CN117932976B - 一种工艺机台组用能数据的获取方法及装置 - Google Patents
一种工艺机台组用能数据的获取方法及装置 Download PDFInfo
- Publication number
- CN117932976B CN117932976B CN202410324627.6A CN202410324627A CN117932976B CN 117932976 B CN117932976 B CN 117932976B CN 202410324627 A CN202410324627 A CN 202410324627A CN 117932976 B CN117932976 B CN 117932976B
- Authority
- CN
- China
- Prior art keywords
- energy
- process machine
- data
- peak
- peak value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 387
- 230000008569 process Effects 0.000 title claims abstract description 346
- 238000005265 energy consumption Methods 0.000 claims abstract description 124
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 30
- 238000007405 data analysis Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- -1 electricity Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 description 32
- 238000004364 calculation method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000010327 methods by industry Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种工艺机台组用能数据的获取方法及装置，获取方法具体包括如下步骤：确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。通过本发明给出的工艺机台组用能数据的获取方法，在基于设计阶段设备标准属性的情况下，即可快速、准确的给出动力系统所需提供用能的平均量及峰值量。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种工艺机台组用能数据的获取方法及装置。
背景技术
对于离散型工厂，生产的产品是由各种物料装配而成，离散生产的工艺流程通常被分解成很多加工任务或工作中，生产设备管理相对灵活，产品的工艺过程经常变更，需要良好的计划能力和计算机辅助。其中，用能数据是生产计划管理的重要环节。
当前在各个生产领域都进行了关于用能数据的研究。例如，专利CN111665812A给出了一种注塑机生产能耗管理方法以及系统，通过采集分析多款产品的实时生产数据并进行分析，获得产品生产的时间、该产品的生产能耗、实际产能等数据，再根据多款产品的实时生产数据分析出机台的相应的工作数据，并将采集以及分析出产品生产数据和机台的工作数据建立为工作能耗管理数据库，用于工作人员分析不同的产品以及不同的机台的工作生产情况，对于生产过程的能耗能有更清晰的认知，进而可以更好的规划产品的生产与机台的匹配问题以及时间管理问题，可以有效的控制生产的机台能耗。
又如专利CN111199305A，给出了基于神经网络的生产能耗预测方法、系统、电子终端及存储介质，通过确定与生产工艺相关的一或多个生产特征参数，并基于生成特征参数选取一预设时间段内的生产数据全集；从生产数据全集中筛选出与生产能耗相关的生产数据子集；对生产数据子集作归一化处理，以生成模型训练数据；建立基于模型训练数据的神经网络预测模型，用于预测生产能耗数据。该能够解决现有技术在企业生产过程中的能耗预测技术空缺、精度不高及影响因素单一等技术问题，从而帮助用户准确高效地预测能耗数据，从而满足企业节能提效的要求。
现有的用能数据获取往往是围绕单个工艺机台的用能数据，分析工艺机台与生产产品、工艺流程的关系，或者直接对工艺机台的用能数据进行汇集，并训练神经网络模型，预测生产产品制备过程中用能数据。以上的方案未能充分考虑离散型工厂的生产复杂性，无法准确的给出生产过程中工厂生产线的用能需求。
因此，针对离散型工厂，如何获取相应机台、机台组的准确用能需求数据，以实现对于相应动力供应系统、动力配送系统的准确合理配置是本领域技术人员亟待解决的问题。
发明内容
针对上述现有技术中存在的缺陷，本发明公开了一种工艺机台组用能数据的获取方法及装置，获取方法具体包括如下步骤：确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。通过本发明给出的工艺机台组用能数据的获取方法，在基于设计阶段设备标准属性的情况下，即可快速、准确的给出动力系统所需提供用能的平均量及峰值量。
第一方面，本发明提供一种工艺机台组用能数据的获取方法，具体包括如下步骤：
确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；
获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；
基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；
结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。
进一步的，用能类型包括水、电、气体中的一种。
进一步的，获取工艺机台组内单个工艺机台的运行数据，具体包括如下步骤：
获取在第一预设周期中工艺机台组内单个工艺机台的最大负荷值；
分析给出第一预设周期中工艺机台组内单个工艺机台的平均负荷值；
基于平均负荷值与最大负荷值的比较，给出工艺机台组内单个工艺机台的负荷率。
进一步的，获取工艺机台组内单个工艺机台的运行数据，具体包括如下步骤：
获取在第二预设周期中工艺机台组内单个工艺机台的用能需求量，给出对应用能需求类型的用能需求曲线；
基于用能需求曲线，确定用能峰值，分析用能峰值的时间占比，给出工艺机台组内单个工艺机台的用能峰值系数。
进一步的，基于用能需求曲线，确定用能峰值，分析用能峰值的时间占比，具体包括如下步骤：
根据用能需求曲线的用能需求量，确定峰值需求阈值；
遍历用能需求曲线，识别高于峰值需求阈值的用能需求量，并进行标记，获取峰值数据周期；
基于对峰值数据周期的叠加，并结合各个峰值数据周期的用能需求量，给出用能峰值，具体表示为：
其中，为i工艺机台的用能峰值，为i工艺机台的总峰值时间，为i工艺机台的第1个峰值数据周期的用能峰值，为i工艺机台的第1个峰值数据周期的时间，m为峰值数据周期的总数，为i工艺机台的第m个峰值数据周期的用能峰值，为i工艺机台的第m个峰值数据周期的时间；
基于对峰值数据周期的叠加，并结合用能需求曲线的周期，给出用能峰值的时间占比。
进一步的，用能分析模型包括第一处理模块及第二处理模块，第一处理模块用于对单个工艺机台的运行数据进行处理，获取单个工艺机台的用能数据，第二处理模块用于对单个工艺机台的运行数据、用能数据进行处理，获取工艺机台组的用能数据。
进一步的，用能分析模型的预先构建，具体包括如下步骤：
构建第一处理模块，其中，第一处理模板包括工艺机台运行数据采集单元、工艺机台用能数据分析单元以及工艺机台数据传输单元；
构建第二处理模块，其中，第二处理模块包括工艺机台数据接收单元以及工艺机台组用能数据分析单元；
工艺机台数据传输单元与工艺机台数据接收单元信号连接，构建得到用能分析模型。
进一步的，给出该工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数，具体包括如下步骤：
基于工艺机台用能数据分析单元，获取单个工艺机台的用能均值；
基于工艺机台组用能数据分析单元，结合工艺机台用能峰值概率的二项分布以及工艺机台组内的工艺机台数量，获取工艺机台组的用能峰值重合系数，具体表示为：
其中，DF为工艺机台组的用能峰值重合系数，1-α为置信度，α为预定风险值，r为处于用能峰值的工艺机台数量，n为工艺机台组内的工艺机台数量，f（）为分段函数，K1为单个工艺机台的用能峰值系数，s为用能峰值出现的随机变量，为从n中随机选取s进行组合的组合数。
进一步的，结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据，具体表示为：
基于工艺机台组用能数据分析单元，获取工艺机台组的用能均值；
结合工艺机台组的用能均值、用能峰值重合系数，给出工艺机台组的峰值数据，具体表示为：
；
其中，为工艺机台组峰值，为单个工艺机台的用能均值，为i工艺机台的峰值，为i工艺机台的用能均值，DF为工艺机台组的用能峰值重合系数，AE为开机率，i为单个工艺机台的编号，n为工艺机台组内的工艺机台数量。
第二方面，本发明还提供一种工艺机台组用能数据的获取装置，采用如上述工艺机台组用能数据的获取方法，具体包括：
采集组件，用于确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；
分析确定组件，用于基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。
本发明提供的一种工艺机台组用能数据的获取方法及装置，至少包括如下有益效果：
（1）通过本发明给出的工艺机台组用能数据的获取方法，在基于设计阶段设备标准属性的情况下，即可快速、准确的给出动力系统（动力供应系统、动力配送系统）所需提供用能的平均量及峰值量。
（2）本发明给出的用能分析模型，在充分考量离散型工厂的风险承担能力、用能需求曲线、工艺机台数量等因素的基础上，基于对各个因素关联性的探究给出。在用能分析模型中，进行参数化调整，能适用不同场景、不同类别的工艺机台组、动力系统，具有较强的普适性。
（3）本发明中用能峰值重合系数通过概率二项分布的方式获取，较专家经验法更加准确，同时在时间性上也比离散事件动态仿真方式更及时、便捷。
附图说明
图1为本发明提供的一种工艺机台组用能数据的获取方法的流程示意图；
图2为本发明提供的某一实施例的分析用能峰值的时间占比的流程示意图；
图3为本发明提供的某一实施例的用能需求曲线的示意图；
图4为本发明提供的用能分析模型的架构示意图；
图5为本发明提供的一种工艺机台组用能数据的获取装置的结构示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
离散型工厂，在规划设计阶段，往往会面临机台组动力需求情况的分析、计算，动力供应设备系统的选择等。当前的专家经验系数计算，因经验局限性，存在较大的个人依赖，且波动性大，给出的取值又会对设计的准确性造成巨大影响。
因而，通过离散型工厂的设备类型情况，结合适应应用的用能分析模型，能根据工艺机台的运行数据，给出工艺机台组的用能数据，进而对动力供应系统、动力配送系统的给出精准的配置。
如图1所示，本发明提供一种工艺机台组用能数据的获取方法，具体包括如下步骤：
确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；
获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；
基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；
结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。
通常来说，用能类型包括水、电、气体中的一种。
对于某种用能类型，如水，在离散型工厂中同一类的单个工艺机台，用能需求几乎相同。但是，工艺机台组的用能需求则不是单个工艺机台用能需求的简单叠加，需要考虑对于工艺机台的运行数据情况。
由工艺机台用能数据，则能确定提供用能需求的动力供应系统、动力配送系统的结构配置，例如，确定动力配送系统的管径尺寸等。
获取工艺机台组内单个工艺机台的运行数据，具体包括如下步骤：
获取在第一预设周期中工艺机台组内单个工艺机台的最大负荷值；
分析给出第一预设周期中工艺机台组内单个工艺机台的平均负荷值；
基于平均负荷值与最大负荷值的比较，给出工艺机台组内单个工艺机台的负荷率。
第一预设周期与该单个工艺机台的工艺循环相关，但是对其具体时间长度不做限定，根据不同的应用场景、不同类型的工艺机台组及用能类型确定。
一般来说，由单个工艺机台的平均负荷值与最大负荷值的比值，即可认为是单个工艺机台的负荷率。负荷率表示第一预设周期（统计周期）内的负荷利用情况。单个工艺机台的负荷利用情况与用能需求正相关。对于含有多个部件的工艺机台，由于其各部件均服务于同一个“工艺循环”，应将各部件负荷量按时间轴叠加计算，得到工艺机台整体的负荷量。
单个工艺机台的运行数据还包括开机率、用能峰值系数。对于开机率的获取，可以通过计算开机时间与总时间的比值得到。开机时间的确定，采用排除式计算，即，开机时间=总时间-计划外停机时间-计划停机时间。
计划外停机时间通常包括如下情形所占用的时间：设备故障停机、有设备故障前后的维修停机、非正常输入导致的停机、厂务故障导致的停机、维修延误导致的停机、消耗材料/化学品导致的停机等。
计划停机时间通常包括如下情形所占用的时间：设备计划内保养、保养后测试、转换/切换产品设置、化学品/消耗品更换、保养及切换后测试片测试等。
排除以上的计划外停机时间、计划停机时间后，即可得到开机时间。在某个离散型工厂内，开机时间通常涵盖以下的阶段的时间，如工程时间、等待时间、可生产时间。工程时间包括工艺工程、设备工程，等待时间包括无产品、无操作工人/无工具，可生产时间包括生产测试/在线培训、返工作业/工程作业、正常生产等。
针对单个工艺机台的用能峰值系数，获取工艺机台组内单个工艺机台的运行数据，具体包括如下步骤：
获取在第二预设周期中工艺机台组内单个工艺机台的用能需求量，给出对应用能需求类型的用能需求曲线；
基于用能需求曲线，确定用能峰值，分析用能峰值的时间占比，给出工艺机台组内单个工艺机台的用能峰值系数。
在一定周期内，单个工艺机台的用能需求并不是恒定的，存在用能波峰、波谷的情况。需要根据整个周期的用能需求曲线，获取用能峰值系数，才能指导动力供应系统、动力配送系统的规划设计。
具体的，如图2所示，基于用能需求曲线，确定用能峰值，分析用能峰值的时间占比，具体包括如下步骤：
根据用能需求曲线的用能需求量，确定峰值需求阈值；
遍历用能需求曲线，识别高于峰值需求阈值的用能需求量，并进行标记，获取峰值数据周期；
基于对峰值数据周期的叠加，并结合各个峰值数据周期的用能需求量，给出用能峰值，具体表示为：
其中，为i工艺机台的用能峰值，为i工艺机台的总峰值时间，为i工艺机台的第1个峰值数据周期的用能峰值，为i工艺机台的第1个峰值数据周期的时间，m为峰值数据周期的总数，为i工艺机台的第m个峰值数据周期的用能峰值，为i工艺机台的第m个峰值数据周期的时间；
基于对峰值数据周期的叠加，并结合用能需求曲线的周期，给出用能峰值的时间占比。
用能需求曲线为用能需求量随时间波动的曲线，峰值需求阈值UTthreshold的设定与用能需求曲线的用能需求量相关，峰值需求阈值可以选择用能需求量分布的上四分位数（75%）。对高于峰值需求阈值UTthreshold的用能需求数据进行标定，并逐个统计，获取最终的用能峰值的时间占比。
在某个实施例中，如图3所示，横、纵坐标分别为时间周期、用能需求量，其中，该实施例中的用能类型为用气，在某工艺机台的4个“工艺循环”的用能需求曲线的周期内，出现多个不同的用能需求的峰值数据（均在1000-2000之间）。对划定峰值需求阈值以上的用能需求确定为峰值数据周期，叠加每个峰值数据周期，获取用能峰值的时间占比，并通过各个峰值数据周期的时间占比确定峰值数据的权重，给出该工艺机台的用能峰值数据。
以上方案均为工艺机台组用能数据获取过程的准备环节，或者也可以称为输入环节，在该环节中确定了用能类型、需要分析的工艺机台组，以及工艺机台组内单个工艺机台的运行数据（如负荷率、开机率、用能峰值系数）等。
工艺机台组用能数据获取的整个过程中，用能分析模型的构建起到衔接作用，通过用能分析模型对运行数据进行分析，最终给出工艺机台组的用能数据。
从工艺机台组与工艺机台的关系分析，基于单个工艺机台的运行数据，获取整个工艺机台组的用能数据，用能分析模型需要分为两个模块，用以进行数据传输以及不同功能的分析实现。如图4所示，用能分析模型包括第一处理模块及第二处理模块，第一处理模块用于对单个工艺机台的运行数据进行处理，获取单个工艺机台的用能数据，第二处理模块用于对单个工艺机台的运行数据、用能数据进行处理，获取工艺机台组的用能数据。
对于用能分析模型的预先构建，具体包括如下步骤：
构建第一处理模块，其中，第一处理模板包括工艺机台运行数据采集单元、工艺机台用能数据分析单元以及工艺机台数据传输单元；
构建第二处理模块，其中，第二处理模块包括工艺机台数据接收单元以及工艺机台组用能数据分析单元；
工艺机台数据传输单元与工艺机台数据接收单元信号连接，构建得到用能分析模型。
根据构建得到的用能分析模型，给出该工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数，具体包括如下步骤：
基于工艺机台用能数据分析单元，获取单个工艺机台的用能均值；
基于工艺机台组用能数据分析单元，结合工艺机台用能峰值概率的二项分布以及工艺机台组内的工艺机台数量，获取工艺机台组的用能峰值重合系数，具体表示为：
其中，DF为工艺机台组的用能峰值重合系数，1-α为置信度，α为预定风险值，r为处于用能峰值的工艺机台数量，n为工艺机台组内的工艺机台数量，f（）为分段函数，K1为单个工艺机台的用能峰值系数，s为用能峰值出现的随机变量，为从n中随机选取s进行组合的组合数。
工艺机台运行数据采集单元用于采集单个工艺机台的运行数据，单个工艺机台的用能均值通过运行数据中的用能峰值与负荷率进行乘积计算得到，该部分的计算由设置的工艺机台用能数据分析单元进行处理。
工艺机台组用能分析单元根据单个工艺机台的运行数据，首先进行工艺机台组的用能峰值重合系数的计算。用能峰值重合系数即为工艺机台同时处于用能峰值的比例。对于工艺机台组内的各个工艺机台，其处于用能峰值的概率服从二项分布，其中，影响因素大致包括如下变量：
其一，单个工艺机台的用能峰值系数K1；
其二，工艺机台组内的工艺机台数量n；
其三，选择的置信度1-α，α为预定风险值，1-α的数值根据不同的应用场景、要求进行设置，例如，1-α可以设定为99%，也可以设定为98%、97%或者其他的数值等。
结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据，具体表示为：
基于工艺机台组用能数据分析单元，获取工艺机台组的用能均值；
结合工艺机台组的用能均值、用能峰值重合系数，给出工艺机台组的峰值数据，具体表示为：
；
其中，为工艺机台组峰值，为单个工艺机台的用能均值，为i工艺机台的峰值，为i工艺机台的用能均值，DF为工艺机台组的用能峰值重合系数，AE为开机率，i为单个工艺机台的编号，n为工艺机台组内的工艺机台数量。
在某个实施例中，工艺机台组内的工艺机台数量为28，单个工艺机台的用能均值为290sccm，i工艺机台（即单个工艺机台）的峰值为1312sccm，开机率为100%，单个工艺机台的用能峰值系数为0.39%，置信度1-α为99%。
由以上公式，可以计算出工艺机台组的用能峰值重合系数DF为0.0714，工艺机台组峰值为=10163.18sccm。
如图5所示，本发明还提供一种工艺机台组用能数据的获取装置，采用如上述工艺机台组用能数据的获取方法，具体包括：
采集组件，用于确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；
分析确定组件，用于基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。
本发明提供的一种工艺机台组用能数据的获取方法及装置，至少包括如下有益效果：
（1）通过本发明给出的工艺机台组用能数据的获取方法，在基于设计阶段设备标准属性的情况下，即可快速、准确的给出动力系统（动力供应系统、动力配送系统）所需提供用能的平均量及峰值量。
（2）本发明给出的用能分析模型，在充分考量离散型工厂的风险承担能力、用能需求曲线、工艺机台数量等因素的基础上，基于对各个因素关联性的探究给出。在用能分析模型中，进行参数化调整，能适用不同场景、不同类别的工艺机台组、动力系统，具有较强的普适性。
（3）本发明中用能峰值重合系数通过概率二项分布的方式获取，较专家经验法更加准确，同时在时间性上也比离散事件动态仿真方式更及时、便捷。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种工艺机台组用能数据的获取方法，其特征在于，具体包括如下步骤：
确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；
获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；
基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；
结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据；
其中，用能分析模型包括第一处理模块及第二处理模块，第一处理模块用于对单个工艺机台的运行数据进行处理，获取单个工艺机台的用能数据，第二处理模块用于对单个工艺机台的运行数据、用能数据进行处理，获取工艺机台组的用能数据；
用能分析模型的预先构建，具体包括如下步骤：
构建第一处理模块，其中，第一处理模板包括工艺机台运行数据采集单元、工艺机台用能数据分析单元以及工艺机台数据传输单元；
构建第二处理模块，其中，第二处理模块包括工艺机台数据接收单元以及工艺机台组用能数据分析单元；
工艺机台数据传输单元与工艺机台数据接收单元信号连接，构建得到用能分析模型；
给出该工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数，具体包括如下步骤：
基于工艺机台用能数据分析单元，获取单个工艺机台的用能均值；
基于工艺机台组用能数据分析单元，结合工艺机台用能峰值概率的二项分布以及工艺机台组内的工艺机台数量，获取工艺机台组的用能峰值重合系数，具体表示为：
;
其中，DF为工艺机台组的用能峰值重合系数，1-α为置信度，α为预定风险值，r为处于用能峰值的工艺机台数量，n为工艺机台组内的工艺机台数量，f（）为分段函数，K1为单个工艺机台的用能峰值系数，s为用能峰值出现的随机变量，为从n中随机选取s进行组合的组合数。
2.如权利要求1所述工艺机台组用能数据的获取方法，其特征在于，用能类型包括水、电、气体中的一种。
3.如权利要求1所述工艺机台组用能数据的获取方法，其特征在于，获取工艺机台组内单个工艺机台的运行数据，具体包括如下步骤：
获取在第一预设周期中工艺机台组内单个工艺机台的最大负荷值；
分析给出第一预设周期中工艺机台组内单个工艺机台的平均负荷值；
基于平均负荷值与最大负荷值的比较，给出工艺机台组内单个工艺机台的负荷率。
4.如权利要求1所述工艺机台组用能数据的获取方法，其特征在于，获取工艺机台组内单个工艺机台的运行数据，具体包括如下步骤：
获取在第二预设周期中工艺机台组内单个工艺机台的用能需求量，给出对应用能需求类型的用能需求曲线；
基于用能需求曲线，确定用能峰值，分析用能峰值的时间占比，给出工艺机台组内单个工艺机台的用能峰值系数。
5.如权利要求4所述工艺机台组用能数据的获取方法，其特征在于，基于用能需求曲线，确定用能峰值，分析用能峰值的时间占比，具体包括如下步骤：
根据用能需求曲线的用能需求量，确定峰值需求阈值；
遍历用能需求曲线，识别高于峰值需求阈值的用能需求量，并进行标记，获取峰值数据周期；
基于对峰值数据周期的叠加，并结合各个峰值数据周期的用能需求量，给出用能峰值，具体表示为：
;
其中，为i工艺机台的用能峰值，为i工艺机台的总峰值时间，为i工艺机台的第1个峰值数据周期的用能峰值，为i工艺机台的第1个峰值数据周期的时间，m为峰值数据周期的总数，为i工艺机台的第m个峰值数据周期的用能峰值，为i工艺机台的第m个峰值数据周期的时间；
基于对峰值数据周期的叠加，并结合用能需求曲线的周期，给出用能峰值的时间占比。
6.如权利要求1所述工艺机台组用能数据的获取方法，其特征在于，结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据，具体表示为：
基于工艺机台组用能数据分析单元，获取工艺机台组的用能均值；
结合工艺机台组的用能均值、用能峰值重合系数，给出工艺机台组的峰值数据，具体表示为：
;
其中，为工艺机台组峰值，为单个工艺机台的用能均值，为i工艺机台的峰值，为i工艺机台的用能均值，DF为工艺机台组的用能峰值重合系数，AE为开机率，i为单个工艺机台的编号，n为工艺机台组内的工艺机台数量。
7.一种工艺机台组用能数据的获取装置，其特征在于，采用如权利要求1-6任一所述工艺机台组用能数据的获取方法，具体包括：
采集组件，用于确定用能类型，给出离散型工厂中进行用能数据获取的工艺机台组；获取工艺机台组内的工艺机台数量以及单个工艺机台的运行数据，其中，运行数据包括负荷率、开机率和用能峰值系数；
分析确定组件，用于基于预先构建的用能分析模型，给出工艺机台组内单个工艺机台的用能数据，以及工艺机台组的用能峰值重合系数；结合单个工艺机台的运行数据、用能数据以及工艺机台组的用能峰值重合系数，给出工艺机台组用能数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410324627.6A CN117932976B (zh) | 2024-03-21 | 2024-03-21 | 一种工艺机台组用能数据的获取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410324627.6A CN117932976B (zh) | 2024-03-21 | 2024-03-21 | 一种工艺机台组用能数据的获取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117932976A CN117932976A (zh) | 2024-04-26 |
| CN117932976B true CN117932976B (zh) | 2024-07-12 |
Family
ID=90754150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410324627.6A Active CN117932976B (zh) | 2024-03-21 | 2024-03-21 | 一种工艺机台组用能数据的获取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117932976B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118534791B (zh) * | 2024-07-23 | 2024-10-11 | 中国电子工程设计院股份有限公司 | 一种用于离散生产的连续用能仿真装置及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231512A (zh) * | 2007-01-26 | 2008-07-30 | 巫协森 | 降低染整工厂中染色机台整体能源消耗的方法 |
| CN111611133A (zh) * | 2020-05-21 | 2020-09-01 | 莫毓昌 | 一种基于智能监控的数据中心能耗管理方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9734603B2 (en) * | 2015-06-30 | 2017-08-15 | General Electric Company | Systems and methods for peak tracking and gain adjustment |
| CN106779186B (zh) * | 2016-11-30 | 2021-04-06 | 新奥泛能网络科技股份有限公司 | 一种基于不同业态的用能主体的供能规模确定方法及装置 |
| CN111987716A (zh) * | 2020-08-17 | 2020-11-24 | 南京工程学院 | 一种多类别蓄热电采暖用户负荷群组合响应调度方法 |
-
2024
- 2024-03-21 CN CN202410324627.6A patent/CN117932976B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231512A (zh) * | 2007-01-26 | 2008-07-30 | 巫协森 | 降低染整工厂中染色机台整体能源消耗的方法 |
| CN111611133A (zh) * | 2020-05-21 | 2020-09-01 | 莫毓昌 | 一种基于智能监控的数据中心能耗管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117932976A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| CN117932976B (zh) | 一种工艺机台组用能数据的获取方法及装置 | |
| CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
| CN109858786B (zh) | 基于物联网的机电设备管理系统 | |
| CN112650580B (zh) | 一种基于边缘计算的工业大数据监测系统 | |
| CN113253037B (zh) | 基于电流波纹的边云协同设备状态监测方法及系统、介质 | |
| CN107942873B (zh) | 一种家具制造生产线的运营成本智能化核算及监控方法 | |
| CN104573877A (zh) | 配电网设备需求量预测和定量方法及其系统 | |
| CN113610253A (zh) | 一种基于cs版本的运维检修管理式光伏站控系统 | |
| CN112417373A (zh) | 用于化工企业能源平衡的计算方法和装置 | |
| CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和系统 | |
| CN118485311A (zh) | 基于云的数控设备管理系统及方法 | |
| CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
| CN118017624A (zh) | 基于配网重构的多时间尺度的无功优化方法 | |
| CN116579546A (zh) | 一种基于园区的智能化用电数据分析及管理系统 | |
| CN114063525A (zh) | 一种水泥磨系统自动寻优控制系统及方法 | |
| CN114926964A (zh) | 基于ami数据下异常计量点远程研究方法 | |
| CN118536410B (zh) | 基于大数据驱动建模的能耗优化决策分析方法及系统 | |
| CN117909383B (zh) | 工业设备稼动率的计算方法和系统 | |
| CN117035311B (zh) | 一种通过向量网络连接强度计算换电柜撤柜需求的方法 | |
| CN118246695B (zh) | 一种光伏新能源运维调度系统 | |
| CN117540330B (zh) | 基于自学习功能的配电柜系统 | |
| Chen et al. | Modelling of Information Systems of Intelligent Manufacturing Monitoring in Smart Factory | |
| CN116596216A (zh) | 一种基于电力系统的能源规划系统及方法 | |
| CN118297446A (zh) | 一种炼化企业碳排放在线管控方法、装置、设备和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |