CN117312964B - 一种智慧火电厂能耗监测方法及系统 - Google Patents
一种智慧火电厂能耗监测方法及系统 Download PDFInfo
- Publication number
- CN117312964B CN117312964B CN202311606350.8A CN202311606350A CN117312964B CN 117312964 B CN117312964 B CN 117312964B CN 202311606350 A CN202311606350 A CN 202311606350A CN 117312964 B CN117312964 B CN 117312964B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data
- equipment
- value
- consumption data
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 278
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000011156 evaluation Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种智慧火电厂能耗监测方法及系统，涉及能耗监测技术领域，所述方法包括实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈。本发明通过获取历史能耗数据，对历史能耗数据进行分析，进而判断不同设备的异常相关度，根据所述异常相关度对设备进行归类，在检测数量有限的情况下，将检测数量尽量的分配到各类设备中，在保证检测速度的前提下，极大地提高了数据全面性。
Description
技术领域
本发明涉及能耗监测技术领域，具体涉及一种智慧火电厂能耗监测方法及系统。
背景技术
火力发电厂简称火电厂，是利用煤、石油、天然气作为燃料生产电能的工厂，它的基本生产过程是:燃料在锅炉中燃烧加热水使成蒸汽，将燃料的化学能转变成热能，蒸汽压力推动汽轮机旋转，热能转换成机械能，然后汽轮机带动发电机旋转，将机械能转变成电能。
现有的火电厂往往涉及到大量的能耗设备，每个能耗设备的能耗数据都需要符合预设的标准，在判断是否符合标准的过程中，需要不断地对能耗数据进行监测，现有的监测过程主要分为全局监测和快速监测两种类型，全局监测就是全面监测，成本较高，耗时较长，其监测周期较长，现有快速监测技术大都采用随机选取或者划定范围选取两种方式，成本低、速度快，使用频率较高，但是其监测全面性较低，如何提高快速监测技术的全面性是本发明技术方案想要解决的技术问题。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种智慧火电厂能耗监测方法及系统，解决了现有技术中快速监测技术的全面性不足的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种智慧火电厂能耗监测方法，该方法包括：
实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；
统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；
基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；
接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈。
作为本发明实施例技术方案进一步的限定，所述实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值的步骤包括：
查询火电厂中能耗设备的能耗类型，根据所述能耗类型选取并安装传感器；
根据能耗类型创建连通线路，基于连通线路实时接收传感器采集到的能耗数据；其中，所述能耗数据含有标签，同一能耗类型的传感器相互串联；
根据预设长度的数据队列统计能耗数据；所述长度为能耗数据的数据单元的倍数；
根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值。
作为本发明实施例技术方案进一步的限定，所述根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值的步骤包括：
当评价指标为大型指标时，读取历史数据中的最大值，计算各能耗数据相对于所述最大值的比例，作为耗能效用值；
当评价指标为小型指标时，读取历史数据中的最大值，计算各能耗数据与最大值的差值，计算差值与所述最大值的比例，作为耗能效用值；
当评价指标为目标型指标时，读取目标值，基于目标值计算耗能效用值；
上述式中，为大型指标下的耗能效用值，/>为小型指标下的耗能效用值，/>为目标型指标下的耗能效用值，/>为第i个能耗数据，/>为最大值，M为最目标值。
作为本发明实施例技术方案进一步的限定，所述统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备的步骤包括：
根据能耗设备的位置构建矩阵，耗能效用值填充至矩阵中，得到效用值矩阵；
将所述效用值矩阵与预设的标准矩阵进行比对，根据比对结果确定标记矩阵；所述标准矩阵中的元素值相同，由管理方输入，所述标记矩阵中的元素值包括1和0；
读取标记矩阵中元素值为1的数值的行列位置，定位异常设备。
作为本发明实施例技术方案进一步的限定，所述基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度的步骤包括：
读取各个时刻的标记矩阵，并根据时间顺序进行排列；
遍历标记矩阵，抽取各个位置处的元素值，得到数组；
对任意两个数组进行逻辑与运算，对逻辑与运算的结果进行求和，根据求和值确定两个异常设备的相关度。
作为本发明实施例技术方案进一步的限定，所述接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈的步骤包括：
接收管理方输入的检测级别，根据检测级别确定检测密度；
根据检测密度和设备数量计算检测数量；
根据相关度对设备进行归类，根据类数对检测数量进行分配，得到针对每类设备的单位检测数量；
基于所述单位检测数量随机选取设备，读取能耗数据并向管理方反馈。
本发明技术方案还提供了一种智慧火电厂能耗监测系统，所述系统包括：
数据转码模块，用于实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；
异常定位模块，用于统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；
相关度计算模块，用于基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；
读取反馈模块，用于接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈。
作为本发明实施例技术方案进一步的限定，所述数据转码模块包括：
传感器安装单元，用于查询火电厂中能耗设备的能耗类型，根据所述能耗类型选取并安装传感器；
能耗采集单元，用于根据能耗类型创建连通线路，基于连通线路实时接收传感器采集到的能耗数据；其中，所述能耗数据含有标签，同一能耗类型的传感器相互串联；
能耗统计单元，用于根据预设长度的数据队列统计能耗数据；所述长度为能耗数据的数据单元的倍数；
转码执行单元，用于根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值。
作为本发明实施例技术方案进一步的限定，所述转码执行单元包括：
第一计算子单元，用于当评价指标为大型指标时，读取历史数据中的最大值，计算各能耗数据相对于所述最大值的比例，作为耗能效用值；
第二计算子单元，用于当评价指标为小型指标时，读取历史数据中的最大值，计算各能耗数据与最大值的差值，计算差值与所述最大值的比例，作为耗能效用值；
第三计算子单元，用于当评价指标为目标型指标时，读取目标值，基于目标值计算耗能效用值；
上述式中，为大型指标下的耗能效用值，/>为小型指标下的耗能效用值，/>为目标型指标下的耗能效用值，/>为第i个能耗数据，/>为最大值，M为最目标值。
作为本发明实施例技术方案进一步的限定，所述异常定位模块包括：
数据填充单元，用于根据能耗设备的位置构建矩阵，耗能效用值填充至矩阵中，得到效用值矩阵；
矩阵比对单元，用于将所述效用值矩阵与预设的标准矩阵进行比对，根据比对结果确定标记矩阵；所述标准矩阵中的元素值相同，由管理方输入，所述标记矩阵中的元素值包括1和0；
定位执行单元，用于读取标记矩阵中元素值为1的数值的行列位置，定位异常设备。
（三）有益效果
本发明提供了一种智慧火电厂能耗监测方法及系统。与现有技术相比，具备以下有益效果：
本发明通过获取历史能耗数据，对历史能耗数据进行分析，进而判断不同设备的异常相关度，根据所述异常相关度对设备进行归类，在检测数量有限的情况下，将检测数量尽量的分配到各类设备中，在保证检测速度的前提下，极大地提高了数据全面性。
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为本发明实施例提供的方法的流程图。
图2为步骤S100的流程图。
图3为步骤S200的流程图。
图4为步骤S300的流程图。
图5为步骤S400的流程图。
图6为本发明实施例提供的系统的组成结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域普通技术人员在没有作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。
本申请实施例通过提供一种智慧火电厂能耗监测方法及系统，在保证较低成本、较快速度的同时，提高了监测全面性。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为本发明实施例提供的方法的流程图，本发明提供了一种智慧火电厂能耗监测方法，该方法包括：
步骤S100：实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；
传感器安装在能耗设备中，用于监测能耗设备的能耗过程，监测到能耗数据后，将所述能耗数据转换为更容易处理的数值形式，对数值进行分析，可以清晰地确定各时刻的能耗数据是否存在异常，所述数值称为耗能效用值。
步骤S200：统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；
传感器采集能耗数据的过程需要加入时间标签，时间标签的作用一是控制采集频率，二是便于数据统一处理；根据时间标签统计某一时刻的所有耗能效用值，对所有耗能效用值进行集中分析，可以确定异常数据并定位相应的设备。
步骤S300：基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；
根据时间标签的时间顺序统计各个时刻定位到的异常设备，根据异常设备的异常情况可以计算出一个反映相关性的数值，称为相关度；通俗地说，如果两个设备经常同时异常，那么它们的相关度就比较高，在现实中，它们极有可能是相互影响的。
步骤S400：接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈；
步骤S400是应用阶段，由管理方输入检测级别，检测级别越高，一次检测涉及到的设备数量越多，考虑到全面性问题，我们应该在有限的数量下，尽量地多选取一些核心设备，在本发明技术方案的一个实例中，根据相关度对有限的数量（检测级别对应的数量）进行分配，可以提高有限资源下的快速检测过程的全面性。
图2为步骤S100的流程图，所述实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值的步骤包括：
步骤S101：查询火电厂中能耗设备的能耗类型，根据所述能耗类型选取并安装传感器；
火电厂中的能耗设备有很多，根据其消耗的资源类型进行分类，包括煤、电和水等，甚至包括燃气（火电厂中食堂）；凡是需要进行监测的设备，均属于能耗设备。
步骤S102：根据能耗类型创建连通线路，基于连通线路实时接收传感器采集到的能耗数据；其中，所述能耗数据含有标签，同一能耗类型的传感器相互串联；
根据能耗类型创建连通线路，所述连通线路为传输数据的线路，一般情况下，同一能耗类型的能耗数据由相同的传感器采集，所以在采集同类型能耗数据时，采用一条线路进行传输；这一过程中还会引入空间因素，比如一个范围内的能耗设备才进行串联。
步骤S103：根据预设长度的数据队列统计能耗数据；所述长度为能耗数据的数据单元的倍数；
由数据队列统计能耗数据，起到缓冲作用；所述数据队列的长度为预设值，由于能耗数据的数据格式是不同的，数据队列的长度很难由一个固定的数据量去限定；在本发明技术方案的一个实例中，由能耗数据的最小单元对长度进行限定，比如，能耗数据的数据单元的1024倍，这就意味着每个数据队列都会存储1024个单位能耗数据。
步骤S104：根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值；
能耗数据中的标签用于表征能耗数据由哪一设备产生，不同能耗设备的评价指标不同，所述评价指标的含义为：能耗数据符合哪些条件被认为更好，所述条件就是评价指标。
作为本发明技术方案的一个优选实施例，所述根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值的步骤包括：
当评价指标为大型指标时，读取历史数据中的最大值，计算各能耗数据相对于所述最大值的比例，作为耗能效用值；
当评价指标为小型指标时，读取历史数据中的最大值，计算各能耗数据与最大值的差值，计算差值与所述最大值的比例，作为耗能效用值；
当评价指标为目标型指标时，读取目标值，基于目标值计算耗能效用值；
上述式中，为大型指标下的耗能效用值，/>为小型指标下的耗能效用值，/>为目标型指标下的耗能效用值，/>为第i个能耗数据，/>为最大值，M为最目标值。
评价指标主要分为三种，一种是越大越好，一种是越小越好，还有一种是越接近某一数值越好；一般情况下，对于能耗数据来说，第一种情况很少出现，很少有消耗越多就越好的情况，比如一些二次利用的场景，可能会出现这种情况，也即，消耗的废气废液越多越好。
图3为步骤S200的流程图，所述统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备的步骤包括：
步骤S201：根据能耗设备的位置构建矩阵，耗能效用值填充至矩阵中，得到效用值矩阵；
步骤S202：将所述效用值矩阵与预设的标准矩阵进行比对，根据比对结果确定标记矩阵；所述标准矩阵中的元素值相同，由管理方输入，所述标记矩阵中的元素值包括1和0；
步骤S203：读取标记矩阵中元素值为1的数值的行列位置，定位异常设备。
在本发明技术方案的一个实例中，查询能耗设备的位置，根据位置构建矩阵，每个元素的行列位置就对应着能耗设备的位置，读取各个能耗设备对应的耗能效用值（由传感器采集到的能耗数据确定），插入矩阵中对应的位置，得到效用值矩阵；所述效用值矩阵就反映了当前时刻下，各个能耗设备的异常情况。
用一个标准矩阵与效用值矩阵作差，根据差值的符号对作差得到的矩阵进行二值化处理，可以得到标记矩阵；一般情况下，标记矩阵中为1的元素对应异常设备。
图4为步骤S300的流程图，所述基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度的步骤包括：
步骤S301：读取各个时刻的标记矩阵，并根据时间顺序进行排列；
步骤S302：遍历标记矩阵，抽取各个位置处的元素值，得到数组；
步骤S303：对任意两个数组进行逻辑与运算，对逻辑与运算的结果进行求和，根据求和值确定两个异常设备的相关度。
每个时刻都会对应一个标记矩阵，根据时间可以对标记矩阵进行排列，得到矩阵组，所述矩阵组是二维数据组，依次抽取二维数据组中各位置上的所有元素，得到多个一维数组；所述一维数组能够反映了各个设备在各时刻异常与否。
对两个设备对应的两个一维数组进行比对分析，可以计算它们同时异常的时间占比，如果这个时间占比足够大，就可以认为对应的两个设备的相关度足够高。
图5为步骤S400的流程图，所述接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈的步骤包括：
步骤S401：接收管理方输入的检测级别，根据检测级别确定检测密度；
步骤S402：根据检测密度和设备数量计算检测数量；
步骤S403：根据相关度对设备进行归类，根据类数对检测数量进行分配，得到针对每类设备的单位检测数量；
步骤S404：基于所述单位检测数量随机选取设备，读取能耗数据并向管理方反馈。
由管理方上传检测级别，检测级别反映了投入的检测资源的多少，检测级别越高，投入的检测资源越多，检测密度越高；检测密度用于调节待检测设备的数量，由于设备总数可能发生变化（实时更新），检测密度一经确定，待检测设备的数量也会发生变动。
根据上述内容中计算的相关度，可以对设备进行归类，同一类的设备的异常与否存在相关性，也即，如果有一个设备存在异常，那么同类的其他设备也可能存在异常，在检测数量有限的情况下，将检测数量平均分配到不同类设备中，可以极大地提高数据监测的全面性。
具体的，根据分配的数量随机选取设备，查询对应设备的能耗数据，向管理方发送即可，具体的数据分析过程由工作人员完成。
图6为本发明实施例提供的系统的组成结构框图，在本发明技术方案的一个优选实施例中，提供了一种智慧火电厂能耗监测系统，所述系统10包括：
数据转码模块11，用于实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；
异常定位模块12，用于统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；
相关度计算模块13，用于基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；
读取反馈模块14，用于接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈。
进一步的，所述数据转码模块11包括：
传感器安装单元，用于查询火电厂中能耗设备的能耗类型，根据所述能耗类型选取并安装传感器；
能耗采集单元，用于根据能耗类型创建连通线路，基于连通线路实时接收传感器采集到的能耗数据；其中，所述能耗数据含有标签，同一能耗类型的传感器相互串联；
能耗统计单元，用于根据预设长度的数据队列统计能耗数据；所述长度为能耗数据的数据单元的倍数；
转码执行单元，用于根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值。
其中，所述转码执行单元包括：
第一计算子单元，用于当评价指标为大型指标时，读取历史数据中的最大值，计算各能耗数据相对于所述最大值的比例，作为耗能效用值；
第二计算子单元，用于当评价指标为小型指标时，读取历史数据中的最大值，计算各能耗数据与最大值的差值，计算差值与所述最大值的比例，作为耗能效用值；
第三计算子单元，用于当评价指标为目标型指标时，读取目标值，基于目标值计算耗能效用值；
上述式中，为大型指标下的耗能效用值，/>为小型指标下的耗能效用值，/>为目标型指标下的耗能效用值，/>为第i个能耗数据，/>为最大值，M为最目标值。
具体的，所述异常定位模块12包括：
数据填充单元121，用于根据能耗设备的位置构建矩阵，耗能效用值填充至矩阵中，得到效用值矩阵；
矩阵比对单元122，用于将所述效用值矩阵与预设的标准矩阵进行比对，根据比对结果确定标记矩阵；所述标准矩阵中的元素值相同，由管理方输入，所述标记矩阵中的元素值包括1和0；
定位执行单元123，用于读取标记矩阵中元素值为1的数值的行列位置，定位异常设备。
综上所述，与现有技术相比，本发明具备以下有益效果：
本发明通过获取历史能耗数据，对历史能耗数据进行分析，进而判断不同设备的异常相关度，根据所述异常相关度对设备进行归类，在检测数量有限的情况下，将检测数量尽量的分配到各类设备中，在保证检测速度的前提下，极大地提高了数据全面性。
需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种智慧火电厂能耗监测方法，其特征在于，该方法包括：
实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；
统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；
基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；
接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈；
所述实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值的步骤包括：
查询火电厂中能耗设备的能耗类型，根据所述能耗类型选取并安装传感器；
根据能耗类型创建连通线路，基于连通线路实时接收传感器采集到的能耗数据；其中，所述能耗数据含有标签，同一能耗类型的传感器相互串联；
根据预设长度的数据队列统计能耗数据；所述长度为能耗数据的数据单元的倍数；
根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值；
所述接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈的步骤包括：
接收管理方输入的检测级别，根据检测级别确定检测密度；
根据检测密度和设备数量计算检测数量；
根据相关度对设备进行归类，根据类数对检测数量进行分配，得到针对每类设备的单位检测数量；
基于所述单位检测数量随机选取设备，读取能耗数据并向管理方反馈；
所述根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值的步骤包括：
当评价指标为大型指标时，读取历史数据中的最大值，计算各能耗数据相对于所述最大值的比例，作为耗能效用值；
当评价指标为小型指标时，读取历史数据中的最大值，计算各能耗数据与最大值的差值，计算差值与所述最大值的比例，作为耗能效用值；
当评价指标为目标型指标时，读取目标值，基于目标值计算耗能效用值；
上述式中，为大型指标下的耗能效用值，/>为小型指标下的耗能效用值，/>为目标型指标下的耗能效用值，/>为第i个能耗数据，/>为最大值，M为目标值。
2.如权利要求1所述的智慧火电厂能耗监测方法，其特征在于，所述统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备的步骤包括：
根据能耗设备的位置构建矩阵，耗能效用值填充至矩阵中，得到效用值矩阵；
将所述效用值矩阵与预设的标准矩阵进行比对，根据比对结果确定标记矩阵；所述标准矩阵中的元素值相同，由管理方输入，所述标记矩阵中的元素值包括1和0；
读取标记矩阵中元素值为1的数值的行列位置，定位异常设备。
3.如权利要求2所述的智慧火电厂能耗监测方法，其特征在于，所述基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度的步骤包括：
读取各个时刻的标记矩阵，并根据时间顺序进行排列；
遍历标记矩阵，抽取各个位置处的元素值，得到数组；
对任意两个数组进行逻辑与运算，对逻辑与运算的结果进行求和，根据求和值确定两个异常设备的相关度。
4.一种智慧火电厂能耗监测系统，其特征在于，所述系统包括：
数据转码模块，用于实时接收传感器采集到的能耗数据，对所述能耗数据进行转码，得到耗能效用值；
异常定位模块，用于统计某一时刻的所有耗能效用值，对所述耗能效用值进行分析，定位异常设备；
相关度计算模块，用于基于时间顺序统计所有时刻的异常设备，确定异常设备的相关度；
读取反馈模块，用于接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈；
所述数据转码模块包括：
传感器安装单元，用于查询火电厂中能耗设备的能耗类型，根据所述能耗类型选取并安装传感器；
能耗采集单元，用于根据能耗类型创建连通线路，基于连通线路实时接收传感器采集到的能耗数据；其中，所述能耗数据含有标签，同一能耗类型的传感器相互串联；
能耗统计单元，用于根据预设长度的数据队列统计能耗数据；所述长度为能耗数据的数据单元的倍数；
转码执行单元，用于根据标签查询评价指标，基于所述评价指标对能耗数据进行转码，得到耗能效用值；
所述接收管理方输入的检测级别，根据检测级别和相关度选取设备，读取能耗数据并向管理方反馈的内容包括：
接收管理方输入的检测级别，根据检测级别确定检测密度；
根据检测密度和设备数量计算检测数量；
根据相关度对设备进行归类，根据类数对检测数量进行分配，得到针对每类设备的单位检测数量；
基于所述单位检测数量随机选取设备，读取能耗数据并向管理方反馈；
所述转码执行单元包括：
第一计算子单元，用于当评价指标为大型指标时，读取历史数据中的最大值，计算各能耗数据相对于所述最大值的比例，作为耗能效用值；
第二计算子单元，用于当评价指标为小型指标时，读取历史数据中的最大值，计算各能耗数据与最大值的差值，计算差值与所述最大值的比例，作为耗能效用值；
第三计算子单元，用于当评价指标为目标型指标时，读取目标值，基于目标值计算耗能效用值；
上述式中，为大型指标下的耗能效用值，/>为小型指标下的耗能效用值，/>为目标型指标下的耗能效用值，/>为第i个能耗数据，/>为最大值，M为目标值。
5.如权利要求4所述的智慧火电厂能耗监测系统，其特征在于，所述异常定位模块包括：
数据填充单元，用于根据能耗设备的位置构建矩阵，耗能效用值填充至矩阵中，得到效用值矩阵；
矩阵比对单元，用于将所述效用值矩阵与预设的标准矩阵进行比对，根据比对结果确定标记矩阵；所述标准矩阵中的元素值相同，由管理方输入，所述标记矩阵中的元素值包括1和0；
定位执行单元，用于读取标记矩阵中元素值为1的数值的行列位置，定位异常设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311606350.8A CN117312964B (zh) | 2023-11-29 | 2023-11-29 | 一种智慧火电厂能耗监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311606350.8A CN117312964B (zh) | 2023-11-29 | 2023-11-29 | 一种智慧火电厂能耗监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117312964A CN117312964A (zh) | 2023-12-29 |
| CN117312964B true CN117312964B (zh) | 2024-02-20 |
Family
ID=89286960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311606350.8A Active CN117312964B (zh) | 2023-11-29 | 2023-11-29 | 一种智慧火电厂能耗监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117312964B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207601A (zh) * | 2013-03-15 | 2013-07-17 | 翁昉倞 | 工厂生产车间能源管理监测方法 |
| KR101642044B1 (ko) * | 2015-03-04 | 2016-07-22 | 주식회사 인코어드 테크놀로지스 | 에너지 소비 기기의 연관성에 따른 이상 사용 판단 방법 |
| KR20160104946A (ko) * | 2015-02-27 | 2016-09-06 | 충북대학교 산학협력단 | 이력데이터의 이상치 평가 장치 및 방법 |
| EP3333799A1 (de) * | 2016-12-08 | 2018-06-13 | e.less UG | Vorrichtung und verfahren zur bestimmung eines energieverbrauchs |
| WO2021217695A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳市双合电气股份有限公司 | 基于智能工厂框架的供配用电网智能数据采集整理系统 |
| KR20210147594A (ko) * | 2020-05-29 | 2021-12-07 | 주식회사 그리다에너지 | 에너지 데이터 수집 및 관리에 최적화 기능을 제공하는 엣지 컴퓨팅 장치의 통신시스템 및 데이터베이스 운영방법 |
| CN115144650A (zh) * | 2022-06-30 | 2022-10-04 | 上海致景信息科技有限公司 | 一种能耗监测方法、系统、计算机设备、及存储介质 |
| CN115482122A (zh) * | 2022-07-25 | 2022-12-16 | 杨本国 | 一种应用于智慧园区的综合能耗监测方法及系统 |
| CN115795265A (zh) * | 2022-11-17 | 2023-03-14 | 国能信控互联技术有限公司 | 一种基于专家权重智能计算的火电厂指标优化方法 |
| CN115860727A (zh) * | 2023-02-02 | 2023-03-28 | 南京轶诺科技有限公司 | 一种智慧园区运维系统 |
| CN116051340A (zh) * | 2023-02-21 | 2023-05-02 | 湖南科技学院 | 一种基于智能传感技术的智慧园区设备耗能检测系统 |
| CN116070967A (zh) * | 2023-03-07 | 2023-05-05 | 江苏劲步科技有限公司 | 综合能耗监测管理系统 |
| CN116647819A (zh) * | 2023-07-27 | 2023-08-25 | 深圳市中科智联有限公司 | 基于传感器网络的仪器能耗监测方法及系统 |
| WO2023190234A1 (ja) * | 2022-03-29 | 2023-10-05 | Ｊｆｅスチール株式会社 | 高炉の異常判定装置、高炉の異常判定方法、高炉の操業方法、高炉の操業システム、高炉の異常判定サーバ装置、高炉の異常判定サーバ装置のプログラム、及び表示端末装置 |
-
2023
- 2023-11-29 CN CN202311606350.8A patent/CN117312964B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207601A (zh) * | 2013-03-15 | 2013-07-17 | 翁昉倞 | 工厂生产车间能源管理监测方法 |
| KR20160104946A (ko) * | 2015-02-27 | 2016-09-06 | 충북대학교 산학협력단 | 이력데이터의 이상치 평가 장치 및 방법 |
| KR101642044B1 (ko) * | 2015-03-04 | 2016-07-22 | 주식회사 인코어드 테크놀로지스 | 에너지 소비 기기의 연관성에 따른 이상 사용 판단 방법 |
| EP3333799A1 (de) * | 2016-12-08 | 2018-06-13 | e.less UG | Vorrichtung und verfahren zur bestimmung eines energieverbrauchs |
| WO2021217695A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳市双合电气股份有限公司 | 基于智能工厂框架的供配用电网智能数据采集整理系统 |
| KR20210147594A (ko) * | 2020-05-29 | 2021-12-07 | 주식회사 그리다에너지 | 에너지 데이터 수집 및 관리에 최적화 기능을 제공하는 엣지 컴퓨팅 장치의 통신시스템 및 데이터베이스 운영방법 |
| WO2023190234A1 (ja) * | 2022-03-29 | 2023-10-05 | Ｊｆｅスチール株式会社 | 高炉の異常判定装置、高炉の異常判定方法、高炉の操業方法、高炉の操業システム、高炉の異常判定サーバ装置、高炉の異常判定サーバ装置のプログラム、及び表示端末装置 |
| CN115144650A (zh) * | 2022-06-30 | 2022-10-04 | 上海致景信息科技有限公司 | 一种能耗监测方法、系统、计算机设备、及存储介质 |
| CN115482122A (zh) * | 2022-07-25 | 2022-12-16 | 杨本国 | 一种应用于智慧园区的综合能耗监测方法及系统 |
| CN115795265A (zh) * | 2022-11-17 | 2023-03-14 | 国能信控互联技术有限公司 | 一种基于专家权重智能计算的火电厂指标优化方法 |
| CN115860727A (zh) * | 2023-02-02 | 2023-03-28 | 南京轶诺科技有限公司 | 一种智慧园区运维系统 |
| CN116051340A (zh) * | 2023-02-21 | 2023-05-02 | 湖南科技学院 | 一种基于智能传感技术的智慧园区设备耗能检测系统 |
| CN116070967A (zh) * | 2023-03-07 | 2023-05-05 | 江苏劲步科技有限公司 | 综合能耗监测管理系统 |
| CN116647819A (zh) * | 2023-07-27 | 2023-08-25 | 深圳市中科智联有限公司 | 基于传感器网络的仪器能耗监测方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| Research on Power Terminal Security Monitoring Method Based on Business Logic Consistency;Zhining Lv et al.;《Proceedings of the 2019 2nd International Conference on Algorithms, Computing and Artificial》;第1-8页 * |
| 基于大数据的火电厂能耗评估模型的研究;杨瀚钦等;《电力科学与工程》;第32卷(第12期);第1-4页 * |
| 基于用能单元的输气站场能耗指标建立及应用;伍奕等;《节能标准》;第8卷(第10期);第54-56页 * |
| 工业互联网赋能的油气储运设备智能运维技术;张来斌等;《油气储运》;第41卷(第6期);第625-631页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117312964A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
| CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
| CN116073372A (zh) | 一种基于智慧用电的安全监控管理系统及方法 | |
| CN117436846B (zh) | 基于神经网络的设备预测性维护方法及系统 | |
| CN111552686B (zh) | 一种电力数据质量评估方法及其装置 | |
| CN116402187A (zh) | 一种基于电力大数据的企业排污预测方法 | |
| CN117314128B (zh) | 一种基于数字孪生技术的智慧城市能源管理方法及系统 | |
| CN112884452A (zh) | 一种智能运维多源数据采集可视化分析系统 | |
| CN116911471A (zh) | 一种供电系统的传输性能优化方法及系统 | |
| CN118098442B (zh) | 一种基于多层感知器模型的城市水环境小尺度溯源方法 | |
| CN117113159A (zh) | 基于深度学习的电力用户侧负荷分类方法及系统 | |
| CN116384548A (zh) | 一种基于环境反馈的电网短期电力负荷预测方法 | |
| CN117312964B (zh) | 一种智慧火电厂能耗监测方法及系统 | |
| CN117570377A (zh) | 基于智慧燃气的燃气泄漏探测器通信方法及物联网系统 | |
| CN115908082A (zh) | 基于用电特征指标的企业排污监控方法及装置 | |
| CN113052509B (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
| CN114518723A (zh) | 一种用于智能楼宇数据的能耗监控系统及方法 | |
| CN113537519A (zh) | 一种识别异常设备的方法和装置 | |
| Li et al. | [Retracted] Application of Internet of Things Based on Big Data Ecosystem in Factory Energy Consumption Analysis Model | |
| CN116894568B (zh) | 一种充电桩的碳排放综合管理预测方法及存储介质 | |
| CN117791626B (zh) | 一种智能综合电力箱电力供给优化方法 | |
| CN118316036B (zh) | 电力系统的负荷预测方法、装置与设备 | |
| CN118211168B (zh) | 一种水务营业查收表册管理系统及方法 | |
| CN118552072A (zh) | 基于关联矩阵的hplc设备电能表评价方法 |
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 |