CN117093823A - 基于数据分析的工厂能源消耗管理方法 - Google Patents
基于数据分析的工厂能源消耗管理方法 Download PDFInfo
- Publication number
- CN117093823A CN117093823A CN202311359320.1A CN202311359320A CN117093823A CN 117093823 A CN117093823 A CN 117093823A CN 202311359320 A CN202311359320 A CN 202311359320A CN 117093823 A CN117093823 A CN 117093823A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- production line
- value
- line
- tuning
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 273
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000007726 management method Methods 0.000 title abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 223
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 230000008878 coupling Effects 0.000 claims abstract description 40
- 238000010168 coupling process Methods 0.000 claims abstract description 40
- 238000005859 coupling reaction Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012795 verification Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 64
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 7
- 238000013433 optimization analysis Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明提供基于数据分析的工厂能源消耗管理方法,属于能源管理相关技术领域,方法包括以下步骤:通过安装传感器设备或接入工厂现有的能源监测系统,实时获取工厂中任一生产线的能源消耗数据;对工厂内任一生产线的能源消耗数据以及产量进行现状能源消耗分析处理,得到工厂内生产线对应的线耗能值。本发明通过对生产线的能源损耗进行调优验证处理,可以验证生产线运作依据耦合调优系数调控后是否能耗降低,评估节能结果,并依据预设调优周期持续改进和迭代优化,实现能源消耗的持续改进和持续节能效果,推动工厂能源管理水平的不断提升。
Description
技术领域
本发明涉及能源管理相关技术领域,尤其涉及基于数据分析的工厂能源消耗管理方法。
背景技术
工厂作为能源消耗的主要场所之一,其能源消耗情况对整体能源利用效率和环境可持续性影响重大。随着时代的发展,各个行业对节能减排和能源效率提升的关注日益增加,使得工厂管理者更加关注能源消耗的优化和控制,以降低能耗成本并提升竞争力。有效管理和优化能源消耗对于提高工厂的经济效益和环境可持续性非常重要。
然而,在许多传统的工厂中,能源消耗的监测和管理往往存在一些挑战和缺陷。虽随着大数据分析、人工智能和物联网等技术的不断发展和普及,工厂能够更加方便地获取和处理大量的能源消耗数据,但仍有一定缺陷,例如,缺乏针对性的能源消耗分析,难以找出具体的改进措施;缺乏有效的调优策略和控制手段,难以实现能耗的优化和控制。因此我们提出基于数据分析的工厂能源消耗管理方法,来解决上述中遇到的问题,以弥补传统管理方法的不足。
发明内容
针对现有技术存在的不足,本发明提供基于数据分析的工厂能源消耗管理方法,以解决上述背景技术中提出的缺乏针对性的能源消耗分析,难以找出具体的改进措施;缺乏有效的调优策略和控制手段,难以实现能耗的优化和控制的问题。
本发明的目的可以通过以下技术方案实现:本发明方法包括以下步骤:
S1:通过安装传感器设备或接入工厂现有的能源监测系统,实时获取工厂中任一生产线的能源消耗数据;
S2:对工厂内任一生产线的能源消耗数据以及产量进行现状能源消耗分析处理,得到工厂内生产线对应的线耗能值;
S3:获取工厂内所有生产线的线耗能值,依照生产线的线耗能值的大小顺序进行排序,得到工厂生产线能耗列表;按照工厂生产线能耗列表进行选取,依次对工厂内生产线能耗列表中设定个数最前的线耗能值所对应的生产线进行异常能源消耗分析,得到异常能耗设备的异参值;对生产线中所有的异参值进行处理得到耦合调优系数;
S4:获取工厂内所有生产线的耦合调优系数,将耦合调优系数发送到生产线的总控制器,在生产线的下一运行周期开始时,使总控制器根据耦合调优系数调控生产线中各个生产设备的运行功率,实现对能耗的优化和控制;
S5:设定预设调优周期,预设调优周期包括若干条生产线的运行周期;对预设调优周期内生产线的能源损耗进行调优验证处理,得到生产线的能耗优化值;将能耗优化值与预设阈值组进行能耗降低调优比对分析,以生成对应的调优处理策略;调优处理策略包括适应性调控策略和回调生产分析与处理策略和停机与重调策略。
作为优选的,依次对工厂内生产线能耗列表中设定个数最前的线耗能值所对应的生产线进行异常能源消耗分析,具体分析方法步骤如下:
S31:获取该生产线中所有生产设备的能源消耗值,选取预设个数最大的能源消耗值所对应的生产设备标记为异常能耗设备;获取异常能耗设备的设备运行参数,设定设备运行参数的预设偏离阈值,将设备运行参数与对应的预设偏离阈值进行差值计算得到参数偏离值表示Fs,s=1、2、……、K,s∈K,s表示异常能耗设备中参数偏离值对应参数的编号;其中,设备运行参数包括但不限于设备的温度、湿度、压力、流量或运行时间等;
S32:将异常能耗设备的所有参数偏离值进行加权计算,利用公式,得到异常能耗设备的异参值DF;其中,s表示异常能耗设备中参数为s的
权重系数;
S33:设定生产线中异常消耗设备为j,j=1、2、……、J,j∈J,j表示生产线中异常消耗设备的编号,J表示j的总数;获取生产线中所有异常消耗设备的异参值DF,并进行加权计算,利用公式,得到耦合调优系数QRi;其中,QRi表示生产线为Ri所对应的耦合调优系数,Y表示耦合调优预设误差值,/>表示生产线中异常消耗设备为m所对应的协作修正比例系数。
作为优选的,对工厂内任一生产线的能源消耗数据以及产量进行现状能源消耗分析处理,具体分析方法步骤如下:
S21:设定生产线的运行周期为T,提取在T内生产线的能源消耗数据;设定工厂的生产线为Ri,i=1、2、……、N,i∈N,i表示对应生产线的编号;将对应生产线的能源消耗量记为DRi,且获取生产线的已运行时长记为FRi,利用计量装置采集在T内该生产线的生产量记为LRi;
S22:利用公式,得到生产线的线耗能值MXRi;其中,tDRi、tLRi、tFRi分别表示生产线编号为i上在t时所对应的能源消耗量、生产量、运行时长,/>分别为在生产线编号为i上的能源消耗量、生产量、运行时长对应的权重因子,B表示预设误差修正系数。
作为优选的,对能源消耗调优操作后预设调优周期内生产线的能源损耗进行调优验证处理,具体处理方法如下步骤:
S51:获取能源消耗调优操作完成后生产线在预设调优周期中任一运行周期的线耗能值标记为已调线耗能值MX现,且将生产线在能源消耗调优操作前一预设调优周期中所有运行周期的线耗能值的均值标记为前次线耗能值MX前;设定生产线在预设调优周期中运行周期记为Gh,h=1、2、……、H,h∈H,h表示预设调优周期中运行周期的编号;
S52:将已调线耗能值与前次线耗能值进行计算,利用公式TS=(MX前-MX现)/MX前;再利用公式,得到生产线的能耗优化值TSGh;其中,C表示预设能耗优化修正系数,/>表示运行周期为h所对应的权重比例系数;
S53:将能耗优化值与预设阈值组进行能耗降低调优比对,以生成对应的调优处理策略。
作为优选的,在将能耗优化值与预设阈值组进行能耗降低调优比对,以生成对应的调优处理策略,具体步骤如下:
若能耗提升值小于零,表示生产线在预设调优周期内能源消耗量有所降低,生成适应性调控策略;适应性调控策略用于使生产线的总控制器选取以耦合调优系数持续运作;
若能耗提升值大于或等于零,表示生产线在该运行周期内能源消耗量增多,则生成回调生产分析与处理策略;回调生产分析与处理策略用于对历史预设调优周期内任一运行周期的线耗能值进行系数优选分析处理,得到回归调优系数;生产线的总控制器在下一运行周期时依据回归调优系数调控生产线中各个生产设备的运行功率,实现对能耗的优化和控制;
设定能耗调优异常阈值,若能耗提升值大于能耗调优异常阈值,则生成停机与重调策略;停机与重调策略用于控制对应生产线立即停机,再执行回调生产分析与处理策略得到回归调优系数,设定停机重启间歇时间阈值,在达到停机重启间歇时间阈值时,使生产线的总控制器依据回归调优系数调控生产线中各个生产设备的运行功率。
作为优选的,在对历史预设调优周期内任一运行周期的线耗能值进行系数优选分析处理,具体分析与处理步骤如下:
S531:获取生产线在预设调优周期内任一运行周期的线耗能值,将其按照线耗能值的大小顺序排序得到生产线历史线耗列表;从生产线历史线耗列表中依次选取设定个数最小的线耗能值表示为较优线耗能值,提取较优线耗能值所对应的耦合调优系数并记为rQRi,r=1、2、……、R,r∈R,r表示依次选取最小线耗能值所对应耦合调优系数顺序的编号;
S532:利用公式,以得到回归调优系数PRi;其中,/>表示在线耗能值编号为r所对应耦合调优系数的权重比例系数;
S533:将回归调优系数发送到生产线的总控制器中,在生产线的当前运行周期完成后,在下一运行周期运行时由总控制器依据回归调优系数调控生产线中各个生产设备的运行功率。
作为优选的,对异常能耗设备进行故障分析及处理,具体分析及处理步骤如下:
获取异常能耗设备的异参值,以及异常能耗设备的能源消耗值;对异参值、能源消耗值进行计算,得到异常能耗设备的故障值;将故障值与预设的正常阈值进行比对,若故障值不处于预设的正常阈值,则表示该异常能耗设备处于故障状态,并生成设备故障指令;将设备故障指令和对应的设备编号、位置发送到设备对应的故障维护人员的智能终端;由故障维护人员依据设备故障指令和对应的设备编号、位置对应的设备进行维护。
与现有技术相比,本发明的有益效果:
1、 本发明通过实时监测和分析工厂内生产线的能源消耗数据,准确了解工厂生产线的能耗状况,利用实时获取的能源消耗数据进行分析、优化和控制,实现工厂能源消耗的管理和优化,提高工厂的竞争力和可持续发展能力。
2、 本发明通过对生产线的能源损耗进行调优验证处理,可以验证生产线运作依据耦合调优系数调控后是否能耗降低,评估节能结果,并依据预设调优周期持续改进和迭代优化,实现能源消耗的持续改进和持续节能效果,推动工厂能源管理水平的不断提升。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1是本发明基于数据分析的工厂能源消耗管理方法的方法流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
请参阅图1所示,基于数据分析的工厂能源消耗管理方法,该方法包括以下步骤:
S1:通过安装传感器设备或接入工厂现有的能源监测系统,实时获取工厂中任一生产线的能源消耗数据;
S2:对工厂内任一生产线的能源消耗数据以及产量进行现状能源消耗分析处理,得到工厂内生产线对应的线耗能值;
其中,现状能源消耗分析处理具体分析方法步骤如下:
S21:设定生产线的运行周期为T,提取在T内生产线的能源消耗数据;设定工厂的生产线为Ri,i=1、2、……、N,i表示对应生产线的编号,N表示工厂生产线的总数;将对应生产线的能源消耗量记为DRi,且获取生产线的已运行时长记为FRi,利用计量装置采集在T内该生产线的生产量记为LRi;
S22:利用公式,得到生产线的线耗能值MXRi;其中,tDRi、tLRi、tFRi分别表示生产线编号为i上在t时所对应的能源消耗量、生产量、运行时长,/>分别为在生产线编号为i上的能源消耗量、生产量、运行时长对应的权重因子,B表示预设误差修正系数。
S3:获取工厂内所有生产线的线耗能值,依照生产线的线耗能值的大小顺序进行排序,得到工厂生产线能耗列表;按照工厂生产线能耗列表进行选取,依次对工厂内生产线能耗列表中设定个数最前的线耗能值所对应的生产线进行异常能源消耗分析,具体分析方法步骤如下:
S31:获取该生产线中所有生产设备的能源消耗值,选取预设个数最大的能源消耗值所对应的生产设备标记为异常能耗设备;获取异常能耗设备的设备运行参数,设定设备运行参数的预设偏离阈值,将设备运行参数与对应的预设偏离阈值进行差值计算得到参数偏离值表示Fs,s=1、2、……、K,s∈K,s表示异常能耗设备中参数偏离值对应参数的编号;K表示为异常能耗设备中参数偏离值对应参数编号的总数;
S32:将异常能耗设备的所有参数偏离值进行加权计算,利用公式,得到异常能耗设备的异参值DF;其中,s表示异常能耗设备中参数为s的
权重系数;
S33:设定生产线中异常消耗设备为j,j=1、2、……、J,j表示生产线中异常消耗设备的编号,J表示生产线中异常消耗设备的总数;获取生产线中所有异常消耗设备的异参值DF,并进行加权计算,利用公式,得到耦合调优系数QRi;其中,QRi表示生产线为Ri所对应的耦合调优系数,Y表示耦合调优预设误差值,/>表示生产线中异常消耗设备为m所对应的协作修正比例系数;
S4:获取工厂内所有生产线的耦合调优系数,将耦合调优系数发送到生产线的总控制器,在生产线的下一运行周期开始时,使总控制器根据耦合调优系数调控生产线中各个生产设备的运行功率,实现对能耗的优化和控制;
S5:设定预设调优周期,预设调优周期包括若干条生产线的运行周期;对预设调优周期内生产线的能源损耗进行调优验证处理,得到生产线的能耗优化值;将能耗优化值与预设阈值组进行能耗降低调优比对分析,以生成对应的调优处理策略;调优处理策略包括适应性调控策略和回调生产分析与处理策略和停机与重调策略。
需要说明的是,例如,生产线的预设调优周期为一个星期,运行周期为工作日中所需要运行的时间如八小时,在使用该工厂能源消耗管理方法时,通过实时监测生产线的能源消耗数据以及产量,并进行分析与处理,得到每条生产线在运行周期八小时中的线耗能值,依次对线耗能值最大所对应的生产线进行异常能源消耗分析,得到耦合调优系数;在该条生产线下一运行周期开始时由总控制器依据耦合调优系数调控生产线中各个生产设备的运行功率;再对调控后的生产线对预设调优周期内生产线的能源损耗进行调优验证处理,得到生产线的能耗优化值;再将能耗优化值与预设阈值组进行能耗降低调优比对分析,以生成对应的调优处理策略。
在本申请中,对能源消耗调优操作后预设调优周期内生产线的能源损耗进行调优验证处理,具体处理方法如下步骤:
S51:获取能源消耗调优操作完成后生产线在预设调优周期中任一运行周期的线耗能值标记为已调线耗能值MX现,且将生产线在能源消耗调优操作前一预设调优周期中所有运行周期的线耗能值的均值标记为前次线耗能值MX前;设定生产线在预设调优周期中运行周期记为Gh,h=1、2、……、H,h∈H,h表示预设调优周期中运行周期的编号,H表示预设调优周期中运行周期编号的总数;
S52:将已调线耗能值与前次线耗能值进行计算,利用公式TS=(MX前-MX现)/MX前;再利用公式,得到生产线的能耗优化值TSGh;其中,C表示预设能耗优化修正系数,/>表示运行周期为h所对应的权重比例系数;
S53:将能耗优化值与预设阈值组进行能耗降低调优比对,以生成对应的调优处理策略。
在本申请中,在将能耗优化值与预设阈值组进行能耗降低调优比对,以生成对应的调优处理策略,具体步骤如下:
若能耗提升值小于零,表示生产线在预设调优周期内能源消耗量有所降低,生成适应性调控策略;适应性调控策略用于使生产线的总控制器选取以耦合调优系数持续运作;
若能耗提升值大于或等于零,表示生产线在该运行周期内能源消耗量增多,则生成回调生产分析与处理策略;回调生产分析与处理策略用于对历史预设调优周期内任一运行周期的线耗能值进行系数优选分析处理,得到回归调优系数;生产线的总控制器在下一运行周期时依据回归调优系数调控生产线中各个生产设备的运行功率,实现对能耗的优化和控制;
设定能耗调优异常阈值,若能耗提升值大于能耗调优异常阈值,则生成停机与重调策略;停机与重调策略用于控制对应生产线立即停机,再执行回调生产分析与处理策略得到回归调优系数,设定停机重启间歇时间阈值,在达到停机重启间歇时间阈值时,使生产线的总控制器依据回归调优系数调控生产线中各个生产设备的运行功率。
在本申请中,在对历史预设调优周期内任一运行周期的线耗能值进行系数优选分析处理,具体分析与处理步骤如下:
S531:获取生产线在预设调优周期内任一运行周期的线耗能值,将其按照线耗能值的大小顺序排序得到生产线历史线耗列表;从生产线历史线耗列表中依次选取设定个数最小的线耗能值表示为较优线耗能值,提取较优线耗能值所对应的耦合调优系数并记为rQRi,r=1、2、……、R,r∈R,r表示依次选取最小线耗能值所对应耦合调优系数顺序的编号,R表示耦合调优系数顺序编号的总数;
S532:利用公式,以得到回归调优系数PRi;其中,/>表示在线耗能值编号为r所对应耦合调优系数的权重比例系数;
S533:将回归调优系数发送到生产线的总控制器中,在生产线的当前运行周期完成后,在下一运行周期运行时由总控制器依据回归调优系数调控生产线中各个生产设备的运行功率。
在本申请中,对异常能耗设备进行故障分析及处理,具体分析及处理步骤如下:
获取异常能耗设备的异参值DF,以及异常能耗设备的能源消耗值标记为DG;对异参值、能源消耗值进行计算,利用公式DZ=DF×g1+DG×g2,得到异常能耗设备的故障值DZ;其中,g1、g2分别表示异参值、能源消耗值所对应的权重系数;将故障值与预设的正常阈值进行比对,若故障值不处于预设的正常阈值,则表示该异常能耗设备处于故障状态,并生成设备故障指令;将设备故障指令和对应的设备编号、位置发送到设备对应的故障维护人员的智能终端;由故障维护人员依据设备故障指令和对应的设备编号、位置对应的设备进行维护。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
以上仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (6)
1.基于数据分析的工厂能源消耗管理方法,其特征在于,所述方法包括以下步骤:
S1:实时获取工厂中任一生产线的能源消耗数据;
S2:对工厂内任一生产线的能源消耗数据以及产量进行现状能源消耗分析处理,得到工厂内生产线对应的线耗能值;
S3:获取工厂内所有生产线的线耗能值,依照生产线的线耗能值的大小顺序进行排序,得到工厂生产线能耗列表;按照工厂生产线能耗列表进行选取,依次对工厂内生产线能耗列表中设定个数最前的线耗能值所对应的生产线进行异常能源消耗分析,具体分析方法步骤如下:
S31:获取该生产线中所有生产设备的能源消耗值,选取预设个数最大的能源消耗值所对应的生产设备标记为异常能耗设备;获取异常能耗设备的设备运行参数,设定设备运行参数的预设偏离阈值,将设备运行参数与对应的预设偏离阈值进行差值计算得到参数偏离值表示Fs,s=1、2、……、K,s表示异常能耗设备中参数偏离值对应参数的编号,K表示为异常能耗设备中参数偏离值对应参数编号的总数;
S32:将异常能耗设备的所有参数偏离值进行加权计算,利用公式,得到异常能耗设备的异参值DF;其中,s/>表示异常能耗设备中参数为s的权重系数;
S33:设定生产线中异常消耗设备为j,j=1、2、……、J,j表示生产线中异常消耗设备的编号,J表示生产线中异常消耗设备的总数;获取生产线中所有异常消耗设备的异参值DF,并进行加权计算,利用公式,得到耦合调优系数QRi;其中,QRi表示生产线为Ri所对应的耦合调优系数,Y表示耦合调优预设误差值,/>表示生产线中异常消耗设备为m所对应的协作修正比例系数;
S4:获取工厂内所有生产线的耦合调优系数,将耦合调优系数发送到生产线的总控制器,在生产线的下一运行周期开始时,使总控制器根据耦合调优系数调控生产线中各个生产设备的运行功率,实现对能耗的优化和控制;
S5:设定预设调优周期,预设调优周期包括若干条生产线的运行周期;对预设调优周期内生产线的能源损耗进行调优验证处理,得到生产线的能耗优化值;将能耗优化值与预设阈值组进行能耗降低调优比对分析,以生成对应的调优处理策略;调优处理策略包括适应性调控策略和回调生产分析与处理策略和停机与重调策略。
2.根据权利要求1所述的基于数据分析的工厂能源消耗管理方法,其特征在于,对工厂内任一生产线的能源消耗数据以及产量进行现状能源消耗分析处理,具体分析方法步骤如下:
S21:设定生产线的运行周期为T,提取在T内生产线的能源消耗数据;设定工厂的生产线为Ri,i=1、2、……、N,i表示对应生产线的编号,N表表示工厂生产线的总数;将对应生产线的能源消耗量记为DRi,且获取生产线的已运行时长记为FRi,利用计量装置采集在T内该生产线的生产量记为LRi;
S22:利用公式,得到生产线的线耗能值MXRi;其中,tDRi、tLRi、tFRi分别表示生产线编号为i上在t时所对应的能源消耗量、生产量、运行时长,/>分别为在生产线编号为i上的能源消耗量、生产量、运行时长对应的权重因子,B表示预设误差修正系数。
3.根据权利要求1所述的基于数据分析的工厂能源消耗管理方法,其特征在于,对能源消耗调优操作后预设调优周期内生产线的能源损耗进行调优验证处理,具体处理方法如下步骤:
S51:获取能源消耗调优操作完成后生产线在预设调优周期中任一运行周期的线耗能值标记为已调线耗能值MX现,且将生产线在能源消耗调优操作前一预设调优周期中所有运行周期的线耗能值的均值标记为前次线耗能值MX前;设定生产线在预设调优周期中运行周期记为Gh,h=1、2、……、H,h表示预设调优周期中运行周期的编号,H表示预设调优周期中运行周期编号的总数;
S52:将已调线耗能值与前次线耗能值进行计算,利用公式TS=(MX前-MX现)/MX前;再利用公式,得到生产线的能耗优化值TSGh;其中,C表示预设能耗优化修正系数,/>表示运行周期为h所对应的权重比例系数;
S53:将能耗优化值与预设阈值组进行能耗降低调优比对,以生成对应的调优处理策略。
4.根据权利要求3所述的基于数据分析的工厂能源消耗管理方法,其特征在于,在将能耗优化值与预设阈值组进行能耗降低调优比对,以生成对应的调优处理策略,具体步骤如下:
若能耗提升值小于零,表示生产线在预设调优周期内能源消耗量有所降低,生成适应性调控策略;适应性调控策略用于使生产线的总控制器选取以耦合调优系数持续运作;
若能耗提升值大于或等于零,表示生产线在该运行周期内能源消耗量增多,则生成回调生产分析与处理策略;回调生产分析与处理策略用于对历史预设调优周期内任一运行周期的线耗能值进行系数优选分析处理,得到回归调优系数;生产线的总控制器在下一运行周期时依据回归调优系数调控生产线中各个生产设备的运行功率,实现对能耗的优化和控制;
设定能耗调优异常阈值,若能耗提升值大于能耗调优异常阈值,则生成停机与重调策略;停机与重调策略用于控制对应生产线立即停机,再执行回调生产分析与处理策略得到回归调优系数,设定停机重启间歇时间阈值,在达到停机重启间歇时间阈值时,使生产线的总控制器依据回归调优系数调控生产线中各个生产设备的运行功率。
5.根据权利要求4所述的基于数据分析的工厂能源消耗管理方法,其特征在于,在所述对历史预设调优周期内任一运行周期的线耗能值进行系数优选分析处理,具体分析与处理步骤如下:
S531:获取生产线在预设调优周期内任一运行周期的线耗能值,将其按照线耗能值的大小顺序排序得到生产线历史线耗列表;从生产线历史线耗列表中依次选取设定个数最小的线耗能值表示为较优线耗能值,提取较优线耗能值所对应的耦合调优系数并记为rQRi,r=1、2、……、R,r表示依次选取最小线耗能值所对应耦合调优系数顺序的编号,R表示耦合调优系数顺序编号的总数;
S532:利用公式,以得到回归调优系数PRi;其中,/>表示在线耗能值编号为r所对应耦合调优系数的权重比例系数;
S533:将回归调优系数发送到生产线的总控制器中,在生产线的当前运行周期完成后,在下一运行周期运行时由总控制器依据回归调优系数调控生产线中各个生产设备的运行功率。
6.根据权利要求1所述的基于数据分析的工厂能源消耗管理方法,其特征在于,对所述异常能耗设备进行故障分析及处理,具体分析及处理步骤如下:
获取异常能耗设备的异参值,以及异常能耗设备的能源消耗值;对异参值、能源消耗值进行计算,得到异常能耗设备的故障值;将故障值与预设的正常阈值进行比对,若故障值不处于预设的正常阈值,则表示该异常能耗设备处于故障状态,并生成设备故障指令;将设备故障指令和对应的设备编号、位置发送到设备对应的故障维护人员的智能终端;由故障维护人员依据设备故障指令和对应的设备编号、位置对应的设备进行维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311359320.1A CN117093823B (zh) | 2023-10-20 | 2023-10-20 | 基于数据分析的工厂能源消耗管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311359320.1A CN117093823B (zh) | 2023-10-20 | 2023-10-20 | 基于数据分析的工厂能源消耗管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117093823A true CN117093823A (zh) | 2023-11-21 |
CN117093823B CN117093823B (zh) | 2024-01-09 |
Family
ID=88780236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311359320.1A Active CN117093823B (zh) | 2023-10-20 | 2023-10-20 | 基于数据分析的工厂能源消耗管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117093823B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391678A (zh) * | 2023-12-11 | 2024-01-12 | 国联江森自控绿色科技(无锡)有限公司 | 高效能源回收与再利用的综合管理平台 |
CN117452900A (zh) * | 2023-12-22 | 2024-01-26 | 广东正德工业科技股份有限公司 | 一种基于人工智能的工业生产能耗监测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902871A (zh) * | 2019-02-27 | 2019-06-18 | 万洲电气股份有限公司 | 一种结合企业生产线差异化特点的智能优化节能系统 |
CN115268342A (zh) * | 2022-08-25 | 2022-11-01 | 安徽鹏然再生资源有限公司 | 一种基于大数据的工业设备节能管理系统 |
CN116542538A (zh) * | 2023-07-07 | 2023-08-04 | 中能国研(北京)电力科学研究院 | 一种工业设备能耗监测方法、装置、电子设备及存储介质 |
-
2023
- 2023-10-20 CN CN202311359320.1A patent/CN117093823B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902871A (zh) * | 2019-02-27 | 2019-06-18 | 万洲电气股份有限公司 | 一种结合企业生产线差异化特点的智能优化节能系统 |
CN115268342A (zh) * | 2022-08-25 | 2022-11-01 | 安徽鹏然再生资源有限公司 | 一种基于大数据的工业设备节能管理系统 |
CN116542538A (zh) * | 2023-07-07 | 2023-08-04 | 中能国研(北京)电力科学研究院 | 一种工业设备能耗监测方法、装置、电子设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391678A (zh) * | 2023-12-11 | 2024-01-12 | 国联江森自控绿色科技(无锡)有限公司 | 高效能源回收与再利用的综合管理平台 |
CN117391678B (zh) * | 2023-12-11 | 2024-03-19 | 国联江森自控绿色科技(无锡)有限公司 | 高效能源回收与再利用的综合管理平台 |
CN117452900A (zh) * | 2023-12-22 | 2024-01-26 | 广东正德工业科技股份有限公司 | 一种基于人工智能的工业生产能耗监测系统及方法 |
CN117452900B (zh) * | 2023-12-22 | 2024-05-03 | 广东正德智能设备有限公司 | 一种基于人工智能的工业生产能耗监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117093823B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117093823B (zh) | 基于数据分析的工厂能源消耗管理方法 | |
EP3483517B1 (en) | System and method for predicting load of and controlling subway heating, ventilation, and air conditioning system | |
JP4245583B2 (ja) | 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体 | |
CN105135592A (zh) | 一种空调自适应调节方法及系统 | |
CN113623719B (zh) | 一种基于有效室温检测的换热站预测控制方法 | |
CN112398115A (zh) | 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 | |
CN115186916A (zh) | 负荷预测方法、装置、设备及计算机可读存储介质 | |
CN116644851A (zh) | 结合负荷优化配置的热电厂设备控制方法及系统 | |
CN111049195B (zh) | 一种agc参数优化方法及装置 | |
CN109523139B (zh) | 基于机器学习模型与智能优化算法的汽轮机调峰控制方法 | |
JPH11119805A (ja) | 電力需要量予測値補正方法 | |
CN116592417A (zh) | 基于负荷预测的集中供热系统优化控制方法及系统 | |
CN113769880B (zh) | 一种基于工业大数据水泥生产原料磨系统控制指标优化方法 | |
CN111953247B (zh) | 一种水电机组功率精细调节控制方法及装置 | |
CN114417530A (zh) | 一种热连轧层流冷却供水泵站优化调度方法及装置 | |
CN114282445A (zh) | 循环水系统运行优化方法以及相关设备 | |
CN116599061B (zh) | 一种基于强化学习的电网运行控制方法 | |
CN116050667B (zh) | 面向分布式光伏的智能电网负荷预测管理系统及管理方法 | |
CN117057491B (zh) | 基于mpc与储能系统结合的农村地区电力供应优化管理方法 | |
CN117404142A (zh) | 一种燃煤汽轮机组的节能方法及系统 | |
CN110633844A (zh) | 基于emd和ann的建筑能源系统模拟预测方法及应用 | |
CN117439100B (zh) | 一种用于煤电机组的上网电负荷调节方法 | |
CN114091784B (zh) | 一种面向钢铁企业氧气系统的不确定优化调度方法及系统 | |
CN116308459B (zh) | 一种基于信息智能匹配的新能源智能结算方法及系统 | |
CN116128547A (zh) | 基于DeepAR模型的电力现货市场日前价格预测方法及系统 |
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 |