CN117456709A - 用于碳计量多表合一集中器装置、控制方法、系统及介质 - Google Patents
用于碳计量多表合一集中器装置、控制方法、系统及介质 Download PDFInfo
- Publication number
- CN117456709A CN117456709A CN202311110087.3A CN202311110087A CN117456709A CN 117456709 A CN117456709 A CN 117456709A CN 202311110087 A CN202311110087 A CN 202311110087A CN 117456709 A CN117456709 A CN 117456709A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- carbon
- energy consumption
- meter
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 171
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000010354 integration Effects 0.000 title abstract description 3
- 238000005265 energy consumption Methods 0.000 claims abstract description 152
- 238000012544 monitoring process Methods 0.000 claims abstract description 88
- 230000003993 interaction Effects 0.000 claims abstract description 52
- 238000004891 communication Methods 0.000 claims abstract description 49
- 238000001816 cooling Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 21
- 230000002452 interceptive effect Effects 0.000 claims description 33
- 230000005540 biological transmission Effects 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 17
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 10
- 239000007789 gas Substances 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 9
- 230000005611 electricity Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 5
- 239000001569 carbon dioxide Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 239000002737 fuel gas Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000006403 short-term memory Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010411 cooking Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- -1 electricity Substances 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/2039—Modifications to facilitate cooling, ventilating, or heating characterised by the heat transfer by conduction from the heat generating element to a dissipating body
- H05K7/20509—Multiple-component heat spreaders; Multi-component heat-conducting support plates; Multi-component non-closed heat-conducting structures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C23/00—Non-electrical signal transmission systems, e.g. optical systems
- G08C23/04—Non-electrical signal transmission systems, e.g. optical systems using light waves, e.g. infrared
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C25/00—Arrangements for preventing or correcting errors; Monitoring arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/54—Systems for transmission via power distribution lines
- H04B3/544—Setting up communications; Call and signalling arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
- H04Q9/02—Automatically-operated arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C2201/00—Transmission systems of control signals via wireless link
- G08C2201/10—Power supply of remote control devices
- G08C2201/11—Energy harvesting
- G08C2201/114—Solar power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/10—Arrangements in telecontrol or telemetry systems using a centralized architecture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Thermal Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Signal Processing (AREA)
- Selective Calling Equipment (AREA)
Abstract
本说明书实施例提供一种用于碳计量多表合一集中器装置、控制方法、系统及介质,该装置包括通信部件、处理器、交互部件、自检模块以及冷却部件;通信部件与至少一组计量表通过电力线载波通信连接,被配置为获取至少一组计量表的能耗数据并传输至处理器;交互部件被配置为与用户终端进行交互,交互的交互内容包括能耗数据、碳计量数据和用户输入信息中的至少一种;冷却部件包括分布式散热片;冷却部件被配置为对多表合一集中器装置进行散热;处理器与通信部件、交互部件、自检模块和冷却部件通信连接;处理器被配置为根据接收到的能耗数据确定碳计量数据,以及控制交互部件进行交互和控制自检模块进行自检以确定是否存在数据监测问题。
Description
技术领域
本说明书涉及碳计量领域,特别涉及一种用于碳计量多表合一集中器装置、控制方法、系统及介质。
背景技术
能源危机及全球气候变化等问题引起了人们日益广泛的关注。减少化石燃料的过度消耗、实现低碳发展成为各国各行业的共同目标。燃气、水、电供应行业作为重要的能源供应部分,也是消耗化石燃料的主要行业,由此造成了大量的碳排放。碳排放量的准确计量,可以促进低碳转型和节能减排的实行。燃气、水、电行业的碳排放量的计量方法主要是基于能源云网平台接入的燃气数据,采用排放因子法,计算分析用能单位的能源活动产生的二氧化碳排放量。该计算过程中使用的燃气、水、电数据由集中器采集获取,并不涉及采集燃气、、水、电数据的集中器是否存在数据监测问题的联动判断,且采用排放因子法分析用能单位的能源活动产生的二氧化碳排放量过程中涉及的变量较多,不易控制,耗费人力物力较多,计算结果误差较大。
因此,希望提供一种用于碳计量多表合一集中器装置、控制方法、系统及介质,能够基于获取的至少一个计量表的能耗数据,评估至少一个计量表发生数据监测问题的可能性大小,以及响应于无数据监测问题,通过简单的换算公式,获取碳计量数据,提高碳计量数据的准确度和灵活性、适应性。
发明内容
本说明书一个或多个实施例提供一种用于碳计量多表合一集中器装置。所述多表合一集中器装置包括:通信部件、处理器、交互部件、自检模块以及冷却部件;所述通信部件与至少一组计量表通过电力线载波通信连接,被配置为获取所述至少一组计量表的能耗数据并传输至所述处理器;所述交互部件被配置为与用户终端进行交互,所述交互的交互内容包括所述能耗数据、碳计量数据和用户输入信息中的至少一种;所述冷却部件包括分布式散热片;所述冷却部件被配置为对所述多表合一集中器装置进行散热;所述处理器与所述通信部件、所述交互部件、所述自检模块和所述冷却部件通信连接;所述处理器被配置为根据接收到的所述能耗数据确定所述碳计量数据,以及控制所述交互部件进行交互和控制所述自检模块进行自检以确定是否存在数据监测问题。
本说明书一个或多个实施例提供一种用于碳计量多表合一集中器装置的控制方法。所述使用方法由用于碳计量多表合一集中器装置的处理器执行,所述多表合一集中器装置包括通信部件、所述处理器、交互部件、自检模块以及冷却部件;所述通信部件与至少一组计量表通过电力线载波通信连接,被配置为获取所述至少一组计量表的能耗数据并传输至所述处理器;所述交互部件被配置为与用户终端进行交互,所述交互的交互内容包括所述能耗数据、碳计量数据和用户输入信息中的至少一种;所述冷却部件包括分布式散热片;所述冷却部件被配置为对所述多表合一集中器装置进行散热;所述处理器与所述通信部件、所述交互部件、所述自检模块和所述冷却部件通信连接;所述使用方法包括:获取所述至少一组计量表的能耗数据;以及根据接收到的所述能耗数据确定所述碳计量数据,以及控制所述交互部件进行交互和控制所述自检模块进行自检以确定是否存在数据监测问题。
本说明书一个或多个实施例提供一种用于碳计量多表合一集中器系统,所述系统包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现用于碳计量多表合一集中器装置的控制方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行用于碳计量多表合一集中器装置的控制方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的用于碳计量多表合一集中器装置的模块图;
图2是根据本说明书一些实施例所示的用于碳计量多表合一集中器的控制方法的示例性流程图;
图3是根据本说明书一些实施例所示的用于碳计量多表合一集中器装置的另一控制方法的示例性流程图;
图4是根据本说明书一些实施例所示的碳计量模型的示例图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的用于碳计量的多表合一集中器装置的模块示意图。
在一些实施例中,所述用于碳计量多表合一集中器装置100包括通信部件110、处理器120、交互部件130、自检模块140以及冷却部件150。
在一些实施例中,通信部件110与至少一组计量表通过电力线载波通信连接,被配置为获取至少一组计量表的能耗数据并传输至处理器120。
电力线载波通信是指以输电线路为载波信号的传输媒介的电力系统通信技术。
计量表可以包括燃气表、电表、水表等。
能耗数据是指用户的水、电、燃气、热能等的消耗数据。在一些实施例中,通信部件110可以通过至少一组计量表,获取能耗数据。
在一些实施例中,交互部件130被配置为与用户终端进行交互。在一些实施例中,交互内容可以包括能耗数据、碳计量数据和用户输入信息中的至少一种。
用户终端是指用户所使用的终端,如,手持终端等。
在一些实施例中,交互部件130与用户终端之间可以基于wifi、蓝牙连接等方式,进行交互。
碳计量数据是指根据能耗数据计量出的二氧化碳排放数据。
在一些实施例中,用户输入信息可以包括查询请求、能耗数据使用信息等中的一种或多种。
在一些实施例中,交互部件130可以包括数据传输部件和交互屏。
在一些实施例中,交互屏可以包括红外感应部件。在一些实施例中,交互屏可以被配置为响应于红外感应部件感应到红外信息,改变屏幕亮度并显示交互内容。
数据传输部件是指用于数据传输的部件,如,无线通信部件。无线通信部件可以包括蓝牙通信部件、wifi通信部件等。
红外感应部件是指具有红外感应功能的部件,如,红外感应器。在一些实施例中,红外感应部件可以用于感应是否有人靠近,并在感应到有人靠近时进行灯光提示。
红外信息是指与红外线有关的信息,如,反映有人靠近的红外信息。
在一些实施例中,交互部件还被配置为基于红外感应部件的感应结果,将数据监测问题和/或碳排放通知发送给用户终端和/或在交互屏显示。
感应结果可以包括红外感应部件感应到有人靠近或者是红外感应部件没有感应到有人靠近。
数据监测问题是指与数据监测有关的问题。
在一些实施例中,数据监测问题可以包括数据采集异常、数据传输异常、数据不匹配中的至少一种。
数据采集异常是指多表合一集中器装置自动采集电能表或采集器的能耗数据的过程中出现异常。采集器是指能够对至少一组计量表的能耗数据进行采集和处理的设备。
数据传输异常是指多表合一集中器装置对采集的能耗数据进行传输的过程中出现异常。
数据不匹配是指多表合一集中器装置采集的能耗数据与用户的实际能耗数据不匹配。
在一些实施例中,数据监测问题还可以包括碳计量异常。碳计量异常是指获得的碳计量数据的异常。
在一些实施例中,处理器可以控制自检模块进行自检以确定是否存在数据监测问题。
碳排放通知是指给用户提供的相关于碳排放量的通知,如,提醒用户能耗数据过高等。
在一些实施例中,当红外感应部件感应到有人靠近时,交互部件可以将数据监测问题和/或碳计量数据发送给用户终端和/或在交互屏显示;当红外感应部件没有感应到有人靠近时,交互部件可以将数据监测问题和/或碳计量数据仅发送给用户终端进行显示。
在本说明书的一些实施例中,通过在交互屏设置红外感应部件,当用户靠近交互屏时,自动高亮,方便用户进行交互内容的查看。
在一些实施例中,自检模块140可以被配置为对用于碳计量多表合一集中器装置100的自身运行状态进行自我检查,如,对用于碳计量多表合一集中器装置的散热情况(如,温度高低、是否涉及杂质清理等)、数据传输情况(如,数据传输是否卡死、滞后等问题)、通信质量、线路连接情况等中的一种或多种,进行自我检查。
在一些实施例中,冷却部件150可以包括分布式散热片。在一些实施例中,冷却部件150可以被配置为对用于碳计量多表合一集中器装置进行散热。
在一些实施例中,处理器120可以与通信部件110、交互部件130、自检模块140和冷却部件150通信连接。在一些实施例中,处理器120可以被配置为根据接收到的能耗数据确定碳计量数据,以及控制交互部件进行交互和控制自检模块进行自检以确定是否存在数据监测问题。关于该部分的更多说明,请参见图2中步骤220中的说明。
在一些实施例中,数据监测问题包括碳计量异常,处理器110还可以被配置为基于未来不同预设时间段的碳计量预测数据的偏差值,评估未来发生数据监测问题的概率,以及响应于未来发生所述数据监测问题的概率满足第一预设条件,控制交互部件130提前将碳排放预警信息发送至用户终端。关于该部分的更多说明,请参见图2中步骤230的说明。
在一些实施例中,处理器120还可以执行如图3所示功能,具体参见图3中的描述。
在一些实施例中,用于碳计量多表合一集中器装置100还可以包括太阳能充电电池160。在一些实施例中,太阳能充电电池160可以用于对通信部件110、处理器120、交互部件130以及自检模块140中的至少一个进行临时供电。
在一些实施例中,交互部件130还被配置为基于用户输入信息,以及太阳能充电电池160的电能消耗信息,确定后续发送数据的数据传输策略;以及基于数据传输策略,将未来预设时间的碳计量预测数据发送至用户终端。
电能消耗信息是指与太阳能充电电池的电能消耗有关的信息。太阳能充电电池的电能消耗信息可以用于判断用于碳计量多表合一集中器装置是否处于临时供电的情形,如,太阳能充电电池处于电能消耗中,则判断用于碳计量多表合一集中器装置处于临时供电的情形。
在一些实施例中,发送数据可以包括数据监测问题和/或碳排放通知。
数据传输策略是指针对发送数据的传输策略。在一些实施例中,数据传输策略可以包括数据的发送时间、发送范围以及发送方式(如,无线传输、有线传输等)。
在一些实施例中,交互部件可以基于用户输入信息(如,查询请求等),以及太阳能充电电池的电能消耗信息,确定后续发送数据的发送时间、发送范围以及发送方式。
例如,电能消耗信息显示太阳能充电电池处于临时供电的情形,则可以判断此时用于碳计量多表合一集中器装置的外部供电处于停电状态,进而无法使用电线进行电力线载波通信,并且若用户输入的查询请求所涉及的内容较少,则可以采用无线通信的方式,及时发送用户的查询请求所对应的内容到用户终端进行显示;若用户输入的查询请求所涉及的内容较多,而采用无线通信的方式比较费电,则可以待外部供电恢复后,再发送用户的查询请求所对应的内容到用户终端进行显示。
碳计量预测数据是指多表合一集中器装置计量的用户未来预设时间段的二氧化碳排放量数据。
在一些实施例中,处理器可以基于用户的能耗数据、时间特征、存在数据监测问题的概率,统计确定各个历史时间特征对应的能耗数据;基于各个历史时间特征对应的能耗数据,预测未来预设时间段的能耗数据;以及基于未来预设时间段的能耗数据,预测未来预设时间段的碳计量预测数据。
在一些实施例中,能耗数据可以包括用户当前的能耗数据和历史的能耗数据。
时间特征是指与能耗数据的传输时间、发生时间和/或处理时间相关的特征。例如,时间特征可以包括能耗数据的传输时间、发生时间、处理时间等中的一种或多种。
在一些实施例中,时间特征不同,时间特征对应的能耗数据可以不同,进而碳计量数据可以不同。
在一些实施例中,关于处理器如何确定数据监测问题的概率的方法,具体参见图3中步骤320中的说明。
在一些实施例中,处理器可以基于未来预设时间段所对应的时间特征,在统计确定的各个历史时间特征中确定与未来预设时间段所对应的时间特征匹配度最高(如,历史时间特征与未来预设时间段所对应的时间特征之间的距离最短等)的历史时间特征,然后将该历史时间特征所对应的能耗数据,作为未来预设时间段所对应的能耗数据。
在一些实施例中,处理器可以基于未来预设时间段的能耗特征与碳计量数据之间的已知对应关系(如,家用天然气二氧化碳排放量(kg)=天然气的能耗数据(m3)×0.19),预测未来预设时间段的碳计量预测数据。
在一些实施例中,处理器还可以基于至少一组计量表的能耗数据、存在数据监测问题的概率以及时间特征,通过碳计量模型,预估获得碳计量预测数据。关于碳计量模型的更多说明,请参见图4及其说明。
需要注意的是,以上对于用于碳计量的多表合一集中器装置及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的通信部件、处理器、交互部件、自检模块以及冷却部件可以是一个装置中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的用于碳计量多表合一集中器装置的控制方法的示例性流程图。在一些实施例中,流程200可以由用于碳计量多表合一集中器装置100的处理器120执行。如图2所示,流程200包括下述步骤210-步骤240。
步骤210,获取至少一组计量表的能耗数据。
关于能耗数据的定义,请参见图1通信部件中的相关说明。
在一些实施例中,处理器可以根据预设的抄表方案自动采集至少一组计量表或采集器的数据,获取至少一组计量表的能耗数据。预设的抄表方案可以为本领域技术人员根据经验预设。采集器的位置可以处于计量表和用于碳计量多表合一集中器装置之间。
步骤220,根据接收到的能耗数据确定碳计量数据,以及控制交互部件进行交互和控制自检模块进行自检以确定是否存在数据监测问题。
关于碳计量数据的说明,请参见图1交互部件中的相关说明。
在一些实施例中,处理器可以根据接收到的能耗数据,通过能耗数据与碳计量数据之间已知的对应关系,确定碳计量数据。
关于数据监测问题、交互部件、控制自检模块的说明请参见图1中的相关说明。
在一些实施例中,用于碳计量多表合一集中器装置的控制方法还可以包括如下步骤230-步骤240。
步骤230,基于未来不同预设时间段的碳计量预测数据的偏差值,评估未来发生数据监测问题的概率。
未来不同预设时间段是指多个具有不同时间特征的未来预设时间段。关于时间特征的说明,请参见图1中的相关说明。
关于碳计量预测数据、数据监测问题的说明,请参见图1中相关说明。
碳计量预测数据的偏差值是指碳计量预测数据与标准值之间的差异。标准值是指多表合一集中器装置连接的所有用户的碳计量预测数据的均值。例如,碳计量预测数据的偏差值可以为多表合一集中器装置连接的某一用户在某个未来预设时间段的碳计量预测数据与该时间段内多表合一集中器装置连接的所有用户的碳计量预测数据的均值之间的差异。
关于如何获取碳计量预测数据的说明,请参见图1中的相关描述。
在一些实施例中,碳计量预测数据的偏差值可以相关于碳计量预测数据的可靠度。
碳计量预测数据的可靠度是指碳计量预测数据的可靠程度。
在一些实施例中,处理器可以通过碳计量模型,获取碳计量预测数据的可靠度,关于碳计量模型的说明,请参见图4及其说明。
在一些实施例中,处理器可以通过如下与碳计量预测数据的可靠度有关的计算公式,计算获得碳计量预测数据的偏差值:
某个用户的碳计量预测数据的偏差值=该用户的碳计量预测数据*该用户的碳计量预测数据的可靠度/(Σ用户碳计量多表合一集中器装置连接的所有用户中的每个用户的碳计量预测数据*各自的碳计量预测数据的可靠度/用户碳计量多表合一集中器装置连接的所有用户数量)。
在本说明书的一些实施例中,通过合理地预测不同用户在不同未来预设时间段的碳计量预测数据,进而根据碳计量预测数据来合理评估未来发生数据监测问题的概率,以预先对大概率发生的碳排放问题进行预警,以便用户能够基于碳排放问题,参与进节能减排的实施行动中,进一步提高用于碳计量的多表合一集中器装置的灵活性和适应性。
在一些实施例中,处理器可以基于未来不同预设时间段的碳计量预测数据的偏差值的大小,评估未来发生数据监测问题的概率,如,未来预设时间段的碳计量预测数据的偏差值越大,未来发生数据监测问题的概率越高。
步骤240,响应于未来发生数据监测问题的概率满足第一预设条件,控制交互部件提前将碳排放预警信息发送至用户终端。
第一预设条件是指针对未来预测的能耗数据,预先设置的未来发生数据监测问题的概率需要满足的条件,如,未来发生数据监测问题的概率大于第一概率阈值。第一概率阈值可以为本领域技术人员根据经验预设。
碳排放预警信息是指在碳排放还没发生时,对碳排放量的预先警告通知信息,如,碳排放量可能超标等。关于用户终端的说明,请参见图1中的相关说明。
在一些实施例中,处理器可以响应于未来发生数据监测问题的概率大于概率阈值,控制交互部件提前将碳排放预警信息发送至用户终端。
在本说明书的一些实施例中,通过设置自检模块进行自检,以确定至少一个计量表是否存在数据监测问题,以及响应于无数据监测问题,通过监测获得的至少一组计量表的能耗数据,进行简单的换算公式,实现快速准确确定碳计量数据,从而提高碳计量数据的准确度和灵活性、适应性。
另外,通过基于监测获得的碳计量预测数据,评估未来发生碳计量异常的概率,以及响应于未来发生碳计量异常的概率较大的情况下,控制交互部件提前将碳排放预警信息发送至用户终端进行提醒,以便用户能够更好的参与进节能减排的实施行动中,进一步提高用于碳计量多表合一集中器装置的灵活性和适应性。
图3是根据本说明书一些实施例所示的用于碳计量多表合一集中器装置的另一控制方法的示例性流程图。用于碳计量的表合一集中器装置的另一控制方法包括控制交互部件将数据监测问题和/或碳排放通知发送至用户终端和/或在交互屏显示以及评估是否发生数据监测问题。在一些实施例中,流程300可以由用于碳计量的多表合一集中器装置100的处理器120执行。如图3所示,流程300包括下述步骤310-步骤340。
步骤310,基于通信部件,获取时间特征。
关于通信部件的说明,请参见图1中的相关描述。
在一些实施例中,时间特征可以包括能耗数据的使用时间、传输时间中的至少一种。传输时间是指各个用户对应的能耗数据在电力线载波通信上传输的先后时间。关于时间特征的更多说明,请参见图1中的相关描述。
在一些实施例中,处理器可以基于电力线载波从至少一组计量表获取时间特征。
在一些实施例中,处理器可以通过通信部件,基于电力线载波通信从至少一组计量表获取至少一组计量表的能耗数据;基于至少一组计量表的能耗数据,确定能耗数据使用频率;以及基于能耗数据使用频率,确定能耗数据传输时间。
能耗数据使用频率是指用户在单位时间内使用能耗数据的次数。
在一些实施例中,处理器可以基于至少一组计量表的能耗数据,获取至少一组计量表的能耗数据对应的时间特征,然后根据时间特征(如,燃气对应的使用日期),确定燃气使用频率。
在一些实施例中,处理器可以基于能耗数据使用频率的高低,确定能耗数据传输时间,如,能耗数据使用频率高的用户的能耗数据优先在电力线载波上传输和处理。
在本说明书的一些实施例中,基于能耗数据使用频率,确定能耗数据传输时间,然后再基于该能耗数据传输时间,对能耗数据使用频率高的用户的能耗数据,优先在电力线载波上传输和处理,避免出现获取的至少一组计量表的能耗数据出现遗漏的情况,保证最终采集获取的能耗数据的准确可靠。
步骤320,基于与至少一组计量表的能耗数据以及时间特征,评估发生数据监测问题的概率。
关于能耗数据、数据监测问题的说明,请参见图1中的相关说明。
在一些实施例中,处理器可以基于与至少一组计量表的能耗数据以及时间特征,获取每组计量表的能耗数据与该能耗数据的时间特征所对应的标准能耗数据的匹配程度,以及基于匹配程度,确定每组计量表发生数据监测问题的概率。
匹配程度是指采集的计量表的实际能耗数据与该实际能耗数据的时间特征所对应的标准能耗数据之间的相似程度。实际能耗数据的时间特征所对应的标准能耗数据可以为本领域技术人员根据经验预设。
在一些实施例中,处理器可以基于时间特征对应的标准能耗数据与用户实际的能耗数据的相似度,确定匹配程度,如,相似度越高,匹配程度越高。例如,如果获取的某一用户半夜的能耗数据为消耗了4立方米燃气,而该类用户(如,居民用户)半夜对应的标准能耗数据为0,则可以判断该用户的能耗数据跟对应时间特征不匹配。
在一些实施例中,处理器可以基于匹配程度的高低,确定每组计量表发生数据监测问题的概率,如,匹配程度越低,发生数据监测问题的概率越高。
步骤330,响应于数据监测问题的概率满足第二预设条件,控制交互部件将数据监测问题和/或碳排放通知发送至用户终端和/或在交互屏显示。
第二预设条件是指针对历史监测的能耗数据,预先设置的数据监测问题的概率需要满足的条件,如,数据监测问题的概率大于第二概率阈值。第二概率阈值可以为本领域技术人员根据经验预设。第二概率阈值和第一概率阈值可以不同,也可以相同。
在一些实施例中,碳排放通知可以包括碳计量数据。关于碳排放通知的更多说明,请参见图1中的相关说明。
在一些实施例中,处理器可以响应于数据监测问题的概率大于第二概率阈值,控制交互部件将数据监测问题和/或碳排放通知发送至用户终端和/或在交互屏显示。
在一些实施例中,当处理器控制交互部件将数据监测问题和/或碳排放通知发送至用户终端和/或在交互屏显示后,若用户反馈没有发生该数据监测问题,处理器还可以控制自检模块进行自检以确定用于碳计量多表合一集中器装置是否存在数据监测问题;若用户反馈发生该数据监测问题,处理器还可以对该能耗数据检测问题(如,燃气、电、水等泄露问题)进行预警。
在一些实施例中,当处理器控制交互部件将数据监测问题和/或碳排放通知发送至用户终端和/或在交互屏显示后,还可以采用如下步骤340评估是否发生数据监测问题。
步骤340,响应于数据监测问题的概率满足第二预设条件,基于至少一组计量表的能耗数据在预设时间段内的累计偏差值是否超过偏差阈值,评估是否发生数据监测问题。
在一些实施例中,预设时间段可以包括多个子时间段,如,预设时间段可以包括一天,则子时间段可以包括晚饭时间段(如,18:30-20:00)、凌晨时间段(3:00-5:00)以及其它时间段等。
累计偏差值是指基于多个子时间段的偏差值所获得的偏差值。
子时间段的偏差值是指多表合一集中器装置连接的某个用户在某个子时间段下的实际能耗数据与该子时间段下的基准能耗数据之间的差异值。基准能耗数据是指多表合一集中器装置连接的所有用户的某个子时间段下的能耗数据的平均值。
偏差阈值是指累计偏差值的阈值,可以为本领域技术人员根据经验预设。
在一些实施例中,处理器可以基于多个子时间段的偏差值,加权求和确定累计偏差值。
在一些实施例中,子时间段的偏差值对应的权重相关于子时间段对应的时间特征。例如,若预设时间段的子时间段包括晚饭时间段和凌晨时间段,晚饭时间段有人用燃气做饭,有人点外卖,晚饭时间段采集的至少一组计量表的能耗数据可能差异较大,则可以判断该子时间段下的实际能耗数据跟该子时间段下的基准能耗数据之间的差异值大是合理的,则晚饭时间段对应的权重可以设置比较小;凌晨时间段,若该子时间段下的实际能耗数据跟该子时间段下的基准能耗数据之间的差异值大,则可以判断该差异值大是不合理的,则凌晨时间段对应的权重可以设置较大。
在一些实施例中,处理器可以响应于数据监测问题的概率大于第二概率阈值,基于至少一组计量表的能耗数据在预设时间段内的累计偏差值是否超过偏差阈值,评估是否发生数据监测问题。例如,处理器可以响应于数据监测问题的概率大于第二概率阈值,如果至少一组计量表的能耗数据在预设时间段内的累计偏差值中,只有一组计量表的能耗数据在预设时间段内的累计偏差值超过偏差阈值,则处理器可以评估没有发生数据监测问题,为用户自身问题;如果至少一组计量表的能耗数据在预设时间段内的累计偏差值中,有多组(如,3组及以上)计量表的能耗数据在预设时间段内的累计偏差值超过偏差阈值,则处理器可以评估发生数据监测问题。
在本说明书的一些实施例中,通过基于与至少一组计量表的能耗数据,并引入时间特征,以准确确定发生数据监测问题的概率,然后响应于发生数据监测问题的概率较大的情况下,及时控制交互部件发送数据监测问题和碳排放通知告知用户,以便用户参考数据监测问题和碳排放通知,更好的参与进节能减排的实施行动中以及确保获得准确的碳计量数据,进一步提高提高碳计量数据的准确度和灵活性、适应性。
另外,为了保证更准确地判断是否存在数据监测问题,降低误判概率,通过统计多个用户中的每个用户在一个较长时间段内不同子时间段的偏差值,然后通过合理的加权计算分别确定不同用户的累计偏差值,以确定累计偏差值超过偏差阈值的用户数量,通过联动判断的方式,准确判断是存在数据监测问题还是用户自身问题,以便及时进行通知提醒或执行自检操作,避免耽误燃气系统的正常运行。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,流程300可以只包括步骤310-步骤330。
图4是根据本说明书一些实施例所示的碳计量模型的示例图。
在一些实施例中,碳计量模型可以用于对至少一组计量表的能耗数据、存在数据监测问题的概率以及时间特征进行处理,确定碳计量预测数据及其对应的可靠度。
在一些实施例中,碳计量模型可以为机器学习模型。
在一些实施例中,碳计量模型的类型可以包括长短时记忆网络(Long Short TermMemory,LSTM)和神经网络(NeuralNetworks,NN)等。
在一些实施例中,碳计量模型可以包括嵌入层和评估层。嵌入层可以为长短时记忆网络(Long Short Term Memory,LSTM)。评估层可以为神经网络(Neural Networks,DNN)。
在一些实施例中,嵌入层可以用于对至少一组计量表的能耗数据和存在数据监测问题的概率进行处理,确定能耗特征。
在一些实施例中,输入嵌入层的能耗数据可以包括历史的能耗数据、当前的能耗数据和未来的能耗数据。历史的能耗数据是指历史预设时间段所对应的能耗数据。当前的能耗数据是指是指当前预设时间段所对应的能耗数据。未来的能耗数据是指未来预设时间段所对应的能耗数据。关于能耗数据的更多说明,请参见图1中的相关说明。关于数据监测问题的概率的说明,请参见图3中的相关说明。
能耗特征是指对能耗数据进行数据处理后获得的满足一定规则/格式的数据序列。
在一些实施例中,评估层可以用于对时间特征和嵌入层输出的能耗特征进行处理,确定碳计量预测数据及其对应的可靠度。
在一些实施例中,输入评估层的时间特征可以包括历史时间特征、当前时间特征和未来时间特征。历史时间特征为历史的能耗数据所对应的时间特征,当前时间特征为当前的能耗数据所对应的时间特征,未来时间特征为未来的能耗数据所对应的时间特征。未来时间特征是指未来预设时间段所对应的时间特征。在一些实施例中,未来时间特征可以基于历史的时间特征确定,如,未来时间特征可以为相同条件(如,每天同一时间段、同一用户、同一事件(如,中午做饭等)等)下的历史能耗数据所对应的历史的时间特征。例如,处理器可以将某一用户在历史某一天中午做饭所对应的能耗数据的历史的时间特征作为该用户在未来某一天中午做饭时所对应的能耗数据的未来时间特征。
关于时间特征和碳计量预测数据的更多说明,请参见图1中的相关说明。关于碳计量预测数据的可靠度的说明,请参见图2步骤230中的相关说明。
在一些实施例中,碳计量模型可以基于大量带有标签的训练样本,由嵌入层和评估层,联合训练得到。
训练样本可以包括至少一个历史样本计量表的能耗数据、历史样本存在数据监测问题的概率以及历史样本计量表的能耗数据所对应的历史样本时间特征,训练标签为历史样本碳计量预测数据及其可靠度。
历史样本计量表的能耗数据可以包括历史样本计量表的历史能耗数据、历史样本计量表的当前能耗数据和历史样本计量表的未来能耗数据。
历史样本时间特征可以包括历史样本的历史时间特征、历史样本的当前时间特征和历史样本的未来时间特征。历史样本的历史时间特征为历史样本计量表的历史能耗数据所对应的时间特征,历史样本的当前时间特征为历史样本计量表的当前能耗数据所对应的时间特征,历史样本的未来时间特征为历史样本计量表的未来能耗数据所对应的时间特征。
历史样本碳计量预测数据可以为实际计量的相同条件(如,每天同一时间段、同一用户等)下的多次历史样本碳计量数据的均值。历史样本碳计量预测数据的可靠度可以用0或1表示,0表示历史样本碳计量预测数据和历史样本时间特征对应的实际碳计量数据不符合,1表示历史样本碳计量预测数据和历史样本时间特征对应的实际碳计量数据符合。
历史样本存在数据监测问题的概率可以用0或1表示,0表示历史样本实际不存在数据监测问题,1表示历史样本实际存在数据监测问题。
训练样本可以基于历史数据获取。训练样本的标签可以人工标注获得。
在一些实施例中,可以将带有标签的训练样本中的历史样本计量表的能耗数据和历史样本存在数据监测问题的概率输入初始嵌入层,然后将历史样本时间特征以及初始嵌入层输出的历史样本能耗特征输入初始评估层,然后通过标签和初始评估层的预测结果构建损失函数,基于损失函数迭代更新初始嵌入层和初始评估层的参数,直至损失函数收敛、迭代的次数达到阈值等,训练结束,得到训练好的碳计量模型。
在本说明书的一些实施例中,由于通过用户的能耗数据在不同时间段存在的规律性,预测碳计量预测数据及其可靠度的过程中,容易受到数据监测问题的干扰,通过使用训练好的碳计量模型对至少一组计量表的能耗数据、时间特征和存在数据监测问题的概率进行处理,预测碳计量预测数据及其对应的可靠度,能降低预测过程中受到数据监测问题的干扰,提高预测碳计量预测数据及其对应的可靠度的准确性。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种用于碳计量多表合一集中器装置,其特征在于,所述多表合一集中器装置包括通信部件、处理器、交互部件、自检模块以及冷却部件;
所述通信部件与至少一组计量表通过电力线载波通信连接,被配置为获取所述至少一组计量表的能耗数据并传输至所述处理器;
所述交互部件被配置为与用户终端进行交互,所述交互的交互内容包括所述能耗数据、碳计量数据和用户输入信息中的至少一种;
所述冷却部件包括分布式散热片;所述冷却部件被配置为对所述多表合一集中器装置进行散热;
所述处理器与所述通信部件、所述交互部件、所述自检模块和所述冷却部件通信连接;所述处理器被配置为根据接收到的所述能耗数据确定所述碳计量数据,以及控制所述交互部件进行交互和控制所述自检模块进行自检以确定是否存在数据监测问题。
2.根据权利要求1所述的多表合一集中器装置,其特征在于,所述交互部件包括数据传输部件和交互屏,所述交互屏包括红外感应部件;
所述交互屏被配置为响应于所述红外感应部件感应到红外信息,改变屏幕亮度并显示所述交互内容。
3.根据权利要求1所述的多表合一集中器装置,其特征在于,所述多表合一集中器装置还包括太阳能充电电池;
所述太阳能充电电池用于对所述通信部件、所述处理器、所述交互部件以及所述自检模块中的至少一个进行临时供电。
4.根据权利要求3所述的多表合一集中器装置,其特征在于,所述数据监测问题包括碳计量异常;
所述处理器还被配置为基于未来不同预设时间段的碳计量预测数据的偏差值,评估未来发生数据监测问题的概率,以及响应于未来发生所述数据监测问题的概率满足第一预设条件,控制所述交互部件提前将碳排放预警信息发送至所述用户终端。
5.一种用于碳计量多表合一集中器装置的控制方法,其特征在于,所述使用方法由用于碳计量多表合一集中器装置的处理器执行,所述多表合一集中器装置包括通信部件、所述处理器、交互部件、自检模块以及冷却部件;
所述通信部件与至少一组计量表通过电力线载波通信连接,被配置为获取所述至少一组计量表的能耗数据并传输至所述处理器;
所述交互部件被配置为与用户终端进行交互,所述交互的交互内容包括所述能耗数据、碳计量数据和用户输入信息中的至少一种;
所述冷却部件包括分布式散热片;所述冷却部件被配置为对所述多表合一集中器装置进行散热;
所述处理器与所述通信部件、所述交互部件、所述自检模块和所述冷却部件通信连接;
所述使用方法包括:
获取所述至少一组计量表的能耗数据;以及
根据接收到的所述能耗数据确定所述碳计量数据,以及控制所述交互部件进行交互和控制所述自检模块进行自检以确定是否存在数据监测问题。
6.根据权利要求5所述的控制方法,其特征在于,所述交互部件包括数据传输部件和交互屏,所述交互屏包括红外感应部件;
所述交互屏被配置为响应于所述红外感应部件感应到红外信息,改变屏幕亮度并显示所述交互内容。
7.根据权利要求6所述的控制方法,其特征在于,所述多表合一集中器装置还包括太阳能充电电池;
所述太阳能充电电池用于对所述通信部件、所述处理器、所述交互部件以及所述自检模块中的至少一个进行临时供电。
8.根据权利要求5所述的控制方法,其特征在于,所述数据监测问题包括碳计量异常;所述方法还包括:
基于未来不同预设时间段的碳计量预测数据的偏差值,评估未来发生数据监测问题的概率;以及
响应于所述未来发生数据监测问题的概率满足第一预设条件,控制所述交互部件提前将碳排放预警信息发送至所述用户终端。
9.一种用于碳计量多表合一集中器系统,其特征在于,所述系统包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求5~8中任一项所述的用于碳计量多表合一集中器装置的控制方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求5~8任一项所述的用于碳计量多表合一集中器装置的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311110087.3A CN117456709A (zh) | 2023-08-31 | 2023-08-31 | 用于碳计量多表合一集中器装置、控制方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311110087.3A CN117456709A (zh) | 2023-08-31 | 2023-08-31 | 用于碳计量多表合一集中器装置、控制方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117456709A true CN117456709A (zh) | 2024-01-26 |
Family
ID=89591716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311110087.3A Pending CN117456709A (zh) | 2023-08-31 | 2023-08-31 | 用于碳计量多表合一集中器装置、控制方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117456709A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB835455A (en) * | 1956-04-17 | 1960-05-18 | Electro Chimie Metal | Manufacture of tetrachlorethylene and carbon tetrachloride |
DE1567723A1 (de) * | 1966-02-17 | 1970-07-02 | Nukem Gmbh | Verfahren zur Herstellung von Karbidteilchen |
KR20110066246A (ko) * | 2009-12-11 | 2011-06-17 | (주)이노비드 | 유무선 통신 기술을 이용한 원격 검침 정보 및 이산화탄소 배출량 확인 시스템 |
CN109615254A (zh) * | 2018-12-17 | 2019-04-12 | 清华-伯克利深圳学院筹备办公室 | 碳排放绩效的测算方法、装置、管理设备及存储介质 |
CN114040004A (zh) * | 2021-10-13 | 2022-02-11 | 中国电力科学研究院有限公司 | 一种需求侧碳流监控终端、监控方法及系统 |
CN114092027A (zh) * | 2021-10-13 | 2022-02-25 | 中国电力科学研究院有限公司 | 一种碳流主站管理系统、管理方法及需求侧碳管理系统 |
CN218416578U (zh) * | 2022-10-29 | 2023-01-31 | 裘炜毅 | 一种基于建筑分项能耗数据接入的碳排放处理设备 |
US20230073685A1 (en) * | 2022-10-20 | 2023-03-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods of smart gas terminal linkage disposal for indoor safety and internet of things systems thereof |
-
2023
- 2023-08-31 CN CN202311110087.3A patent/CN117456709A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB835455A (en) * | 1956-04-17 | 1960-05-18 | Electro Chimie Metal | Manufacture of tetrachlorethylene and carbon tetrachloride |
DE1567723A1 (de) * | 1966-02-17 | 1970-07-02 | Nukem Gmbh | Verfahren zur Herstellung von Karbidteilchen |
KR20110066246A (ko) * | 2009-12-11 | 2011-06-17 | (주)이노비드 | 유무선 통신 기술을 이용한 원격 검침 정보 및 이산화탄소 배출량 확인 시스템 |
CN109615254A (zh) * | 2018-12-17 | 2019-04-12 | 清华-伯克利深圳学院筹备办公室 | 碳排放绩效的测算方法、装置、管理设备及存储介质 |
CN114040004A (zh) * | 2021-10-13 | 2022-02-11 | 中国电力科学研究院有限公司 | 一种需求侧碳流监控终端、监控方法及系统 |
CN114092027A (zh) * | 2021-10-13 | 2022-02-25 | 中国电力科学研究院有限公司 | 一种碳流主站管理系统、管理方法及需求侧碳管理系统 |
US20230073685A1 (en) * | 2022-10-20 | 2023-03-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods of smart gas terminal linkage disposal for indoor safety and internet of things systems thereof |
CN218416578U (zh) * | 2022-10-29 | 2023-01-31 | 裘炜毅 | 一种基于建筑分项能耗数据接入的碳排放处理设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8046180B2 (en) | Model-based determination of power source replacement in wireless and other devices | |
US8103465B2 (en) | System and method for monitoring and managing energy performance | |
CN105300909A (zh) | 基于直接光谱法的全天候长流域水质监测与预警系统 | |
CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
US20200090424A1 (en) | Automatic inspection system and method for controlling automatic inspection system | |
CN116647819B (zh) | 基于传感器网络的仪器能耗监测方法及系统 | |
CN103065195A (zh) | 电力需求预测装置、方法和系统以及电力故障检测系统 | |
CN102136102A (zh) | 针对消费者能源消耗的分析 | |
KR20130082668A (ko) | 중소제조기업을 위한 스마트폰, 에이에스피기반의 보급형 에너지관리시스템 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
CN115685050B (zh) | 一种电能表故障检测方法及系统 | |
CN102682197A (zh) | 对单设备能源消耗变化趋势实时预测的监测方法及装置 | |
Wang et al. | Sensor network based oilwell health monitoring and intelligent control | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
KR102122589B1 (ko) | Ict 기반의 시설물 통합 관리 시스템의 처리 방법 | |
CN115016339A (zh) | 一种室外电力设备的监测方法、设备及介质 | |
CN103020721B (zh) | 一种评估电网调度自动化系统实时数据处理效率的方法 | |
KR101910892B1 (ko) | IoT 기반의 모바일 스마트 태양광 발전 관리 시스템 | |
Ahmed et al. | State-of-the-art review of occupant behavior modeling and implementation in building performance simulation | |
US20220144122A1 (en) | Adaptive polling system and method | |
CN116700057A (zh) | 一种园区能碳双控数字管理系统 | |
CN117456709A (zh) | 用于碳计量多表合一集中器装置、控制方法、系统及介质 | |
US20220004902A1 (en) | Methods for remote building intelligence, energy waste detection, efficiency tracking, utility management and analytics | |
CN210579253U (zh) | 一种无线无源电缆巡视测温系统 | |
CN114091730A (zh) | 车辆状态监测方法、系统、电子设备和存储介质 |
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 |