CN117235173A - 一种基于数字能源的分析方法及系统 - Google Patents
一种基于数字能源的分析方法及系统 Download PDFInfo
- Publication number
- CN117235173A CN117235173A CN202311509108.9A CN202311509108A CN117235173A CN 117235173 A CN117235173 A CN 117235173A CN 202311509108 A CN202311509108 A CN 202311509108A CN 117235173 A CN117235173 A CN 117235173A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- digital
- model
- demand
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 13
- 238000005265 energy consumption Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000000344 soap Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于数字能源的分析方法,涉及能源分析技术领域,包括:周期性采集政府能源系统、能源供应商系统中的数字化能源数据;对采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;将预测的能源需求情况及采集到的历史能源数据以可视化的方式展示;与其他能源系统进行集成,共享数字能源数据。帮助用户深入了解能源系统的运行状况,发现潜在的问题和优化空间,并采取相应的措施来提高能源利用效率和节约能源成本。
Description
技术领域
本发明涉及能源分析技术领域,尤其涉及一种基于数字能源的分析方法及系统。
背景技术
数字能源是物联网IoT技术与能源产业的深度融合,通过能源设施的物联接入,基于数字能源的数字化能源数据进行进一步的分析处理,实现能源需求的预测,帮助用户深入了解能源系统的运行状况,发现潜在的问题和优化空间,并采取相应的措施来提高能源利用效率和节约能源成本,集成不同的能源系统,实现数据共享,各能源系统协同处理。
发明内容
本发明提供了一种基于数字能源的分析方法,包括:
Step1:周期性采集政府能源系统、能源供应商系统中的数字化能源数据;
Step2、对采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;
Step3、将预测的能源需求情况及采集到的历史能源数据以可视化的方式展示;
Step4、与其他能源系统进行集成,共享数字能源数据。
如上所述的一种基于数字能源的分析方法,其中采集能源系统中的数字化能源数据,分为两种实现方式:
通过调用应用接口查询能源数据;
通过远程连接数据能源系统数据库,从数据库中查询获得数据。
如上所述的一种基于数字能源的分析方法,其中对采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况,具体包括以下子步骤:
基于采集的数字能源历史数据,建立能源种类、地理位置两个维度的能源需求时间序列数据集;
建立能源需求预测模型;
将训练数据集P前80%的数据作为训练集,输入到能源需求预测模型中进行模型训练,获得初步的能源种类特征值,地理位置特征值,与时间特征值;
将训练数据集P剩余20%的数据作为预测集,对能源需求预测模型进行优化,确定最终模型的能源种类特征值,地理位置特征值,与时间特征值;
将采集到的能源数据整理为输入集,输入到能源需求预测模型中,输出未来预测周期内的能源需求情况。
如上所述的一种基于数字能源的分析方法,其中对能源需求预测模型进行优化,确定最终模型的能源种类特征值,地理位置特征值,与时间特征值,具体包括以下子步骤:
输入预测集中,相同能源种类,不同能源数据来源地理位置的数据到模型中,预测周期为默认,校准地理位置各特征值;
输入预测集中,相同能源数据来源地理位置,不同能源种类的数据到模型中,预测周期为默认,校准能源种类各特征值;
调整不同预测周期,输入预测集中,相同能源种类,相同能源数据来源地理位置的数据到模型中,校准不同预测周期下的时间特征值。
如上所述的一种基于数字能源的分析方法,其中将预测的能源需求情况及采集到的历史能源数据以可视化的方式展示,分为以下两部分:
历史能源数据的展示;
能源需求预测结果的展示。
如上所述的一种基于数字能源的分析方法,其中历史能源数据的展示分为两个维度,地理位置维度和时间维度,地理位置维度展示内容根据查看周期的选择决定;时间维度的展示内容根据地理位置选择项决定。
如上所述的一种基于数字能源的分析方法,其中与其他能源设备和系统进行集成,具体包括以下子步骤:
定义能源系统的标准化数据格式;
使用数据接口和API进行能源系统的数据交换;
为数据共享设置安全措施。
本发明还提供了一种基于数字能源的分析系统,包括:数字能源采集模块、数字能源分析处理模块、数字能源可视化模块和数字能源集成模块;
数字能源采集模块用于周期性采集政府能源系统、能源供应商系统中的数字化能源数据;
数字能源分析处理模块用于对数字能源采集模块采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;
数字能源可视化模块用于将数字能源分析处理模块的预测的能源需求情况及数字能源采集模块采集到的历史能源数据以可视化的方式展示;
数字能源集成模块用于与其他能源系统进行集成,共享数字能源数据。
本发明实现的有益效果如下:帮助用户深入了解能源系统的运行状况,发现潜在的问题和优化空间,并采取相应的措施来提高能源利用效率和节约能源成本。
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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于数字能源的分析方法流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例一提供一种基于数字能源的分析方法,包括:
步骤S10:周期性采集政府能源系统、能源供应商系统中的数字化能源数据;
政府能源系统、能源供应商系统泛指使用数字能源技术搭建出的能源系统,本实施例是基于能源系统中已经完成数字化的能源数据进行分析处理,包括各种能源的产量、消耗量、能源负荷等数据,数据的采集具体分为两种实现方式:
①通过调用能源数据查询API获得,调用能源系统提供的能源数据查询API,满足必要参数,能源系统返回能源数据,将返回的数据作为原始数据进行存储;
②通过远程连接数据能源系统数据库,从数据库中查询数据,此方法更为便捷,可以从数据表中根据所需直接查询,但同时也要在保证数据安全,且权限管理合理的情况下进行能源数据的采集;
能源的供需情况并不需要实时关注,它更注重于周期性的变化,因此采集数字能源数据可以使用定时器每天定时拉取当天的数据,以天为单位进行采集。
步骤S20:对采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;
I.基于采集的数字能源历史数据,建立能源种类、地理位置两个维度的能源需求时间序列数据集,,其中A1~An为能源种类向量的集合,n为能源种类的总数,每个集合A又表示为,/>,其中B1~Bm为能源数据的来源地理位置向量的集合,m为来源地理位置总数量,每个B集合又表示为,,其中1~z为时间序列的时间戳,x1~xz为不同时间戳下的能源耗用量;
II.建立能源需求预测模型,,其中,xt为输入集中t时刻的能源消耗量,/>为输入集中的能源种类向量,ai为/>所对应能源种类的特征值,xb为输入集中的地理位置向量,bj为xb对应地理位置的特征值,xt-c+1为输入集中t-c+1时刻的能源消耗量,c为预测周期,lc为预测周期内的时间特征值,n为能源种类总数量,m为来源地理位置总数量;
III.将训练数据集P前80%的数据作为训练集,输入到能源需求预测模型中进行模型训练,获得初步的能源种类特征值,地理位置特征值,与时间特征值;
IV.将训练数据集P剩余20%的数据作为预测集,对能源需求预测模型进行优化,确定最终模型的能源种类特征值,地理位置特征值,与时间特征值,具体分为以下步骤:
i.输入预测集中,相同能源种类,不同能源数据来源地理位置的数据到模型中,预测周期为默认,校准地理位置各特征值,校准方式为,使用评估函数计算模型输出值,与实际的记录值比较,取比较结果最小时,输出结果对应的各地理位置特征值为能源需求预测模型,地理位置各特征的最终值;
ii.输入预测集中,相同能源数据来源地理位置,不同能源种类的数据到模型中,预测周期为默认,校准能源种类各特征值,校准方式为,使用评估函数计算模型输出值,与实际的记录值比较,取比较结果最小时,输出结果对应的能源种类各特征值作为能源需求预测模型,能源种类各特征的最终值;
iii.调整不同预测周期,输入预测集中,相同能源种类,相同能源数据来源地理位置的数据到模型中,校准不同预测周期下的时间特征值,校准方式为,使用评估函数分别计算不同预测周期下模型输出值,与实际的记录值相比较,取比较结果最小时,输出结果对应的时间特征作为预测周期的时间特征最终值。需要说明的是,预测周期为选项选择进行设置,共有日、周、月、年四个选项,默认为月。
评估函数为:,其中,∑为对所有样本求和,sr为预定预测周期内实际的能量消耗值,sp为能源需求预测模型输出的预测值,n为样本数量。
V.将近期采集到的能源数据整理为输入集,输入到能源需求预测模型中,输出未来预测周期内的能源需求情况。
步骤S30:将预测的能源需求情况及采集到的历史能源数据以可视化的方式展示;
以折线图、柱形图、饼图等可以直观表示数据的可视化方式对能源数据进行展示,主要分为以下两个部分:
I.历史能源数据的展示
以能源种类作为分类标识,将能源数据分成若干部分,每一部分以两个维度进行展示,一是地理位置维度的展示,可以采用柱形图展示不同地理位置的能源产量与能源耗用量,不同地理位置对于能源供求情况,也可以采用饼图查看各区域能源需求占比情况;展示内容根据查看周期的选择决定,周期可选项包括日、周、月、年;
二是时间维度的展示,可以采用折线图来展示不同时间戳下的能源供求变化趋势,展示内容根据地理位置选择项决定,地理位置选择项包括各省、各直辖市及各市。
II.能源需求预测结果的展示
同样以能源种类分别展示不同种类能源需求的预测结果,预测结果的展示内容根据选择的预测周期与选择的地理位置决定,即不同地理位置、不同预测周期下的能源需求预测结果,可以采用折线图的方式来展示未来的能源需求变化。
步骤S40:与其他能源系统进行集成,共享数字能源数据;
数字能源需要整合多地方、多种类、多来源、多维度的能源数据,相互融合,相互共享,才能为数字能源提供全面的,完善的大数据支持,不能使能源数据孤岛化、片面化,因此需要具备能源系统集成功能,共享数字能源,具体包括以下子步骤:
I.定义能源系统的标准化数据格式:确保各能源系统使用相同的数据格式和协议进行数据交换,支持BACnet、OPC等标准,通过使用这些标准化数据格式,各能源系统可以遵循相同的数据交换规则和格式,确保数据的一致性和可互操作性;
II.使用数据接口和API进行能源系统的数据交换:通过提供标准化的接口和API,不同系统可以通过这些接口进行通信和数据交换,实现数据共享和集成,支持RESTful和SOAP两种通用协议,通过这些通信协议,不仅可以通过数据接口和API提供数据的读取和写入功能,交换能源数据,能源分析报告,还可以共享其他功能如:设备状态监测、告警通知等。
III.为数据共享设置安全措施:采用数据加密+访问控制的方法保证数据共享的安全,在传输前对数据进行加密,并且设置访问控制列表,只有经过授权的用户或系统才能进行数据接口与API的调用。
实施例二
本发明实施例二提供一种基于数字能源的分析系统,包括:数字能源采集模块、数字能源分析处理模块、数字能源可视化模块和数字能源集成模块;
(1)数字能源采集模块用于周期性采集政府能源系统、能源供应商系统中的数字化能源数据;能源系统泛指使用数字能源技术搭建出的能源系统,本实施例是基于能源系统中已经完成数字化的能源数据进行分析处理,包括各种能源的产量、消耗量、能源负荷等数据,数据的采集具体分为两种实现方式:
①通过调用能源数据查询API获得,调用能源系统提供的能源数据查询API,满足必要参数,能源系统返回能源数据,将返回的数据作为原始数据进行存储;
②通过远程连接数据能源系统数据库,从数据库中查询数据,此方法更为便捷,可以从数据表中根据所需直接查询,但同时也要在保证数据安全,且权限管理合理的情况下进行能源数据的采集;
能源的供需情况并不需要实时关注,它更注重于周期性的变化,因此再采集数字能源数据是可以使用定时器每天定时拉取当天的数据,以天为单位进行采集即可。
(2)数字能源分析处理模块用于对数字能源采集模块采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;
I.基于采集的数字能源历史数据,建立能源种类、地理位置两个维度的能源需求时间序列数据集,,其中A1~An为能源种类向量的集合,n为能源种类的总数,每个集合A又表示为,/>,其中B1~Bm为能源数据的来源地理位置向量的集合,m为来源地理位置总数量,每个B集合又表示为,,其中1~z为时间序列的时间戳,x1~xz为不同时间戳下的能源耗用量;
II.建立能源需求预测模型,,其中,xt为输入集中t时刻的能源消耗量,/>为输入集中的能源种类向量,ai为/>所对应能源种类的特征值,xb为输入集中的地理位置向量,bj为xb对应地理位置的特征值,xt-c+1为输入集中t-c+1时刻的能源消耗量,c为预测周期,lc为预测周期内的时间特征值,n为能源种类总数量,m为来源地理位置总数量;
III.将训练数据集P前80%的数据作为训练集,输入到能源需求预测模型中进行模型训练,获得初步的能源种类特征值,地理位置特征值,与时间特征值;
IV.将训练数据集P剩余20%的数据作为预测集,对能源需求预测模型进行优化,具体分为以下步骤:
i.输入预测集中,相同能源种类,不同能源数据来源地理位置的数据到模型中,预测周期为默认,校准地理位置各特征值,校准方式为,使用评估函数计算模型输出值,与实际的记录值比较,取比较结果最小时,输出结果对应的各地理位置特征值为能源需求预测模型,地理位置各特征的最终值;
ii.输入预测集中,相同能源数据来源地理位置,不同能源种类的数据到模型中,预测周期为默认,校准能源种类各特征值,校准方式为,使用评估函数计算模型输出值,与实际的记录值比较,取比较结果最小时,输出结果对应的能源种类各特征值作为能源需求预测模型,能源种类各特征的最终值;
iii.调整不同预测周期,输入预测集中,相同能源种类,相同能源数据来源地理位置的数据到模型中,校准不同预测周期下的时间特征值,校准方式为,使用评估函数分别计算不同预测周期下模型输出值,与实际的记录值相比较,取比较结果最小时,输出结果对应的时间特征作为预测周期的时间特征最终值。需要说明的是,预测周期为选项选择进行设置,共有日、周、月、年四个选项,默认为月。
评估函数为:,其中,∑为对所有样本求和,sr为预定预测周期内实际的能量消耗值,sp为能源需求预测模型输出的预测值,n为样本数量。
V.将近期采集到的能源数据整理为输入集,输入到能源需求预测模型中,输出未来预测周期内的能源需求情况。
(3)数字能源可视化模块用于将数字能源分析处理模块的预测的能源需求情况及数字能源采集模块采集到的历史能源数据以可视化的方式展示;
以折线图、柱形图、饼图等可以直观表示数据的可视化方式对能源数据进行展示,主要分为以下两个部分:
I.历史能源数据的展示
以能源种类作为分类标识,将能源数据分成若干部分,每一部分以两个维度进行展示,一是地理位置维度的展示,可以采用柱形图展示不同地理位置的能源产量与能源耗用量,不同地理位置对于能源供求情况,也可以采用饼图查看各区域能源需求占比情况;展示内容根据查看周期的选择决定,周期可选项包括日、周、月、年;
二是时间维度的展示,可以采用折线图来展示不同时间戳下的能源供求变化趋势,展示内容根据地理位置选择项决定,地理位置选择项包括各省、各直辖市及各市。
II.能源需求预测结果的展示
同样以能源种类分别展示不同种类能源需求的预测结果,预测结果的展示内容根据选择的预测周期与选择的地理位置决定,即不同地理位置、不同预测周期下的能源需求预测结果,可以采用折线图的方式来展示未来的能源需求变化。
(4)数字能源集成模块用于与其他能源系统进行集成,共享数字能源数据;
数字能源需要整合多地方、多种类、多来源、多维度的能源数据,相互融合,相互共享,才能为数字能源提供全面的,完善的大数据支持,不能使能源数据孤岛化、片面化,因此需要具备能源系统集成功能,共享数字能源,具体包括以下子步骤:
I.定义能源设备的标准化数据格式:确保各能源系统使用相同的数据格式和协议进行数据交换,支持BACnet、OPC等标准,通过使用这些标准化数据格式,各能源系统可以遵循相同的数据交换规则和格式,确保数据的一致性和可互操作性;
II.使用数据接口和API进行能源系统的数据交换:通过提供标准化的接口和API,不同系统可以通过这些接口进行通信和数据交换,实现数据共享和集成,支持RESTful和SOAP两种通用协议,通过这些通信协议,不仅可以通过数据接口和API提供数据的读取和写入功能,交换能源数据,能源分析报告,还可以共享其他功能如:设备状态监测、告警通知等。
III.为数据共享设置安全措施:采用数据加密+访问控制的方法保证数据共享的安全,在传输前对数据进行加密,并且设置访问控制列表,只有经过授权的用户或系统才能进行数据接口与API的调用。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (8)
1.一种基于数字能源的分析方法,包括:
Step1:周期性采集政府能源系统、能源供应商系统中的数字化能源数据;
Step2、对采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;
Step3、将预测的能源需求情况及采集到的能源数据以可视化的方式展示;
Step4、与其他能源系统进行集成,共享数字能源数据。
2.根据权利要求1所述的一种基于数字能源的分析方法,其特征在于,采集能源系统中的数字化能源数据,分为两种实现方式:
通过调用应用接口查询能源数据;
通过远程连接数据能源系统数据库,从数据库中查询获得数据。
3.根据权利要求1所述的一种基于数字能源的分析方法,其特征在于,对采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况,具体包括以下子步骤:
基于采集的数字能源历史数据,建立能源种类、地理位置两个维度的能源需求时间序列数据集;
建立能源需求预测模型;
将训练数据集P前80%的数据作为训练集,输入到能源需求预测模型中进行模型训练,获得初步的能源种类特征值;
将训练数据集P剩余20%的数据作为预测集,对能源需求预测模型进行优化,确定最终模型的能源种类特征值;
将采集到的能源数据整理为输入集,输入到能源需求预测模型中,输出未来预测周期内的能源需求情况。
4.根据权利要求3所述的一种基于数字能源的分析方法,其特征在于,对能源需求预测模型进行优化,确定最终模型的能源种类特征值,地理位置特征值,与时间特征值,具体包括以下子步骤:
输入预测集中,相同能源种类,不同能源数据来源地理位置的数据到模型中,预测周期为默认,校准地理位置各特征值;
输入预测集中,相同能源数据来源地理位置,不同能源种类的数据到模型中,预测周期为默认,校准能源种类各特征值;
调整不同预测周期,输入预测集中,相同能源种类,相同能源数据来源地理位置的数据到模型中,校准不同预测周期下的时间特征值。
5.根据权利要求1所述的一种基于数字能源的分析方法,其特征在于,将预测的能源需求情况及采集到的历史能源数据以可视化的方式展示,分为以下两部分:
历史能源数据的展示;
能源需求预测结果的展示。
6.根据权利要求5所述的一种基于数字能源的分析方法,其特征在于,历史能源数据的展示分为两个维度,地理位置维度和时间维度,地理位置维度展示内容根据查看周期的选择决定;时间维度的展示内容根据地理位置选择项决定。
7.根据权利要求1所述的一种基于数字能源的分析方法,其特征在于,与其他能源设备和系统进行集成,具体包括以下子步骤:
定义能源系统的标准化数据格式;
使用数据接口和API进行能源系统的数据交换;
为数据共享设置安全措施。
8.一种基于数字能源的分析系统,包括:数字能源采集模块、数字能源分析处理模块、数字能源可视化模块和数字能源集成模块;
数字能源采集模块用于周期性采集政府能源系统、能源供应商系统中的数字化能源数据;
数字能源分析处理模块用于对数字能源采集模块采集到的能源数据进行处理和分析,提取能源特征信息,将能源特征信息输入能源需求预测模型,预测能源需求情况;
数字能源可视化模块用于将数字能源分析处理模块的预测的能源需求情况及数字能源采集模块采集到的历史能源数据以可视化的方式展示;
数字能源集成模块用于与其他能源系统进行集成,共享数字能源数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311509108.9A CN117235173B (zh) | 2023-11-14 | 2023-11-14 | 一种基于数字能源的分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311509108.9A CN117235173B (zh) | 2023-11-14 | 2023-11-14 | 一种基于数字能源的分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117235173A true CN117235173A (zh) | 2023-12-15 |
CN117235173B CN117235173B (zh) | 2024-02-20 |
Family
ID=89098779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311509108.9A Active CN117235173B (zh) | 2023-11-14 | 2023-11-14 | 一种基于数字能源的分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117235173B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730039A (zh) * | 2017-10-10 | 2018-02-23 | 中国南方电网有限责任公司电网技术研究中心 | 配电网负荷预测的方法及系统 |
US20180128863A1 (en) * | 2015-05-21 | 2018-05-10 | Hitachi, Ltd. | Energy Demand Predicting System and Energy Demand Predicting Method |
CN110298488A (zh) * | 2019-05-31 | 2019-10-01 | 武汉烽火富华电气有限责任公司 | 一种基于数据挖掘的能源数据分析方法及系统 |
CN111401603A (zh) * | 2020-01-22 | 2020-07-10 | 国网江苏省电力有限公司南京供电分公司 | 一种多类型能源需求预测方法 |
KR20210011745A (ko) * | 2019-07-23 | 2021-02-02 | (주) 씨이랩 | 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 |
CN112488877A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种用于能源服务平台的工业能耗可视化系统 |
CN113377841A (zh) * | 2021-06-21 | 2021-09-10 | 国网宁夏电力有限公司电力科学研究院 | 一种基于大数据的能源负荷预测系统 |
CN116227716A (zh) * | 2023-03-14 | 2023-06-06 | 广东电网有限责任公司 | 一种基于Stacking的多因素能源需求预测方法及系统 |
-
2023
- 2023-11-14 CN CN202311509108.9A patent/CN117235173B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180128863A1 (en) * | 2015-05-21 | 2018-05-10 | Hitachi, Ltd. | Energy Demand Predicting System and Energy Demand Predicting Method |
CN107730039A (zh) * | 2017-10-10 | 2018-02-23 | 中国南方电网有限责任公司电网技术研究中心 | 配电网负荷预测的方法及系统 |
CN110298488A (zh) * | 2019-05-31 | 2019-10-01 | 武汉烽火富华电气有限责任公司 | 一种基于数据挖掘的能源数据分析方法及系统 |
KR20210011745A (ko) * | 2019-07-23 | 2021-02-02 | (주) 씨이랩 | 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 |
CN111401603A (zh) * | 2020-01-22 | 2020-07-10 | 国网江苏省电力有限公司南京供电分公司 | 一种多类型能源需求预测方法 |
CN112488877A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种用于能源服务平台的工业能耗可视化系统 |
CN113377841A (zh) * | 2021-06-21 | 2021-09-10 | 国网宁夏电力有限公司电力科学研究院 | 一种基于大数据的能源负荷预测系统 |
CN116227716A (zh) * | 2023-03-14 | 2023-06-06 | 广东电网有限责任公司 | 一种基于Stacking的多因素能源需求预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
武恺馨: "考虑变动特征和多能耦合的多能负荷预测方法", 《万方硕士学位论文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN117235173B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Falchetta et al. | A high-resolution gridded dataset to assess electrification in sub-Saharan Africa | |
US7246014B2 (en) | Human machine interface for an energy analytics system | |
KR100676994B1 (ko) | 맞춤 태뷸러 디스플레이 생성 방법 | |
US7647137B2 (en) | Utility demand forecasting using utility demand matrix | |
US20130282542A1 (en) | Method, apparatus and system for retrieving financial data | |
CN103699966A (zh) | 基于用户需求的多维度、全过程数据管控系统及管控方法 | |
Milovanoff et al. | Quantifying environmental impacts of primary aluminum ingot production and consumption: A trade‐linked multilevel life cycle assessment | |
CN111784170A (zh) | 一种冶金行业数据管理系统及方法 | |
CN111125284A (zh) | 一种一体化时空大数据与地理信息公共服务云平台 | |
CN117235173B (zh) | 一种基于数字能源的分析方法及系统 | |
CN111209329B (zh) | 基于全业务量价费异动路径动态分析方法、装置及系统 | |
CN113485265B (zh) | 一种基于图表与工业智能制造设备数据的实时互联方法 | |
EP2737416A2 (en) | Methods and systems for generating and displaying data display elements | |
CN113743791A (zh) | 一种业务工单的业务考评方法、装置、电子设备和介质 | |
Liu et al. | Key technology and application platform of agricultural economic spatial information service—Chinese agricultural economic electronic map | |
CN112003369A (zh) | 基于云平台的电网自动化设备运行监视及统计分析方法 | |
Zhao et al. | Regional allocation of industrial land in industrializing China: does spatial mismatch exist? | |
Qazi et al. | A Model-View-Controller (MVC) architecture for contextual visualisation of task-based multi-dimensional energy KPIs in a manufacturing process | |
Li et al. | Design and Implementation of Production Visual Report Subsystem Based on Echarts | |
Liu et al. | EWELD: A Large-Scale Industrial and Commercial Load Dataset in Extreme Weather Events | |
Kogan | Production control under uncertainty: closed-loop versus open-loop approach | |
CN116720300B (zh) | 一种排水管网模型系统 | |
CN108647320B (zh) | 基于gis的配电自动化主站系统 | |
CN117708441A (zh) | 一种信息推荐方法和装置 | |
CN114358636A (zh) | 指标配置方法、数据获取方法、装置、设备和介质 |
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 |