CN117421690A - 一种智慧园区能耗实时监测方法与系统 - Google Patents
一种智慧园区能耗实时监测方法与系统 Download PDFInfo
- Publication number
- CN117421690A CN117421690A CN202311737346.5A CN202311737346A CN117421690A CN 117421690 A CN117421690 A CN 117421690A CN 202311737346 A CN202311737346 A CN 202311737346A CN 117421690 A CN117421690 A CN 117421690A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- different
- enterprises
- determining
- dates
- 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 488
- 238000012544 monitoring process Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 6
- 238000012937 correction Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Abstract
本发明提供一种智慧园区能耗实时监测方法与系统,属于能耗管理技术领域,具体包括:根据在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度以及相似用能企业的筛选,根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定,以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业,从而实现了能耗监测单元的差异化处理设置,提升了异常能耗监测的监测准确率。
Description
技术领域
本发明属于能耗管理技术领域,尤其涉及一种智慧园区能耗实时监测方法与系统。
背景技术
能耗管理牵涉到园区办公、运营、生活等方方面面,只有实施全面控制、监督和管理,才能进行有效的能耗管理,现有的能耗监测系统往往局限于单独的某一个企业,无法实现对整个园区的不同企业的全方面覆盖,从而无法实现对园区能耗的可靠管理。
为了解决上述技术问题,现有技术方案中在发明专利CN202010549021.4《智慧园区管理系统、方法、计算机设备和存储介质》中通过对园区内部的能源类基础设备的能耗特征信息的采集,根据能耗特征信息对应的节能控制信息,控制各个单位的能源类基础设备的运行,实现了对园区内部的能耗设备的统一监管,但是却存在以下技术问题:
在园区内部,由于企业的类型以及能耗设备的类型和数量的差异,导致不同的企业在不同日期的能耗波动情况存在较大的差异,而如果将不同的企业的能耗监测数据统一管理,则有可能会导致能耗波动较小的企业在发生能耗量异常时的异常数据被淹没,从而无法实现对能耗异常的企业的及时处理。
在园区内部,特别是大型园区,企业的数量较多,甚至某些楼宇的一个楼层都包含多个企业,因此若将单独的企业作为能耗监测分析的最小单位,则有可能会导致能耗监测分析的效率较慢。
针对上述技术问题,本发明提供了一种智慧园区能耗实时监测方法与系统。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种智慧园区能耗实时监测方法。
一种智慧园区能耗实时监测方法,其特征在于,具体包括:
S1获取园区内部的不同企业在不同日期的历史能耗数据,并基于所述历史能耗数据进行不同企业的能耗波动评估量的确定,判断所述企业的能耗波动评估量是否满足要求,若是,则进入下一步骤,若否,则将所述企业划分至单独的能耗监测单元;
S2通过不同企业的不同日期的历史能耗数据进行不同企业在不同的日期类型下的历史能耗数据的确定,并根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,基于所述能耗相似度进行相似用能企业的筛选;
S3获取不同的相似用能企业在不同的日期类型下的不同时段的能耗特征,并根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定;
S4以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业。
本发明的有益效果在于:
1、通过基于所述历史能耗数据进行不同企业的能耗波动评估量的确定,从而实现了对能耗波动较大的企业的筛选,避免了将能耗波动较大的企业的能耗数据进行统一监管分析导致的无法准确的获取能耗波动较小的企业的异常能耗波动的及时发现和处理,也使得能耗数据的监测更加可靠。
2、通过根据相似用能企业在不同的日期类型下的不同时段的能耗分布相似度以及能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定,既考虑到不同的相似用能企业在不同的日期类型下的不同时段的能耗的相似性,同时还考虑到不同的相似用能企业在不同的日期类型下的不同日期的能耗数据的相似性,也为进一步将匹配用能企业划分至同一个能耗监测单元奠定了基础。
3、通过基于匹配用能企业的能耗波动量和数量进行匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业的确定,既避免了能耗波动较大导致的无法准确及时的发现异常能耗波动的问题,同时还减少了能耗监测处理的能耗监测单元的数量,从而使得能耗监测分析的效率和准确性都得到进一步的提升。
进一步的技术方案在于,所述历史能耗数据根据所述企业的历史用电的监测数据进行确定,具体包括所述企业在不同日期的不同时段的历史能耗量。
进一步的技术方案在于,基于所述能耗相似度进行相似用能企业的筛选,具体包括:
当所述企业之间的能耗相似度在预设相似度区间内时,则确定所述企业之间互为相似用能企业。
进一步的技术方案在于,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业,具体包括:
以能耗波动阈值为约束条件,使不同的能耗监测单元的匹配用能企业的能耗波动量不大于所述能耗波动阈值,并使得不同的能耗监测单元的匹配用能企业的能耗波动量的数量和之间的差值最小以及能耗监测单元的数量最小为目标,确定能耗监测单元的数量,并将所述匹配用能企业划分至不同的能耗监测单元。
另一方面,本发明提供了一种智慧园区能耗实时监测系统,采用上述的一种智慧园区能耗实时监测方法,其特征在于,具体包括:
能耗波动评估模块,用能企业筛选模块,匹配企业评估模块,监测单元划分模块;
所述能耗波动评估模块负责获取园区内部的不同企业在不同日期的历史能耗数据,并基于所述历史能耗数据进行不同企业的能耗波动评估量的确定;
所述用能企业筛选模块负责通过不同企业的不同日期的历史能耗数据进行不同企业在不同的日期类型下的历史能耗数据的确定,并根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,基于所述能耗相似度进行相似用能企业的筛选;
所述匹配企业评估模块负责获取不同的相似用能企业在不同的日期类型下的不同时段的能耗特征,并根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定;
所述监测单元划分模块负责以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业。
其他特征和优点将在随后的说明书中阐述,本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种智慧园区能耗实时监测方法的流程图;
图2是企业的能耗波动评估量的确定的方法的流程图;
图3是企业之间的能耗相似度的确定的方法的流程图;
图4是相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定的方法的流程图;
图5是相似用能企业之间的综合相似度的确定的方法的流程图;
图6是一种智慧园区能耗实时监测系统的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本说明书保护的范围。
一般来说大型园区内的企业的数量较多,因此在进行企业的异常能耗监测和分析时,若以企业为最小单元,则有可能导致监测分析和处理的效率较低,同时由于不同的企业的能耗波动情况以及能耗量存在差异,因此若不考虑不同企业的能耗相似情况,简单的组合成一个能耗监测的最小单元,则有可能会导致能耗波动较小的企业出现异常能耗时,其异常能耗数据被淹没,无法实现对异常能耗的及时发现和处理。
为解决上述技术方案,主要采用以下技术方案:
首先根据园区内部的不同企业在不同日期的历史能耗数据进行不同企业的能耗波动评估量的确定,具体的可以通过不同日期的历史能耗数据进行一天内的基准能耗量的确定,并通过与基准能耗量的偏差较大的日期占比进行能耗波动评估量的确定,当企业的能耗波动评估量较大时,一旦将其与其它的企业设置到同一个能耗监测单元,则有可能会导致其它企业的异常能耗数据的被淹没而无法准确挖掘,因此需要将所述企业划分至单独的能耗监测单元,当企业的能耗波动评估量不大时,进入下一步骤;
然后根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,具体的可以通过不同的日期类型下的历史能耗量之间的偏差量较小的日期的数量进行不同的日期类型下的相似度的确定,基于不同的日期类型下的日期的数量进行不同的日期类型下的相似度的权值的确定,从而得到能耗相似度,并将能耗相似度较大的企业作为相似用能企业;
紧接着根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,具体的可以通过在同一个日期类型下的不同日期的特定时段的波动较小的日期数量进行特定时段的时段能耗相似度的确定,根据时段能耗相似度较大的时段的数量进行不同的日期类型下的能耗分布相似度的确定,然后根据不同的日期类型下的能耗分布相似度以及不同的日期类型下的日期的数量进行不同的相似用能企业之间的综合相似度的确定,并将综合相似度较大的相似用能企业作为匹配用能企业的确定;
以能耗波动阈值为约束条件,使不同的能耗监测单元的匹配用能企业的能耗波动量不大于所述能耗波动阈值,并使得不同的能耗监测单元的匹配用能企业的能耗波动量的数量和之间的差值最小以及能耗监测单元的数量最小为目标,确定能耗监测单元的数量,并将所述匹配用能企业划分至不同的能耗监测单元。
以下将从两个实施例进行进一步描述。
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种智慧园区能耗实时监测方法,其特征在于,具体包括:
S1获取园区内部的不同企业在不同日期的历史能耗数据,并基于所述历史能耗数据进行不同企业的能耗波动评估量的确定,判断所述企业的能耗波动评估量是否满足要求,若是,则进入下一步骤,若否,则将所述企业划分至单独的能耗监测单元;
可以理解的是,所述历史能耗数据根据所述企业的历史用电的监测数据进行确定,具体包括所述企业在不同日期的不同时段的历史能耗量。
在可能的一个实施例中,如图2所示,上述步骤S1中的所述企业的能耗波动评估量的确定的方法为:
S11通过所述企业的历史能耗数据以及日期类型进行不同日期类型下的不同日期的历史能耗数据的确定,并根据不同日期的历史能耗数据进行不同日期类型下的日均基准能耗的确定;
S12基于不同日期类型下的日均基准能耗与所述企业的历史能耗数据进行不同日期类型下的不同日期的能耗波动量的确定,通过所述能耗波动量进行所述企业在最近的预设时间内的不同日期类型下的波动日期的数量的确定,判断所述波动日期的数量是否小于预设日期数量,若是,则进入下一步骤,若否,则确定所述企业的能耗波动评估量不满足要求;
S13获取所述企业在最近的预设时间内的不同日期类型下的波动日期的数量以及不同的波动日期的能耗波动量的确定,并结合所述企业在最近的预设时间内的不同的日期的能耗波动量进行不同的日期类型下的日间波动评估量的确定,判断是否存在日间波动评估量不满足要求的日期类型,若是,则确定所述企业的能耗波动评估量不满足要求,若否,则进入下一步骤;
在可能的一个实施例中,不同的日期类型下的日间波动评估量通过企业在最近的预设时间内的不同日期类型下的波动日期的数量占比、波动日期的能耗波动量的平均值与所述企业在最近的预设时间内的不同的日期的能耗波动量的平均值的比值的乘积进行不同的日期类型下的日间波动评估量的确定
S14通过所述企业在最近的预设时间内的不同日期类型下的日期的数量进行不同的日期类型下的日间波动评估量的权重值的确定,并结合所述企业在不同的日期类型下的日间波动评估量进行所述企业的能耗波动评估量的确定。
可以理解的是,所述日均基准能耗根据所述企业在最近的预设时间内的不同的日期类型下的每日的历史能耗数据的平均值进行确定。
需要说明的是,当所述企业被划分至单独的能耗监测单元时,将所述企业作为单独的能耗监测主体进行所述企业的能耗数据的监测。
S2通过不同企业的不同日期的历史能耗数据进行不同企业在不同的日期类型下的历史能耗数据的确定,并根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,基于所述能耗相似度进行相似用能企业的筛选;
在可能的一个实施例中,如图3所示,上述步骤S2中的所述企业之间的能耗相似度的确定的方法为:
S21根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间在不同的日期类型下的不同日期的历史能耗量之间的比例的确定,并将其作为历史能耗比,将所述企业在最近的预设时间内的历史能耗比不满足要求的日期作为负荷偏差日期,判断所述负荷偏差日期的数量是否满足要求,若是,则进入下一步骤,若否,则确定所述不同企业之间不属于相似用能企业;
S22根据不同企业在不同的日期类型下的不同日期的历史能耗比进行历史能耗基准比例的确定,并判断不同企业在不同的日期类型下的历史能耗基准比例是否均满足要求,若是,则进入下一步骤,若否,则确定所述不同企业之间不属于相似用能企业;
S23通过所述历史能耗基准比例以及不同企业在不同的日期类型下的不同日期的历史能耗比进行不同日期的比例偏差量以及偏差日期的确定,判断不同企业之间在最近的预设时间内的偏差日期的数量是否满足要求,若是,则确定不同的企业之间不属于相似用能企业,若否,则进入下一步骤;
S24获取不同的日期类型下的偏差日期的数量以及不同的偏差日期的比例偏差量,并结合不同的日期类型下的负荷偏差日期的数量以及不同的负荷偏差日期的历史能耗比进行不同的企业之间在不同的日期类型下的类型能耗相似度的确定;
在可能的一个实施例中,根据不同的偏差日期的比例偏差量的平均值所对应的区间进行对应的偏差权值的确定,并通过偏差权值与偏差日期的数量占比的乘积,不同的日期类型下的负荷偏差日期的数量占比与不同的负荷偏差日期的历史能耗比的平均值与基准能耗比的比值的乘积的归一化后的数量和进行不同的企业之间在不同的日期类型下的类型能耗相似度的确定。
S25通过所述企业在最近的预设时间内的不同日期类型下的日期的数量进行不同的日期类型下的类型能耗相似度的权重值的确定,并结合所述企业在不同的日期类型下的类型能耗相似度进行所述企业之间的能耗相似度的确定。
具体的,基于所述能耗相似度进行相似用能企业的筛选,具体包括:
当所述企业之间的能耗相似度在预设相似度区间内时,则确定所述企业之间互为相似用能企业。
在另外的一个可能的实施例中,上述步骤S2中的所述企业之间的能耗相似度的确定的方法为:
根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间在不同的日期类型下的不同日期的历史能耗量之间的比例的确定,并将其作为历史能耗比,将所述企业在最近的预设时间内的历史能耗比不满足要求的日期作为负荷偏差日期,根据不同企业在不同的日期类型下的不同日期的历史能耗比进行历史能耗基准比例的确定;
通过不同企业在不同的日期类型下的负荷偏差日期的数量以及不同的负荷偏差日期的历史能耗比、历史能耗基准比例进行不同企业在不同的日期类型下的负荷相似度的确定,当存在负荷相似度不满足要求的日期类型时:
则确定不同的企业之间不属于相似用能企业;
当不存在负荷相似度不满足要求的日期类型时:
通过所述企业在最近的预设时间内的不同日期类型下的日期的数量进行不同的日期类型下的负荷相似度的权重值的确定,并结合所述企业在不同的日期类型下的负荷相似度进行所述企业之间的综合负荷相似度的确定;
当所述综合负荷相似度不满足要求时,则确定不同的企业之间不属于相似用能企业;
当所述综合负荷相似度满足要求时,通过所述历史能耗基准比例以及不同企业在不同的日期类型下的不同日期的历史能耗比进行不同日期的比例偏差量以及偏差日期的确定,判断不同企业之间在最近的预设时间内的偏差日期的数量是否满足要求,若是,则确定不同的企业之间不属于相似用能企业,若否,则进入下一步骤;
通过不同的日期类型下的偏差日期的数量以及不同日期的比例偏差量进行不同的企业之间在不同的日期类型下的能耗比例相似度的确定,判断是否存在能耗比例相似度不满足要求的日期类型,若是,则确定不同的企业之间不属于相似用能企业,若否,则进入下一步骤;
通过所述企业在最近的预设时间内的不同日期类型下的日期的数量进行不同的日期类型下的能耗比例相似度的权重值的确定,并结合所述企业在不同的日期类型下的能耗比例相似度进行所述企业之间的综合能耗比例相似度的确定,通过所述综合能耗比例相似度以及综合负荷相似度进行能耗相似度的确定。
S3获取不同的相似用能企业在不同的日期类型下的不同时段的能耗特征,并根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定;
在其中的一个可能的实施例中,如图4所示,上述步骤S3中的所述相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定的方法为:
获取所述相似用能企业在特定日期类型下的特性时段的历史能耗数据,并基于所述历史能耗数据进行所述相似用能企业在特定日期类型下的不同日期的特定时段的历史能耗量的偏差量以及历史能耗量之间的比例的确定,并将所述历史能耗量之间的比例作为时段历史能耗比;
通过不同日期的历史能耗量的偏差量以及时段历史能耗比进行所述相似用能企业的偏差量的基准值以及时段历史能耗比的基准值的确定,并基于所述偏差量的基准值以及时段历史能耗比的基准值进行不同日期的综合偏差量的确定;
通过所述综合偏差量进行所述相似用能企业在特定日期类型下的误差日期和相似日期的确定,并通过所述误差日期的数量以及不同的误差日期的综合偏差量、相似日期的数量以及不同的相似日期的综合偏差量进行所述相似用能企业在特定日期类型下的特定时段的能耗分布相似度的确定。
在其中的一个可能的实施例中,如图5所示,上述步骤S3中的所述相似用能企业之间的综合相似度的确定的方法为:
通过不同的日期类型下的不同时段的能耗分布相似度进行所述相似用能企业之间在不同的日期类型下的偏差时段的数量的确定,并根据所述偏差时段的数量确定所述相似用能企业是否不属于匹配用能企业,若是,则确定所述相似用能企业不属于匹配用能企业,若否,则进入下一步骤;
通过不同的日期类型下的偏差时段进行不同的日期类型下的偏差时段的能耗分布相似度的确定,并结合不同的日期类型下的偏差时段的数量以及不同的日期类型下的不同时段的能耗分布相似度的平均值进行不同的日期类型下的时段分布相似度的确定;
基于不同的日期类型下的时段分布相似度以及不同的日期类型下的日期数量进行不同的日期类型下的修正分布相似度的确定,并根据所述修正分布相似度进行所述日期类型中的偏差日期类型和相似日期类型的确定,根据所述偏差日期类型的日期数量确定所述相似用能企业是否不属于匹配用能企业,若是,则确定相似用能企业不属于匹配用能企业,若否,则进入下一步骤;
获取所述相似用能企业的偏差日期类型的数量以及偏差日期类型的日期数量、相似日期类型的数量以及相似日期类型的日期数量,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度的确定。
具体的,当所述相似用能企业之间的综合相似度满足要求时,则确定所述相似用能企业为匹配用能企业。
在另外的一个可能的实施例中,上述步骤S3中的所述相似用能企业之间的综合相似度的确定的方法为:
通过不同的日期类型下的不同时段的能耗分布相似度进行所述相似用能企业之间在不同的日期类型下的偏差时段的数量的确定;
通过不同的日期类型下的偏差时段进行不同的日期类型下的偏差时段的能耗分布相似度的确定,并结合不同的日期类型下的偏差时段的数量以及不同的日期类型下的不同时段的能耗分布相似度的平均值进行不同的日期类型下的时段分布相似度的确定;
基于不同的日期类型下的时段分布相似度以及不同的日期类型下的日期数量进行不同的日期类型下的修正分布相似度的确定,并根据所述修正分布相似度进行所述日期类型中的偏差日期类型和相似日期类型的确定;
获取所述相似用能企业的偏差日期类型的数量以及偏差日期类型的日期数量、相似日期类型的数量以及相似日期类型的日期数量,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度的确定。
S4以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业。
在其中的一个可能的实施例中,上述步骤S4中的基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业,具体包括:
以能耗波动阈值为约束条件,使不同的能耗监测单元的匹配用能企业的能耗波动量不大于所述能耗波动阈值,并使得不同的能耗监测单元的匹配用能企业的能耗波动量的数量和之间的差值最小以及能耗监测单元的数量最小为目标,确定能耗监测单元的数量,并将所述匹配用能企业划分至不同的能耗监测单元。
另一方面,如图6所示,本发明提供了一种智慧园区能耗实时监测系统,采用上述的一种智慧园区能耗实时监测方法,其特征在于,具体包括:
能耗波动评估模块,用能企业筛选模块,匹配企业评估模块,监测单元划分模块;
所述能耗波动评估模块负责获取园区内部的不同企业在不同日期的历史能耗数据,并基于所述历史能耗数据进行不同企业的能耗波动评估量的确定;
所述用能企业筛选模块负责通过不同企业的不同日期的历史能耗数据进行不同企业在不同的日期类型下的历史能耗数据的确定,并根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,基于所述能耗相似度进行相似用能企业的筛选;
所述匹配企业评估模块负责获取不同的相似用能企业在不同的日期类型下的不同时段的能耗特征,并根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定;
所述监测单元划分模块负责以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业。
通过以上实施例,本发明取得以下有益效果:
1、通过基于所述历史能耗数据进行不同企业的能耗波动评估量的确定,从而实现了对能耗波动较大的企业的筛选,避免了将能耗波动较大的企业的能耗数据进行统一监管分析导致的无法准确的获取能耗波动较小的企业的异常能耗波动的及时发现和处理,也使得能耗数据的监测更加可靠。
2、通过根据相似用能企业在不同的日期类型下的不同时段的能耗分布相似度以及能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定,既考虑到不同的相似用能企业在不同的日期类型下的不同时段的能耗的相似性,同时还考虑到不同的相似用能企业在不同的日期类型下的不同日期的能耗数据的相似性,也为进一步将匹配用能企业划分至同一个能耗监测单元奠定了基础。
3、通过基于匹配用能企业的能耗波动量和数量进行匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业的确定,既避免了能耗波动较大导致的无法准确及时的发现异常能耗波动的问题,同时还减少了能耗监测处理的能耗监测单元的数量,从而使得能耗监测分析的效率和准确性都得到进一步的提升。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它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。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种智慧园区能耗实时监测方法,其特征在于,具体包括:
获取园区内部的不同企业在不同日期的历史能耗数据,并基于所述历史能耗数据进行不同企业的能耗波动评估量的确定,判断所述企业的能耗波动评估量是否满足要求,若是,则进入下一步骤,若否,则将所述企业划分至单独的能耗监测单元;
通过不同企业的不同日期的历史能耗数据进行不同企业在不同的日期类型下的历史能耗数据的确定,并根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,基于所述能耗相似度进行相似用能企业的筛选;
获取不同的相似用能企业在不同的日期类型下的不同时段的能耗特征,并根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定;
以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业。
2.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,所述历史能耗数据根据所述企业的历史用电的监测数据进行确定,具体包括所述企业在不同日期的不同时段的历史能耗量。
3.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,所述企业的能耗波动评估量的确定的方法为:
通过所述企业的历史能耗数据以及日期类型进行不同日期类型下的不同日期的历史能耗数据的确定,并根据不同日期的历史能耗数据进行不同日期类型下的日均基准能耗的确定;
基于不同日期类型下的日均基准能耗与所述企业的历史能耗数据进行不同日期类型下的不同日期的能耗波动量的确定,通过所述能耗波动量进行所述企业在最近的预设时间内的不同日期类型下的波动日期的数量的确定,判断所述波动日期的数量是否小于预设日期数量,若是,则进入下一步骤,若否,则确定所述企业的能耗波动评估量不满足要求;
获取所述企业在最近的预设时间内的不同日期类型下的波动日期的数量以及不同的波动日期的能耗波动量的确定,并结合所述企业在最近的预设时间内的不同的日期的能耗波动量进行不同的日期类型下的日间波动评估量的确定,判断是否存在日间波动评估量不满足要求的日期类型,若是,则确定所述企业的能耗波动评估量不满足要求,若否,则进入下一步骤;
通过所述企业在最近的预设时间内的不同日期类型下的日期的数量进行不同的日期类型下的日间波动评估量的权重值的确定,并结合所述企业在不同的日期类型下的日间波动评估量进行所述企业的能耗波动评估量的确定。
4.如权利要求3所述的智慧园区能耗实时监测方法,其特征在于,所述日均基准能耗根据所述企业在最近的预设时间内的不同的日期类型下的每日的历史能耗数据的平均值进行确定。
5.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,当所述企业被划分至单独的能耗监测单元时,将所述企业作为单独的能耗监测主体进行所述企业的能耗数据的监测。
6.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,所述企业之间的能耗相似度的确定的方法为:
根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间在不同的日期类型下的不同日期的历史能耗量之间的比例的确定,并将其作为历史能耗比,将所述企业在最近的预设时间内的历史能耗比不满足要求的日期作为负荷偏差日期,判断所述负荷偏差日期的数量是否满足要求,若是,则进入下一步骤,若否,则确定所述不同企业之间不属于相似用能企业;
根据不同企业在不同的日期类型下的不同日期的历史能耗比进行历史能耗基准比例的确定,并判断不同企业在不同的日期类型下的历史能耗基准比例是否均满足要求,若是,则进入下一步骤,若否,则确定所述不同企业之间不属于相似用能企业;
通过所述历史能耗基准比例以及不同企业在不同的日期类型下的不同日期的历史能耗比进行不同日期的比例偏差量以及偏差日期的确定,判断不同企业之间在最近的预设时间内的偏差日期的数量是否满足要求,若是,则确定不同的企业之间不属于相似用能企业,若否,则进入下一步骤;
获取不同的日期类型下的偏差日期的数量以及不同的偏差日期的比例偏差量,并结合不同的日期类型下的负荷偏差日期的数量以及不同的负荷偏差日期的历史能耗比进行不同的企业之间在不同的日期类型下的类型能耗相似度的确定;
通过所述企业在最近的预设时间内的不同日期类型下的日期的数量进行不同的日期类型下的类型能耗相似度的权重值的确定,并结合所述企业在不同的日期类型下的类型能耗相似度进行所述企业之间的能耗相似度的确定。
7.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,基于所述能耗相似度进行相似用能企业的筛选,具体包括:
当所述企业之间的能耗相似度在预设相似度区间内时,则确定所述企业之间互为相似用能企业。
8.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,所述相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定的方法为:
获取所述相似用能企业在特定日期类型下的特性时段的历史能耗数据,并基于所述历史能耗数据进行所述相似用能企业在特定日期类型下的不同日期的特定时段的历史能耗量的偏差量以及历史能耗量之间的比例的确定,并将所述历史能耗量之间的比例作为时段历史能耗比;
通过不同日期的历史能耗量的偏差量以及时段历史能耗比进行所述相似用能企业的偏差量的基准值以及时段历史能耗比的基准值的确定,并基于所述偏差量的基准值以及时段历史能耗比的基准值进行不同日期的综合偏差量的确定;
通过所述综合偏差量进行所述相似用能企业在特定日期类型下的误差日期和相似日期的确定,并通过所述误差日期的数量以及不同的误差日期的综合偏差量、相似日期的数量以及不同的相似日期的综合偏差量进行所述相似用能企业在特定日期类型下的特定时段的能耗分布相似度的确定。
9.如权利要求1所述的智慧园区能耗实时监测方法,其特征在于,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业,具体包括:
以能耗波动阈值为约束条件,使不同的能耗监测单元的匹配用能企业的能耗波动量不大于所述能耗波动阈值,并使得不同的能耗监测单元的匹配用能企业的能耗波动量的数量和之间的差值最小以及能耗监测单元的数量最小为目标,确定能耗监测单元的数量,并将所述匹配用能企业划分至不同的能耗监测单元。
10.一种智慧园区能耗实时监测系统,采用权利要求1-9任一项所述的一种智慧园区能耗实时监测方法,其特征在于,具体包括:
能耗波动评估模块,用能企业筛选模块,匹配企业评估模块,监测单元划分模块;
所述能耗波动评估模块负责获取园区内部的不同企业在不同日期的历史能耗数据,并基于所述历史能耗数据进行不同企业的能耗波动评估量的确定;
所述用能企业筛选模块负责通过不同企业的不同日期的历史能耗数据进行不同企业在不同的日期类型下的历史能耗数据的确定,并根据不同企业在不同的日期类型下的历史能耗数据进行不同企业之间的能耗相似度的确定,基于所述能耗相似度进行相似用能企业的筛选;
所述匹配企业评估模块负责获取不同的相似用能企业在不同的日期类型下的不同时段的能耗特征,并根据能耗特征进行不同的相似用能企业在不同的日期类型下的不同时段的能耗分布相似度的确定,并结合所述能耗相似度进行不同的相似用能企业之间的综合相似度以及匹配用能企业的确定;
所述监测单元划分模块负责以能耗波动阈值为约束条件,基于匹配用能企业的能耗波动量和数量确定匹配用能企业的能耗监测单元的数量以及不同的能耗监测单元的匹配用能企业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737346.5A CN117421690B (zh) | 2023-12-18 | 2023-12-18 | 一种智慧园区能耗实时监测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737346.5A CN117421690B (zh) | 2023-12-18 | 2023-12-18 | 一种智慧园区能耗实时监测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117421690A true CN117421690A (zh) | 2024-01-19 |
CN117421690B CN117421690B (zh) | 2024-03-22 |
Family
ID=89530550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311737346.5A Active CN117421690B (zh) | 2023-12-18 | 2023-12-18 | 一种智慧园区能耗实时监测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117421690B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521714A (zh) * | 2011-12-29 | 2012-06-27 | 国网信息通信有限公司 | 构建kpi等级模型的方法及装置、能耗评估方法及系统 |
CN104680313A (zh) * | 2015-02-10 | 2015-06-03 | 北京国电通网络技术有限公司 | 城市高耗能企业监测筛选方法 |
CN110390441A (zh) * | 2019-07-30 | 2019-10-29 | 北京百度网讯科技有限公司 | 用能预测方法及装置 |
CN110472678A (zh) * | 2019-08-06 | 2019-11-19 | 国家电网有限公司 | 基于改进svm的电力企业信息系统异常检测方案的优化方法 |
CN113341855A (zh) * | 2021-06-22 | 2021-09-03 | 郑州天健湖大数据产业园发展有限公司 | 应用于智慧园区的综合能耗监测系统 |
CN114091783A (zh) * | 2021-11-30 | 2022-02-25 | 广东电网有限责任公司 | 一种企业用电预警方法、装置、计算机设备和存储介质 |
WO2022052570A1 (zh) * | 2020-09-09 | 2022-03-17 | 日立楼宇技术(广州)有限公司 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
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 |
CN115524554A (zh) * | 2022-09-09 | 2022-12-27 | 杨本国 | 一种智慧园区综合运营管理方法及系统 |
CN115620497A (zh) * | 2022-09-30 | 2023-01-17 | 绿城科技产业服务集团有限公司 | 一种园区能耗预警方法及预警系统 |
CN116757473A (zh) * | 2023-06-16 | 2023-09-15 | 河南鑫安利安全科技股份有限公司 | 一种智慧园区安全风险智能控制方法与系统 |
CN117035513A (zh) * | 2023-08-07 | 2023-11-10 | 江西青年云产业管理有限公司 | 一种智慧工业园区能源运行智能监测管理系统及方法 |
CN117077899A (zh) * | 2023-10-16 | 2023-11-17 | 四川邕合科技有限公司 | 一种智慧园区耗能异常监测分析方法、系统、终端及介质 |
CN117131391A (zh) * | 2023-07-12 | 2023-11-28 | 杭州龙源电力有限公司电力建设分公司 | 基于智慧能源平台的企业能耗分析与告警方法 |
CN117196351A (zh) * | 2023-11-06 | 2023-12-08 | 中节能物业管理有限公司 | 一种基于物联网的智能建筑能耗监测方法与系统 |
-
2023
- 2023-12-18 CN CN202311737346.5A patent/CN117421690B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521714A (zh) * | 2011-12-29 | 2012-06-27 | 国网信息通信有限公司 | 构建kpi等级模型的方法及装置、能耗评估方法及系统 |
CN104680313A (zh) * | 2015-02-10 | 2015-06-03 | 北京国电通网络技术有限公司 | 城市高耗能企业监测筛选方法 |
CN110390441A (zh) * | 2019-07-30 | 2019-10-29 | 北京百度网讯科技有限公司 | 用能预测方法及装置 |
CN110472678A (zh) * | 2019-08-06 | 2019-11-19 | 国家电网有限公司 | 基于改进svm的电力企业信息系统异常检测方案的优化方法 |
WO2022052570A1 (zh) * | 2020-09-09 | 2022-03-17 | 日立楼宇技术(广州)有限公司 | 能耗异常状态检测方法、装置、计算机设备和存储介质 |
CN113341855A (zh) * | 2021-06-22 | 2021-09-03 | 郑州天健湖大数据产业园发展有限公司 | 应用于智慧园区的综合能耗监测系统 |
CN114091783A (zh) * | 2021-11-30 | 2022-02-25 | 广东电网有限责任公司 | 一种企业用电预警方法、装置、计算机设备和存储介质 |
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 |
CN115524554A (zh) * | 2022-09-09 | 2022-12-27 | 杨本国 | 一种智慧园区综合运营管理方法及系统 |
CN115620497A (zh) * | 2022-09-30 | 2023-01-17 | 绿城科技产业服务集团有限公司 | 一种园区能耗预警方法及预警系统 |
CN116757473A (zh) * | 2023-06-16 | 2023-09-15 | 河南鑫安利安全科技股份有限公司 | 一种智慧园区安全风险智能控制方法与系统 |
CN117131391A (zh) * | 2023-07-12 | 2023-11-28 | 杭州龙源电力有限公司电力建设分公司 | 基于智慧能源平台的企业能耗分析与告警方法 |
CN117035513A (zh) * | 2023-08-07 | 2023-11-10 | 江西青年云产业管理有限公司 | 一种智慧工业园区能源运行智能监测管理系统及方法 |
CN117077899A (zh) * | 2023-10-16 | 2023-11-17 | 四川邕合科技有限公司 | 一种智慧园区耗能异常监测分析方法、系统、终端及介质 |
CN117196351A (zh) * | 2023-11-06 | 2023-12-08 | 中节能物业管理有限公司 | 一种基于物联网的智能建筑能耗监测方法与系统 |
Non-Patent Citations (2)
Title |
---|
郭明珠;石怀德;袁静伟;肖文举;: "智能用电技术研究与实践", 电气应用, no. 2, 31 December 2013 (2013-12-31) * |
魏鹤婵;: "基于大数据的电能计量系统客户用电规律研究", 微型电脑应用, no. 09, 20 September 2020 (2020-09-20) * |
Also Published As
Publication number | Publication date |
---|---|
CN117421690B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
US11876374B2 (en) | System and method for optimal control of energy storage system | |
CN114362189A (zh) | 一种可调节负荷参与需求响应的调用方法、系统及装置 | |
CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和系统 | |
CN104834984A (zh) | 一种基于统一互联电力市场的电力交易监管风险预警系统 | |
CN116579590B (zh) | 一种虚拟电厂中的需求响应评估方法和系统 | |
CN110378510B (zh) | 一种基于时间序列和层次聚合的配网物资需求预测方法 | |
CN114878934A (zh) | 一种电能耗数据异常预警方法 | |
CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
CN117421690B (zh) | 一种智慧园区能耗实时监测方法与系统 | |
CN114186733A (zh) | 一种短期负荷预测方法和装置 | |
CN117273284A (zh) | 一种面向企业用电平衡的异常数据监测系统 | |
CN117196351A (zh) | 一种基于物联网的智能建筑能耗监测方法与系统 | |
Moslemi et al. | A machine learning based demand charge management solution | |
CN116644920A (zh) | 一种智能停电管理方法及系统 | |
CN111680829A (zh) | 一种考虑充放成本的分布式储能集群调度方法 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN116896086A (zh) | 考虑需求响应的虚拟电厂可调资源调控系统及方法 | |
CN117786370B (zh) | 一种网格化服务终端用信息智能分析系统 | |
CN116167652A (zh) | 一种基于共享云底座的省市两级算力资源考核评价方法 | |
CN112416561B (zh) | 一种面向目标计数任务场景的资源动态调度与管理方法 | |
CN116885763B (zh) | 一种适用于分布式储能系统的能量管理装置及方法 | |
CN117391591B (zh) | 一种基于数字孪生的智能仓储优化系统 | |
CN117495203B (zh) | 基于储能系统的多目标电能管理方法及系统 | |
CN118040737A (zh) | 一种面向辅助服务混合储能容量配置方法和系统 |
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 |