热稳定性指数，所述稳定性指数算式为
B=αS1+βS2
其中，B表征供热稳定性指数，S1表征第一方差，S2表征第二方差；
将供热送达率代入预置的完整性指数算式中进行计算，得到供热完整性指数，所述完整性指数算式为
C=P×100
其中，C表征供热完整性指数，P表征供热送达率；
将管网热损失参数和循环水泵耗电参数代入预置的经济性指数算式中进行计算，得到供热经济性指数，所述经济性指数算式为
D=Rδ+Wθ
其中，D表征供热经济性指数，R表征管网热损失参数，W表征循环水泵耗电参数，δ为设定的热系数，θ为设定的电系数。
在一个可能的设计中，所述根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分，包括：
将供热一致性指数代入预置的一致性评分表中进行匹配，确定该供热一致性指数对应的供热一致性评分，所述一致性评分表中包含若干供热一致性指数区间以及各供热一致性指数区间关联对应的供热一致性评分；
将供热稳定性指数代入预置的稳定性评分表中进行匹配，确定该供热稳定性指数对应的供热稳定性评分，所述稳定性评分表中包含若干供热稳定性指数区间以及各供热稳定性指数区间关联对应的供热稳定性评分；
将供热完整性指数代入预置的完整性评分表中进行匹配，确定该供热完整性指数对应的供热完整性评分，所述完整性评分表中包含若干供热完整性指数区间以及各供热完整性指数区间关联对应的供热完整性评分；
将供热经济性指数代入预置的经济性评分表中进行匹配，确定该供热经济性指数对应的供热经济性评分，所述经济性评分表中包含若干供热经济性指数区间以及各供热经济性指数区间关联对应的供热经济性评分。
在一个可能的设计中，所述根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分，包括：
取所有用户评价满意度的平均值作为用户总体满意度，并将用户总体满意度代入预置的评价指数线性关系式中进行计算，得到用户评价得分，所述评价指数线性关系式为
e=λm
其中，e表征用户评价得分，m表征用户总体满意度，λ为设定的线性常数。
在一个可能的设计中，所述综合供热评估模型为
f=aμ+bσ+cε+dη+eω
其中，f为综合供热评估得分，a为供热一致性评分，μ为设定的第一权重系数，b为供热稳定性评分，σ为设定的第二权重系数，c为供热完整性评分，ε为设定的第三权重系数，d为供热经济性评分，η为设定的第四权重系数，e为用户评价得分，ω为设定的第五权重系数。
第二方面，提供基于大数据的供热评估系统，包括获取单元、第一确定单元、第二确定单元、第一评分单元、第二评分单元、计算单元和传输单元，其中：
获取单元，用于获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，所述管网供热大数据集包含各供热单元的实际供热参数和策略供热参数，以及目标供热管网系统的供热送达率、管网热损失参数和循环水泵耗电参数，所述用户评价大数据集包含各用户评价满意度及各用户评价文本；
第一确定单元，用于根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，并根据各供热单元的供热参数误差确定供热离散程度；
第二确定单元，用于根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数；
第一评分单元，用于根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分；
第二评分单元，用于根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分；
计算单元，用于将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，得到当前供热调控策略的综合供热评估得分；
传输单元，用于将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集。
第三方面，提供基于大数据的供热评估设备，包括：
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行第一方面中任意一种所述的方法。
有益效果：本发明通过获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，然后利用管网供热大数据集确定当前供热调控策略在供热一致性、供热稳定性、供热完整性和供热经济性方面的评分，利用用户评价大数据集确定当前供热调控策略的用户评价得分，最后利用各维度的评分计算综合供热评估得分来反馈给调控终端，以便调控人员根据直观的综合供热评估得分评估当前供热调控策略的可行性。本发明可以从供热一致性、供热稳定性、供热完整性、供热经济性以及用户评价多个维度进行供热调控策略的大数据分析评价，实现高效、全面且可靠的供热调控策略综合评估，提升供热调控策略的测评效率和质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中方法的步骤示意图；
图2为本发明实施例2中系统的构成示意图；
图3为本发明实施例3中设备的构成示意图。
具体实施方式
在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。
在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
实施例1：
本实施例提供基于大数据的供热评估方法，可应用于相应的大数据服务器，如图1所示，方法包括以下步骤：
S1.获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，所述管网供热大数据集包含各供热单元的实际供热参数和策略供热参数，以及目标供热管网系统的供热送达率、管网热损失参数和循环水泵耗电参数，所述用户评价大数据集包含各用户评价满意度及各用户评价文本。
具体实施时，可通过相应的物联网监测系统采集目标供热管网系统在执行当前供热调控策略时的各项监测数据，包括各供热单元的实际供热流量、实际供热水温，目标供热管网系统内全部供热单元的供热送达率，目标供热管网系统的管网热损失参数和循环水泵耗电参数等，管网热损失参数包括管网保温热损失参数和漏水热损失参数等，并获取当前供热调控策略下各供热单元的策略供热流量和策略供热水温等，将这些数据组合为管网供热大数据集。同时，通过互联网大数据采集方式线上采集目标供热管网系统各供热用户的评价满意度及评价文本，将各用户评价满意度及各用户评价文本组合为用户评价大数据集。大数据服务器获取管网供热大数据集及用户评价大数据集进行后续的评估分析。
S2.根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，并根据各供热单元的供热参数误差确定供热离散程度。
具体实施时，实际供热参数包括实际供热流量和实际供热水温，策略供热参数包括策略供热流量和策略供热水温，服务器根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差时，用各供热单元的实际供热流量减去各供热单元的策略供热流量，得到各供热单元的流量误差值；用各供热单元的实际供热水温减去各供热单元的策略供热水温，得到各供热单元的水温误差值。在根据各供热单元的供热参数误差确定供热离散程度时，计算所有供热单元流量误差值的方差，得到第一方差；计算所有供热单元水温误差值的方差，得到第二方差；将第一方差与第二方差组合得到供热离散程度。
S3.根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数。
具体实施时，将各供热单元的流量误差值和水温误差值代入预置的一致性指数算式中进行计算，得到供热一致性指数，所述一致性指数算式为
其中，A表征供热一致性指数，Li表征第i个供热单元的流量误差值，Ti表征第i个供热单元的水温误差值，n表征所有供热单元的总数，i表征供热单元序号，α为设定的流量系数，β为设定的水温系数，α及β的值可根据实际需求进行设定；
将第一方差和第二方差代入预置的稳定性指数算式中进行计算，得到供热稳定性指数，所述稳定性指数算式为
B=αS1+βS2
其中，B表征供热稳定性指数，S1表征第一方差，S2表征第二方差；
将供热送达率代入预置的完整性指数算式中进行计算，得到供热完整性指数，所述完整性指数算式为
C=P×100
其中，C表征供热完整性指数，P表征供热送达率；
将管网热损失参数和循环水泵耗电参数代入预置的经济性指数算式中进行计算，得到供热经济性指数，所述经济性指数算式为
D=Rδ+Wθ
其中，D表征供热经济性指数，R表征管网热损失参数，W表征循环水泵耗电参数，δ为设定的热系数，θ为设定的电系数，δ及θ的值可根据实际情况进行设定。
S4.根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分。
具体实施时，大数据服务器将供热一致性指数代入预置的一致性评分表中进行匹配，确定该供热一致性指数对应的供热一致性评分，所述一致性评分表中包含若干供热一致性指数区间以及各供热一致性指数区间关联对应的供热一致性评分；将供热稳定性指数代入预置的稳定性评分表中进行匹配，确定该供热稳定性指数对应的供热稳定性评分，所述稳定性评分表中包含若干供热稳定性指数区间以及各供热稳定性指数区间关联对应的供热稳定性评分；将供热完整性指数代入预置的完整性评分表中进行匹配，确定该供热完整性指数对应的供热完整性评分，所述完整性评分表中包含若干供热完整性指数区间以及各供热完整性指数区间关联对应的供热完整性评分；将供热经济性指数代入预置的经济性评分表中进行匹配，确定该供热经济性指数对应的供热经济性评分，所述经济性评分表中包含若干供热经济性指数区间以及各供热经济性指数区间关联对应的供热经济性评分。
S5.根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分。
具体实施时，大数据服务器将所有用户评价满意度的平均值作为用户总体满意度，并将用户总体满意度代入预置的评价指数线性关系式中进行计算，得到用户评价得分，所述评价指数线性关系式为
e=λm
其中，e表征用户评价得分，m表征用户总体满意度，λ为设定的线性常数，可根据实际需求进行设定。用户评价得分与用户总体满意度之间呈线性关系，确定用户总体满意度后即可关联得出用户评价得分。
S6.将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，得到当前供热调控策略的综合供热评估得分。
具体实施时，在的得到用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分后，大数据服务器将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，就可得到当前供热调控策略的综合供热评估得分。所述综合供热评估模型为
f=aμ+bσ+cε+dη+eω
其中，f为综合供热评估得分，a为供热一致性评分，μ为设定的第一权重系数，b为供热稳定性评分，σ为设定的第二权重系数，c为供热完整性评分，ε为设定的第三权重系数，d为供热经济性评分，η为设定的第四权重系数，e为用户评价得分，ω为设定的第五权重系数。所述第一权重系数μ、第二权重系数σ、第三权重系数ε、第四权重系数η和第五权重系数ω可根据实际需求进行设定，示例性地，如考量供热调控策略的侧重点在于用户评价维度，第一权重系数μ、第二权重系数σ、第三权重系数ε、第四权重系数η和第五权重系数ω就可分别设定为0.15、0.15、0.15、0.15及0.4，以此作为参考。
S7.将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集。
具体实施时，在计算得到综合供热评估得分后，大数据服务器就将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集，调控人员根据直观展示的综合供热评估得分以及各用户的评价信息就可以快速评估出当前供热调控策略的可行性。
本实施例方法可以从供热一致性、供热稳定性、供热完整性、供热经济性以及用户评价多个维度进行供热调控策略的大数据分析评价，实现高效、全面且可靠的供热调控策略综合评估，提升供热调控策略的测评效率和质量。
实施例2：
本实施例提供基于大数据的供热评估系统，如图2所示，获取单元、第一确定单元、第二确定单元、第一评分单元、第二评分单元、计算单元和传输单元，其中：
获取单元，用于获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，所述管网供热大数据集包含各供热单元的实际供热参数和策略供热参数，以及目标供热管网系统的供热送达率、管网热损失参数和循环水泵耗电参数，所述用户评价大数据集包含各用户评价满意度及各用户评价文本；
第一确定单元，用于根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，并根据各供热单元的供热参数误差确定供热离散程度；
第二确定单元，用于根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数；
第一评分单元，用于根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分；
第二评分单元，用于根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分；
计算单元，用于将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，得到当前供热调控策略的综合供热评估得分；
传输单元，用于将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集。
实施例3：
本实施例提供基于大数据的供热评估设备，如图3所示，在硬件层面，包括：
数据接口，用于建立处理器与调控终端的数据对接；
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的基于大数据的供热评估方法。
可选地，该设备还包括内部总线。处理器与存储器和数据接口可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard Architecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。
所述存储器可以但不限于包括随机存取存储器（Random Access Memory，RAM）、只读存储器（Read Only Memory，ROM）、闪存（Flash Memory）、先进先出存储器（First InputFirst Output，FIFO）和/或先进后出存储器（First In Last Out，FILO）等。所述处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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。
实施例4：
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的基于大数据的供热评估方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒（Memory Stick）等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的基于大数据的供热评估方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
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的保护范围。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 (7)

1.基于大数据的供热评估方法，其特征在于，包括：
获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，所述管网供热大数据集包含各供热单元的实际供热参数和策略供热参数，以及目标供热管网系统的供热送达率、管网热损失参数和循环水泵耗电参数，所述用户评价大数据集包含各用户评价满意度及各用户评价文本；
根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，并根据各供热单元的供热参数误差确定供热离散程度；所述实际供热参数包括实际供热流量和实际供热水温，所述策略供热参数包括策略供热流量和策略供热水温，所述供热参数误差包括流量误差值和水温误差值，所述根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，包括用各供热单元的实际供热流量减去各供热单元的策略供热流量，得到各供热单元的流量误差值，用各供热单元的实际供热水温减去各供热单元的策略供热水温，得到各供热单元的水温误差值；所述根据各供热单元的供热参数误差确定供热离散程度，包括计算所有供热单元流量误差值的方差，得到第一方差，计算所有供热单元水温误差值的方差，得到第二方差，将第一方差与第二方差组合得到供热离散程度；
根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数；包括：
将各供热单元的流量误差值和水温误差值代入预置的一致性指数算式中进行计算，得到供热一致性指数，所述一致性指数算式为
其中，A表征供热一致性指数，Li表征第i个供热单元的流量误差值，Ti表征第i个供热单元的水温误差值，n表征所有供热单元的总数，i表征供热单元序号，α为设定的流量系数，β为设定的水温系数；
将第一方差和第二方差代入预置的稳定性指数算式中进行计算，得到供热稳定性指数，所述稳定性指数算式为
B=αS1+βS2
其中，B表征供热稳定性指数，S1表征第一方差，S2表征第二方差；
将供热送达率代入预置的完整性指数算式中进行计算，得到供热完整性指数，所述完整性指数算式为
C=P×100
其中，C表征供热完整性指数，P表征供热送达率；
将管网热损失参数和循环水泵耗电参数代入预置的经济性指数算式中进行计算，得到供热经济性指数，所述经济性指数算式为
D=Rδ+Wθ
其中，D表征供热经济性指数，R表征管网热损失参数，W表征循环水泵耗电参数，δ为设定的热系数，θ为设定的电系数；
根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分；
根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分；
将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，得到当前供热调控策略的综合供热评估得分；
将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集。
2.根据权利要求1所述的基于大数据的供热评估方法，其特征在于，所述根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分，包括：
将供热一致性指数代入预置的一致性评分表中进行匹配，确定该供热一致性指数对应的供热一致性评分，所述一致性评分表中包含若干供热一致性指数区间以及各供热一致性指数区间关联对应的供热一致性评分；
将供热稳定性指数代入预置的稳定性评分表中进行匹配，确定该供热稳定性指数对应的供热稳定性评分，所述稳定性评分表中包含若干供热稳定性指数区间以及各供热稳定性指数区间关联对应的供热稳定性评分；
将供热完整性指数代入预置的完整性评分表中进行匹配，确定该供热完整性指数对应的供热完整性评分，所述完整性评分表中包含若干供热完整性指数区间以及各供热完整性指数区间关联对应的供热完整性评分；
将供热经济性指数代入预置的经济性评分表中进行匹配，确定该供热经济性指数对应的供热经济性评分，所述经济性评分表中包含若干供热经济性指数区间以及各供热经济性指数区间关联对应的供热经济性评分。
3.根据权利要求1所述的基于大数据的供热评估方法，其特征在于，所述根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分，包括：
取所有用户评价满意度的平均值作为用户总体满意度，并将用户总体满意度代入预置的评价指数线性关系式中进行计算，得到用户评价得分，所述评价指数线性关系式为
e=λm
其中，e表征用户评价得分，m表征用户总体满意度，λ为设定的线性常数。
4.根据权利要求1所述的基于大数据的供热评估方法，其特征在于，所述综合供热评估模型为
f=aμ+bσ+cε+dη+eω
其中，f为综合供热评估得分，a为供热一致性评分，μ为设定的第一权重系数，b为供热稳定性评分，σ为设定的第二权重系数，c为供热完整性评分，ε为设定的第三权重系数，d为供热经济性评分，η为设定的第四权重系数，e为用户评价得分，ω为设定的第五权重系数。
5.基于大数据的供热评估系统，其特征在于，包括获取单元、第一确定单元、第二确定单元、第一评分单元、第二评分单元、计算单元和传输单元，其中：
获取单元，用于获取目标供热管网系统执行当前供热调控策略时的管网供热大数据集以及用户评价大数据集，所述管网供热大数据集包含各供热单元的实际供热参数和策略供热参数，以及目标供热管网系统的供热送达率、管网热损失参数和循环水泵耗电参数，所述用户评价大数据集包含各用户评价满意度及各用户评价文本；
第一确定单元，用于根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，并根据各供热单元的供热参数误差确定供热离散程度；所述实际供热参数包括实际供热流量和实际供热水温，所述策略供热参数包括策略供热流量和策略供热水温，所述供热参数误差包括流量误差值和水温误差值，所述根据各供热单元的实际供热参数与策略供热参数计算各供热单元的供热参数误差，包括用各供热单元的实际供热流量减去各供热单元的策略供热流量，得到各供热单元的流量误差值，用各供热单元的实际供热水温减去各供热单元的策略供热水温，得到各供热单元的水温误差值；所述根据各供热单元的供热参数误差确定供热离散程度，包括计算所有供热单元流量误差值的方差，得到第一方差，计算所有供热单元水温误差值的方差，得到第二方差，将第一方差与第二方差组合得到供热离散程度；
第二确定单元，用于根据各供热单元的供热参数误差计算供热一致性指数，根据供热离散程度确定供热稳定性指数，根据供热送达率确定供热完整性指数，根据管网热损失参数和循环水泵耗电参数确定供热经济性指数；包括：
将各供热单元的流量误差值和水温误差值代入预置的一致性指数算式中进行计算，得到供热一致性指数，所述一致性指数算式为
其中，A表征供热一致性指数，Li表征第i个供热单元的流量误差值，Ti表征第i个供热单元的水温误差值，n表征所有供热单元的总数，i表征供热单元序号，α为设定的流量系数，β为设定的水温系数；
将第一方差和第二方差代入预置的稳定性指数算式中进行计算，得到供热稳定性指数，所述稳定性指数算式为
B=αS1+βS2
其中，B表征供热稳定性指数，S1表征第一方差，S2表征第二方差；
将供热送达率代入预置的完整性指数算式中进行计算，得到供热完整性指数，所述完整性指数算式为
C=P×100
其中，C表征供热完整性指数，P表征供热送达率；
将管网热损失参数和循环水泵耗电参数代入预置的经济性指数算式中进行计算，得到供热经济性指数，所述经济性指数算式为
D=Rδ+Wθ
其中，D表征供热经济性指数，R表征管网热损失参数，W表征循环水泵耗电参数，δ为设定的热系数，θ为设定的电系数；
第一评分单元，用于根据供热一致性指数确定供热一致性评分，根据供热稳定性指数确定供热稳定性评分，根据供热完整性指数供热完整性评分，根据供热经济性指数确定供热经济性评分；
第二评分单元，用于根据各用户评价满意度确定用户总体满意度，并根据用户总体满意度确定用户评价得分；
计算单元，用于将用户评价得分、供热一致性评分、供热稳定性评分、供热完整性评分和供热经济性评分代入预置的综合供热评估模型中进行计算，得到当前供热调控策略的综合供热评估得分；
传输单元，用于将当前供热调控策略的综合供热评估得分、管网供热大数据集以及用户评价大数据集传输至调控终端，以使调控终端向调控人员可视化展示综合供热评估得分、管网供热大数据集以及用户评价大数据集。
6.基于大数据的供热评估设备，其特征在于，包括：
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行权利要求1-4任意一项所述的基于大数据的供热评估方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-4任意一项所述的基于大数据的供热评估方法。
CN202311153616.8A 2023-09-08 2023-09-08 基于大数据的供热评估方法、系统、设备及存储介质 Active CN116882223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311153616.8A CN116882223B (zh) 2023-09-08 2023-09-08 基于大数据的供热评估方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311153616.8A CN116882223B (zh) 2023-09-08 2023-09-08 基于大数据的供热评估方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116882223A CN116882223A (zh) 2023-10-13
CN116882223B true CN116882223B (zh) 2023-12-01

Family

ID=88260915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311153616.8A Active CN116882223B (zh) 2023-09-08 2023-09-08 基于大数据的供热评估方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116882223B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021208383A1 (zh) * 2020-04-16 2021-10-21 中国华能集团清洁能源技术研究院有限公司 一种定量评价区域地热供暖经济性的方法
CN113987934A (zh) * 2021-10-27 2022-01-28 杭州英集动力科技有限公司 基于模糊分析的多机组多模式供热电厂运行综合评价方法
CN114693069A (zh) * 2022-03-02 2022-07-01 浙江英集动力科技有限公司 一种自主优化运行集中供热运行稳定性评估方法及系统
CN114693087A (zh) * 2022-03-16 2022-07-01 国网福建省电力有限公司经济技术研究院 城市能源系统多尺度能耗模型及其能流监测方法
CN116520739A (zh) * 2023-04-14 2023-08-01 郑州英集动力科技有限公司 一种基于多智能体的智慧供热系统自愈控制平台及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021208383A1 (zh) * 2020-04-16 2021-10-21 中国华能集团清洁能源技术研究院有限公司 一种定量评价区域地热供暖经济性的方法
CN113987934A (zh) * 2021-10-27 2022-01-28 杭州英集动力科技有限公司 基于模糊分析的多机组多模式供热电厂运行综合评价方法
CN114693069A (zh) * 2022-03-02 2022-07-01 浙江英集动力科技有限公司 一种自主优化运行集中供热运行稳定性评估方法及系统
CN114693087A (zh) * 2022-03-16 2022-07-01 国网福建省电力有限公司经济技术研究院 城市能源系统多尺度能耗模型及其能流监测方法
CN116520739A (zh) * 2023-04-14 2023-08-01 郑州英集动力科技有限公司 一种基于多智能体的智慧供热系统自愈控制平台及方法

Also Published As

Publication number Publication date
CN116882223A (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
US11746753B2 (en) Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium
CN105098763B (zh) 一种基于wams和ems的暂态电压稳定在线评估方法
KR102462570B1 (ko) 요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체
EP2673744A1 (en) Determining characteristics of participants in a social network
Zheng et al. Economic development, technological progress, and provincial carbon emissions intensity: empirical research based on the threshold panel model
CN116882223B (zh) 基于大数据的供热评估方法、系统、设备及存储介质
CN112418687A (zh) 基于用电特征的用户用电异常识别方法、装置和存储介质
CN116843235A (zh) 基于区块链的esg指标评估方法、系统、设备及存储介质
CN108681625A (zh) 基于大数据技术的变压器短期过载能力智能评估系统
KR101696222B1 (ko) 송전선로 허용 열용량 산정 및 전력계통 해석 시스템
CN116192245A (zh) 基于pon网络的故障诊断方法、系统、设备及存储介质
CN115542236A (zh) 电能表运行误差估计方法及装置
CN115526068A (zh) 失准模型参数确定方法、装置、设备和存储介质
CN116990744B (zh) 一种电能表检测方法、装置、设备及介质
Liu et al. Forecast and Analysis of National GDP in China Based on ARIMA Model
姜同强 et al. Bayesian network and its application in liquor safety early warning
CN108229095A (zh) 油中溶解气体体积分数的预测方法及终端设备
CN113360486B (zh) 数据预测方法、装置、电子设备和介质
CN117648628A (zh) 灯泡贯流式机组机电状态评价方法、装置、设备及介质
Liu et al. The Practical Teaching Design of Recommendation System Based on Collaborative Filtering Algorithm
CN118013129A (zh) 基于大数据的财经资讯推送方法、系统、设备及存储介质
CN117152899A (zh) 一种煤堆安全监测预警方法、系统、设备及存储介质
CN116482565A (zh) 一种电源异常检测方法、装置、设备和存储介质
CN115453271A (zh) 一种配电网问题诊断方法、装置、设备及存储介质
CN117971550A (zh) Scr系统故障确定方法、装置、电子设备及存储介质

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