CN116993029A - 用于智慧厂务的设备能效评估方法及系统 - Google Patents
用于智慧厂务的设备能效评估方法及系统 Download PDFInfo
- Publication number
- CN116993029A CN116993029A CN202311259311.5A CN202311259311A CN116993029A CN 116993029 A CN116993029 A CN 116993029A CN 202311259311 A CN202311259311 A CN 202311259311A CN 116993029 A CN116993029 A CN 116993029A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy efficiency
- production
- record data
- product processing
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 142
- 238000004519 manufacturing process Methods 0.000 claims abstract description 134
- 238000006243 chemical reaction Methods 0.000 claims abstract description 130
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000013441 quality evaluation Methods 0.000 claims description 38
- 238000005457 optimization Methods 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了用于智慧厂务的设备能效评估方法及系统，涉及数据处理技术领域，该方法包括：获取需求能源类型和需求产品类型；根据需求能源类型，采集能源转换记录数据；根据需求产品类型，采集产品加工记录数据，进行频繁性分析，获取能源转换能效系数和产品加工能效系数，进行供能配置寻优，获取供能配置优化结果，进而获取供能配置偏离系数；基于能源转换能效系数、产品加工能效系数和供能配置偏离系数进行生产能效评估，获取生产能效评估结果。本发明解决了现有技术中由于智慧厂务的设备能效评估主体单一，导致评估结果准确性差的技术问题，达到了以生产任务为单位进行设备能效评估，提高评估结果的准确性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及用于智慧厂务的设备能效评估方法及系统。
背景技术
智慧厂务是指利用物联网、云计算、大数据等信息技术手段，以生产基础设施为中心，以数据为纽带，以智能控制为核心，构建的全面、集成化、智能化的工厂管理系统。设备能效评估是提高智慧厂务设备的生产能力、降低运营成本，增加企业竞争力的有效手段之一，现有技术以设备为单位对设备能效进行分析，无法做到宏观统筹设备生产能效，还存在能源利用率差，设备能效浪费的问题。
发明内容
本申请提供了用于智慧厂务的设备能效评估方法及系统，用于解决现有技术中由于智慧厂务的设备能效评估主体单一，导致评估结果准确性差的技术问题。
本申请的第一个方面，提供了用于智慧厂务的设备能效评估方法，所述方法包括：获取生产特征信息，其中，所述生产特征信息包括需求能源类型和需求产品类型；根据所述需求能源类型，匹配能源转换设备，采集能源转换记录数据；根据所述需求产品类型，匹配产品加工设备，采集产品加工记录数据；对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数；基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果；对供能预配置信息和所述供能配置优化结果，获取供能配置偏离系数；基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
本申请的第二个方面，提供了用于智慧厂务的设备能效评估系统，所述系统包括：生产特征信息获取模块，所述生产特征信息获取模块用于获取生产特征信息，其中，所述生产特征信息包括需求能源类型和需求产品类型；能源转换记录数据采集模块，所述能源转换记录数据采集模块用于根据所述需求能源类型，匹配能源转换设备，采集能源转换记录数据；产品加工记录数据采集模块，所述产品加工记录数据采集模块用于根据所述需求产品类型，匹配产品加工设备，采集产品加工记录数据；能效系数获取模块，所述能效系数获取模块用于对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数；供能配置优化结果获取模块，所述供能配置优化结果获取模块用于基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果；供能配置偏离系数获取模块，所述供能配置偏离系数获取模块用于对供能预配置信息和所述供能配置优化结果，获取供能配置偏离系数；生产能效评估结果获取模块，所述生产能效评估结果获取模块用于基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的用于智慧厂务的设备能效评估方法，涉及数据处理技术领域，通过获取需求能源类型和需求产品类型，并根据需求能源类型，采集能源转换记录数据，根据需求产品类型，采集产品加工记录数据，对能源转换记录数据和产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数，进行供能配置寻优，获取供能配置优化结果，进而结合供能预配置信息，获取供能配置偏离系数，最后基于能源转换能效系数、产品加工能效系数和供能配置偏离系数进行生产能效评估，获取生产能效评估结果，解决了现有技术中由于智慧厂务的设备能效评估主体单一，导致评估结果准确性差的技术问题，实现了以生产任务为单位对设备能效进行分析评估，整体分析设备宏观生产能效并进行整体优化，进而提高设备生产能力、降低运营成本的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，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为本申请实施例提供的用于智慧厂务的设备能效评估方法流程示意图；
图2为本申请实施例提供的用于智慧厂务的设备能效评估方法中获取能量转换率计算值的流程示意图；
图3为本申请实施例提供的用于智慧厂务的设备能效评估方法中获取生产能效计算值的流程示意图；
图4为本申请实施例提供的用于智慧厂务的设备能效评估系统结构示意图。
附图标记说明：生产特征信息获取模块11，能源转换记录数据采集模块12，产品加工记录数据采集模块13，能效系数获取模块14，供能配置优化结果获取模块15，供能配置偏离系数获取模块16，生产能效评估结果获取模块17。
具体实施方式
本申请提供了用于智慧厂务的设备能效评估方法，用于解决现有技术中由于智慧厂务的设备能效评估主体单一，导致评估结果准确性差的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了用于智慧厂务的设备能效评估方法，所述方法包括：
S100：获取生产特征信息，其中，所述生产特征信息包括需求能源类型和需求产品类型；
具体的，获取目标智慧厂务的生产特征信息，包括需求能源类型和需求产品类型，所述需求能源类型是指目标智慧厂务进行产品加工生产时所需要的能源的类型，比如电能、风能、天然气、石油等，所述需求产品类型是指目标智慧厂务生产的产品类型，根据目标智慧厂务所服务的企业类型来确定，例如汽车制造企业的需求产品类型就是汽车零件、成品汽车等，所述生产特征信息可以用作后续进行生成设备匹配。
S200：根据所述需求能源类型，匹配能源转换设备，采集能源转换记录数据；
具体而言，根据所述目标智慧厂务的需求能源类型，从所述目标智慧厂务的生产设备中匹配相应的能源转换设备，例如变压器、逆变器、充电器、发电机、储能设备等，并分别采集所述能源转换设备的能源转换记录数据，包括输入、输出能量的数据，以及对应的转换时间，可以作为后续进行能源转换能效计算的基础数据。
S300：根据所述需求产品类型，匹配产品加工设备，采集产品加工记录数据；
具体的，根据所述目标智慧厂务的需求产品类型，从所述目标智慧厂务的生产设备中匹配相应的产品加工设备，以汽车制造企业为例，相应的产品加工设备有机械加工设备、焊接设备、涂装设备、检测设备，所述机械加工设备又包括数控机床、车床、铣床、钻床、磨床等，分别采集所述产品加工设备的产品加工记录数据，包括产品加工各个环节的加工记录数据，可以作为后续进行产品加工能效计算的基础数据。
S400：对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数；
具体的，对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，也就是进行转换能效分析计算，获取能源转换能效系数和产品加工能效系数，所述能源转换能效系数就是实际转化的能量和输入的能量的比值，所述产品加工能效系数是指产品实际加工量和理论加工量的比值，所述能源转换能效系数和产品加工能效系数，可以作为后续进行供能配置寻优的基础数据。
进一步的，本申请实施例步骤S400还包括：
S410：所述能源转换记录数据包括输入能量记录数据和输出能量记录数据；
S420：根据所述输入能量记录数据和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值；
S430：对所述能量转换率计算值进行频繁性分析，获取所述能源转换能效系数，包括：
S440：对所述能量转换率计算值在第一坐标轴上进行点云分布，获取计算值离散点，标记为非频繁点；
S450：将所述非频繁点从所述能量转换率计算值中清洗，计算能量转换率计算值清洗结果的均值，获取所述能源转换能效系数；
S460：所述产品加工能效系数包括加工供能记录数据和产品加工量记录数据；
S470：根据所述加工供能记录数据和产品加工量记录数据进行生产能效标定，获取生产能效计算值；
S480：对所述生产能效计算值进行频繁性分析，获取所述产品加工能效系数。
具体而言，所述能源转换记录数据包括能源转换设备在过去一段时间内的输入能量记录数据和输出能量记录数据，根据所述输入能量记录数据和所述输出能量记录数据进行能量转换率标定，也就是用输出能量记录数据除以输入能量记录数据，将得到的比值作为能量转换率计算值。进一步的，对所述能量转换率计算值进行频繁性分析，获取所述能源转换能效系数，所述频繁性分析的过程可以是：构建设备能量转换率坐标系，依次将所述能量转换率计算值在所述设备能量转换率坐标系的第一坐标轴上进行点云分布，所述点云分布就是将数据集分布在同一个空间参考系下，提取第一坐标轴上的计算值离散点，也就是距离其他计算值较远的不连续的点，标记为非频繁点，将所述非频繁点从所述能量转换率计算值中清洗删除，将剩余的能量转换率计算值清洗结果进行均值计算，并将计算结果作为所述能源转换能效系数。
进一步的，所述产品加工能效系数包括加工供能记录数据和产品加工量记录数据，所述加工供能记录数据是指进行产品加工时的设备能耗，所述产品加工量记录数据是指设备的生产量，使用所述产品加工量记录数据除以所述加工供能记录数据进行生产能效标定，将比值作为生产能效计算值，同理，对所述生产能效计算值进行频繁性分析，筛除生产能效计算值的离散点，并将剩余生产能效计算值的平均值作为所述产品加工能效系数。
进一步的，如图2所示，本申请实施例步骤S420还包括：
S421：所述输入能量记录数据包括输送路径记录数据，其中，所述输送路径记录数据包括输送路径拓扑记录值、输送路径长度记录值和输送能量类型记录值；
S422：搭建BP神经网络结构，输入预设输送能量类型的输送路径拓扑标识数据、输送路径长度标识数据进行正向传播训练，通过输送损耗标识数据进行反向传播训练，获取输送损耗评估器；
S423：将所述输送路径拓扑记录值、所述输送路径长度记录值和所述输送能量类型记录值输入所述输送损耗评估器，获取输送损耗特征值；
S424：根据所述输送损耗特征值对所述输入能量记录数据进行能量损耗衰减，获取输入能量记录数据拟合值；
S425：根据所述输入能量记录数据拟合值和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值。
具体的，所述输入能量记录数据包括输送路径记录数据，就是指多条能量输送路径的能量输送记录数据，所述输送路径记录数据包括输送路径拓扑记录值、输送路径长度记录值和输送能量类型记录值，所述输送路径拓扑记录值是指各设备的能量输送线路记录，所述输送路径长度记录值是指每条能量输送路线的长度。
进一步的，搭建BP神经网络结构，所述BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，无需事先确定输入输出之间映射关系的数学方程，仅通过自身的训练学习某种规则，在给定输入值时得到最接近期望输出值的结果。使用预设的输送能量类型的输送路径拓扑标识数据、输送路径长度标识数据作为训练数据，对所述BP神经网络结构进行正向传播训练，并使用输送损耗标识数据作为训练数据进行反向传播训练，直至所述BP神经网络结构达到收敛，得到所述输送损耗评估器，所述输送损耗评估器可以用来进行能量输送损耗评估，所述正向传播沿着从输入层到输出层的顺序，依次计算并存储神经网络的中间变量和神经网络的输出，所述反向传播沿着从输出层到输入层的顺序，依次计算并存储神经网络中间变量和参数的梯度。
进一步的，将所述输送路径拓扑记录值、所述输送路径长度记录值和所述输送能量类型记录值输入所述输送损耗评估器中，由所述输送损耗评估器进行能量输送损耗评估后，获取输送损耗特征值，根据所述输送损耗特征值对所述输入能量记录数据进行能量损耗衰减，也就是减去输送过程中的能量损耗，获取输入能量记录数据拟合值，也就是减去损耗后的正确能量输送数据，使用所述输出能量记录数据除以所述输入能量记录数据拟合值，进行能量转换率标定，将比值作为能量转换率计算值，以提高能效评估准确性。
进一步的，如图3所示，本申请实施例步骤S470还包括：
S471：获取产品加工设备型号；
S472：根据所述加工供能记录数据和所述产品加工设备型号，基于工业区块链，采集产品加工历史数据，其中，所述产品加工历史数据来自服役时长小于或等于服役时长阈值的设备；
S473：根据所述产品加工历史数据进行频繁性分析，获取理论生产量标定值；
S474：根据所述理论生产量标定值和所述产品加工量记录数据进行生产能效标定，获取生产能效计算值。
具体而言，获取目标智慧厂区的各类产品加工设备的型号，参照所述加工供能记录数据和所述产品加工设备型号，通过目标智慧厂区的工业区块链，采集过去一段时间内（可以是三个月、半年等，具体时间可根据实际情况做适应性调整）的产品加工历史数据，包括历史供能数据和历史生产量数据，并且所述产品加工历史数据来自服役时长小于或等于服役时长阈值的设备，也就是处于使用年限内的设备，以保证其生产能效接近设备的标识能效。
进一步的，对所述产品加工历史数据进行频繁性分析，筛除产品历史生产量数据中的非频繁点，并将剩余历史生产量数据的平均值作为理论生产量标定值，根据所述理论生产量标定值和所述产品加工量记录数据进行生产能效标定，由理论生产量/产品加工量=（输入能量*能量转化率标识值）/（输入能量*能量实际转化率），可以推导出：能量实际转化率=(产品加工量*能量转化率标识值)/理论生产量，将所述能量实际转化率作为生产能效计算值，可以反映各个设备的生产能效。
S500：基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果；
进一步的，本申请实施例步骤S500还包括：
S510：所述生产特征信息还包括产品需求量；
S520：基于所述产品需求量，对所述产品加工能效系数和所述能源转换能效系数进行反向映射，获取能源需求供应量；
S530：获取供能源基础信息，其中，所述供能源基础信息包括供能源类型和供能源生产特征，所述供能源生产特征包括分布位置、生产规模和生产效率；
S540：根据所述供能源类型、所述供能源生产特征和所述能源需求供应量进行能源供给随机配置，获取Q个供能随机配置结果，Q≥100，Q为整数；
S550：设定质量评价指标，其中，所述质量评价指标包括碳排量指标、供能故障率、供能成本和生产时长；
S560：根据所述质量评价指标和供能质量适应度函数对所述Q个供能随机配置结果进行最大适应度筛选，获取所述供能配置优化结果。
进一步的，本申请实施例步骤S560还包括：
S561：构建供能质量适应度函数：
；
；
；
；
其中，表征任意一个供能配置方案的适应度，/>表征供能配置方案的第n个质量评价指标特征值，/>已知供能配置方案的第n个质量评价指标特征值最小值，/>已知供能配置方案的第n个质量评价指标特征值最大值，/>表征预设的第n个质量评价指标的权重，/>表征供能质量评价指标约束矩阵，/>表征第n个质量评价指标，表征第n个质量评价指标的约束区间，/>表征任意一个供能配置方案，表征供能配置方案中M个供能源的供能量，/>均为正向化指标。
具体而言，所述生产特征信息还包括产品需求量，基于所述产品需求量，反向计算所述产品加工能效系数和所述能源转换能效系数，并通过所述产品加工能效系数和所述能源转换能效系数推导出能源需求供应量。进一步的，获取供能源基础信息，也就是设备的供能源头的基础信息，包括供能源类型和供能源生产特征，所述供能源类型可以是配电站、天然气站等能源站，所述供能源生产特征包括供能源的分布位置、生产规模和生产效率，根据所述供能源类型、所述供能源生产特征和所述能源需求供应量进行能源供给随机匹配，生成Q个供能随机配置结果，Q≥100，且Q为整数。
进一步的，设定供能质量评价指标，包括碳排量指标、供能故障率、供能成本和生产时长，并构建供能质量适应度函数：
；
；
；
；
其中，表征任意一个供能配置方案的适应度，适应度越大，供能配置方案越优，/>表征供能配置方案的第n个质量评价指标特征值，/>已知供能配置方案的第n个质量评价指标特征值最小值，/>已知供能配置方案的第n个质量评价指标特征值最大值，/>表征预设的第n个质量评价指标的权重，/>表征供能质量评价指标约束矩阵，/>表征第n个质量评价指标，/>表征第n个质量评价指标的约束区间，/>表征任意一个供能配置方案，/>表征供能配置方案中M个供能源的供能量，均为正向化指标。
进一步的，根据所述质量评价指标，依次将所述Q个供能随机配置结果输入供能质量适应度函数中，对所述Q个供能随机配置结果进行最大适应度筛选，将最大适应度对应的供能随机配置结果作为所述供能配置优化结果，可以降低能耗，提高生成效率。
S600：对供能预配置信息和所述供能配置优化结果，获取供能配置偏离系数；
具体的，获取目标智慧厂务的设备供能预配置信息，也就是目标智慧厂务的初始供能预配置信息，包括初始能源类型以及每种能源的供应量，进一步的，基于所述供能预配置信息和所述供能配置优化结果中每种类型的能源的供应量差值，进行欧氏距离计算，所述欧氏距离计算是在一个坐标系上，求从一个点到另一个点的最短距离，获取供能配置偏离系数。
S700：基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
进一步的，本申请实施例步骤S700还包括：
S710：构建能效评估函数：
；
其中，表征能效质量系数，/>表征能源转换能效系数，/>表征产品加工能效系数，/>表征供能配置偏离系数，/>为归一化调节参数，/>、/>和/>为基于德菲尔赋权法的权重分布结果；
S720：根据所述能效评估函数，对所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行处理，获取所述生产能效评估结果。
具体而言，基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数，构建能效评估函数：
；
其中，表征能效质量系数，数值越大，说明当前的设备供能配置方案的生产能效越好，/>表征能源转换能效系数，/>表征产品加工能效系数，/>表征供能配置偏离系数，/>为归一化调节参数，/>、/>和/>为基于德菲尔赋权法的权重分布结果。
进一步的，将所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数输入所述能效评估函数，进行生产能效质量系数计算，并根据所述能效质量系数进行生产能效评估，来判断当前的设备供能配置方案的优劣，并采取相应的优化措施。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过获取需求能源类型和需求产品类型，并根据需求能源类型，采集能源转换记录数据，根据需求产品类型，采集产品加工记录数据，对能源转换记录数据和产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数，进行供能配置寻优，获取供能配置优化结果，进而结合供能预配置信息，获取供能配置偏离系数，最后基于能源转换能效系数、产品加工能效系数和供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
达到了以生产任务为单位对设备能效进行分析评估，整体分析设备宏观生产能效并进行整体优化，进而提高设备生产能力、降低运营成本的技术效果。
实施例二
基于与前述实施例中用于智慧厂务的设备能效评估方法相同的发明构思，如图4所示，本申请提供了用于智慧厂务的设备能效评估系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
生产特征信息获取模块11，所述生产特征信息获取模块11用于获取生产特征信息，其中，所述生产特征信息包括需求能源类型和需求产品类型；
能源转换记录数据采集模块12，所述能源转换记录数据采集模块12用于根据所述需求能源类型，匹配能源转换设备，采集能源转换记录数据；
产品加工记录数据采集模块13，所述产品加工记录数据采集模块13用于根据所述需求产品类型，匹配产品加工设备，采集产品加工记录数据；
能效系数获取模块14，所述能效系数获取模块14用于对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数；
供能配置优化结果获取模块15，所述供能配置优化结果获取模块15用于基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果；
供能配置偏离系数获取模块16，所述供能配置偏离系数获取模块16用于对供能预配置信息和所述供能配置优化结果，获取供能配置偏离系数；
生产能效评估结果获取模块17，所述生产能效评估结果获取模块17用于基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
进一步的，所述能效系数获取模块14还用于执行以下步骤：
所述能源转换记录数据包括输入能量记录数据和输出能量记录数据；
根据所述输入能量记录数据和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值；
对所述能量转换率计算值进行频繁性分析，获取所述能源转换能效系数，包括：
对所述能量转换率计算值在第一坐标轴上进行点云分布，获取计算值离散点，标记为非频繁点；
将所述非频繁点从所述能量转换率计算值中清洗，计算能量转换率计算值清洗结果的均值，获取所述能源转换能效系数；
所述产品加工能效系数包括加工供能记录数据和产品加工量记录数据；
根据所述加工供能记录数据和产品加工量记录数据进行生产能效标定，获取生产能效计算值；
对所述生产能效计算值进行频繁性分析，获取所述产品加工能效系数。
进一步的，所述能效系数获取模块14还用于执行以下步骤：
所述输入能量记录数据包括输送路径记录数据，其中，所述输送路径记录数据包括输送路径拓扑记录值、输送路径长度记录值和输送能量类型记录值；
搭建BP神经网络结构，输入预设输送能量类型的输送路径拓扑标识数据、输送路径长度标识数据进行正向传播训练，通过输送损耗标识数据进行反向传播训练，获取输送损耗评估器；
将所述输送路径拓扑记录值、所述输送路径长度记录值和所述输送能量类型记录值输入所述输送损耗评估器，获取输送损耗特征值；
根据所述输送损耗特征值对所述输入能量记录数据进行能量损耗衰减，获取输入能量记录数据拟合值；
根据所述输入能量记录数据拟合值和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值。
进一步的，所述能效系数获取模块14还用于执行以下步骤：
获取产品加工设备型号；
根据所述加工供能记录数据和所述产品加工设备型号，基于工业区块链，采集产品加工历史数据，其中，所述产品加工历史数据来自服役时长小于或等于服役时长阈值的设备；
根据所述产品加工历史数据进行频繁性分析，获取理论生产量标定值；
根据所述理论生产量标定值和所述产品加工量记录数据进行生产能效标定，获取生产能效计算值。
进一步的，所述供能配置优化结果获取模块15还用于执行以下步骤：
所述生产特征信息还包括产品需求量；
基于所述产品需求量，对所述产品加工能效系数和所述能源转换能效系数进行反向映射，获取能源需求供应量；
获取供能源基础信息，其中，所述供能源基础信息包括供能源类型和供能源生产特征，所述供能源生产特征包括分布位置、生产规模和生产效率；
根据所述供能源类型、所述供能源生产特征和所述能源需求供应量进行能源供给随机配置，获取Q个供能随机配置结果，Q≥100，Q为整数；
设定质量评价指标，其中，所述质量评价指标包括碳排量指标、供能故障率、供能成本和生产时长；
根据所述质量评价指标和供能质量适应度函数对所述Q个供能随机配置结果进行最大适应度筛选，获取所述供能配置优化结果。
进一步的，所述供能配置优化结果获取模块15还用于执行以下步骤：
构建供能质量适应度函数：
；
；
；
；
其中，表征任意一个供能配置方案的适应度，/>表征供能配置方案的第n个质量评价指标特征值，/>已知供能配置方案的第n个质量评价指标特征值最小值，/>已知供能配置方案的第n个质量评价指标特征值最大值，/>表征预设的第n个质量评价指标的权重，/>表征供能质量评价指标约束矩阵，/>表征第n个质量评价指标，表征第n个质量评价指标的约束区间，/>表征任意一个供能配置方案，表征供能配置方案中M个供能源的供能量，/>均为正向化指标。
进一步的，所述生产能效评估结果获取模块17还用于执行以下步骤：
构建能效评估函数：
；
其中，表征能效质量系数，/>表征能源转换能效系数，/>表征产品加工能效系数，/>表征供能配置偏离系数，/>为归一化调节参数，/>、/>和/>为基于德菲尔赋权法的权重分布结果；
根据所述能效评估函数，对所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行处理，获取所述生产能效评估结果。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.用于智慧厂务的设备能效评估方法，其特征在于，包括：
获取生产特征信息，其中，所述生产特征信息包括需求能源类型和需求产品类型；
根据所述需求能源类型，匹配能源转换设备，采集能源转换记录数据；
根据所述需求产品类型，匹配产品加工设备，采集产品加工记录数据；
对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数；
基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果；
对供能预配置信息和所述供能配置优化结果，获取供能配置偏离系数；
基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
2.如权利要求1所述的方法，其特征在于，对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数，包括：
所述能源转换记录数据包括输入能量记录数据和输出能量记录数据；
根据所述输入能量记录数据和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值；
对所述能量转换率计算值进行频繁性分析，获取所述能源转换能效系数，包括：
对所述能量转换率计算值在第一坐标轴上进行点云分布，获取计算值离散点，标记为非频繁点；
将所述非频繁点从所述能量转换率计算值中清洗，计算能量转换率计算值清洗结果的均值，获取所述能源转换能效系数；
所述产品加工能效系数包括加工供能记录数据和产品加工量记录数据；
根据所述加工供能记录数据和产品加工量记录数据进行生产能效标定，获取生产能效计算值；
对所述生产能效计算值进行频繁性分析，获取所述产品加工能效系数。
3.如权利要求2所述的方法，其特征在于，根据所述输入能量记录数据和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值，包括：
所述输入能量记录数据包括输送路径记录数据，其中，所述输送路径记录数据包括输送路径拓扑记录值、输送路径长度记录值和输送能量类型记录值；
搭建BP神经网络结构，输入预设输送能量类型的输送路径拓扑标识数据、输送路径长度标识数据进行正向传播训练，通过输送损耗标识数据进行反向传播训练，获取输送损耗评估器；
将所述输送路径拓扑记录值、所述输送路径长度记录值和所述输送能量类型记录值输入所述输送损耗评估器，获取输送损耗特征值；
根据所述输送损耗特征值对所述输入能量记录数据进行能量损耗衰减，获取输入能量记录数据拟合值；
根据所述输入能量记录数据拟合值和所述输出能量记录数据进行能量转换率标定，获取能量转换率计算值。
4.如权利要求2所述的方法，其特征在于，根据所述加工供能记录数据和产品加工量记录数据进行生产能效标定，获取生产能效计算值，包括：
获取产品加工设备型号；
根据所述加工供能记录数据和所述产品加工设备型号，基于工业区块链，采集产品加工历史数据，其中，所述产品加工历史数据来自服役时长小于或等于服役时长阈值的设备；
根据所述产品加工历史数据进行频繁性分析，获取理论生产量标定值；
根据所述理论生产量标定值和所述产品加工量记录数据进行生产能效标定，获取生产能效计算值。
5.如权利要求1所述的方法，其特征在于，基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果，包括：
所述生产特征信息还包括产品需求量；
基于所述产品需求量，对所述产品加工能效系数和所述能源转换能效系数进行反向映射，获取能源需求供应量；
获取供能源基础信息，其中，所述供能源基础信息包括供能源类型和供能源生产特征，所述供能源生产特征包括分布位置、生产规模和生产效率；
根据所述供能源类型、所述供能源生产特征和所述能源需求供应量进行能源供给随机配置，获取Q个供能随机配置结果，Q≥100，Q为整数；
设定质量评价指标，其中，所述质量评价指标包括碳排量指标、供能故障率、供能成本和生产时长；
根据所述质量评价指标和供能质量适应度函数对所述Q个供能随机配置结果进行最大适应度筛选，获取所述供能配置优化结果。
6.如权利要求5所述的方法，其特征在于，根据供能质量适应度函数对所述Q个供能随机配置结果进行最大适应度筛选，获取所述供能配置优化结果，包括：
构建供能质量适应度函数：
；
；
；
；
其中，表征任意一个供能配置方案的适应度，/>表征供能配置方案的第n个质量评价指标特征值，/>已知供能配置方案的第n个质量评价指标特征值最小值，已知供能配置方案的第n个质量评价指标特征值最大值，/>表征预设的第n个质量评价指标的权重，/>表征供能质量评价指标约束矩阵，/>表征第n个质量评价指标，表征第n个质量评价指标的约束区间，/>表征任意一个供能配置方案，表征供能配置方案中M个供能源的供能量，/>均为正向化指标。
7.如权利要求1所述的方法，其特征在于，基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果，包括：
构建能效评估函数：
；
其中，表征能效质量系数，/>表征能源转换能效系数，/>表征产品加工能效系数，/>表征供能配置偏离系数，/>为归一化调节参数，/>、/>和/>为基于德菲尔赋权法的权重分布结果；
根据所述能效评估函数，对所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行处理，获取所述生产能效评估结果。
8.用于智慧厂务的设备能效评估系统，其特征在于，所述系统包括：
生产特征信息获取模块，所述生产特征信息获取模块用于获取生产特征信息，其中，所述生产特征信息包括需求能源类型和需求产品类型；
能源转换记录数据采集模块，所述能源转换记录数据采集模块用于根据所述需求能源类型，匹配能源转换设备，采集能源转换记录数据；
产品加工记录数据采集模块，所述产品加工记录数据采集模块用于根据所述需求产品类型，匹配产品加工设备，采集产品加工记录数据；
能效系数获取模块，所述能效系数获取模块用于对所述能源转换记录数据和所述产品加工记录数据进行频繁性分析，获取能源转换能效系数和产品加工能效系数；
供能配置优化结果获取模块，所述供能配置优化结果获取模块用于基于供能源基础信息，结合所述能源转换能效系数和所述产品加工能效系数进行供能配置寻优，获取供能配置优化结果；
供能配置偏离系数获取模块，所述供能配置偏离系数获取模块用于对供能预配置信息和所述供能配置优化结果，获取供能配置偏离系数；
生产能效评估结果获取模块，所述生产能效评估结果获取模块用于基于所述能源转换能效系数、所述产品加工能效系数和所述供能配置偏离系数进行生产能效评估，获取生产能效评估结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311259311.5A CN116993029B (zh) | 2023-09-27 | 2023-09-27 | 用于智慧厂务的设备能效评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311259311.5A CN116993029B (zh) | 2023-09-27 | 2023-09-27 | 用于智慧厂务的设备能效评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116993029A true CN116993029A (zh) | 2023-11-03 |
| CN116993029B CN116993029B (zh) | 2023-12-12 |
Family
ID=88523620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311259311.5A Active CN116993029B (zh) | 2023-09-27 | 2023-09-27 | 用于智慧厂务的设备能效评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116993029B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118037220A (zh) * | 2024-02-02 | 2024-05-14 | 中凯达电子科技(上海)有限公司 | 基于云计算和物联网的厂务信息整合管理系统 |
| CN118100173A (zh) * | 2024-04-23 | 2024-05-28 | 国网辽宁省电力有限公司丹东供电公司 | 基于电氢储能的配电网协调优化调度方法及系统 |
| CN118657435A (zh) * | 2024-08-16 | 2024-09-17 | 天津市乾昇金属制品有限公司 | 一种光伏生产的冲床数据分析方法和系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103258141A (zh) * | 2013-06-03 | 2013-08-21 | 国家电网公司 | 基于智能园区系统的能源效率评估模型 |
| US20140148964A1 (en) * | 2010-11-11 | 2014-05-29 | Enn Science & Technology Development Co., Ltd. | System energy efficiency controller in smart energy network, control method thereof, and control method for terminal device |
| US20180128863A1 (en) * | 2015-05-21 | 2018-05-10 | Hitachi, Ltd. | Energy Demand Predicting System and Energy Demand Predicting Method |
| CN112149980A (zh) * | 2020-09-16 | 2020-12-29 | 国网山东省电力公司经济技术研究院 | 区域级综合能源系统能效分析方法及系统 |
| CN114037272A (zh) * | 2021-11-09 | 2022-02-11 | 国网江苏省电力有限公司营销服务中心 | 一种区域综合能源系统的能效评估方法 |
| CN115438958A (zh) * | 2022-09-05 | 2022-12-06 | 中和地信有限公司 | 一种基于互联网的智慧能效管理系统及其管理方法 |
| CN115619288A (zh) * | 2022-11-18 | 2023-01-17 | 北京国网电力技术有限公司 | 一种分布式综合能源的利用评估方法及系统 |
| CN116227757A (zh) * | 2023-05-10 | 2023-06-06 | 南京瑞麟能源技术有限公司 | 一种基于智慧云网关的综合能源管控方法及系统 |
| CN116613794A (zh) * | 2023-07-17 | 2023-08-18 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及系统 |
| CN116739312A (zh) * | 2023-08-11 | 2023-09-12 | 超网实业(成都)股份有限公司 | 一种用于智慧厂务的多需求监测方法及系统 |
| CN116805204A (zh) * | 2023-08-24 | 2023-09-26 | 超网实业(成都)股份有限公司 | 一种智慧厂务监控方法及系统 |
-
2023
- 2023-09-27 CN CN202311259311.5A patent/CN116993029B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140148964A1 (en) * | 2010-11-11 | 2014-05-29 | Enn Science & Technology Development Co., Ltd. | System energy efficiency controller in smart energy network, control method thereof, and control method for terminal device |
| CN103258141A (zh) * | 2013-06-03 | 2013-08-21 | 国家电网公司 | 基于智能园区系统的能源效率评估模型 |
| US20180128863A1 (en) * | 2015-05-21 | 2018-05-10 | Hitachi, Ltd. | Energy Demand Predicting System and Energy Demand Predicting Method |
| CN112149980A (zh) * | 2020-09-16 | 2020-12-29 | 国网山东省电力公司经济技术研究院 | 区域级综合能源系统能效分析方法及系统 |
| CN114037272A (zh) * | 2021-11-09 | 2022-02-11 | 国网江苏省电力有限公司营销服务中心 | 一种区域综合能源系统的能效评估方法 |
| CN115438958A (zh) * | 2022-09-05 | 2022-12-06 | 中和地信有限公司 | 一种基于互联网的智慧能效管理系统及其管理方法 |
| CN115619288A (zh) * | 2022-11-18 | 2023-01-17 | 北京国网电力技术有限公司 | 一种分布式综合能源的利用评估方法及系统 |
| CN116227757A (zh) * | 2023-05-10 | 2023-06-06 | 南京瑞麟能源技术有限公司 | 一种基于智慧云网关的综合能源管控方法及系统 |
| CN116613794A (zh) * | 2023-07-17 | 2023-08-18 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及系统 |
| CN116739312A (zh) * | 2023-08-11 | 2023-09-12 | 超网实业(成都)股份有限公司 | 一种用于智慧厂务的多需求监测方法及系统 |
| CN116805204A (zh) * | 2023-08-24 | 2023-09-26 | 超网实业(成都)股份有限公司 | 一种智慧厂务监控方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| DMITRIJS BOREIKO等: "Implementing energy efficiency and demand-side management in glasswork company", 《2017 IEEE 58TH INTERNATIONAL SCIENTIFIC CONFERENCE ON POWER AND ELECTRICAL ENGINEERING OF RIGA TECHNICAL UNIVERSITY (RTUCON)》, pages 1 - 4 * |
| 胡珺 等: "PX装置用能分析与能效提升", 《当代化工》, vol. 51, no. 04, pages 891 - 896 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118037220A (zh) * | 2024-02-02 | 2024-05-14 | 中凯达电子科技(上海)有限公司 | 基于云计算和物联网的厂务信息整合管理系统 |
| CN118100173A (zh) * | 2024-04-23 | 2024-05-28 | 国网辽宁省电力有限公司丹东供电公司 | 基于电氢储能的配电网协调优化调度方法及系统 |
| CN118657435A (zh) * | 2024-08-16 | 2024-09-17 | 天津市乾昇金属制品有限公司 | 一种光伏生产的冲床数据分析方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116993029B (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116993029B (zh) | 用于智慧厂务的设备能效评估方法及系统 | |
| CN116865258B (zh) | 一种层级构造的分布式电源智能电网构建方法 | |
| CN109426892A (zh) | 用于功率电网中的分配负荷预报的系统和方法 | |
| CN109919356B (zh) | 一种基于bp神经网络区间需水预测方法 | |
| CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
| CN110910026B (zh) | 一种跨省输电线路线损智能管理与决策方法及系统 | |
| CN106682763A (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
| Yu et al. | Load forecasting based on smart meter data and gradient boosting decision tree | |
| CN117932976B (zh) | 一种工艺机台组用能数据的获取方法及装置 | |
| CN112330089B (zh) | 装备制造类企业的综合能效监测方法及监测系统 | |
| CN115603464B (zh) | 一种基于数字孪生的电网操作票智能生成管理系统 | |
| Ak et al. | Data analytics and uncertainty quantification for energy prediction in manufacturing | |
| CN118213970A (zh) | 分布式光伏发电量预测方法及系统 | |
| CN115081597A (zh) | 一种基于机器学习的以电核碳方法、系统、设备和介质 | |
| CN115877312A (zh) | 一种基于台区电能量守恒的电能表信息化评价校准模型 | |
| CN107679666A (zh) | 一种基于Shapley值及经济发展的用电预测方法 | |
| CN111815085B (zh) | 一种轨道交通能源管理系统综合能效评估的实现方法 | |
| CN115495862A (zh) | 考虑可再生能源极端场景的输电网扩展规划方法及系统 | |
| Zheng et al. | Double trends time series forecasting using a combined ARIMA and GMDH model | |
| CN117933526B (zh) | 基于工业大数据平台的技术监督数据远程管理系统及方法 | |
| CN118211190B (zh) | 一种基于工况网格的断面数据分析方法及系统 | |
| CN114414938B (zh) | 一种配电网故障的动态响应方法及系统 | |
| Wang et al. | Quantitative Analysis and Optimal Control of Energy Efficiency in Discrete Manufacturing System | |
| Casolino et al. | On the Forecast of the Voltage Sags Using the Measurements in Real Power Systems | |
| CN118332403A (zh) | 一种颗粒度至组串级小时级的光伏电站积灰评估方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Equipment Energy Efficiency Evaluation Method and System for Smart Factory Management Granted publication date: 20231212 Pledgee: Chengdu financial holding Financing Guarantee Co.,Ltd. Pledgor: Chaowang Industry (Chengdu) Co.,Ltd. Registration number: Y2024510000093 |