CN117763484A - 一种基于企业用能空间的用能异常诊断方法和装置 - Google Patents
一种基于企业用能空间的用能异常诊断方法和装置 Download PDFInfo
- Publication number
- CN117763484A CN117763484A CN202410190243.XA CN202410190243A CN117763484A CN 117763484 A CN117763484 A CN 117763484A CN 202410190243 A CN202410190243 A CN 202410190243A CN 117763484 A CN117763484 A CN 117763484A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- node
- energy
- abnormality
- level
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 179
- 238000003745 diagnosis Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005265 energy consumption Methods 0.000 claims abstract description 365
- 238000004519 manufacturing process Methods 0.000 claims abstract description 137
- 238000006243 chemical reaction Methods 0.000 claims abstract description 72
- 230000008030 elimination Effects 0.000 claims abstract description 9
- 238000003379 elimination reaction Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 103
- 230000002159 abnormal effect Effects 0.000 claims description 66
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012261 overproduction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000007906 compression Methods 0.000 description 11
- 230000006835 compression Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- YLOCGHYTXIINAI-XKUOMLDTSA-N (2s)-2-amino-3-(4-hydroxyphenyl)propanoic acid;(2s)-2-aminopentanedioic acid;(2s)-2-aminopropanoic acid;(2s)-2,6-diaminohexanoic acid Chemical compound C[C@H](N)C(O)=O.NCCCC[C@H](N)C(O)=O.OC(=O)[C@@H](N)CCC(O)=O.OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 YLOCGHYTXIINAI-XKUOMLDTSA-N 0.000 description 1
- 102000016726 Coat Protein Complex I Human genes 0.000 description 1
- 108010092897 Coat Protein Complex I Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于企业用能空间的用能异常诊断方法和装置,通过构建包含多层级用能空间节点的用能空间树,获取多个能源种类的数据指标,并针对每个能源种类,设置对标标准,分层级定位用能异常节点,并在定位用能异常节点的基础上,对用能异常节点根据其性质的不同,进行产品产量,产品单耗,生产时段和非工作时段,以及能源转换效率等关联因素分析,确定用能异常节点的用能异常原因,最后,针对用能异常节点的用能异常原因结合专家经验和物联诊断数据给出用能异常消除措施,从而实现了基于企业用能空间,根据能耗数据进行分层级,多个能源种类的用能异常诊断,有效帮助了企业针对性地减少能源浪费,降低能源成本。
Description
技术领域
本发明涉及能源管理领域,并且更具体地,涉及一种基于企业用能空间的用能异常诊断方法。
背景技术
用能企业所使用的能源的种类非常多样化,例如,水、电、燃气、蒸汽、热、压缩空气、氮气、氧气、二氧化碳、燃料油等,而且使用过程中会经过多个空间环节,且企业能源类型多,用能,供能的设备种类也多,常常由于缺乏专业技术和经验,无法对企业用能异常进行及时高效的诊断,导致企业用能浪费,能源成本高。
发明内容
为了解决现有技术中企业用能空间由于使用的用能种类多,用能供能设备的种类多,但又缺乏专业的用能诊断技术,导致的企业用能浪费,能源成本高的技术问题,本发明提供一种基于企业用能空间的用能异常诊断方法和装置。
根据本发明的一方面,本发明提供一种基于企业用能空间的用能异常诊断方法,所述方法包括:
步骤101,根据企业用能空间的分布层级,建立由用能空间节点构成的用能空间树,其中,所述用能空间树包括N个层级的节点,除第1个层级只包括1个节点外,剩余N-1个层级中的每个层级包括至少2个节点,且当第i个层级中的1个节点包括第i+1个层级的节点时,数量至少为2个,其中,2≤i≤N-1,第i+1个层级相对于第i个层级为下一层级;
步骤102,获取第j个层级的每个节点的至少一个能源种类的能源计量数据,以及每个用能空间节点的产量数据;
步骤103,针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,其中,1≤j≤N;
步骤104,根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中,所述用能诊断结果包括用能正常和用能异常;
步骤105,当j不大于1,且用能诊断结果为用能异常时,令j=j+1,返回步骤102,当j大于1,且用能诊断结果为用能异常时,转至步骤106;
步骤106,根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据;
步骤107,根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因;
步骤108,当第j个层级中用能异常的节点包含第j+1个层级的节点时,令j=j+1,当j不大于N时,返回步骤102。
根据本发明的另一方面,本发明提供一种基于企业用能空间的用能异常诊断装置,所述装置包括:
空间树模块,用于根据企业用能空间的分布层级,建立由用能空间节点构成的用能空间树,其中,所述用能空间树包括N个层级的节点,除第1个层级只包括1个节点外,剩余N-1个层级中的每个层级包括至少2个节点,且当第i个层级中的1个节点包括第i+1个层级的节点时,数量至少为2个,其中,2≤i≤N-1,第i+1个层级相对于第i个层级为下一层级;
数据获取模块,用于获取第j个层级的每个节点的至少一个能源种类的能源计量数据,以及每个用能空间节点的产量数据;
第一计算模块,用于针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,其中,1≤j≤N;
第一诊断模块,用于根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中,所述用能诊断结果包括用能正常和用能异常;
第一判断模块,用于当j不大于1,且用能诊断结果为用能异常时,令j=j+1,返回数据获取模块,当j大于1,且用能诊断结果为用能异常时,转至第二计算模块;
第二计算模块,用于根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据;
第二诊断模块,用于根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因;
第二判断模块,用于当第j个层级中用能异常的节点包含第j+1个层级的节点时,令j=j+1,当j不大于N时,返回数据获取模块。
根据本发明的又一个方面,本发明提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明上述任一方面所述的方法。
根据本发明的又一个方面,提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明上述任一方面所述的方法。
本发明所述基于企业用能空间的用能异常诊断方法和装置通过建立企业用能空间树,按照从上至下的层级获取节点的能源计量数据和产量数据,进行分层级用能空间节点的用能数据分析,按层级递进诊断各过程数据异动,自动识别用能异常的用能空间节点,并联合产量、工作时段和非工作时段、能源转换效率等数据,诊断分析用能异常原因,结合智能告警工具,通知企业能源管理员做针对性节能调整,从而有效降低了企业能耗,节省了企业能源成本。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的基于企业用能空间的用能异常诊断方法的流程图;
图2为根据本发明优选实施方式的用能空间树的结构示意图;
图3为根据本发明优选实施方式的用能异常结果诊断规则表;
图4为根据本发明优待实施方式的基于企业用能空间的用能异常诊断装置的结构示意图;
图5为根据本发明优选实施方式的电子设备的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
示例性方法
图1为根据本发明优选实施方式的基于企业用能空间的用能异常诊断方法的流程图。如图1所示,本优选实施方式所述的基于企业用能空间的用能异常诊断方法从步骤101开始。
在步骤101,根据企业用能空间的分布层级,建立由用能空间节点构成的用能空间树,其中,所述用能空间树包括N个层级的节点,除第1个层级只包括1个节点外,剩余N-1个层级中的每个层级包括至少2个节点,且当第i个层级中的1个节点包括第i+1个层级的节点时,数量至少为2个,其中,2≤i≤N-1,第i+1个层级相对于第i个层级为下一层级。
本优选实施方式中,对于一个生产企业,按照上述建立用能空间树的方法,根据划分的用能空间分布层级,建立四个层级的用能空间树。图2为根据本发明优选实施方式的用能空间树的结构示意图。如图2所示,将全厂作为第1层级,只包括1个节点。将标号为1#,2#,3#的3个生产车间和动力站房作为第2层级的节点。其中,2#车间包括下一层级,也就是第3层级的标记为a#,b#,c#的3个工段。a#工段包括下一层级,也就是第4层级的标记为a1#和a2#的2个工组。其中,根据用能空间性质的不同,将用能空间节点划分为生产空间节点和能源转换节点,图2中,动力站房为能源转换节点,除能源转换节点和和第1层级的节点以外的其他节点为生产空间节点。
在步骤102,获取第j个层级的每个节点的至少一个能源种类的能源计量数据,以及每个用能空间节点的产量数据。
在本优选实施方式中,建立如图2所示的企业的用能空间树后,各用能空间节点根据企业实际表计计量情况,关联上对应节点的能源计量装置,包括但不限于电能表,气体流量表,液体流量表等,则针对每一种能源,依据划分的用能空间树进行用能异常诊断。本实施例以企业用电量为例,进行用能异常诊断。进一步地,进行用能异常诊断时,对于能源计量装置处采集的计量数据,以及生产空间生产的产品的产量数据,能源转换节点生产的能源的产量数据,本发明已经提前进行了预处理,默认为可以直接获得各个用能节点的能源计算数据和产量数据。在实际应用中,进行用能异常诊断时,也可以直接采集相关数据,然后通过计算后确定节点的能源计量数据和产量数据,本发明在此不作限定。同理,节点的数据可以通过用户输入,也可以通过其他数据采集系统进行数据对接导入,在此也不作限定。
在步骤103,针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据。
优选地,所述针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,包括:
针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算每个节点的当日产品能耗量;
根据第j个层级的每个节点在设置的历史时间周期内的每日能耗量确定每个节点在历史时间周期的最大能耗量和能耗平均值,以及能耗对标区间,其中,所述能耗对标区间为设置的当日产品能耗量的正常范围区间;
根据第j个层级的每个节点的当日产品能耗量和能耗对标值计算节点的用能变化率,所述能耗对标值为能耗平均值或能耗对标区间中的任意值,其中,所述用能变化率的计算公式为:
用能变化率=(当日产品能耗量-能耗对标值)/能耗对标值。
本优选实施方式中,以对第4个层级的a1#和a2#这2个工组进行能耗数据计算为例。根据a1#和a2#这两个工组获取并存储的当日用电量,按照设置的时间周期,比如近90天存储的当日用电量,计算得到a1#和a2#工组的90天内用电量均值和用电量最大值,以及用电量的对标区间值。能耗对标值可以从90天内用电量均值和用电量最大值,用电量的对标区间值中任意选择一个值进行确定。分别根据a1#和a2#工组的当日产品能耗量和各自的能耗对标值可计算得到a1#和a2#工组的用能变化率,其中,用能变化率的计算公式为:
用能变化率=(当日产品能耗量-能耗对标值)/能耗对标值*100%
当用能变化率大于0时,表示用能空间节点的能耗量增加,当超过设置的用能变化率阈值时,确定该用能空间节点的能耗量超标。
本优选实施方式中,为了降低数据访问频率,提高诊断效率,采取从上到下,随用随取的原则获取数据进行处理,即从第1个层级的节点开始进行数据计算,根据计算结果进行用能异常结果诊断,只有在确定第1个层级的节点用能异常后,才对第2个层级的节点进行数据计算,并根据计算结果进行用能异常结果诊断,以此类推。也就是说本发明在进行用能异常结果诊断时,每次都只针对一个层级的节点,从而避免了每次判断都需要针对用能空间树的全部节点进行运算,大大降低了数据处理的工作量,提高了诊断效率。
步骤104,根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中,所述用能诊断结果包括用能正常和用能异常。
优选地,所述根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中:
所述用能异常结果诊断规则包括节点的当日产品能耗量小于在历史时间周期的最大能耗量,或者当第j个层级的节点用能变化率在设置的变化率区间,或者当第j个层级的节点的当日产品能耗量在能耗对标区间;
当第j个层级的节点满足上述用能异常诊断规则中的任意一个时,确定第j个层级的该节点的用能诊断结果为用能正常;否则,确定该节点的用能诊断结果为用能异常。
步骤105,当j不大于1,且用能诊断结果为用能异常时,令j=j+1,返回步骤103。
步骤106,当j大于1,且用能诊断结果为用能异常时,转至步骤107;
本优选实施方式中,由于各个层级的用能空间节点都能根据获取的数据计算出多种能耗数据,包括但不限于当日产品能耗量,用能变化率,历史最大能耗量,能耗平均值,能耗对标区间,从而能够灵活地设置用能异常结果诊断规则。图3为根据本发明优选实施方式的用能异常结果诊断规则表。如图3所示,通过设置诊断指标,指标单位,限定逻辑,限定范围选项,然后对应设置各选项的具体内容,即可确定针对某一种能源的具体的用能异常结果诊断规则。在设置好诊断规则后,则可以很方便地选择其中某一种规则来确定节点的用能异常诊断结果。比如,1#车间用能变化率为20%,设置的变化率区间为正负10%,则根据用能异常结果诊断规则,1#车间用能异常。按照用能空间树的特点,可以确定当第1层级,也就是全厂级出现用能异常时,第2层级必然有用能异常的节点,此时,先对第2层级的节点进行用能异常结果诊断,如果确定用能异常的节点还有第3层级的节点,才对第2层级用能异常的节点的第3层级节点进行用能异常诊断,而对第2层级的用能正常的节点,即使其存在第3层级的节点,也不再对其的第3层级节点进行用能异常诊断,以此类推,从而,既能够通过层层下钻分析,将用能异常的节点一步步定位到最下一层级的节点,也避免了对用能空间树的全部节点进行用能异常诊断和用能异常原因分析,减少了数据处理量,提高了数据分析处理效率。
在步骤107,根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据。
优选地,所述根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据,包括:
当第j个层级中用能异常的节点存在至少一个生产空间节点时,每个生产空间节点的产量数据和诊断数据分别为第一产量数据和第一诊断数据,其中,所述第一产量数据包括第j个层级中用能异常的每个生产空间节点的当日产品产量和产品产量对标值,所述第一诊断数据为第j个层级中用能异常的每个生产空间节点的产量变化率,所述第一诊断数据的计算公式为:
产量变化率=(当日产品产量-产品产量对标值)/产品产量对标值*100%。
本优选实施方式中,当产量变化率为正时,表示产品产量增长,负数表示降低。
当第j个层级中用能异常的节点存在至少一个能源转换节点时,每个能源转换节点的能耗数据为当日能源消耗量和能源消耗量对标值,产量数据和诊断数据分别为第二产量数据和第二诊断数据,其中,所述第二产量数据包括第j个层级中用能异常的每个能源转换节点的当日能源产量和能源产品产量对标值,所述第二诊断数据为第j个层级中用能异常的每个能源转换节点的能源转换效率变化率,所述第二诊断数据的计算公式为:
能源转换效率变化率=(当日能源消耗量/当日能源产量-能源消耗量对标值/能源产品产量对标值)/(能源消耗量对标值/能源产品产量对标值) *100%。
本优选实施方式中,当用能空间节点为能源转换节点时,需要诊断该节点的能源转换效率,从而在确定能源转换节点用能异常时,定位用能异常的设备和用能异常原因。
以能源转换节点为空压系统为例,根据采集的产量数据可计算当日转换的当日压缩空气量,根据计量数据可计算空压每当当日用电量,则根据当日用电量和当日压缩空气量可计算空压系统的当日电气比,单位k·Wh/Nm³,也就是当日能源转换率,当日电气比计算公式为:
当日电气比=当日用电量/当日压缩空气量*100%
同理,当以空压系统近90天的用电量平均值作为每日用电量对标值,以近90天的压缩空气量平均值作为每日压缩空气量对标值,则空压系统电气比对标值的计算公式为:
电气比对标值=每日用电量对标值/每日压缩空气量对标值*100%
那么根据当日电气比和电气比对标值可计算空压系统电气比增长率,也就是空压系统的能源转换效率变化率,其计算公式为:
电气比增长率=(当日电气比-电气比对标值)/电气比对标值*100%
当电气比增长率增加时,说明空压系统的能耗量增加。
当能源转换节点为制冷系统时,由于其通过COP,也就是压缩机制冷量与消耗的电功率比值来考核能源转换效率。因此,其能源转换率增长率的计算公式为:
能源转换率增长率=(1/当日COP-1/COP对标值)*COP对标值*100%
当日COP=当日制冷量/当日用电量
COP对标值=每日制冷量对标值/每日用电量对标值
当能源转换率增长率大于0时,确定为COP影响能耗量增加。
在步骤108,根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因。
优选地,所述根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因,其中,所述第一用能异常原因诊断规则包括:
当第j个层级中用能异常的节点存在生产空间节点时,
若所述生产空间节点的产量变化率不小于用能变化率,将所述生产空间节点的用能异常诊断结果更新为用能正常;
若所述生产空间节点的产量变化率小于用能变化率,确定所述生产空间节点的第一用能异常的原因为所述生产空间节点的生产效率降低;
当所述用能空间节点为能源转换节点时,
若所述用能空间节点的能源转换效率变化率大于0时,确定所述能源转换节点的第一用能异常原因为所述能源转换节点能源转换效率降低。
优选地,当第j个层级中用能异常的节点是生产空间节点,且第一用能异常的原因为所述生产空间节点的生产效率降低时,所述方法还包括:
根据第j个层级中用能异常的每个生产空间节点的当日产品能耗量,当日产品产量,产品能耗量对标值和产品产量对标值计算每个生产空间节点的产品单耗变化率,其中,所述产品单耗变化率计算公式为:
产品单耗变化率=(当日产品能耗量/当日产品产量-产品能耗量对标值/产品产量对标值)/(产品能耗量对标值/产品产量对标值) *100%;
当第j个层级中用能异常的每个生产空间节点设置工作时段和非工作时段时,计算每个生产空间节点的当日非工作时段能耗量;
根据第j个层级中用能异常的每个生产空间节点在设置的历史时间周期内的每日非工作时段能耗量确定每个生产空间节点的非工作时段能耗量对标值;
根据第j个层级中每个生产空间节点的当日非工作时段能耗量和非工作时段能耗量对标值计算每个生产空间节点的非工作时段能耗变化率;
根据第j个层级中用能异常的每个生产空间节点的产品单耗变化率和非工作时段能耗变化率,以及设置的第二用能异常原因诊断规则确定所第j个层级中用能异常的生产空间节点的第二用能异常原因,其中,所述第二用能异常原因诊断规则包括:
当所述生产空间节点的第一用能异常原因为所述生产空间节点的生产效率降低,若所述生产空间节点的产品单耗变化率大于0,且非工作时段能耗变化率大于0,确定所述生产空间节点的第二用能异常原因为产品单耗增加,且产品单耗增加的原因为非工作时段能耗增加;若所述生产空间节点的产品单耗变化率大于0,但非工作时段能耗变化率不大于0,确定所述生产空间节点的第二用能异常原因为产品单耗增加,产品单耗增加的原因待定;若所述生产空间节点的产品单耗变化率不大于0,且非工作时段能耗变化率大于0,确定所述生产空间节点的第二用能异常原因为非工作时段能耗增加造成的生产效率降低;若所述生产空间节点的产品单耗变化率不大于0,且非工作时段能耗变化率不大于0,确定所述生产空间节点的第二用能异常原因待定。
在本优选实施方式中,当通过用能异常结果诊断结果确定某一用能空间节点用能异常后,由于生产空间节点的用能是用于生产产品的,因此,其用能异常很可能是由于某个时段的生产的产品产量迅速增加造成的。因此,对于生产空间节点,还需要考虑其产量变化率。当产量变化率大于等于用能变化率时,可认为在该时段内的用能超量是被允许的,从而将根据用能异常诊断规则确定的用能异常的诊断结果更新为用能正常。例如,对于1#车间,当产量变化率为25%时,由于产量变化率25%大于用能变化率20%,因此,认为1#车间实际上用能正常,需要将诊断结果由用能异常更新为用能正常。反之,当产量变化率小于用能变化率时,比如,2#车间产量变化率为5%,而用能变化率为15%时,进入产品单耗变化率的诊断。若产品单耗变化率计算结果为20%,即产品单耗也增加,则需要进行下钻分析,进一步分析用能超标原因,即非工作时段的能耗变化。若非工作时段的能耗变化率大于0,则确定单耗增加的原因之一是非工作时段能耗增加了。至于能源转换节点,则需要单独分析能源转换效率变化率。比如,对于本优选实施方式中的动力站房,其作为能源转换节点,同时包括空压系统和制冷系统,通过计算可得用能变化率为15%,根据用能异常结果诊断规则,超过10%的变化率区间上限值,因此,该能源转换节点用能异常。进一步地,计算可得空压系统电气比增长率为10%,制冷系统基于COP的能源转换率增长率为20%,则确定该能源转换节点用能异常的主要原因为制冷系统COP变化影响能耗量增加20%,其次是空压系统电气能源转换率增加了10%。
为了进一步提高定位用能异常节点的准确度,可以对工作时段和非工作时段进行准确设置,从而进行产量变化率,产品单耗变化率计算时,直接针对工作时段的能耗数据和产量数据进行,避免了由于没有准确的数据统计,而只能根据经验值统计工作时段和非工作时段的弊端。上述对工作时段和非工作时段的准确统计可以通过设置不同层级的生产空间节点的排班情况来获取。
在步骤109,当第j个层级中用能异常的节点包含第j+1个层级的节点时,令j=j+1,当j不大于N时,返回步骤103。
优选地,所述方法还包括:
根据第j个层级中用能异常的节点的第一用能异常原因和第二用能异常原因与设置的用能异常消除策略确定第j个层级中用能异常的节点的异常消除措施,其中,所述用能异常消除策略包括:
当所述第二用能异常原因为产品单耗增加时,重新安排生产计划,避免生产过剩或者生产不足;以及重新安排生产设备启停计划,避免生产设备空置或闲置;
当所述第二用能异常原因为非工作时段能耗增加,重新安排供能设备和能源转换设备启停时间,避免非工作时段过量供能;重新安排生产设备启停时段,非生产时段关闭生产设备以降低能耗;
当所述第一用能异常原因为能源转换节点能源转换率低时,定位到能治转换率低的能源转换节点,给出节点替换和维修保养,以及节点智能控制建议。
综上所述,本优选实施方式所述的基于企业用能空间的用能异常诊断方法通过构建包含多层级用能空间节点的用能空间树模型,获取多种类能源的数据指标,设置对标标准,从上到下分层级对用能异常节点进行定位,并在定位用能异常节点的基础上,对用能异常节点根据其性质的不同,进行产品产量,产品单耗,生产时段和非工作时段,以及能源转换效率等关联因素分析,确定用能异常节点的用能异常原因,最后,针对用能异常节点的用能异常原因结合专家经验和物联诊断数据给出用能异常消除措施,从而实现了基于企业用能空间,根据能耗数据进行分层级,多种能源种类的用能异常结果诊断,以及联合产品产量,产品单耗,生产时段和非工作时段,以及能源转换效率等数据进行综合分析确定用能异常原因,从而有效帮助了企业针对性地减少能源浪费,降低能源成本。
示例性装置
图4为根据本发明优待实施方式的基于企业用能空间的用能异常诊断装置的结构示意图。如图4所示,本优选实施方式所述的基于企业用能空间的用能异常诊断装置400包括:
空间树模块401,用于根据企业用能空间的分布层级,建立由用能空间节点构成的用能空间树,其中,所述用能空间树包括N个层级的节点,除第1个层级只包括1个节点外,剩余N-1个层级中的每个层级包括至少2个节点,且当第i个层级中的1个节点包括第i+1个层级的节点时,数量至少为2个,其中,2≤i≤N-1,第i+1个层级相对于第i个层级为下一层级;
数据获取模块402,用于获取第j个层级的每个节点的至少一个能源种类的能源计量数据,以及每个用能空间节点的产量数据;
第一计算模块403,用于针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,其中,1≤j≤N;
第一诊断模块404,用于根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中,所述用能诊断结果包括用能正常和用能异常;
第一判断模块405,用于当j不大于1,且用能诊断结果为用能异常时,令j=j+1,返回数据获取模块,当j大于1,且用能诊断结果为用能异常时,转至第二计算模块;
第二计算模块406,用于根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据;
第二诊断模块407,用于根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因;
第二判断模块408,用于当第j个层级中用能异常的节点包含第j+1个层级的节点时,令j=j+1,当j不大于N时,返回数据获取模块。
优选地,所述第一计算模块403针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,包括:
针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算每个节点的当日产品能耗量;
根据第j个层级的每个节点在设置的历史时间周期内的每日能耗量确定每个节点在历史时间周期的最大能耗量和能耗平均值,以及能耗对标区间,其中,所述能耗对标区间为设置的当日产品能耗量的正常范围区间;
根据第j个层级的每个节点的当日产品能耗量和能耗对标值计算节点的用能变化率,所述能耗对标值为能耗平均值或能耗对标区间中的任意值,其中,所述用能变化率的计算公式为:
用能变化率=(当日产品能耗量-能耗对标值)/能耗对标值。
优选地,所述第一诊断模块404根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中:
所述用能异常结果诊断规则包括节点的当日产品能耗量小于在历史时间周期的最大能耗量,或者当第j个层级的节点用能变化率在设置的变化率区间,或者当第j个层级的节点的当日产品能耗量在能耗对标区间;
当第j个层级的节点满足上述用能异常诊断规则中的任意一个时,确定第j个层级的该节点的用能诊断结果为用能正常;否则,确定该节点的用能诊断结果为用能异常。
优选地,所述第二计算模块406根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据,包括:
当第j个层级中用能异常的节点存在至少一个生产空间节点时,每个生产空间节点的产量数据和诊断数据分别为第一产量数据和第一诊断数据,其中,所述第一产量数据包括第j个层级中用能异常的每个生产空间节点的当日产品产量和产品产量对标值,所述第一诊断数据为第j个层级中用能异常的每个生产空间节点的产量变化率,所述第一诊断数据的计算公式为:
产量变化率=(当日产品产量-产品产量对标值)/产品产量对标值;
当第j个层级中用能异常的节点存在至少一个能源转换节点时,每个能源转换节点的能耗数据为当日能源消耗量和能源消耗量对标值,产量数据和诊断数据分别为第二产量数据和第二诊断数据,其中,所述第二产量数据包括第j个层级中用能异常的每个能源转换节点的当日能源产量和能源产品产量对标值,所述第二诊断数据为第j个层级中用能异常的每个能源转换节点的能源转换效率变化率,所述第二诊断数据的计算公式为:
能源转换效率变化率=(当日能源消耗量/当日能源产量-能源消耗量对标值/能源产品产量对标值)/(能源消耗量对标值/能源产品产量对标值)。
优选地,所述第二诊断模块407根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因,其中,所述第一用能异常原因诊断规则包括:
当第j个层级中用能异常的节点存在生产空间节点时,
若所述生产空间节点的产量变化率不小于用能变化率,将所述生产空间节点的用能异常诊断结果更新为用能正常;
若所述生产空间节点的产量变化率小于用能变化率,确定所述生产空间节点的第一用能异常的原因为所述生产空间节点的生产效率降低;
当所述用能空间节点为能源转换节点时,
若所述用能空间节点的能源转换效率变化率大于0时,确定所述能源转换节点的第一用能异常原因为所述能源转换节点能源转换效率降低。
优选地,所述第二计算模块406还用于:
当第j个层级中用能异常的节点是生产空间节点,且第一用能异常的原因为所述生产空间节点的生产效率降低时,根据第j个层级中用能异常的每个生产空间节点的当日产品能耗量,当日产品产量,产品能耗量对标值和产品产量对标值计算每个生产空间节点的产品单耗变化率,其中,所述产品单耗变化率计算公式为:
产品单耗变化率=(当日产品能耗量/当日产品产量-产品能耗量对标值/产品产量对标值)/(产品能耗量对标值/产品产量对标值);
当第j个层级中用能异常的每个生产空间节点设置工作时段和非工作时段时,计算每个生产空间节点的当日非工作时段能耗量;
根据第j个层级中用能异常的每个生产空间节点在设置的历史时间周期内的每日非工作时段能耗量确定每个生产空间节点的非工作时段能耗量对标值;
根据第j个层级中每个生产空间节点的当日非工作时段能耗量和非工作时段能耗量对标值计算每个生产空间节点的非工作时段能耗变化率;
对应地,所述第二诊断模块407还用于:
根据第j个层级中用能异常的每个生产空间节点的产品单耗变化率和非工作时段能耗变化率,以及设置的第二用能异常原因诊断规则确定所第j个层级中用能异常的生产空间节点的第二用能异常原因,其中,所述第二用能异常原因诊断规则包括:
当所述生产空间节点的第一用能异常原因为所述生产空间节点的生产效率降低,若所述生产空间节点的产品单耗变化率大于0,且非工作时段能耗变化率大于0,确定所述生产空间节点的第二用能异常原因为产品单耗增加,且产品单耗增加的原因为非工作时段能耗增加;若所述生产空间节点的产品单耗变化率大于0,但非工作时段能耗变化率不大于0,确定所述生产空间节点的第二用能异常原因为产品单耗增加,产品单耗增加的原因待定;若所述生产空间节点的产品单耗变化率不大于0,且非工作时段能耗变化率大于0,确定所述生产空间节点的第二用能异常原因为非工作时段能耗增加造成的生产效率降低;若所述生产空间节点的产品单耗变化率不大于0,且非工作时段能耗变化率不大于0,确定所述生产空间节点的第二用能异常原因待定。
优选地,所述装置还包括第三诊断模块,用于根据第j个层级中用能异常的节点的第一用能异常原因和第二用能异常原因与设置的用能异常消除策略确定第j个层级中用能异常的节点的异常消除措施,其中,所述用能异常消除策略包括:
当所述第二用能异常原因为产品单耗增加时,重新安排生产计划,避免生产过剩或者生产不足;以及重新安排生产设备启停计划,避免生产设备空置或闲置;
当所述第二用能异常原因为非工作时段能耗增加,重新安排供能设备和能源转换设备启停时间,避免非工作时段过量供能;重新安排生产设备启停时段,非生产时段关闭生产设备以降低能耗;
当所述第一用能异常原因为能源转换节点能源转换率低时,定位到能治转换率低的能源转换节点,给出节点替换和维修保养,以及节点智能控制建议。
本优选实施方式所述的基于企业用能空间的用能异常诊断装置定位用能异常的用能空间节点,并确定用能异常的用能空间节点的用能异常原因,给出用能异常消除措施的步骤与基于企业用能空间的用能异常诊断方法的步骤相同,并且达到的技术效果也相同,在此不再赘述。
示例性电子设备
图5为根据本发明优选实施方式的电子设备的结构示意图。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。图5图示了根据本公开实施例的电子设备的框图。如图5所示,电子设备包括一个或多个处理器501和存储器502。
处理器501可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器502可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器501可以运行所述程序指令,以实现上文所述的被公开的各个实施例的基于企业用能空间的用能异常诊断方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置503和输出装置504,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置503还可以包括例如键盘、鼠标等等。
该输出装置504可以向外部输出各种信息。该输出设备504可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图5中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的基于企业用能空间的用能异常诊断方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的基于企业用能空间的用能异常诊断方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,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。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于企业用能空间的用能异常诊断方法,其特征在于,所述方法包括:
步骤101,根据企业用能空间的分布层级,建立由用能空间节点构成的用能空间树,其中,所述用能空间树包括N个层级的节点,除第1个层级只包括1个节点外,剩余N-1个层级中的每个层级包括至少2个节点,且当第i个层级中的1个节点包括第i+1个层级的节点时,数量至少为2个,其中,2≤i≤N-1,第i+1个层级相对于第i个层级为下一层级;
步骤102,获取第j个层级的每个节点的至少一个能源种类的能源计量数据,以及每个用能空间节点的产量数据;
步骤103,针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,其中,1≤j≤N;
步骤104,根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中,所述用能诊断结果包括用能正常和用能异常;
步骤105,当j不大于1,且用能诊断结果为用能异常时,令j=j+1,返回步骤103;
步骤106,当j大于1,且用能诊断结果为用能异常时,转至步骤107;
步骤107,根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据;
步骤108,根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因;
步骤109,当第j个层级中用能异常的节点包含第j+1个层级的节点时,令j=j+1,当j不大于N时,返回步骤103。
2.根据权利要求1所述的方法,其特征在于,所述针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,包括:
针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算每个节点的当日产品能耗量;
根据第j个层级的每个节点在设置的历史时间周期内的每日能耗量确定每个节点在历史时间周期的最大能耗量和能耗平均值,以及能耗对标区间,其中,所述能耗对标区间为设置的当日产品能耗量的正常范围区间;
根据第j个层级的每个节点的当日产品能耗量和能耗对标值计算节点的用能变化率,所述能耗对标值为能耗平均值或能耗对标区间中的任意值,其中,所述用能变化率的计算公式为:
用能变化率=(当日产品能耗量-能耗对标值)/能耗对标值*100%。
3.根据权利要求2所述的方法,其特征在于,所述根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中:
所述用能异常结果诊断规则包括节点的当日产品能耗量小于在历史时间周期的最大能耗量,或者当第j个层级的节点用能变化率在设置的变化率区间,或者当第j个层级的节点的当日产品能耗量在能耗对标区间;
当第j个层级的节点满足上述用能异常诊断规则中的任意一个时,确定第j个层级的该节点的用能诊断结果为用能正常;否则,确定该节点的用能诊断结果为用能异常。
4.根据权利要求1所述的方法,其特征在于,所述根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据,包括:
当第j个层级中用能异常的节点存在至少一个生产空间节点时,每个生产空间节点的产量数据和诊断数据分别为第一产量数据和第一诊断数据,其中,所述第一产量数据包括第j个层级中用能异常的每个生产空间节点的当日产品产量和产品产量对标值,所述第一诊断数据为第j个层级中用能异常的每个生产空间节点的产量变化率,所述第一诊断数据的计算公式为:
产量变化率=(当日产品产量-产品产量对标值)/产品产量对标值*100%;
当第j个层级中用能异常的节点存在至少一个能源转换节点时,每个能源转换节点的能耗数据为当日能源消耗量和能源消耗量对标值,产量数据和诊断数据分别为第二产量数据和第二诊断数据,其中,所述第二产量数据包括第j个层级中用能异常的每个能源转换节点的当日能源产量和能源产品产量对标值,所述第二诊断数据为第j个层级中用能异常的每个能源转换节点的能源转换效率变化率,所述第二诊断数据的计算公式为:
能源转换效率变化率=(当日能源消耗量/当日能源产量-能源消耗量对标值/能源产品产量对标值)/(能源消耗量对标值/能源产品产量对标值) *100%。
5.根据权利要求4所述的方法,其特征在于,所述根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因,其中,所述第一用能异常原因诊断规则包括:
当第j个层级中用能异常的节点存在生产空间节点时,
若所述生产空间节点的产量变化率不小于用能变化率,将所述生产空间节点的用能异常诊断结果更新为用能正常;
若所述生产空间节点的产量变化率小于用能变化率,确定所述生产空间节点的第一用能异常的原因为所述生产空间节点的生产效率降低;
当所述用能空间节点为能源转换节点时,
若所述用能空间节点的能源转换效率变化率大于0时,确定所述能源转换节点的第一用能异常原因为所述能源转换节点能源转换效率降低。
6.根据权利要求5所述的方法,其特征在于,当第j个层级中用能异常的节点是生产空间节点,且第一用能异常的原因为所述生产空间节点的生产效率降低时,所述方法还包括:
根据第j个层级中用能异常的每个生产空间节点的当日产品能耗量,当日产品产量,产品能耗量对标值和产品产量对标值计算每个生产空间节点的产品单耗变化率,其中,所述产品单耗变化率计算公式为:
产品单耗变化率=(当日产品能耗量/当日产品产量-产品能耗量对标值/产品产量对标值)/(产品能耗量对标值/产品产量对标值) *100%;
当第j个层级中用能异常的每个生产空间节点设置工作时段和非工作时段时,计算每个生产空间节点的当日非工作时段能耗量;
根据第j个层级中用能异常的每个生产空间节点在设置的历史时间周期内的每日非工作时段能耗量确定每个生产空间节点的非工作时段能耗量对标值;
根据第j个层级中每个生产空间节点的当日非工作时段能耗量和非工作时段能耗量对标值计算每个生产空间节点的非工作时段能耗变化率;
根据第j个层级中用能异常的每个生产空间节点的产品单耗变化率和非工作时段能耗变化率,以及设置的第二用能异常原因诊断规则确定所第j个层级中用能异常的生产空间节点的第二用能异常原因,其中,所述第二用能异常原因诊断规则包括:
当所述生产空间节点的第一用能异常原因为所述生产空间节点的生产效率降低,若所述生产空间节点的产品单耗变化率大于0,且非工作时段能耗变化率大于0,确定所述生产空间节点的第二用能异常原因为产品单耗增加,且产品单耗增加的原因为非工作时段能耗增加;若所述生产空间节点的产品单耗变化率大于0,但非工作时段能耗变化率不大于0,确定所述生产空间节点的第二用能异常原因为产品单耗增加,产品单耗增加的原因待定;若所述生产空间节点的产品单耗变化率不大于0,且非工作时段能耗变化率大于0,确定所述生产空间节点的第二用能异常原因为非工作时段能耗增加造成的生产效率降低;若所述生产空间节点的产品单耗变化率不大于0,且非工作时段能耗变化率不大于0,确定所述生产空间节点的第二用能异常原因待定。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据第j个层级中用能异常的节点的第一用能异常原因和第二用能异常原因与设置的用能异常消除策略确定第j个层级中用能异常的节点的异常消除措施,其中,所述用能异常消除策略包括:
当所述第二用能异常原因为产品单耗增加时,重新安排生产计划,避免生产过剩或者生产不足;以及重新安排生产设备启停计划,避免生产设备空置或闲置;
当所述第二用能异常原因为非工作时段能耗增加,重新安排供能设备和能源转换设备启停时间,避免非工作时段过量供能;重新安排生产设备启停时段,非生产时段关闭生产设备以降低能耗;
当所述第一用能异常原因为能源转换节点能源转换率低时,定位到能治转换率低的能源转换节点,给出节点替换和维修保养,以及节点智能控制建议。
8.一种基于企业用能空间的用能异常诊断装置,其特征在于,所述装置包括:
空间树模块,用于根据企业用能空间的分布层级,建立由用能空间节点构成的用能空间树,其中,所述用能空间树包括N个层级的节点,除第1个层级只包括1个节点外,剩余N-1个层级中的每个层级包括至少2个节点,且当第i个层级中的1个节点包括第i+1个层级的节点时,数量至少为2个,其中,2≤i≤N-1,第i+1个层级相对于第i个层级为下一层级;
数据获取模块,用于获取第j个层级的每个节点的至少一个能源种类的能源计量数据,以及每个用能空间节点的产量数据;
第一计算模块,用于针对每个能源种类,根据第j个层级的每个节点的能源计量数据计算第j个层级的每个节点的能耗数据,其中,1≤j≤N;
第一诊断模块,用于根据第j个层级的每个节点的能耗数据和设置的用能异常结果诊断规则确定第j个层级的每个节点的用能诊断结果,其中,所述用能诊断结果包括用能正常和用能异常;
第一判断模块,用于当j不大于1,且用能诊断结果为用能异常时,令j=j+1,返回数据获取模块,当j大于1,且用能诊断结果为用能异常时,转至第二计算模块;
第二计算模块,用于根据第j个层级中用能异常的节点的能耗数据和产量数据计算第j个层级中用能异常的节点的诊断数据;
第二诊断模块,用于根据第j个层级中用能异常的节点的能耗数据和诊断数据,以及设置的第一用能异常原因诊断规则确定所第j个层级中用能异常的节点的第一用能异常原因;
第二判断模块,用于当第j个层级中用能异常的节点包含第j+1个层级的节点时,令j=j+1,当j不大于N时,返回数据获取模块。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410190243.XA CN117763484B (zh) | 2024-02-21 | 2024-02-21 | 一种基于企业用能空间的用能异常诊断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410190243.XA CN117763484B (zh) | 2024-02-21 | 2024-02-21 | 一种基于企业用能空间的用能异常诊断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117763484A true CN117763484A (zh) | 2024-03-26 |
CN117763484B CN117763484B (zh) | 2024-05-14 |
Family
ID=90316751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410190243.XA Active CN117763484B (zh) | 2024-02-21 | 2024-02-21 | 一种基于企业用能空间的用能异常诊断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117763484B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120028503A (ko) * | 2010-09-15 | 2012-03-23 | 이승철 | 공간분할 기반 지능자율 에너지절감 방법 및 시스템 |
CN103973807A (zh) * | 2014-05-19 | 2014-08-06 | 武汉双微电气科技有限公司 | 基于低压配电网的信息网络 |
CN106250905A (zh) * | 2016-07-08 | 2016-12-21 | 复旦大学 | 一种结合高校建筑结构特征的实时能耗异常检测方法 |
WO2019055054A1 (en) * | 2017-09-18 | 2019-03-21 | ELUTIONS Inc. | SYSTEMS AND METHODS FOR MANAGING RESOURCE CONSUMPTION |
US20200034768A1 (en) * | 2017-03-10 | 2020-01-30 | Bizen Green Energy Corporation | Energy conservation diagnostic system, method and program |
CN114036206A (zh) * | 2021-11-03 | 2022-02-11 | 上海派克软件有限公司 | 一种基于时序数据库的多能种能源信息管理系统 |
CN115575754A (zh) * | 2022-11-21 | 2023-01-06 | 浙江万胜智能科技股份有限公司 | 一种智慧工业园用电信息异常标识方法及系统 |
CN115796390A (zh) * | 2023-01-31 | 2023-03-14 | 北京智能建筑科技有限公司 | 一种数据驱动的建筑能耗异常诊断方法及系统 |
CN116208091A (zh) * | 2022-12-21 | 2023-06-02 | 南方电网综合能源股份有限公司 | 一种分布式光伏电站设备故障诊断及预警方法 |
CN117113233A (zh) * | 2023-09-27 | 2023-11-24 | 中材智能科技(成都)有限公司 | 层级能源结构场景构建方法及能耗异常链路追溯方法 |
-
2024
- 2024-02-21 CN CN202410190243.XA patent/CN117763484B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120028503A (ko) * | 2010-09-15 | 2012-03-23 | 이승철 | 공간분할 기반 지능자율 에너지절감 방법 및 시스템 |
CN103973807A (zh) * | 2014-05-19 | 2014-08-06 | 武汉双微电气科技有限公司 | 基于低压配电网的信息网络 |
CN106250905A (zh) * | 2016-07-08 | 2016-12-21 | 复旦大学 | 一种结合高校建筑结构特征的实时能耗异常检测方法 |
US20200034768A1 (en) * | 2017-03-10 | 2020-01-30 | Bizen Green Energy Corporation | Energy conservation diagnostic system, method and program |
WO2019055054A1 (en) * | 2017-09-18 | 2019-03-21 | ELUTIONS Inc. | SYSTEMS AND METHODS FOR MANAGING RESOURCE CONSUMPTION |
CN114036206A (zh) * | 2021-11-03 | 2022-02-11 | 上海派克软件有限公司 | 一种基于时序数据库的多能种能源信息管理系统 |
CN115575754A (zh) * | 2022-11-21 | 2023-01-06 | 浙江万胜智能科技股份有限公司 | 一种智慧工业园用电信息异常标识方法及系统 |
CN116208091A (zh) * | 2022-12-21 | 2023-06-02 | 南方电网综合能源股份有限公司 | 一种分布式光伏电站设备故障诊断及预警方法 |
CN115796390A (zh) * | 2023-01-31 | 2023-03-14 | 北京智能建筑科技有限公司 | 一种数据驱动的建筑能耗异常诊断方法及系统 |
CN117113233A (zh) * | 2023-09-27 | 2023-11-24 | 中材智能科技(成都)有限公司 | 层级能源结构场景构建方法及能耗异常链路追溯方法 |
Non-Patent Citations (1)
Title |
---|
李红扩等: "建筑节能诊断技术研究文献综述", 《上海节能》, 28 January 2021 (2021-01-28) * |
Also Published As
Publication number | Publication date |
---|---|
CN117763484B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110375787B (zh) | 一种计量仪表运行状态在线评价方法 | |
WO2021082478A1 (zh) | 空调系统能耗预测方法及装置 | |
CN103176974A (zh) | 优化数据库中访问路径的方法和装置 | |
CN111486552A (zh) | 基于分项计量数据的空调冷冻水供水温度策略识别方法 | |
CN117459073B (zh) | 一种热泵系统运行数据的智能管理方法 | |
CN112711229B (zh) | 一种基于多关联因素能耗预测的智能优化节能系统 | |
CN118194607B (zh) | 一种用于锅炉机组数据动态建模方法及系统 | |
CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
CN115099594A (zh) | 一种基于物联网的建筑能耗管理方法及系统 | |
CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
CN117763484B (zh) | 一种基于企业用能空间的用能异常诊断方法和装置 | |
CN117346129A (zh) | 锅炉高温过热器外包低温受热面的温度调控系统 | |
CN111026624A (zh) | 电网信息系统的故障预测方法、装置 | |
CN111210060B (zh) | 一种工作日期间机房温度预测方法 | |
Arakelyan et al. | Analysis of the DCS historical data for estimation of input signal significance | |
CN112988529A (zh) | 一种基于机器学习进行数据库系统性能预测的方法及系统 | |
CN113077105B (zh) | 一种长假日负荷预测方法及装置 | |
CN118213997B (zh) | 一种基于ahp-灰色模糊算法的城市电网负荷预测方法 | |
CN117555225B (zh) | 一种绿色建筑能源管理控制系统 | |
CN118300101B (zh) | 用电负荷预测方法、设备及存储介质 | |
CN118400974B (zh) | 一种基于大数据模型分析的数据中心智慧能源管控系统 | |
CN118227971B (zh) | 一种锅炉历史数据智能化清洗方法及系统 | |
CN118100449B (zh) | 一种基于数据中台的微电网配置管理系统 | |
CN117909383B (zh) | 工业设备稼动率的计算方法和系统 | |
CN116227740B (zh) | 一种基于区块链的能源分析管理云平台 |
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 |