CN117155401A - 一种智慧园区能耗优化管理方法及系统 - Google Patents
一种智慧园区能耗优化管理方法及系统 Download PDFInfo
- Publication number
- CN117155401A CN117155401A CN202311421557.8A CN202311421557A CN117155401A CN 117155401 A CN117155401 A CN 117155401A CN 202311421557 A CN202311421557 A CN 202311421557A CN 117155401 A CN117155401 A CN 117155401A
- Authority
- CN
- China
- Prior art keywords
- park
- data
- consumption data
- electricity consumption
- neighborhood
- 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 47
- 238000007726 management method Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 230000005611 electricity Effects 0.000 claims abstract description 209
- 238000012937 correction Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 abstract description 10
- 238000007906 compression Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/70—Type of the data to be coded, other than image and sound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种智慧园区能耗优化管理方法及系统,包括:获取园区用电量数据序列;根据园区用电量数据的波动程度,获取所有园区用电量数据的修正邻域数据;根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差;根据每个园区用电量数据的基准值,对园区用电量数据序列进行压缩存储。本发明减小了待压缩数据的数据值大小,达到更好的压缩效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种智慧园区能耗优化管理方法及系统。
背景技术
智慧园区能耗优化管理方法通过实时监测、分析和控制园区内能耗情况,制定合适的园区能耗管理方法,提高园区的能源利用效率,降低能耗和环境影响。为了在对智慧园区能耗数据进行处理的过程中节省存储空间、加快数据处理速度,需要对智慧园区能耗数据进行压缩。
现有技术通过Golomb编码对智慧园区能耗数据进行压缩,传统的Golomb编码直接对数据设置全局参数进行Golomb编码,对数据值较小且频率较高的数据有着较好的压缩效果,然而园区能耗数据中存在较多数值较大的数据,使用Golomb算法对园区能耗数据进行压缩的压缩效果较差。
发明内容
为了解决上述问题,本发明提供一种智慧园区能耗优化管理方法及系统。
本发明一个实施例提供了一种智慧园区能耗优化管理方法,该方法包括以下步骤:
获取园区用电量数据序列;
获取园区用电量数据序列中每个园区用电量数据的初始邻域数据;根据每个园区用电量数据的初始邻域数据,获取每个园区用电量数据的波动程度;根据每个园区用电量数据的波动程度,获取每个园区用电量数据修正后的邻域数据大小;根据每个园区用电量数据修正后的邻域数据大小,获取每个园区用电量数据的修正邻域数据;
获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值;根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差;根据每个园区用电量数据的加权偏差,获取每个园区用电量数据的基准值;
根据每个园区用电量数据的基准值,对园区用电量数据序列进行压缩存储。
优选的,所述获取园区用电量数据序列中每个园区用电量数据的初始邻域数据,包括的具体方法为:
将第个园区用电量数据左右各预设参数/>个园区用电量数据,作为第/>个园区用电量数据的初始邻域数据。
优选的,所述根据每个园区用电量数据的初始邻域数据,获取每个园区用电量数据的波动程度的具体公式为:
式中,表示第/>个园区用电量数据的波动程度;/>表示第/>个园区用电量数据的电量数据值;/>表示第/>个园区用电量数据的初始邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的初始邻域数据中第/>个园区用电量数据的电量数据值;/>为预设参数;/>表示取绝对值。
优选的,所述根据每个园区用电量数据的波动程度,获取每个园区用电量数据修正后的邻域数据大小的具体公式为:
式中,表示第/>个园区用电量数据修正后的邻域数据大小;/>表示第/>个园区用电量数据的波动程度;/>为预设参数;/>表示向上取整。
优选的,所述根据每个园区用电量数据修正后的邻域数据大小,获取每个园区用电量数据的修正邻域数据,包括的具体方法为:
将第个园区用电量数据左右各/>个园区用电量数据,作为第/>个园区用电量数据的修正邻域数据。
优选的,所述获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值的具体公式为:
式中,表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值;/>表示第/>个园区用电量数据修正后的邻域数据大小;/>表示第/>个园区用电量数据在第/>个园区用电量数据的修正邻域数据中的索引;/>表示第/>个园区用电量数据在园区用电量数据序列中的索引;/>表示第/>个园区用电量数据在第/>个园区用电量数据的修正邻域数据中的索引;/>表示取绝对值。
优选的,所述根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差,包括的具体方法为:
获取每个园区用电量数据的修正因子,则第个园区用电量数据的加权偏差的计算表达式为:
式中,表示第/>个园区用电量数据的加权偏差;/>表示第/>个园区用电量数据的修正因子;/>表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值;/>表示第/>个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的电量数据值;/>表示第/>个园区用电量数据修正后的邻域数据大小;/>表示取绝对值。
优选的,所述获取每个园区用电量数据的修正因子的具体方法为:
根据园区用电量数据的电量数据值对园区用电量数据序列中所有园区用电量数据进行的K-means聚类,得到高用电量簇和低用电量簇;将处于高用电量簇簇中心的园区用电量数据,记为第一园区用电量数据;将处于低用电量簇簇中心的园区用电量数据,记为第二园区用电量数据;将第一园区用电量数据的电量数据值与第一园区用电量数据的电量数据值的比值,作为每个园区用电量数据的修正因子。
优选的,所述根据每个园区用电量数据的加权偏差,获取每个园区用电量数据的基准值,包括的具体方法为:
将第个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值的均值/>与第/>个园区用电量数据的加权偏差/>的和,作为第/>个园区用电量数据的基准值。
本发明还提出一种智慧园区能耗优化管理系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种智慧园区能耗优化管理方法的步骤。
本发明的技术方案的有益效果是:针对园区能耗数据可能过大到时Golomb编码压缩效果较差的问题;本发明通过获取园区用电量数据序列;获取园区用电量数据序列中每个园区用电量数据的初始邻域数据;根据每个园区用电量数据的初始邻域数据,获取每个园区用电量数据的波动程度;根据每个园区用电量数据的波动程度,获取每个园区用电量数据修正后的邻域数据大小;根据每个园区用电量数据修正后的邻域数据大小,获取每个园区用电量数据的修正邻域数据;获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值;根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差;根据每个园区用电量数据的加权偏差,获取每个园区用电量数据的基准值;根据每个园区用电量数据的基准值,对园区用电量数据序列进行压缩存储;进而减小了待压缩数据的数据值大小,使得对园区能耗数据进行压缩能够达到较好的压缩效果。
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为本发明的一种智慧园区能耗优化管理方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种智慧园区能耗优化管理方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种智慧园区能耗优化管理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种智慧园区能耗优化管理方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取园区用电量数据序列。
需要说明的是,采集智慧园区能耗数据主要是采集园区的电能使用情况,对园区电能使用情况进行实时监测、分析和控制,以提高园区的能源利用效率,降低能耗和环境影响。由于园区不同时间电能使用情况并不相同,不同的季节以及工作日和非工作日都会对园区电能消耗情况有较大的影响,而对于园区能耗数据,主要需要对园区用电高峰期的用电情况进行分析。
进一步需要说明的是,智慧园区能耗主要体现在用电量的消耗,并且园区用电量情况会随着时间的变化呈现一定的周期变化,园区工作日上班期间大量园区内工作会显著增加电量,而非工作日以及下班时间用电量会明显较小,故园区每日用电量呈现周期变化。
具体的,为了实现本实施例提出的一种智慧园区能耗优化管理方法,首先需要采集园区用电量数据序列,具体过程为:
预设固定采集频率为次每小时,本实施例对固定采集频率不进行具体限定,根据具体实施情况而定;根据预设固定采集频率,采集园区用电量数据,将采集到的数据记为园区用电量数据,所有园区用电量数据构成园区用电量数据序列;其中,园区用电量数据为园区每日耗电量,根据园区住户的电表进行采集。
至此,通过上述方法得到园区用电量数据序列。
步骤S002:根据园区用电量数据的波动程度,获取所有园区用电量数据的修正邻域数据。
需要说明的是,对园区用电量序列中的每个用电量设置基准值,既希望基准值与用电量的差值较小,又应该使相邻的基准值相差较小,以达到通过函数存储基准值的目的。故基准值的选取是与数据的局部邻域内其他数据大小有关,而数据局部邻域内波动程度越大,需要越大的局部邻域以使相邻数据的基准值相差较小;通过计算园区用电量数据与其初始邻域数据均值的差值,以及园区用电量数据与其初始邻域数据中每个园区用电量数据的差异平均值,通过两者的比值表征园区用电量数据的波动程度,其比值越大,说明园区用电量数据邻域内数据的波动程度较大,需要更大的数据邻域来计算该用电量数据的基准值。
预设一个参数,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于园区用电量数据序列中第个园区用电量数据,将第/>个园区用电量数据左右各预设参数/>个园区用电量数据,作为第/>个园区用电量数据的初始邻域数据;则第/>个园区用电量数据的波动程度的计算表达式为:
式中,表示第/>个园区用电量数据的波动程度;/>表示第/>个园区用电量数据的电量数据值;/>表示第/>个园区用电量数据的初始邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的初始邻域数据中第/>个园区用电量数据的电量数据值;/>为预设参数;/>表示取绝对值。
进一步,根据第个园区用电量数据的波动程度,获取第/>个园区用电量数据修正后的邻域数据大小的计算表达式为:
式中,表示第/>个园区用电量数据修正后的邻域数据大小;/>表示第/>个园区用电量数据的波动程度;/>为预设参数;/>表示向上取整。
根据第个园区用电量数据修正后的邻域数据大小,获取第/>个园区用电量数据的修正邻域数据,将第/>个园区用电量数据左右各/>个园区用电量数据,作为第/>个园区用电量数据的修正邻域数据,同理,获得所有园区用电量数据的修正邻域数据。
至此,通过上述方法得到所有园区用电量数据的修正邻域数据。
步骤S003:根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差。
需要说明的是,需要对园区电量数据序列中每个园区用电量数据设置基准值,应使得基准值与用电量之间的差距较小,进而使待编码数据较小,降低待压缩数据的数值以达到较好的压缩效果。对于基准值的存储需要进行曲线拟合,故相邻基准值之间差距应较小,以获取更加准确的基准值拟合曲线。
1.获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值。
需要说明的是,当第个园区用电量数据的修正邻域数据中的每个园区用电量数据的波动程度较小时,则说明第/>个园区用电量数据的修正邻域数据中的每个园区用电量数据的数据水平相近,可使用第/>个园区用电量数据的修正邻域数据中的所有园区用电量数据的电量数据值的均值,作为第/>个园区用电量数据的基准值;然而直接用均值会导致基准值,受较多距离第/>个园区用电量数据索引位置较远的园区用电量数据的影响。
具体的,第个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值的计算表达式为:
式中,表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值;/>表示第/>个园区用电量数据修正后的邻域数据大小;/>表示第/>个园区用电量数据在第/>个园区用电量数据的修正邻域数据中的索引;/>表示第/>个园区用电量数据在园区用电量数据序列中的索引;/>表示第/>个园区用电量数据在第/>个园区用电量数据的修正邻域数据中的索引;/>表示取绝对值。
至此,获得每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值。
2.获取每个园区用电量数据的加权偏差。
需要说明的是,根据所得每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值的权值对每个园区用电量数据的第一差值进行加权,使每个园区用电量数据的加权偏差更多地受到修正邻域数据内较近的园区用电量数据影响,从而达到使得园区用电量数据的加权偏差既不会过大,又使相邻的基准值相近的目的。
具体的,根据园区用电量数据的电量数据值对园区用电量数据序列中所有园区用电量数据进行的K-means聚类,得到高用电量簇和低用电量簇;将处于高用电量簇簇中心的园区用电量数据,记为第一园区用电量数据;将处于低用电量簇簇中心的园区用电量数据,记为第二园区用电量数据;将第一园区用电量数据的电量数据值与第一园区用电量数据的电量数据值的比值,作为每个园区用电量数据的修正因子;则第/>个园区用电量数据的加权偏差的计算表达式为:
式中,表示第/>个园区用电量数据的加权偏差;/>表示第/>个园区用电量数据的修正因子;/>表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值;/>表示第/>个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的电量数据值;/>表示第/>个园区用电量数据修正后的邻域数据大小;/>表示取绝对值。
至此,获取每个园区用电量数据的加权偏差。
步骤S004:根据每个园区用电量数据的基准值,对园区用电量数据序列进行压缩存储。
需要说明的是,根据园区用电量数据序列中每个园区用电量数据的加权偏差对每个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值平均值进行调整,根据每个园区用电量数据的基准值,将所有园区用电量数据的基准值拟合为基准函数。
具体的,第个园区用电量数据的基准值的计算表达式为:
式中,表示第/>个园区用电量数据的基准值;/>表示第/>个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的加权偏差。
根据每个园区用电量数据的基准值通过最小二乘法进行拟合,得到基准函数;根据基准函数的每个函数值与每个园区用电量数据的电量数据值的差值绝对值,构成园区用电量偏差序列;通过Golomb编码对园区用电量偏差序列进行编码,进而获取得到园区用电量压缩编码,将园区用电量压缩编码存储至服务器中。
需要说明的是,通过设置每个园区用电量数据修正后的邻域数据大小,并根据每个个园区用电量数据的修正邻域数据中所有园区用电量数据,获取每个园区用电量数据的基准值进行Golomb编码的方式,大大降低了智慧园区能耗数据的存储空间,加快园区能耗数据的处理速度,使得智慧园区能耗数据的管理更加方便。
通过以上步骤,完成一种智慧园区能耗优化管理方法。
本发明还提出一种智慧园区能耗优化管理系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种智慧园区能耗优化管理方法的步骤。
本实施例针对园区能耗数据可能过大到时Golomb编码压缩效果较差的问题;本发明通过获取园区用电量数据序列;获取园区用电量数据序列中每个园区用电量数据的初始邻域数据;根据每个园区用电量数据的初始邻域数据,获取每个园区用电量数据的波动程度;根据每个园区用电量数据的波动程度,获取每个园区用电量数据修正后的邻域数据大小;根据每个园区用电量数据修正后的邻域数据大小,获取每个园区用电量数据的修正邻域数据;获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值;根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差;根据每个园区用电量数据的加权偏差,获取每个园区用电量数据的基准值;根据每个园区用电量数据的基准值,对园区用电量数据序列进行压缩存储;进而减小了待压缩数据的数据值大小,使得对园区能耗数据进行压缩能够达到较好的压缩效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,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 (10)
1.一种智慧园区能耗优化管理方法,其特征在于,该方法包括以下步骤:
获取园区用电量数据序列;
获取园区用电量数据序列中每个园区用电量数据的初始邻域数据;根据每个园区用电量数据的初始邻域数据,获取每个园区用电量数据的波动程度;根据每个园区用电量数据的波动程度,获取每个园区用电量数据修正后的邻域数据大小;根据每个园区用电量数据修正后的邻域数据大小,获取每个园区用电量数据的修正邻域数据;
获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值;根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差;根据每个园区用电量数据的加权偏差,获取每个园区用电量数据的基准值;
根据每个园区用电量数据的基准值,对园区用电量数据序列进行压缩存储。
2.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述获取园区用电量数据序列中每个园区用电量数据的初始邻域数据,包括的具体方法为:
将第个园区用电量数据左右各预设参数/>个园区用电量数据,作为第/>个园区用电量数据的初始邻域数据。
3.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述根据每个园区用电量数据的初始邻域数据,获取每个园区用电量数据的波动程度的具体公式为:
式中,表示第/>个园区用电量数据的波动程度;/>表示第/>个园区用电量数据的电量数据值;/>表示第/>个园区用电量数据的初始邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的初始邻域数据中第/>个园区用电量数据的电量数据值;/>为预设参数;/>表示取绝对值。
4.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述根据每个园区用电量数据的波动程度,获取每个园区用电量数据修正后的邻域数据大小的具体公式为:
式中,表示第/>个园区用电量数据修正后的邻域数据大小;/>表示第/>个园区用电量数据的波动程度;/>为预设参数;/>表示向上取整。
5.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述根据每个园区用电量数据修正后的邻域数据大小,获取每个园区用电量数据的修正邻域数据,包括的具体方法为:
将第个园区用电量数据左右各/>个园区用电量数据,作为第/>个园区用电量数据的修正邻域数据。
6.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述获取每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值的具体公式为:
式中,表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值;/>表示第/>个园区用电量数据修正后的邻域数据大小;/>表示第/>个园区用电量数据在第/>个园区用电量数据的修正邻域数据中的索引;/>表示第/>个园区用电量数据在园区用电量数据序列中的索引;/>表示第/>个园区用电量数据在第/>个园区用电量数据的修正邻域数据中的索引;/>表示取绝对值。
7.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述根据每个园区用电量数据的修正邻域数据中每个园区用电量数据的权值,获取每个园区用电量数据的加权偏差,包括的具体方法为:
获取每个园区用电量数据的修正因子,则第个园区用电量数据的加权偏差的计算表达式为:
式中,表示第/>个园区用电量数据的加权偏差;/>表示第/>个园区用电量数据的修正因子;/>表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的权值;表示第/>个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值的均值;/>表示第/>个园区用电量数据的修正邻域数据中第/>个园区用电量数据的电量数据值;/>表示第/>个园区用电量数据修正后的邻域数据大小;/>表示取绝对值。
8.根据权利要求7所述一种智慧园区能耗优化管理方法,其特征在于,所述获取每个园区用电量数据的修正因子的具体方法为:
根据园区用电量数据的电量数据值对园区用电量数据序列中所有园区用电量数据进行的K-means聚类,得到高用电量簇和低用电量簇;将处于高用电量簇簇中心的园区用电量数据,记为第一园区用电量数据;将处于低用电量簇簇中心的园区用电量数据,记为第二园区用电量数据;将第一园区用电量数据的电量数据值与第一园区用电量数据的电量数据值的比值,作为每个园区用电量数据的修正因子。
9.根据权利要求1所述一种智慧园区能耗优化管理方法,其特征在于,所述根据每个园区用电量数据的加权偏差,获取每个园区用电量数据的基准值,包括的具体方法为:
将第个园区用电量数据的修正邻域数据中所有园区用电量数据的电量数据值的均值与第/>个园区用电量数据的加权偏差/>的和,作为第/>个园区用电量数据的基准值。
10.一种智慧园区能耗优化管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311421557.8A CN117155401B (zh) | 2023-10-31 | 2023-10-31 | 一种智慧园区能耗优化管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311421557.8A CN117155401B (zh) | 2023-10-31 | 2023-10-31 | 一种智慧园区能耗优化管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117155401A true CN117155401A (zh) | 2023-12-01 |
CN117155401B CN117155401B (zh) | 2024-01-26 |
Family
ID=88897211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311421557.8A Active CN117155401B (zh) | 2023-10-31 | 2023-10-31 | 一种智慧园区能耗优化管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117155401B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341290A (ja) * | 1998-05-28 | 1999-12-10 | Canon Inc | 符号化データ圧縮を行う画像生成システムおよび方法 |
EP1347648A2 (en) * | 2002-03-12 | 2003-09-24 | Monolith Co., Ltd. | Method and apparatus for compressing corresponding point information as image data |
US20040008896A1 (en) * | 2000-05-02 | 2004-01-15 | Norihisa Suzuki | Fast loss less image compression system based on neighborhood comparisons |
JP2009111821A (ja) * | 2007-10-31 | 2009-05-21 | Sharp Corp | 画像符号化装置、画像復号化装置、画像データ処理装置、画像符号化方法、及び、画像復号化方法 |
US20140132429A1 (en) * | 2012-11-10 | 2014-05-15 | John Conant Scoville | Method for data compression and inference |
US20200036390A1 (en) * | 2018-07-27 | 2020-01-30 | Hefei Xinsheng Optoelectronics Technology Co., Ltd. | Method and apparatus for data compression and decompression, and display apparatus |
CN115329910A (zh) * | 2022-10-17 | 2022-11-11 | 南通坤鹏科技有限公司 | 一种企业生产排放数据智能处理方法 |
CN116089846A (zh) * | 2023-04-03 | 2023-05-09 | 北京智蚁杨帆科技有限公司 | 一种基于数据聚类的新能源结算数据异常检测与预警方法 |
CN116881242A (zh) * | 2023-09-07 | 2023-10-13 | 深圳点筹农业供应链有限公司 | 一种生鲜农产品电商采购数据智能存储系统 |
CN116961672A (zh) * | 2023-07-25 | 2023-10-27 | 西安理工大学 | 基于Transformer编码器的无损数据压缩方法 |
-
2023
- 2023-10-31 CN CN202311421557.8A patent/CN117155401B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341290A (ja) * | 1998-05-28 | 1999-12-10 | Canon Inc | 符号化データ圧縮を行う画像生成システムおよび方法 |
US20040008896A1 (en) * | 2000-05-02 | 2004-01-15 | Norihisa Suzuki | Fast loss less image compression system based on neighborhood comparisons |
EP1347648A2 (en) * | 2002-03-12 | 2003-09-24 | Monolith Co., Ltd. | Method and apparatus for compressing corresponding point information as image data |
JP2009111821A (ja) * | 2007-10-31 | 2009-05-21 | Sharp Corp | 画像符号化装置、画像復号化装置、画像データ処理装置、画像符号化方法、及び、画像復号化方法 |
US20140132429A1 (en) * | 2012-11-10 | 2014-05-15 | John Conant Scoville | Method for data compression and inference |
US20200036390A1 (en) * | 2018-07-27 | 2020-01-30 | Hefei Xinsheng Optoelectronics Technology Co., Ltd. | Method and apparatus for data compression and decompression, and display apparatus |
CN115329910A (zh) * | 2022-10-17 | 2022-11-11 | 南通坤鹏科技有限公司 | 一种企业生产排放数据智能处理方法 |
CN116089846A (zh) * | 2023-04-03 | 2023-05-09 | 北京智蚁杨帆科技有限公司 | 一种基于数据聚类的新能源结算数据异常检测与预警方法 |
CN116961672A (zh) * | 2023-07-25 | 2023-10-27 | 西安理工大学 | 基于Transformer编码器的无损数据压缩方法 |
CN116881242A (zh) * | 2023-09-07 | 2023-10-13 | 深圳点筹农业供应链有限公司 | 一种生鲜农产品电商采购数据智能存储系统 |
Non-Patent Citations (2)
Title |
---|
N. KARIMI等: "Lossless Compression of RNAi Fluorescence Images Using Regional Fluctuations of Pixels", 《IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS》, pages 259 - 268 * |
林硕蕾;: "基于小数据冲突检测的坏点数据挖掘模型仿真", 科技通报, no. 01, pages 213 - 216 * |
Also Published As
Publication number | Publication date |
---|---|
CN117155401B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108110795B (zh) | 风电场群外送输电容量及储能配置联合优化方法 | |
CN104377724B (zh) | 提高风电/光伏混合储能系统经济性的协调优化控制方法 | |
WO2019205528A1 (zh) | 基于天气数据的无线传感网节点太阳能收集功率预测算法 | |
CN110289631B (zh) | 一种风电场储能装置容量的计算方法及系统 | |
CN113239030A (zh) | 基于离散数据曲线拟合的智慧电网监控数据存储方法 | |
CN103485977A (zh) | 风力发电系统实时功率预测的修正方法 | |
CN104503403A (zh) | 制冷系统运行能效的管理系统及方法 | |
CN113224756B (zh) | 一种应用于光伏建筑一体化最佳装机容量测算的方法 | |
CN116720631B (zh) | 一种分布式光伏发电电量分析预测方法、系统及存储介质 | |
CN117155401B (zh) | 一种智慧园区能耗优化管理方法及系统 | |
CN117040542B (zh) | 一种智能综合配电箱能耗数据处理方法 | |
GB2546795A (en) | Demand-side management method and system | |
CN102255328B (zh) | 一种基于频谱分析确定风电场接入储能装置容量的方法 | |
CN111082446B (zh) | 一种考虑电池自消耗的储能优化配置方法 | |
CN106339773B (zh) | 基于灵敏度的主动配电网分布式电源定容规划方法 | |
CN108183496B (zh) | 一种光伏储能系统的能量管理方法 | |
CN115333164A (zh) | 一种基于新能源接入的电力系统碳排放量的分析方法 | |
CN113489054A (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
CN107069832A (zh) | 一种基于潮汐能和风能的虚拟电厂功率调节方法 | |
CN117895509B (zh) | 一种多能源耦合型配电网调度方法及系统 | |
CN109459988B (zh) | 基于大数据的脱硫装置脱水系统优化控制方法、系统及计算机可读介质 | |
CN113625172B (zh) | 锂电池储能运维优化影响因子分析方法 | |
CN106204337B (zh) | 一种基于参考值估算的风电场agc动态特性评价方法 | |
CN112785068B (zh) | 一种超短期电量预测的最优窗口模型建立方法 | |
CN117150224B (zh) | 基于物联网的用户行为数据存储分析方法 |
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 |