CN117609926A - 基于电力数据的排污机构生产状态确定方法与装置 - Google Patents
基于电力数据的排污机构生产状态确定方法与装置 Download PDFInfo
- Publication number
- CN117609926A CN117609926A CN202410094386.0A CN202410094386A CN117609926A CN 117609926 A CN117609926 A CN 117609926A CN 202410094386 A CN202410094386 A CN 202410094386A CN 117609926 A CN117609926 A CN 117609926A
- Authority
- CN
- China
- Prior art keywords
- data
- range
- time
- emission
- historical
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 354
- 230000007246 mechanism Effects 0.000 title claims abstract description 338
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 216
- 239000010865 sewage Substances 0.000 claims abstract description 99
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 230000005611 electricity Effects 0.000 claims description 270
- 230000009467 reduction Effects 0.000 claims description 165
- 238000012544 monitoring process Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 8
- 239000003344 environmental pollutant Substances 0.000 description 56
- 231100000719 pollutant Toxicity 0.000 description 56
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000012216 screening Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000638 stimulation 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
Abstract
本公开涉及一种基于电力数据的排污机构生产状态确定方法与装置,涉及污染监管技术领域。包括:根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;该目标变化范围是用于确定该排污机构当前产生的实时数据是否异常的标准;根据该实时数据与该目标变化范围之间的比较关系,对该排污机构的生产状态进行识别。使用本公开提出的基于电力数据的排污机构生产状态确定方法,可以准确地识别出排污机构的生产状态。
Description
技术领域
本公开涉及污染监管技术领域,具体地,涉及一种基于电力数据的排污机构生产状态确定方法与装置。
背景技术
在当前的大气污染治理中,会在排污机构安装在线监测系统,在线监测系统实时监测排污机构排放的污染物排放量,在大气污染治理过程中起到了积极作用。
相关技术中,可以对排污机构的生产状态进行识别,根据识别出的生产状态,预警排污机构是否正常生产,然而,对排污机构的生产状态的识别的准确性却相对较低。
发明内容
本公开的目的是提供一种基于电力数据的排污机构生产状态确定方法与装置,以解决上述技术问题。
为了实现上述目的,本公开实施例的第一方面提供一种基于电力数据的排污机构生产状态确定方法,包括:
根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;所述目标变化范围是用于确定所述排污机构当前产生的实时数据是否异常的标准;
根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
可选地,所述目标变化范围包括用电量数据范围;所述根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围,包括:
确定多个所述历史数据组中处于相同目标时刻的历史用电量与历史用电量逐时变化率;多个所述历史用电量中的最小值与最大值之间的范围,以及多个所述历史用电量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述用电量数据范围。
可选地,所述目标变化范围包括排放量数据范围;所述根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围,包括:
确定多个所述历史数据组中处于相同目标时刻的历史排放量与历史排放量逐时变化率;多个所述历史排放量中的最小值与最大值之间的范围,以及多个所述历史排放量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述排放量数据范围。
可选地,所述实时数据包括用电量数据与排放量数据,所述目标变化范围包括用电量数据范围与排放量数据范围;所述根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:
根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别。
可选地,所述根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:在所述用电量数据在所述用电量数据范围之内的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围内,确定所述排污机构生产正常;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述监测设备故障或所述排放量数据虚假。
可选地,所述根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:在所述用电量数据大于所述用电量数据范围中的最大值的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围之内,确定所述排污机构违规增产,且确定所述排污机构的监测设备故障或所述排放量数据虚假;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构违规增产;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述排污机构违规增产,且确定所述监测设备故障或所述排放量数据虚假。
可选地,所述根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:在所述用电量数据小于所述用电量数据范围中的最小值的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围之内,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述排污机构减产。
可选地,所述用电量数据包括实时用电量与用电量逐时变化率,所述排放量数据包括实时排放量与排放量逐时变化率;所述用电量数据范围包括用电量变化范围与用电量逐时变化率范围,所述排放量数据范围包括排放量变化范围与排放量逐时变化率范围。
可选地,所述根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:
根据所述排污机构未执行减排措施下的所述实时数据与正常生产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
可选地,所述根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:
根据减产下的所述实时数据与减产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,所述减产包括不同减排比例下的减产。
可选地,所述根据排污机构在运作时产生的多个历史数据组,确定目标变化范围,包括:
根据所述排污机构在正常生产时产生的多个历史数据组,确定正常生产下的所述目标变化范围,或;
根据所述排污机构在减产时产生的多个历史数据组,确定减产下的所述目标变化范围。
为了实现上述目的,本公开实施例的第二方面提供一种基于电力数据的排污机构生产状态确定装置,包括:
参考数据确定模块,被配置为根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;所述目标变化范围是用于确定所述排污机构当前产生的实时数据是否异常的标准;
生产状态识别模块,被配置为根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
为了实现上述目的,本公开实施例的第三方面提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本公开实施例的第一方面提供的一种基于电力数据的排污机构生产状态确定方法的步骤。
通过上述技术方案,由于目标变化范围是根据排污机构以往实际运行的历史数据组得到,所以目标变化范围能够体现排污机构以往的正常生产特性,将实时数据与目标变化范围比较,能够确定实时数据是否符合以往的生产特性,从而准确确定出排污机构当前的生产状态。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例提出的一种基于电力数据的排污机构生产状态确定方法的步骤流程图。
图2是根据一示例性实施例提出的一种基于电力数据的排污机构生产状态确定装置的框图。
图3是根据一示例性实施例提出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
在相关技术中,需要对排污机构是否正常生产进行识别,以便在识别出排污机构非正常生产时进行预警,然而,目前对排污机构的生产状态的识别的准确性相对较低。
例如,排污机构在进行生产排放污染物时,也会消耗对应的用电量,因此可以获取污染物排放量与用电量之比,通过突变分析的方法来监测排污机构的污染物排放量与用电量之比的变化趋势,如果排污机构的污染物排放量与用电量之比在短时间内突然变化,比如突然下降或突然升高,则可以确定该排污机构的生产状态为异常。示例的,该污染物可以是CO、NOX、SO2、VOCS、PM2.5、PM10、BC与OC等中的一种或多种污染物。
在上述方法中,申请人发现该方法默认污染物排放量与用电量呈正相关,即用电量大时污染物排放量大,但在实际的生产中存在多个生产环节,各个生产环节的污染物排放量与用电量之比存在较大差异,在某一些生产环节中,在正常生产时污染物排放量较大但用电量较小,也有一些生产环节中,在正常生产时也可能存在污染物排放量小但用电量大的情况,在上述环节中污染物排放量与用电量不是正相关关系,如果因此判断该排污机构的生产状态是异常生产则会出现误判,因此上述的通过污染物排放量与用电量的关系来判断生产状态的方法准确性较低。
基于此,本公开提出一种基于电力数据的排污机构生产状态确定方法,该电力数据可以指的是用电量。请参阅图1所示,该方法包括以下步骤:
在步骤S11中,根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;所述目标变化范围是用于确定所述排污机构当前产生的实时数据是否异常的标准。
排污机构可以是排污的企业、学校等排污单位。排污机构中通常配备有排污设备,排污设备会消耗用电量来维持自身运作,运作时会产出一些污染物,因此,排污机构在消耗用电量的同时也会相应产出污染物排放量。
历史数据组包括排污机构在以往运作时消耗的历史用电量与产出的历史排放量,一组历史数据组内包含有一组历史用电量序列与一组历史排放量序列,历史用电量序列指的是随着时间变化的多个历史用电量,历史排放量序列指的是随时间变化的多个历史排放量。
目标变化范围包括用电量数据范围与排放量数据范围。用电量数据范围是用于衡量实时用电量是否异常的标准,用电量数据范围包括用电量变化范围与用电量逐时变化率范围,用电量变化范围是多个历史数据组中处于同一目标时刻的历史用电量组成的用电量变化范围,用电量逐时变化率范围是多个处于同一目标时刻的历史用电量逐时变化率组成的用电量逐时变化率范围。排放量数据范围是用于衡量实时排放量是否异常的标准,排放量数据范围包括排放量变化范围与排放量逐时变化率范围,排放量变化范围是多个历史数据组中处于同一目标时刻的历史排放量组成的排放量变化范围,排放量逐时变化率范围是多个处于同一目标时刻的历史排放量逐时变化率组成的排放量逐时变化率范围。
排污机构当前产生的实时数据包括实时的用电量数据与排放量数据,用电量数据包括实时用电量与用电量逐时变化率,排放量数据包括实时排放量与排放量逐时变化率。
可以理解的是,上述的逐时变化率指的是用电量或排放量这两种数据中,下一时刻的数据相较于上一时刻的数据的变化率,其释义为下一时刻的数据减去上一时刻的数据之间的差值,再除以上一时刻的数据,得到下一时刻的数据的逐时变化率。例如,用电量逐时变化率可以释义为下一时刻的用电量相较于上一时刻的用电量的变化率,排放量逐时变化率释义为下一时刻的排放量相较于上一时刻的排放量的变化率。
逐时变化率范围指的是用电量逐时变化率或排放量逐时变化率这两种数据中,同一目标时刻的数据变化率组成的范围。例如用电量逐时变化率范围可以释义为处于同一目标时刻的历史用电量逐时变化率的最小值与最大值组成的范围,排放量逐时变化率范围可以释义为处于同一目标时刻的历史排放量逐时变化率的最小值与最大值组成的范围。
在步骤S12中,根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
由于目标变化范围是根据排污机构在以往运作时产生的多个历史数据组得到的,所以目标变化范围是能够体现排污机构是否正常运作的一种评判标准,自然,基于实时数据与目标变化范围之间的比较关系,可以确定出排污机构当前的生产状态是否与以往的生产状态相似,进而识别出排污机构当前的生产状态是否异常。
其比较关系包括:实时用电量与用电量变化范围之间的比较关系、用电量逐时变化率与用电量逐时变化率范围之间的比较关系、实时排放量与排放量变化范围之间的比较关系、排放量逐时变化率与排放量逐时变化率范围之间的比较关系。
通过上述技术方案,可以使用排污机构在以往运作时产生的多个历史数据组来得到目标变化范围,并将实时数据与目标变化范围进行比较,来识别出排污机构的生产状态。在此过程中,由于目标变化范围是根据排污机构以往实际运行的历史数据组得到,所以目标变化范围能够体现排污机构以往的正常生产特性,将实时数据与目标变化范围比较,能够确定实时数据是否符合以往的生产特性,从而准确确定出排污机构当前的生产状态。
下面介绍上述步骤S11至步骤S12涉及到的具体实施例,该具体实施例用于解释在排污机构当前未执行减排措施或执行了减排措施的情况下,如何对排污机构的生产状态进行异常识别。
可以将排污机构历史一段时间内的多个历史数据组划分为正常生产的历史数据组与减产的历史数据组,并根据正常生产下的历史数据组来得到正常生产下的目标变化范围,根据减产下的历史数据组来得到减产下的目标变化范围;最后将排污机构未执行减排措施下的实时数据与正常生产下的目标变化范围进行比较,将排污机构执行减排措施时的实时数据与减产下的目标变化范围进行比较,来提高排污机构生产状态异常识别的准确性。
排污机构在得到减排通知后,会按照减排通知中发布的减排比例进行减排,以减少污染物的排放,减排比例指的是减少的污染物排放量所占据的比例。
在排污机构未执行减排措施的情况下,对排污机构的生产状态的整体判断过程可以包括以下步骤:
(1)对排污机构在运作时产生的多个历史数据进行异常识别,得到正常生产下的多个历史数据组。
可以先将排污机构产生的多个历史数据划分为多个历史数据组,再对多个历史数据组进行异常识别,得到排污机构未执行减排措施且正常生产下的多个历史数据组。
例如,排污机构产生了110个历史数据,可以先将110个历史数据按照10h的目标生产周期划分为11个历史数据组,再从11个历史数据组中筛选出正常生产时的多个历史数据组。
(2)根据排污机构在正常生产下的多个历史数据组,得到排污机构在正常生产下的目标变化范围。
正常生产下的目标变化范围,是用于评判排污机构在未执行减排措施下产生的实时数据是否异常的标准。
(3)根据排污机构未执行减排措施下的所述实时数据与正常生产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
正常生产下的目标变化范围体现了排污机构在以往未执行减排措施时正常的用电量数据范围与排放量数据范围;正常生产下的目标变化范围是用于评判排污机构未执行减排措施时产生的实时数据是否异常的标准。
未执行减排措施时,排污机构的生产状态可以是正常生产或违规增产,为了进一步对排污机构的生产状态进行识别,可以将排污机构未执行排污措施时的实时数据与未执行减排措施时得到的目标变化范围进行比较,从而确定排污机构当前未执行减排措施时的生产状态,是否与排污机构以往一段时间内未执行减排措施下时正常的生产状态相互贴合。若二者的生产状态不贴合,则说明排污机构当前的生产状态可能是违规增产;若二者的生产状态贴合,则说明排污机构的生产状态是正常生产。
在一些场景中,以排污机构在以往一段时间内,在未执行减排措施且处于正常生产状态下产生了110个历史数据为例,可以将110个历史数据划分为11个历史数据组,再根据11个历史数据组,得到能够体现排污机构未执行减排措施且处于正常生产状态的目标变化范围,那么排污机构当前产生的实时数据位于目标变化范围之外时,说明排污机构当前的生产状态并非是正常生产状态,并且排污机构当前未执行减排措施,则确定排污机构则处于违规增产状态。
在排污机构执行减排措施的情况下,对排污机构的生产状态的整体判断过程可以包括以下步骤:
(1)对所述排污机构在运作时产生的多个历史数据进行异常识别,得到减产下的多个历史数据组。
可以先将排污机构产生的多个历史数据划分为多个历史数据组,再对多个历史数据组进行异常识别,得到排污机构执行了减排措施下的多个历史数据组。
例如,排污机构产生了110个历史数据,可以先将110个历史数据按照10的目标生产周期划分为11个历史数据组,再从11个历史数据组中筛选出执行减排措施后正产减产时的多个历史数据组。
(2)根据所述排污机构在减产下的多个历史数据组,确定所述减产下的目标变化范围。
减产下的目标变化范围体现了排污机构以往在执行减排措施时减产的用电量数据范围与排放量数据范围;减产下的目标变化范围是用于评判排污机构在执行减排措施时产生的实时数据是否异常的标准。
(3)根据减产下的实时数据与减产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,所述减产包括不同减排比例下的减产。
排污机构执行减排措施后的生产状态可以是减产或违规增产,为了进一步对排污机构的生产状态进行识别,可以将排污机构执行减排措施时的实时数据与执行减排措施时的目标变化范围进行比较,从而确定排污机构执行减排措施时的生产状态,是否与排污机构以往一段时间内执行减排措施时的生产状态相互贴合。若二者的生产状态贴合,说明排污机构的生产状态是减产;若二者的生产状态不贴合,说明排污机构当前排放的污染物排放量相较于减排通知发布的污染物排放量更多,排污机构可能处于违规增产的状态。
在一些场景下,以排污机构在以往一段时间内执行减排措施产生了110个历史数据为例,可以将110个历史数据划分为11个历史数据组,再根据11个历史数据组,得到能够体现排污机构执行了减排措施的目标变化范围,那么排污机构当前产生的实时数据位于目标变化范围之外时,说明排污机构当前的生产状态并非是减产状态,其可能正在违规增产。
可以理解的是,减排通知发布的减排比例并非是一成不变的,减排比例可以是10%、20%与30%等减排比例中的任意一种减排比例,因此在判断排污机构的生产状态是否是减产状态时,需要将排污机构在同一减排比例下产生的实时数据与同一减排比例下的目标变化范围进行比较,才能确定排污机构在该减排比例下是否是减产状态。
例如,在判断排污机构在10%的减排比例下是否是减产时,则需要将排污机构在10%减排比例下的实时数据,与10%减排比例下的目标变化范围进行比较,才能确定排污机构在10%的减排比例下是否是减产。
通过上述技术方案,通过第一种场景中将排污机构在未执行减排措施时的实时数据,与排污机构以往一段时间内在未执行减排措施且正常生产状态下的目标变化范围进行比较,可以确定出排污机构当前未执行减排措施时的生产状态是正常生产还是违规增产;通过第二种场景中将排污机构在执行减排措施时的实时数据,与排污机构以往一段时间内在执行减排措施下的目标变化范围进行比较,可以准确地确定出排污机构当前执行减排措施时的生产状态是减产还是违规增产。也就是说,在排污机构当前所处的排污场景不同时,会以排污机构以往一段时间内相同排污场景下的目标变化范围来与之比较,从而使得确定出的排污机构的生产状态的准确性更高。
例如,是将排污机构未执行减排措施时的实时数据与排污机构以往未执行减排措施时正常的目标变化范围进行比较,又或者将排污机构执行减排措施时的实时数据与排污机构以往执行减排措施时正常的目标变化范围进行比较。并且在执行减排措施的场景下,是将同一减排比例下的实时数据与目标变化范围进行比较,如此,可以将排污机构当前产生的实时数据与排污机构以往产生的目标变化范围放置于同一比较环境下进行生产状态识别,排除了不同环境比较带来的不确定性低的问题,使得最终得到的生产状态识别结果更加准确。
在确定排污机构的生产状态是否异常之前,需要得到符合排污机构的生产特性的目标生产周期;再将排污机构产生的多个历史数据划分为目标生产周期的多个历史数据组;再根据多个历史数据组得到能够代表排污机构生产特性的标准数据组;最后根据多个历史数据组与标准数据组之间的比较关系,将多个历史数据组按照不同的类别进行划分,筛选得到正常生产下的历史数据组与减产下的历史数据组。那么本公开则可以基于正常生产下的历史数据组来得到正常生产下的目标变化范围,进而与正常生产下的实时数据进行比较;基于减产下的历史数据组来得到减产下的目标变化范围,进而与减产下的实时数据进行比较,如此同一生产场景下的目标变化范围与实时数据之间进行比较后,所确定出的排污机构的生产状态才会更加准确。
下面先介绍如何得到符合排污机构的生产特性的目标生产周期,可以通过以下两种方案来得到排污机构的目标生产周期。
第一种方案,通过傅里叶谐波分析方法对排污机构产生的历史数据进行周期分析,初步得到第一备选生产周期与第二备选生产周期;再利用相关性分析方法,从第一备选生产周期与第二备选生产周期中,筛选出目标生产周期。
可以先计算生产周期为第一备选生产周期的多个第一历史数据组中的历史用电量序列与历史排放量序列之间的第一相关值;再计算生产周期为第二备选生产周期的多个第二历史数据组中的历史用电量序列与历史排放量序列之间的第二相关值;最后从第一相关值与第二相关值中,筛选出最大相关值对应的备选生产周期,作为目标生产周期。
对于第一备选生产周期而言,可以先将排污机构的历史数据划分为多组生产周期为第一备选生产周期的第一历史数据组,多组第一历史数据组包括多个历史用电量序列与多个历史排放量序列。再计算每组历史用电量序列的用电量平均值,得到第一用电量平均值,多个历史用电量序列分别对应的第一用电量平均值组成第一用电量平均值序列;再计算每组历史排放量序列的排放量平均值,得到第一排放量平均值,多个历史排放量序列分别对应的第一排放量平均值组成第一排放量平均值序列;最后计算第一用电量平均值序列与第一排放量平均值序列之间的第一相关值。
对于第二备选生产周期而言,可以先将排污机构的历史数据组划分为多组生产周期为第二备选生产周期的第二历史数据组,多组第二历史数据组包括多个历史用电量序列与多个历史排放量序列。再计算每组历史用电量序列的用电量平均值,得到第二用电量平均值,多个历史用电量序列分别对应的第二用电量平均值组成第二用电量平均值序列;再计算每组历史排放量序列的排放量平均值,得到第二排放量平均值,多个历史排放量序列分别对应的第二排放量平均值组成第二排放量平均值序列;最后计算第二用电量平均值序列与第二排放量平均值序列之间的第二相关值。
从第一相关值与第二相关值中,筛选出最大相关值对应的备选生产周期,作为目标生产周期。
可以理解的是,若得到的目标生产周期越接近排污机构的实际生产周期,排污机构产生的历史用电量序列与历史排放量序列之间的相关值也就越大,历史用电量序列与历史排放量序列之间的相互影响性也越大。因此,从第一相关值与第二相关值中,筛选出的最大相关值对应的目标生产周期可以接近排污机构的实际生产周期,从而使得得到的目标生产周期的准确性更高。
第二种方案,直接利用相关性分析方法对排污机构产生的历史数据进行周期分析,得到目标生产周期。
可以计算生产周期为多个不同的第三备选生产周期的第三历史数据组对应的第三相关值,第三相关值是第三用电量平均值序列与第三排放量平均值序列之间的相关值;再从多个第三相关值中筛选出首次出现的最大相关值对应的第三备选生产周期,作为排污机构的目标生产周期。不同的第三备选生产周期对应的第三相关值不同。
可以先将排污机构产生的历史数据按照不同的第三备选生产周期进行划分,得到生产周期为不同的第三备选生产周期的第三历史数据组,每组第三历史数据组包括历史用电量序列与历史排放量序列。
对于多个第三历史数据组中的每个历史数据组,确定每组历史用电量序列的用电量平均值,得到第三用电量平均值,多个历史用电量序列分别对应的第三用电量平均值组成第三用电量平均值序列;再确定每组历史排放量序列的排放量平均值,得到第三排放量平均值,多个历史排放量序列分别对应的第三排放量平均值组成第三排放量平均值序列;最后计算第三用电量平均值序列与第三排放量平均值序列之间的第三相关值。
将多个第三相关值按照第三备选生产周期从小到大的顺序进行排列,并从多个第三相关值中,筛选出首次出现的最大相关值对应的第三备选生产周期,作为目标生产周期。
从多个第三相关值中,筛选出首次出现的最大相关值包括:将多个第三相关值按照第三备选生产周期从小到大的顺序进行排列,在当前的第三相关值大于前后D个第三相关值,并且当前的第三相关值C倍的第三相关值也大于前后D个第三相关值时,则将当前的第三相关值对应的第三备选生产周期,作为目标生产周期,D大于1,C大于1。
例如,有110个历史数据,将第三备选生产周期按照1、2、3、4、5…,110按照从小到大的顺序排列,并依次计算各个第三备选生产周期对应的第三相关值,最终确定出第三备选生产周期为5时的第三相关值,明显大于第三备选生产周期为1、2、3、4的第三相关值,也大于第三备选生产周期为6、7、8、9的第三相关值。同时第三备选生产周期为10的第三相关值,也明显大于第三备选生产周期为6、7、8、9的第三相关值,也大于第三备选生产周期为11、12、13、14的第三相关值。
可见,虽然第三备选生产周期为5时出现了最大相关值,但是第三备选生产周期为10时也会出现最大相关值,同样地,在第三备选生产周期为15、20、25、30、35等第三备选生产周期上也会出现最大相关值,因此本公开将会从多个最大相关值中,将首次出现的最大相关值对应的第三备选生产周期5作为目标生产周期。
通过上述技术方案,第一种方案先利用傅里叶谐波分析方法初步确定第一备选生产周期与第二备选生产周期,再利用相关性分析方法从第一备选生产周期与第二备选生产周期中,筛选出更加接近排污机构的实际生产周期的目标生产周期,使得得到的目标生产周期中的历史用电量序列与历史排放量序列之间的相关性较强,更加符合排污机构正常生产的特性。
通过第二种方法,直接利用相关性分析方法从多个第三备选生产周期中逐个筛选出符合排污机构生产特性的目标生产周期,使得得到的目标生产周期中的历史用电量序列与历史排放量序列之间的相关性较强,并且由于存在较多不同的第三备选生产周期,多个不同的第三备选生产周期中存在更加接近实际生产周期的目标生产周期,所以直接采用相关性分析方法,能够得到更加准确的目标生产周期。
下面介绍如何根据生产周期为目标生产周期的历史数据组,来得到能够代表排污机构生产特性的标准数据组。
(1)根据多个目标生产周期下的历史数据组或上次迭代筛选得到的目标备选数据组来得到对比数据组。
可以先确定多个历史数据组或上次迭代筛选得到的目标备选数据组中,处于同一时刻的历史数据的历史数据平均值;不同时刻的历史数据平均值组成对比数据组。
确定多个历史数据组或上次迭代筛选得到的目标备选数据组中,处于同一时刻的历史数据的第一平均值包括:确定多个历史用电量序列或上次迭代筛选得到的目标备选用电量序列中,处于同一时刻的历史用电量的用电量平均值,不同时刻的用电量平均值组成了对比数据组中的对比用电量序列。
确定多个历史数据组或上次迭代筛选得到的目标备选数据组中,处于同一时刻的历史数据的第一平均值包括:确定多个历史排放量序列或上次迭代筛选得到的目标备选排放量序列中,处于同一时刻的历史排放量的排放量平均值,不同时刻的排放量平均值组成了对比数据组中的对比排放量序列。
(2)分别确定多个历史数据组与对比数据组之间的第四相关值与平均值误差。
对于第四相关值而言,可以确定每个历史数据组中的历史用电量序列与对比数据组中的对比用电量序列之间的第四相关值,以及每个历史数据组中的历史排放量序列与对比数据组中的对比排放量序列之间的第四相关值。如此,便得到了每个历史数据组与对比数据组之间的第四相关值。
对于平均值误差而言,可以确定每个历史数据组的历史用电量序列的用电量平均值与对比数据组的对比用电量序列的用电量平均值之间的误差,以及每个历史数据组中的历史排放量序列的排放量平均值与对比数据组中的对比排放量序列的排放量平均值之间的误差。如此,便得到了每个历史数据组与对比数据组之间的平均值误差。
(3)根据第四相关值与平均值误差,确定目标备选数据组。
根据第四相关值与平均值误差确定目标备选数据组包括以下两种方案。
第一种方案,从多个历史数据组或上次筛选得到的目标备选数据组中,筛选出第四相关值大于相关阈值,且平均值误差在预设误差范围之间的第一备选数据组;将多个第一备选数据组按照第四相关值从大到小的顺序排列,从多个第一备选数据组中筛选出位于前N个的目标备选数据组,N大于或等于1。
第二种方案,从多个历史数据组或上次筛选得到的目标备选数据组中,筛选出第四相关值大于相关阈值,且平均值误差在预设误差范围之间的第一备选数据组;再将多个第一备选数据组按照第四相关值从大到小的顺序排列,从多个第一备选数据组中筛选出位于前N个的第二备选数据组;再将多个第二备选数据组按照平均值误差从小到大的顺序排列,从第二备选数据组中筛选出位于前M个的目标备选数据组,M大于或等于1。
可以理解的是,上述N与M可以不仅限于具体数值,其也可以释义为数据组的百分比,例如可以从多个第一备选数据组中筛选出位于前10%的第二备选数据组,从多个第二备选数据组中筛选出位于前10%的目标备选数据组,本公开对此不做限制。
(4)在目标备选数据组不满足迭代条件时,重复上述步骤(1)至(3),直至目标备选数据组满足迭代条件;在目标备选数据组满足迭代条件时,根据目标备选数据组来得到标准数据组。
迭代条件包括:条件A,迭代得到的目标备选数据组不再变化;条件B,迭代次数达到预设次数,每次迭代得到的目标备选数据组相同,且所述相同的目标备选数据组占据历史数据组的比例达到预设比例中的任意一种迭代条件。
对于条件A而言,以初始的历史数据组具有11组为例,在经历了多次迭代之后,后续的每次迭代筛选出的目标备选数据组中均包含有第1组历史数据组与第2历史数据组,其目标备选数据组不再产生变化,则会根据第1历史数据组与第2历史数据组,来得到标准数据组。
对于条件B而言,以初始的历史数据组具有11组,迭代次数为10次,预设比例为5%为例,在达到10次迭代次数的上限之后,若之前10次迭代的目标备选数据组中均包含有第1组历史数据组与第2组历史数据组,且相同的历史备选数据组占据历史数据组的比例为18%,达到了预设比例5%,则会根据第1历史数据组与第2历史数据组,来得到标准数据组。
在得到满足迭代条件的目标备选数据组为一个时,该目标备选数据组则是标准数据组;在得到满足迭代条件的目标备选数据组为多个时,则将目标备选数据组中处于同一时刻的历史数据的平均值作为标准数据组中该时刻的标准数据。
通过上述技术方案,可以将多个历史数据组与每次迭代得到的对比数据组进行比较,来从多个历史数据组中得到符合排污机构生产特性的标准数据组,在此过程中,由于每次与历史数据组比较的对比数据组,都是根据上次迭代筛选出的目标备选数据组得到的,所以得到的对比数据组会不断地逼近排污机构正常生产时的生产特性,那么与对比数据组进行比较后筛选出的目标备选数据组也会不断地逼近排污机构的正常生产特性。
下面介绍如何根据多个历史数据组与标准数据组之间的比较关系,将多个历史数据组划分为不同类别的历史数据组,不同类别包括正常生产与减产的类别。
第一种数据组识别方法,在同时满足以下多个条件时,确定历史数据组为正常历史数据组:
A1,历史数据组与标准数据组之间的相关值大于相关阈值。其包括:历史数据组内的历史用电量序列与标准数据组内的标准用电量序列之间的相关值大于相关阈值,且历史数据组内的历史排放量序列与标准数据组内的标准排放量序列之间的相关值大于相关阈值。
A2,历史数据组与标准数据组之间的平均值误差在预设误差范围之内。其包括:历史数据组内的历史用电量序列的用电量平均值与标准数据组的标准用电量序列的用电量平均值之间的误差在预设误差范围之内,且历史数据组内的历史排放量序列的排放量平均值与标准数据组内的标准排放量序列的标准排放量之间的误差在预设误差范围之内。
A3,历史数据组内的历史数据的逐时变化率与标准数据组内的标准数据的逐时变化率之间的误差在预设变化率范围之内。其包括:历史数据组内的历史用电量的逐时变化率与标准数据组内的标准用电量的逐时变化率之间的误差在预设变化率范围之内,且历史数据组内的历史排放量的逐时变化率与标准数据组内的标准排放量的逐时变化率之间的误差在预设变化率范围之内。
上述三种条件中,条件A1只能确定排污机构产生的历史数据组的变化趋势与标准数据组的变化趋势相近,但该历史数据组代表的是正常生产与减产中的哪种数据,还需要条件A2进一步地判断;条件A2可以确定历史数据组与标准数据组之间的误差较小,由于标准数据组代表了排污机构正常生产下的数据,所以若历史数据组与标准数据组之间的误差较小,同样可以说明历史数据组代表了排污机构正常生产下的数据;条件A3可以确定历史数据组内的历史数据的逐时变化率与标准数据组内的标准数据的逐时变化率之间的误差较小,所以可以确定历史数据组内不存在异常数据。
第二种数据组识别方法,在满足以下多个条件的情况下,确定历史数据组为减产的历史数据组:
B1,历史数据组与标准数据组之间的相关值大于相关阈值。
B2,历史数据组与标准数据组之间的平均值误差在预设误差范围之外,且历史数据组内的历史数据同比标准数据组内的标准数据的变化趋势相同。其包括:历史数据组内的历史用电量序列的用电量平均值与标准数据组内的标准用电量序列的用电量平均值之间的误差在预设误差范围之外,且历史数据组内的历史排放量序列的排放量平均值与标准数据组内的标准排放量序列的排放量平均值之间的误差在预设误差范围之外。
历史数据组内的历史数据同比标准数据组内的标准数据的变化趋势一致包括:历史数据组内的历史数据同比标准数据组内的标准数据均减小。
例如,历史数据组内的历史用电量序列的用电量平均值比标准数据组内的标准用电量序列的用电量平均值小,且历史数据组内的历史排放量序列的排放量平均值比标准数据组内的标准排放量序列的排放量平均值小,说明二者同向减小,此时可以说明历史数据组内的数据是排污机构的减产数据。
B3,历史数据组内的历史数据的逐时变化率与标准数据组内的标准数据的逐时变化率之间的误差在预设变化率范围之内。
上述三种条件中,条件B1只能确定排污机构产生的历史数据组的变化趋势与标准数据组的变化趋势相近,但该历史数据组代表的是正常生产与减产中的哪种数据,还需要结合条件B2进一步地判断;条件B2可以确定历史数据组与标准数据组之间的误差较大,由于标准数据组代表了排污机构正常生产下的数据,所以若历史数据组与标准数据组之间的误差较大,且历史数据组内的历史数据同比标准数据组内的标准数据减小,可以说明历史数据组代表了排污机构减产下的数据;条件B3可以确定历史数据组内的历史数据的逐时变化率与标准数据组内的标准数据的逐时变化率之间的误差较小,所以可以确定历史数据组内不存在异常数据。
下面将介绍上述步骤S12涉及到的具体实施例,该实施例用于释义如何基于目标变化范围与实时数据之间的比较关系来确定生产状态是否异常。
(1)根据排污机构在运作时产生的多个历史数据组,确定目标变化范围。
目标变化范围包括:用电量数据范围与排放量数据范围。用电量数据范围包括用电量变化范围与用电量逐时变化率范围;排放量数据范围包括排放量变化范围与排放量逐时变化率范围。
其中,确定用电量数据范围包括:确定多个所述历史数据组中处于相同目标时刻的历史用电量与历史用电量逐时变化率;多个所述历史用电量中的最小值与最大值之间的范围,以及多个所述历史用电量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述用电量数据范围。
多个历史用电量中的最小值与最大值之间的范围组成用电量变化范围;多个历史用电量逐时变化率中的最小值与最大值之间的范围组成用电量逐时变化率范围。用电量变化范围与用电量逐时变化率范围组成用电量数据范围。
以用电量变化范围举例,请参阅表1所示,第一历史数据组中具有第1时刻至第4时刻这四个不同时刻的历史用电量,第二历史数据组中具有第1时刻至第4时刻这四个不同时刻的历史用电量,第三历史数据组中具有第1时刻至第4时刻这四个不同时刻的历史用电量。
则可以将第一历史数据组至第三历史数据组中第1时刻的三个历史用电量中的最小值100与最大值105组成第1时刻的用电量变化范围[100,105],同样地,第2时刻的用电量变化范围是[101,111],第3时刻的用电量变化范围是[101,103],第4时刻的用电量变化范围是[100,104]。
其中,确定排放量数据范围包括:确定多个所述历史数据组中处于相同目标时刻的历史排放量与历史排放量逐时变化率;多个所述历史排放量中的最小值与最大值之间的范围,以及多个所述历史排放量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述排放量数据范围。
多个历史排放量中的最小值与最大值之间的范围组成排放量变化范围中;多个历史排放量逐时变化率中的最小值与最大值之间的范围组成排放量逐时变化率范围。排放量变化范围与排放量逐时变化率范围组成排放量数据范围。
以排放量逐时变化率范围为例,请参阅表2所示,第一历史数据组中具有第1时刻至第4时刻这四个不同时刻的排放量逐时变化率,第二历史数据组中具有第1时刻至第4时刻这四个不同时刻的排放量逐时变化率,第三历史数据组中具有第1时刻至第4时刻这四个不同时刻的排放量逐时变化率。
则可以将第一历史数据组至第三历史数据组中第1时刻的三个排放量逐时变化率中的最小值11%与最大值15%组成第1时刻的逐时变化率范围[11,15],同样地,第2时刻的逐时变化率范围是[11,12],第3时刻的逐时变化率范围是[11,13],第4时刻的逐时变化率范围是[10,14]。
在上述方案中,将相同目标时刻的历史用电量与历史用电量逐时变化率组成该目标时刻的用电量数据范围,相同目标时刻的历史排放量与历史排放量逐时变化率组成该目标时刻的排放量数据范围的原因在于:通常情况下,排污机构是一条完整的生产线作业,每个排污机构都具有各自的生产周期与生产阶段,例如排污机构A的生产周期都是8小时,在第1个小时至第8个小时分别使用了8个排污设备来完成8个生产阶段,所以排污机构在生产周期的同一时间段所用到的排污设备都是相同的,例如排污机构在每天的第一个小时用排污设备A,在每天的第二个小时用排污设备B…,在每天的第八个小时使用排污设备H。
在此循环下,由于同一目标时刻使用的排污设备相同,且处于同一生产环节下,所以同一目标时刻下的历史用电量与历史排放量之间的相关性较强,且反应了企业在同一目标时刻下的生产规律,所以本公开将排污机构在目标时刻下产生的用电量数据与目标时刻下的用电量数据范围比较,将排污机构在目标时刻下产生的排放量数据与目标时刻下的排放量数据范围比较,从而可以确定出目标时刻下的排污设备的生产特性与该排污设备以往的生产特性是否相符,即确定出同一生产环节下排污设备的生产特性与排污设备以往在同一生产环节下的生产特性是否相符,若不符合则是异常生产,若符合则是正常生产。
(2)根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别。
实时数据包括用电量数据与排放量数据,用电量数据包括实时用电量与用电量逐时变化率;排放量数据包括实时排放量与排放量逐时变化率。
目标变化范围包括用电量数据范围与排放量数据范围。用电量数据范围包括用电量变化范围与用电量逐时变化率范围;排放量数据范围包括排放量变化范围与排放量逐时变化率范围。
比较时,是将排污机构当前消耗的用电量数据与同一目标时刻下的用电量数据范围进行比较,且将排污机构当前产生的排放量数据与同一目标时刻下的排放量数据范围进行比较,其也可以理解为是将同一生产环节下的用电量数据与同一生产环节下的用电量数据范围比较,将同一生产环节下的排放量数据与同一生产环节下的排放量数据范围进行比较。
不同目标时刻的用电量数据对应有不同目标时刻的用电量数据范围,不同目标时刻的排放量数据对应有不同目标时刻的排放量数据范围。不同的目标时刻对应着不同的生产环节或者不同的排污设备。
例如,将排污机构在第1时刻消耗的用电量数据与第1时刻的用电量数据范围进行比较,且将排污机构在第1时刻产生的排放量数据与第1时刻的排放量数据范围进行比较。
上述对排污机构的生产状态进行识别,包括以下三种场景:
第一种场景,在用电量数据在用电量数据范围之内的情况下,通过以下任意一种方式对排污机构的生产状态进行识别:
第一种方式,排放量数据位于排放量数据范围内,确定排污机构生产正常。
第一种方式包括:在实时用电量位于用电量变化范围内,且用电量逐时变化率位于用电量逐时变化率范围之内的情况下,若实时排放量位于排放量变化范围之内,且排放量逐时变化率位于排放量逐时变化率范围之内时,确定排污机构生产正常。
用电量数据范围与排放量数据范围代表了排污机构在未执行减排措施下的正常生产特性,或者代表了排污机构在执行减排措施时的减产特性。
在用电量数据位于用电量数据范围之内时,说明排污机构的用电量正常,在排放量数据位于排放量数据范围之内,说明排污机构当前的排放量正常,此时可以进一步说明排污机构的生产特性符合未执行减排措施下的正常生产特性,或者符合执行减排措施时的减产特性,此时排污机构处于正常的生产状态。
第二种方式,排放量数据大于排放量数据范围中的最大值,确定排污机构的监测设备故障或治理设备故障。
第二种方式包括:在实时用电量位于用电量变化范围内,且用电量逐时变化率位于用电量逐时变化率范围之内的情况下,若实时排放量大于排放量变化范围的最大值,和/或排放量逐时变化率大于排放量逐时变化率范围的最大值时,确定排污机构的监测设备故障或治理设备故障。
在用电量数据位于用电量数据范围之内时,说明排污机构的用电量正常,在排放量数据大于排放量数据范围中的最大值时,说明当前监测到的排污机构的污染物排放量相较于以往的排放量偏高,此时可以说明监测污染物排放量的监测设备故障或者排污机构内的治理设备故障。
其监测设备故障或治理设备故障的原因在于:监测设备故障时会使得监测到的排污机构排放的污染物排放量偏高或偏低,治理设备用于治理排污机构排出的污染物,若治理设备故障,排污机构排出的大量污染物无法得到净化,也会导致污染物排放量大幅度增加。
第三种方式,排放量数据小于排放量数据范围中的最小值,确定监测设备故障或排放量数据虚假。
第三种方式包括:在实时用电量位于用电量变化范围内,且用电量逐时变化率位于用电量逐时变化率范围之内的情况下,若实时排放量小于排放量变化范围的最小值,和/或排放量逐时变化率小于排放量逐时变化率范围的最小值时,确定监测设备故障或排放量数据虚假。
在用电量数据位于用电量数据范围之内时,说明排污机构的用电量正常,在排放量数据小于排放量数据范围中的最小值时,说明当前监测到的排污机构的污染物排放量相较于以往的污染物排放量偏低,此时可以说明监测污染物排放量的监测设备故障或者排污机构对排放量数据造假。
部分排污机构为了让排放的污染物排放量符合标准,会伪造污染物排放量,所以会将污染物排放量伪造地相对较低,以符合标准。
在上述三种方式中,可以是在未执行减排措施的情况下,在排污机构的用电量正常时,通过未执行减排措施时的排放量数据与未执行减排措施时的排放量数据范围之间的比较关系,来确定排污机构在未执行减排措施时是否处于正常生产状态;可以是在执行减排措施的情况下,在排污机构的用电量正常时,通过执行减排措施时的排放量数据与执行减排措施时的排放量数据范围之间的比较关系,来确定排污机构在执行减排措施时是否处于减产状态。
第二种场景,在用电量数据大于用电量数据范围中的最大值的情况下,通过以下任意一种方式对排污机构的生产状态进行识别:
第一种方式,排放量数据位于排放量数据范围之内,确定排污机构违规增产,且确定排污机构的监测设备故障或排放量数据虚假。
第一种方式包括:在实时用电量大于用电量变化范围的最大值,和/或用电量逐时变化率大于用电量逐时变化率范围中的最大值的情况下,若实时排放量位于排放量变化范围之内,和/或排放量逐时变化率位于排放量逐时变化率范围之内时,确定排污机构违规增产,且确定排污机构的监测设备故障或排放量数据虚假。
在用电量数据大于用电量数据范围中的最大值时,说明排污机构当前消耗的用电量相较于以往消耗的用电量偏大;在排放量数据位于排放量数据范围内时,说明监测设备监测到的排污机构排放的污染物排放量正常,则确定排污机构违规增产,且确定排污机构的监测设备故障或排放量数据虚假。
确定排污机构违规增产的原因在于:排污机构消耗了比以往更多的用电量来排放当前的污染物排放量,说明排污机构正在违规增产。例如,在以前的生产环节A下排污机构消耗的历史用电量是100KW,而排污机构在当前的生产环节A下排放机构消耗的实时用电量是200KW,说明排污机构在当前的生产环节A下消耗了比以往更多的用电量来排放更多的污染物排放量,其违规生产的产品量也会更多,所以排污机构在生产环节A下正在违规增产。
确定监测设备故障的原因在于:排污机构消耗了比以往更多的用电量来排放污染物排放量,但是由于监测设备故障,导致监测到的污染物排放量偏低。
确定排放量数据虚假的原因在于:排污机构消耗了比以往更多的用电量来排放污染物排放量,但监测设备监测到的污染物排放量却是正常的,存在人为篡改监测设备监测到的污染物排放量的可能,确定排污机构对排放量数据造假。
第二种方式,排放量数据大于排放量数据范围中的最大值,确定排污机构违规增产。
第二种方式包括:在实时用电量大于用电量变化范围的最大值,和/或用电量逐时变化率大于用电量逐时变化率范围中的最大值的情况下,若实时排放量大于排放量变化范围的最大值,和/或排放量逐时变化率大于排放量逐时变化率范围的最大值,确定排污机构违规增产。
在用电量数据大于用电量数据范围中的最大值时,说明排污机构的用电量相较于以往的用电量偏大;在排放量数据大于排放量数据范围中的最大值时,说明排污机构的污染物排放量相较于以往的污染物排放量更大,此时可以确定排污机构在消耗比以往更多的用电量,来排放比以往更多的污染物排放量,确定排污机构正在违规增产。
第三种方式,排放量数据小于排放量数据范围中的最小值,确定排污机构违规增产,且确定监测设备故障或排放量数据虚假。
第三种方式包括:在实时用电量大于用电量变化范围的最大值,和/或用电量逐时变化率大于用电量逐时变化率范围中的最大值的情况下,若实时排放量小于排放量变化范围的最小值,和/或排放量逐时变化率小于排放量逐时变化率范围的最小值时,确定排污机构违规增产,且确定监测设备故障或排放量数据虚假。
在用电量数据大于用电量数据范围中的最大值时,说明排污机构的用电量相较于以往的用电量偏大;在排放量数据小于排放量数据范围中的最小值时,说明排污机构的污染物排放量偏小,则确定排污机构违规增产,且确定监测设备故障或排放量数据虚假。
上述三种方式中,可以是在未执行减排措施的情况下,在排污机构的用电量相比排污机构以往的用电量偏大时,通过未执行减排措施时的排放量数据与未执行减排措施时的排放量数据范围之间的比较关系,来确定排污机构在未执行减排措施时是否处于正常生产状态;也可以是在执行减排措施的情况下,在排污机构的用电量相比排污机构以往的用电量偏大时,通过执行减排措施时的排放量数据与执行减排措施时的排放量数据范围之间的比较关系,来确定排污机构在执行减排措施时是否处于减产状态。
第三种场景,在用电量数据小于用电量数据范围中的最小值的情况下,通过以下任意一种方式对排污机构的生产状态进行识别:
第一种方式,排放量数据位于排放量数据范围之内,确定排污机构的监测设备故障或治理设备故障。
第一种方式包括:在实时用电量小于用电量变化范围中的最小值,和/或用电量逐时变化率小于用电量逐时变化率范围中的最小值的情况下,若实时排放量位于排放量变化范围之内,和/或排放量逐时变化率位于排放量逐时变化率范围之内时,确定排污机构的监测设备故障或治理设备故障。
在用电量数据小于用电量数据范围中的最小值时,说明排污机构的用电量相较于以往的用电量偏小;在排放量数据位于排放量数据范围内时,说明监测设备监测到的排污机构排放的污染物排放量正常,此时可以确定监测设备故障或治理设备故障。
确定监测设备故障的原因在于:在用电量偏小时,污染物排放量也应当偏小,而此时污染物排放量却处于正常的排放量数据范围之内,则说明监测设备可能监测到的污染物排放量有误。
确定治理设备故障的原因在于:在用电量偏小时,污染物排放量也应当偏小,而此时污染物排放量却处于正常的排放量数据范围之内,则说明治理设备故障,其实现的污染物排放治理效果较差,导致本不应泄露的污染物泄露,进而出现污染物排放量增大的现象。
第二种方式,排放量数据大于排放量数据范围中的最大值,确定排污机构的监测设备故障或治理设备故障。
第二种方式包括:在实时用电量小于用电量变化范围中的最小值,和/或用电量逐时变化率小于用电量逐时变化率范围中的最小值的情况下,若实时排放量大于排放量变化范围中的最大值,和/或排放量逐时变化率大于排放量逐时变化率范围中的最大值时,确定排污机构的监测设备故障或治理设备故障。
在用电量数据小于用电量数据范围中的最小值时,说明排污机构的用电量相较于以往的用电量偏小;在排放量数据大于排放量数据范围中的最大值时,说明排污机构的当前污染物排放量相较于以往的污染物排放量偏大,此时可以确定监测设备故障或治理设备故障。
第三种方式,排放量数据小于排放量数据范围中的最小值,确定排污机构减产。
第三种方式包括:在实时用电量小于用电量变化范围中的最小值,和/或用电量逐时变化率小于用电量逐时变化率范围中的最小值的情况下,若实时排放量小于排放量变化范围中的最小值,和/或排放量逐时变化率小于排放量逐时变化率范围中的最小值时,确定排污机构减产。
在用电量数据小于用电量数据范围中的最小值时,说明排污机构的用电量相较于以往的用电量偏小;在排放量数据小于排放量数据范围中的最小值时,说明排污机构的当前污染物排放量相较于以往的污染物排放量偏小,此时可以确定排污机构为了响应减排措施而正在进行减产,确定排污机构处于减产的生产状态。
确定排污机构处于减产的原因在于:
第一方面,在排污机构未执行减排措施的情况下,若排污机构当前的用电量数据小于未执行减排措施下的用电量数据范围中的最小值,且排污机构当前的排放量数据小于未执行减排措施下的排放量数据范围中的最小值,说明排污机构在正常生产的情况下减少了排污机构本身的产量,从而减少了污染物排放量,这是属于减产的状态。
第二方面,在排污机构执行减排措施的情况下,若排污机构当前的用电量数据小于执行减排措施下的用电量数据范围中的最小值,且排污机构当前的排放量数据小于执行减排措施下的排放量数据范围中的最小值,说明排污机构在响应减排措施的同时,还进一步减少了排污机构的污染物排放量,也属于减产的状态。
上述三种方式中,可以是在未执行减排措施的情况下,在排污机构的用电量相比排污机构以往的用电量偏小时,通过未执行减排措施时的排放量数据与未执行减排措施时的排放量数据范围之间的比较关系,来确定排污机构在未执行减排措施时是否处于正常生产状态;也可以是在执行减排措施的情况下,在排污机构的用电量相比排污机构以往的用电量偏小时,通过执行减排措施时的排放量数据与执行减排措施时的排放量数据范围之间的比较关系,来确定排污机构在执行减排措施时是否处于减产状态。
可以理解的是,在上面三种场景中,违规增产可以指的是在未执行减排措施的情况下排污机构排放的污染物排放量超过正常排放标准,也可以指的是在执行减排措施的情况下排污机构排放的污染物排放量超过减排排放标准。
通过上述生产状态的识别方法,可以确定不同目标时刻下的用电量数据范围与排放量数据范围,从而将排污机构在当前生产环节下的用电量数据与以往该生产环节下的用电量数据范围进行比较,将排污机构在当前生产环节下的排放量数据与排污机构以往在该生产环节下的排放量数据范围进行比较,确定排污机构的生产状态是正常生产、减产与违规增产中的哪种生产状态。
相关技术中,受到生产环节的影响,企业的实时排放量与实时用电量之间的相关性相对较差,在上一生产环节可能实时用电量较小而实时排放量较大,而在下一生产环节实时用电量较大而实时排放量较小,若简单地按照实时用电量与实时排放量之间的用电比来确定排污机构是否处于异常生产,明显会出现误判现象。例如,上一生产环节下实时用电量与实时排放量之间的用电比较大,下一生产环节实时用电量与实时排放量之间的用电比较小,则会认为排污机构处于异常生产状态。
而公开中,是将目标变化范围按照不同目标时刻对应的生产环节进行划分,不同的生产环节对应有不同的目标变化范围,如此可以将上一生产环节产生的实时数据与上一生产环节的目标变化范围进行比较,将下一生产环节产生的实时数据与下一生产环节的目标变化范围进行比较。
如此,即使上一生产环节下实时用电量与实时排放量之间的用电比较大,但是上一生产环节下的用电量数据位于用电量数据范围内,排放量数据位于排放量数据范围内,说明排污机构当前的生产特性符合以往的生产特性,也会判定排污机构处于正常生产或减产状态;即使下一生产环节下实时用电量与实时排放量之间的用电比较大,但是下一生产环节下的用电量数据位于用电量数据范围内,排放量数据位于排放量数据范围内,也会判定排污机构处于正常生产或减产状态,从而避免了误判的情况发生。
例如,排污机构在一个月内每天的早上8点到早上9点使用的是排污设备A实现生产环节A,在每天的早上9点到早上10点使用的是排污设备B实现生产环节B。那么,可以将排污设备A在一个月内8点到9点消耗的30个历史用电量以及对应的用电量逐时变化率作为生产环节A对应的用电量数据范围,将排污设备A在一个月内8点到9点产生的30个历史排放量以及对应的排放量逐时变化率作为生产环节A对应的排放量数据范围。
如此,当排污机构当前产生的用电量数据与排放量数据是位于早上8点到早上9点的区间时,则会将用电量数据与生产环节A下的用电量数据范围进行比较,将排放量数据与生产环节A下的排放量数据范围进行比较,从而准确地确定排污机构当前的生产状态是否异常。
图2是根据一示例性实施例示出的一种基于电力数据的排污机构生产状态确定装置的框图,参阅图2,该基于电力数据的排污机构生产状态确定装置200包括:参考数据确定模块210与生产状态识别模块220。
参考数据确定模块210,被配置为根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;所述目标变化范围是用于确定所述排污机构当前产生的实时数据是否异常的标准;
生产状态识别模块220,被配置为根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
可选地,所述目标变化范围包括用电量数据范围;参考数据确定模块210包括:
第一目标变化范围子模块,被配置为确定多个所述历史数据组中处于相同目标时刻的历史用电量与历史用电量逐时变化率;多个所述历史用电量中的最小值与最大值之间的范围,以及多个所述历史用电量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述用电量数据范围。
可选地,所述目标变化范围包括排放量数据范围;参考数据确定模块210包括:
第二目标变化范围子模块,被配置为确定多个所述历史数据组中处于相同目标时刻的历史排放量与历史排放量逐时变化率;多个所述历史排放量中的最小值与最大值之间的范围,以及多个所述历史排放量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述排放量数据范围。
可选地,所述实时数据包括用电量数据与排放量数据,所述目标变化范围包括用电量数据范围与排放量数据范围;生产状态识别模块220包括:
生产状态识别子模块,被配置为根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别。
可选地,生产状态识别子模块包括:
第一识别子模块,被配置为在所述用电量数据在所述用电量数据范围之内的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围内,确定所述排污机构生产正常;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述监测设备故障或所述排放量数据虚假。
可选地,生产状态识别子模块包括:
第二识别子模块,被配置为在所述用电量数据大于所述用电量数据范围中的最大值的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围之内,确定所述排污机构违规增产,且确定所述排污机构的监测设备故障或所述排放量数据虚假;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构违规增产;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述排污机构违规增产,且确定所述监测设备故障或所述排放量数据虚假。
可选地,生产状态识别子模块包括:
第三识别子模块,被配置为在所述用电量数据小于所述用电量数据范围中的最小值的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围之内,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述排污机构减产。
可选地,所述用电量数据包括实时用电量与用电量逐时变化率,所述排放量数据包括实时排放量与排放量逐时变化率;所述用电量数据范围包括用电量变化范围与用电量逐时变化率范围,所述排放量数据范围包括排放量变化范围与排放量逐时变化率范围。
可选地,生产状态识别模块220包括:
第四识别子模块,被配置为根据所述排污机构未执行减排措施下的所述实时数据与正常生产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
可选地,生产状态识别模块220包括:
第五识别子模块,被配置为根据减产下的所述实时数据与减产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,所述减产包括不同减排比例下的减产。
可选地,参考数据确定模块210包括:
第三目标变化范围子模块,被配置为根据所述排污机构在正常生产时产生的多个历史数据组,确定正常生产下的所述目标变化范围,或;
根据所述排污机构在减产时产生的多个历史数据组,确定减产下的所述目标变化范围。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图3是根据一示例性实施例示出的一种电子设备300的框图。例如,电子设备300可以被提供为一服务器。参照图3,电子设备300包括处理器322,其数量可以为一个或多个,以及存储器332,用于存储可由处理器322执行的计算机程序。存储器332中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器322可以被配置为执行该计算机程序,以执行上述的基于电力数据的排污机构生产状态确定方法。
另外,电子设备300还可以包括电源组件326和通信组件350,该电源组件326可以被配置为执行电子设备300的电源管理,该通信组件350可以被配置为实现电子设备300的通信,例如,有线或无线通信。此外,该电子设备300还可以包括输入/输出(I/O)接口358。电子设备300可以操作基于存储在存储器332的操作系统。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的基于电力数据的排污机构生产状态确定方法的步骤。例如,该非临时性计算机可读存储介质可以为上述包括程序指令的存储器332,上述程序指令可由电子设备300的处理器322执行以完成上述的基于电力数据的排污机构生产状态确定方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的基于电力数据的排污机构生产状态确定方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (13)
1.一种基于电力数据的排污机构生产状态确定方法,其特征在于,包括:
根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;所述目标变化范围是用于确定所述排污机构当前产生的实时数据是否异常的标准;
根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
2.根据权利要求1所述的方法,其特征在于,所述目标变化范围包括用电量数据范围;所述根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围,包括:
确定多个所述历史数据组中处于相同目标时刻的历史用电量与历史用电量逐时变化率;多个所述历史用电量中的最小值与最大值之间的范围,以及多个所述历史用电量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述用电量数据范围。
3.根据权利要求1所述的方法,其特征在于,所述目标变化范围包括排放量数据范围;根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围,包括:
确定多个所述历史数据组中处于相同目标时刻的历史排放量与历史排放量逐时变化率;多个所述历史排放量中的最小值与最大值之间的范围,以及多个所述历史排放量逐时变化率中的最小值与最大值之间的范围组成所述目标时刻对应的所述排放量数据范围。
4.根据权利要求1所述的方法,其特征在于,所述实时数据包括用电量数据与排放量数据,所述目标变化范围包括用电量数据范围与排放量数据范围;所述根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:
根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别。
5.根据权利要求4所述的方法,其特征在于,所述根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:在所述用电量数据在所述用电量数据范围之内的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围内,确定所述排污机构生产正常;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述监测设备故障或所述排放量数据虚假。
6.根据权利要求4所述的方法,其特征在于,所述根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:在所述用电量数据大于所述用电量数据范围中的最大值的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围之内,确定所述排污机构违规增产,且确定所述排污机构的监测设备故障或所述排放量数据虚假;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构违规增产;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述排污机构违规增产,且确定所述监测设备故障或所述排放量数据虚假。
7.根据权利要求4所述的方法,其特征在于,所述根据所述用电量数据与所述用电量数据范围之间的比较关系,以及所述排放量数据与所述排放量数据范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:在所述用电量数据小于所述用电量数据范围中的最小值的情况下,通过以下任意一种方式对所述排污机构的生产状态进行识别:
所述排放量数据位于所述排放量数据范围之内,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据大于所述排放量数据范围中的最大值,确定所述排污机构的监测设备故障或治理设备故障;
所述排放量数据小于所述排放量数据范围中的最小值,确定所述排污机构减产。
8.根据权利要求4~7任一所述的方法,其特征在于,所述用电量数据包括实时用电量与用电量逐时变化率,所述排放量数据包括实时排放量与排放量逐时变化率;所述用电量数据范围包括用电量变化范围与用电量逐时变化率范围,所述排放量数据范围包括排放量变化范围与排放量逐时变化率范围。
9.根据权利要求1~7中任一所述的方法,其特征在于,所述根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:
根据所述排污机构未执行减排措施下的所述实时数据与正常生产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
10.根据权利要求1~7中任一所述的方法,其特征在于,所述根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,包括:
根据减产下的所述实时数据与减产下的所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别,所述减产包括不同减排比例下的减产。
11.根据权利要求1所述的方法,其特征在于,所述根据排污机构在运作时产生的多个历史数据组,确定目标变化范围,包括:
根据所述排污机构在正常生产时产生的多个历史数据组,确定正常生产下的所述目标变化范围,或;
根据所述排污机构在减产时产生的多个历史数据组,确定减产下的所述目标变化范围。
12.一种基于电力数据的排污机构生产状态确定装置,其特征在于,包括:
参考数据确定模块,被配置为根据排污机构在运作时产生的多个历史数据组中处于同一目标时刻的历史数据,确定目标变化范围;所述目标变化范围是用于确定所述排污机构当前产生的实时数据是否异常的标准;
生产状态识别模块,被配置为根据所述实时数据与所述目标变化范围之间的比较关系,对所述排污机构的生产状态进行识别。
13.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1~11中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410094386.0A CN117609926B (zh) | 2024-01-23 | 2024-01-23 | 基于电力数据的排污机构生产状态确定方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410094386.0A CN117609926B (zh) | 2024-01-23 | 2024-01-23 | 基于电力数据的排污机构生产状态确定方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117609926A true CN117609926A (zh) | 2024-02-27 |
CN117609926B CN117609926B (zh) | 2024-04-16 |
Family
ID=89953886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410094386.0A Active CN117609926B (zh) | 2024-01-23 | 2024-01-23 | 基于电力数据的排污机构生产状态确定方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609926B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150262113A1 (en) * | 2014-03-11 | 2015-09-17 | Bank Of America Corporation | Work status monitoring and reporting |
US20170371757A1 (en) * | 2016-06-28 | 2017-12-28 | Beijing Baidu Netcom Science And Technology, Ltd. | System monitoring method and apparatus |
CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
CN114943409A (zh) * | 2022-04-11 | 2022-08-26 | 国网山东省电力公司滨州供电公司 | 一种基于电力数据的环境监控分析方法、系统 |
CN115689396A (zh) * | 2022-12-30 | 2023-02-03 | 天津友美环保科技有限公司 | 污染物排放管控方法、装置、设备及介质 |
CN115860477A (zh) * | 2022-12-09 | 2023-03-28 | 国网上海市电力公司 | 一种基于电力数据的污染物实时排放监测方法和系统 |
CN116402187A (zh) * | 2023-02-21 | 2023-07-07 | 湖南思极科技有限公司 | 一种基于电力大数据的企业排污预测方法 |
CN116562690A (zh) * | 2023-05-06 | 2023-08-08 | 国网数字科技控股有限公司 | 用电监测指数的确定方法、装置、设备及可读存储介质 |
-
2024
- 2024-01-23 CN CN202410094386.0A patent/CN117609926B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150262113A1 (en) * | 2014-03-11 | 2015-09-17 | Bank Of America Corporation | Work status monitoring and reporting |
US20170371757A1 (en) * | 2016-06-28 | 2017-12-28 | Beijing Baidu Netcom Science And Technology, Ltd. | System monitoring method and apparatus |
CN113988711A (zh) * | 2021-11-22 | 2022-01-28 | 国网江苏省电力有限公司连云港供电分公司 | 基于用电数据的管控状态下排污企业停或限产监测方法 |
CN114943409A (zh) * | 2022-04-11 | 2022-08-26 | 国网山东省电力公司滨州供电公司 | 一种基于电力数据的环境监控分析方法、系统 |
CN115860477A (zh) * | 2022-12-09 | 2023-03-28 | 国网上海市电力公司 | 一种基于电力数据的污染物实时排放监测方法和系统 |
CN115689396A (zh) * | 2022-12-30 | 2023-02-03 | 天津友美环保科技有限公司 | 污染物排放管控方法、装置、设备及介质 |
CN116402187A (zh) * | 2023-02-21 | 2023-07-07 | 湖南思极科技有限公司 | 一种基于电力大数据的企业排污预测方法 |
CN116562690A (zh) * | 2023-05-06 | 2023-08-08 | 国网数字科技控股有限公司 | 用电监测指数的确定方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117609926B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491305B (zh) | 一种服务器故障的检测方法及系统 | |
JP3116322B2 (ja) | 欠陥診断装置 | |
KR101744226B1 (ko) | 진단 고장 정보를 제공하기 위한 시스템 및 방법 | |
CN112763960B (zh) | 一种就地模块的自运维方法 | |
CN112461289A (zh) | 一种环网柜故障监控方法、系统、终端及存储介质 | |
EP3250965A1 (en) | Methods and systems for detecting, classifying and/or mitigating sensor error | |
CN116187552A (zh) | 异常检测方法、计算设备及计算机存储介质 | |
CN113326612A (zh) | 配电网可靠性评估方法及装置 | |
KR101936240B1 (ko) | 예방 정비 시뮬레이션 시스템 및 방법 | |
CA2326248A1 (en) | Methods and apparatus for generating maintenance messages | |
Ficco et al. | An event correlation approach for fault diagnosis in scada infrastructures | |
CN112084910A (zh) | 故障诊断方法及系统 | |
CN117609926B (zh) | 基于电力数据的排污机构生产状态确定方法与装置 | |
CN117609927B (zh) | 排碳机构的生产状态确定方法、装置与电子设备 | |
CN116449134A (zh) | 一种光伏逆变器的故障信息获取方法及系统 | |
Evans et al. | On the treatment of common-cause failures in system analysis | |
Yang et al. | The effect of time-between-events for sequence interaction testing of a real-time system | |
CN113886475A (zh) | 一种基于区块链的窃电预警系统及方法 | |
Ulmer et al. | Cross-turbine training of convolutional neural networks for scada-based fault detection in wind turbines | |
CN109581174B (zh) | 一种核电站动态仿真试验系统和试验方法 | |
CN112799911A (zh) | 一种节点健康状态检测方法、装置、设备及存储介质 | |
CN111061254A (zh) | 一种phm系统性能的评价方法及系统 | |
CN116304763B (zh) | 一种电力数据预分析方法、系统、设备及介质 | |
CN117609928B (zh) | 基于电力数据的污染物排放量异常识别方法与装置 | |
EP4256354B1 (en) | Safety mechanisms for artificial intelligence units used in safety critical applications |
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 |