CN118094232A - 一种动态监测的生产能耗控制系统及方法 - Google Patents

Abstract

本发明公开了一种动态监测的生产能耗控制系统及方法，该系统包括实时数据采集模块、能耗异常监控模块和设备运行参数动态调整模块；实时数据采集模块，用于基于最优工况识别模型，对实时设备能耗数据和实时设备运行数据进行工况识别，得到实时预测工况；能耗异常监控模块，用于当检测到计算的第一能耗系数大于实时预测工况对应的能耗系数阈值时，确定生产设备存在能耗异常；设备运行参数动态调整模块，用于基于最优设备运行参数匹配模型，对第二设备数据二元组进行参数匹配，得到并基于设备运行预测参数对实时设备运行数据进行动态调整；与现有技术相比，本发明能对设备运行数据进行自动化动态调整，减少对人工的依赖性，实现生产能耗的实时优化。

Description

一种动态监测的生产能耗控制系统及方法

技术领域

本发明涉及能耗监测的技术领域，特别是涉及一种动态监测的生产能耗控制系统及方法。

背景技术

在生产过程中实施能耗监测是一项关键举措，可帮助企业深入了解能源的利用情况，并发现生产中存在的潜在浪费或低效率问题，这种监测方法有助于企业有效管理和优化资源，确保能源的合理利用，从而降低不必要的能源消耗和成本；以通信电缆生产为例，该过程需要大量的电力，若能源利用效率低下或存在浪费现象，将增加生产成本并对环境造成负面影响，因此，对生产过程进行能耗监测对企业至关重要。

现有的生产能耗监测技术通常通过采集生产工程中的能耗数据，并将其与预设的阈值进行比对，根据比对结果，向操作人员提供能耗情况的反馈，并等待操作人员基于能耗情况调整生产参数以降低生产能耗；然而，这种反馈和调整的过程通常需要一定的时间，导致反应滞后，难以实现对生产能耗的实时优化，且调整过程主要依赖于人工干预，需要操作人员根据监测结果进行生产参数的调整，这种方式容易受到人为因素的影响，操作人员的主观意识、经验水平和工作疲劳等都可能影响调整效果。

发明内容

本发明要解决的技术问题是：提供一种动态监测的生产能耗控制系统及方法，通过对设备运行数据进行自动化动态调整，减少对人工的依赖性，实现生产能耗的实时优化。

为了解决上述技术问题，本发明提供了一种动态监测的生产能耗控制系统，包括：实时数据采集模块、能耗异常监控模块和设备运行参数动态调整模块；

其中，所述实时数据采集模块，用于获取生产设备的实时设备能耗数据和实时设备运行数据，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，基于预训练的最优工况识别模型，对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况；

所述能耗异常监控模块，用于基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，并获取所述实时预测工况对应的第一能耗系数阈值，当检测到所述第一能耗系数大于所述第一能耗系数阈值时，确定所述生产设备存在能耗异常；

所述设备运行参数动态调整模块，用于当检测到所述生产设备存在能耗异常时，获取所述实时预测工况对应的设备能耗平均数据，对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，基于预训练的最优设备运行参数匹配模型，对所述第二设备数据二元组进行参数匹配处理，得到所述生产设备的设备运行预测参数，并基于所述设备运行预测参数对所述实时设备运行数据进行动态调整。

本发明提供的一种动态监测的生产能耗控制系统，还包括：标准数据采集模块和模型训练模块；

其中，所述标准数据采集模块，用于获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据，对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组，将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组，整合所有历史设备数据三元组，生成设备标准数据集；

所述模型训练模块，用于基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型。

在一种可能的实现方式中，所述模型训练模块，用于基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型，具体包括：

从所述设备标准数据集中提取出第一模型训练样本数据集，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第一数据掩码处理，生成第一掩码模型训练样本数据集，并对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第二数据掩码处理，生成第二掩码模型训练样本数据集；

将所述第一掩码模型训练样本数据集输入到预构建的工况识别模型中，对所述工况识别模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述工况识别模型进行参数寻优处理，计算每次迭代优化过程对应的所述工况识别模型的第一适应度，直至达到预设的第一最大迭代次数，获取每次迭代优化过程对应的所述第一适应度，选取第一适应值最大值对应的第一模型参数，基于所述第一模型参数，确定最优工况识别模型；

将所述第二掩码模型训练样本数据集输入到预构建的设备运行参数匹配模型中，对所述设备运行参数匹配模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述设备运行参数匹配模型进行参数寻优处理，计算每次迭代优化过程对应的所述设备运行参数匹配模型的第二适应度，直至达到预设的第二最大迭代次数，获取每次迭代优化过程对应的所述第二适应度，选取第二适应值最大值对应的第二模型参数，基于所述第二模型参数，确定最优设备运行参数匹配模型。

在一种可能的实现方式中，所述实时设备能耗数据包括第一生产设备编码、第一生产设备型号、第一采集时间和生产设备用电量；

所述实时设备运行数据包括第二生产设备编码、第二生产设备型号、第二采集时间、生产设备运行速度、生产设备运行温度和生产设备运行时间。

在一种可能的实现方式中，所述实时数据采集模块，用于对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，具体包括：

对所述实时设备能耗数据中的所述第一生产设备编码、所述第一生产设备型号和所述第一采集时间进行第一拼接处理，得到第一拼接数据；

对所述实时设备运行数据中的所述第二生产设备编码、所述第二生产设备型号和所述第二采集时间进行第二拼接处理，得到第二拼接数据；

当检测到所述第一拼接数据和所述第二拼接数据一致时，对所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间进行第三拼接处理，得到第三拼接数据；

关联所述生产设备用电量和所述第三拼接数据，生成第一设备数据二元组。

在一种可能的实现方式中，所述能耗异常监控模块，用于基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，具体包括：

将所述实时设备运行数据中的所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间，输入到预设的设备运行融合指数计算公式中，得到第一设备运行融合指数；

基于所述实时设备能耗数据中的所述生产设备用电量，计算生产设备平均用电量；

将所述生产设备用电量和所述生产设备平均用电量输入到预设的设备能耗融合指数计算公式中，得到第一设备能耗融合指数；

基于所述第一设备运行融合指数和所述第一设备能耗融合指数，计算所述生产设备的第一能耗系数。

在一种可能的实现方式中，所述设备运行融合指数计算公式，如下所示：

;

式中，为设备运行融合指数，为生产设备运行速度，为生产设备运行温度， 为生产设备运行时间，为第一权重值，为第二权重值，为第三权重值；

所述设备能耗融合指数计算公式，如下所示：

；

式中，为设备能耗融合指数，为生产设备用电量，为生产设备平均用电量，为第四权重值，为第五权重值。

在一种可能的实现方式中，所述设备运行参数动态调整模块，用于获取所述实时预测工况对应的设备能耗平均数据，具体包括：

获取所述实时预测工况对应的多个历史设备能耗数据，对所述多个历史设备能耗数据进行时序排列，生成历史设备能耗时序序列，并对所述历史设备能耗时序序列中相邻的历史设备能耗数据进行两两配对处理，得到多个历史设备能耗数据对；

分别对所述多个历史设备能耗数据进行差分处理，得到每个历史设备能耗数据对对应的差分值，当检测到所述差分值不大于预设差分阈值时，保留所述差分值对对应的目标历史设备能耗数据对，否则，删除所述目标历史设备能耗数据；

对保留下来的所有目标设备能耗数据对进行数据去重处理，得到多个第一历史设备能耗数据，计算所述多个第一历史设备能耗数据的平均值，并将所述平均值作为所述实时预测工况对应的设备能耗平均数据。

本发明还提供了一种动态监测的生产能耗控制方法，包括：

获取生产设备的实时设备能耗数据和实时设备运行数据，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，基于预训练的最优工况识别模型，对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况；

基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，并获取所述实时预测工况对应的第一能耗系数阈值，当检测到所述第一能耗系数大于所述第一能耗系数阈值时，确定所述生产设备存在能耗异常；

当检测到所述生产设备存在能耗异常时，获取所述实时预测工况对应的设备能耗平均数据，对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，基于预训练的最优设备运行参数匹配模型，对所述第二设备数据二元组进行参数匹配处理，得到所述生产设备的设备运行预测参数，并基于所述设备运行预测参数对所述实时设备运行数据进行动态调整。

本发明还提供了一种动态监测的生产能耗控制方法，还包括：

获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据，对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组，将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组，整合所有历史设备数据三元组，生成设备标准数据集；

基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型。

在一种可能的实现方式中，基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型，具体包括：

从所述设备标准数据集中提取出第一模型训练样本数据集，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第一数据掩码处理，生成第一掩码模型训练样本数据集，并对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第二数据掩码处理，生成第二掩码模型训练样本数据集；

将所述第一掩码模型训练样本数据集输入到预构建的工况识别模型中，对所述工况识别模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述工况识别模型进行参数寻优处理，计算每次迭代优化过程对应的所述工况识别模型的第一适应度，直至达到预设的第一最大迭代次数，获取每次迭代优化过程对应的所述第一适应度，选取第一适应值最大值对应的第一模型参数，基于所述第一模型参数，确定最优工况识别模型；

将所述第二掩码模型训练样本数据集输入到预构建的设备运行参数匹配模型中，对所述设备运行参数匹配模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述设备运行参数匹配模型进行参数寻优处理，计算每次迭代优化过程对应的所述设备运行参数匹配模型的第二适应度，直至达到预设的第二最大迭代次数，获取每次迭代优化过程对应的所述第二适应度，选取第二适应值最大值对应的第二模型参数，基于所述第二模型参数，确定最优设备运行参数匹配模型。

在一种可能的实现方式中，所述实时设备能耗数据包括第一生产设备编码、第一生产设备型号、第一采集时间和生产设备用电量；

所述实时设备运行数据包括第二生产设备编码、第二生产设备型号、第二采集时间、生产设备运行速度、生产设备运行温度和生产设备运行时间。

在一种可能的实现方式中，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，具体包括：

对所述实时设备能耗数据中的所述第一生产设备编码、所述第一生产设备型号和所述第一采集时间进行第一拼接处理，得到第一拼接数据；

对所述实时设备运行数据中的所述第二生产设备编码、所述第二生产设备型号和所述第二采集时间进行第二拼接处理，得到第二拼接数据；

当检测到所述第一拼接数据和所述第二拼接数据一致时，对所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间进行第三拼接处理，得到第三拼接数据；

关联所述生产设备用电量和所述第三拼接数据，生成第一设备数据二元组。

在一种可能的实现方式中，基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，具体包括：

将所述实时设备运行数据中的所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间，输入到预设的设备运行融合指数计算公式中，得到第一设备运行融合指数；

基于所述实时设备能耗数据中的所述生产设备用电量，计算生产设备平均用电量；

将所述生产设备用电量和所述生产设备平均用电量输入到预设的设备能耗融合指数计算公式中，得到第一设备能耗融合指数；

基于所述第一设备运行融合指数和所述第一设备能耗融合指数，计算所述生产设备的第一能耗系数。

在一种可能的实现方式中，所述设备运行融合指数计算公式，如下所示：

;

式中，为设备运行融合指数，为生产设备运行速度，为生产设备运行温度， 为生产设备运行时间，为第一权重值，为第二权重值，为第三权重值；

所述设备能耗融合指数计算公式，如下所示：

；

式中，为设备能耗融合指数，为生产设备用电量，为生产设备平均用电量，为第四权重值，为第五权重值。

在一种可能的实现方式中，获取所述实时预测工况对应的设备能耗平均数据，具体包括：

获取所述实时预测工况对应的多个历史设备能耗数据，对所述多个历史设备能耗数据进行时序排列，生成历史设备能耗时序序列，并对所述历史设备能耗时序序列中相邻的历史设备能耗数据进行两两配对处理，得到多个历史设备能耗数据对；

分别对所述多个历史设备能耗数据进行差分处理，得到每个历史设备能耗数据对对应的差分值，当检测到所述差分值不大于预设差分阈值时，保留所述差分值对对应的目标历史设备能耗数据对，否则，删除所述目标历史设备能耗数据；

对保留下来的所有目标设备能耗数据对进行数据去重处理，得到多个第一历史设备能耗数据，计算所述多个第一历史设备能耗数据的平均值，并将所述平均值作为所述实时预测工况对应的设备能耗平均数据。

本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的动态监测的生产能耗控制方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的动态监测的生产能耗控制方法。

本发明实施例一种动态监测的生产能耗控制系统及方法，与现有技术相比，具有如下有益效果：

该系统实时数据采集模块、能耗异常监控模块和设备运行参数动态调整模块；实时数据采集模块通过获取生产设备的实时能耗数据和运行数据，并通过数据关联处理生成第一设备数据二元组；基于预训练的最优工况识别模型对第一设备数据二元组进行处理，快速识别当前生产设备的实时预测工况，帮助监测生产状态的变化和异常；能耗异常监控模块能够基于实时能耗数据计算第一能耗系数，并与预设的能耗系数阈值进行比较；当第一能耗系数超过设定的能耗系数阈值时，系统能够及时检测到生产设备存在能耗异常，提供实时的异常预警和警报，有助于避免能耗过高或异常情况持续发生；设备运行参数动态调整模块根据检测到的能耗异常情况，获取实时预测工况对应的设备能耗平均数据，并通过数据关联处理得到第二设备数据二元组；基于预训练的最优设备运行参数匹配模型对第二设备数据二元组进行处理，得出设备运行的预测参数；这种动态调整能够实现对生产设备运行参数的即时优化，以应对能耗异常，提高能效和生产效率；该动态监测的生产能耗控制系统通过自动化的实时监测和动态调整，能够优化生产设备的设备运行参数，确保生产设备在最佳工况下运行，从而提高生产效率和产品质量，且自动化的能耗控制系统可以快速响应生产状况的变化，降低了人为因素对生产效率和能耗控制的影响，提高了生产过程的自动化水平和智能化程度。

附图说明

图1是本发明提供的一种动态监测的生产能耗控制系统的一种实施例的结构示意图；

图2是本发明提供的一种动态监测的生产能耗控制系统的又一种实施例的结构示意图；

图3是本发明提供的一种动态监测的生产能耗控制方法的一种实施例的流程示意图。

具体实施方式

下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1，参见图1，图1是本发明提供的一种动态监测的生产能耗控制系统的一种实施例的结构示意图，如图1所示，该系统包括实时数据采集模块101、能耗异常监控模块102和设备运行参数动态调整模块103，具体如下：

其中，所述实时数据采集模块101，用于获取生产设备的实时设备能耗数据和实时设备运行数据，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，基于预训练的最优工况识别模型，对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况。

所述能耗异常监控模块102，用于基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，并获取所述实时预测工况对应的第一能耗系数阈值，当检测到所述第一能耗系数大于所述第一能耗系数阈值时，确定所述生产设备存在能耗异常。

所述设备运行参数动态调整模块103，用于当检测到所述生产设备存在能耗异常时，获取所述实时预测工况对应的设备能耗平均数据，对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，基于预训练的最优设备运行参数匹配模型，对所述第二设备数据二元组进行参数匹配处理，得到所述生产设备的设备运行预测参数，并基于所述设备运行预测参数对所述实时设备运行数据进行动态调整。

一实施例中，所述实时数据采集模块101分别与所述能耗异常监控模块102和所述设备运行参数动态调整模块103相连接，所述能耗异常监控模块102与所述设备运行参数动态调整模块103相连接。

一实施例中，通过在每台生产设备上安装传感器和数据采集设备，用于监测生产设备的能耗数据和运行参数；其中，所述传感器包括电能表、速度传感器、温度传感器；所述数据采集设备包括PLC控制器。

一实施例中，所述实时数据采集模块101通过有线网络或无线网络实时接收和存储从各个传感器和数据采集设备收集到的数据。

具体的，所述实时数据采集模块101获取的所述生产设备的所述实时设备能耗数据包括第一生产设备编码、第一生产设备型号、第一采集时间和生产设备用电量。

具体的，所述实时数据采集模块101获取的所述生产设备的所述实时设备运行数据包括第二生产设备编码、第二生产设备型号、第二采集时间、生产设备运行速度、生产设备运行温度和生产设备运行时间。

优选的，基于实时数据采集模块101获取到实时设备能耗数据和实时设备运行数据后，还可通过数据可视化工具或自定义的监控界面，将实时设备能耗数据和实时设备运行数据转换为对应的表格，以直观的方式展示出来，以便用户实时监控设备的运行状态和能耗情况。

一实施例中，所述实时数据采集模块101，用于对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组时，通过对所述实时设备能耗数据中的所述第一生产设备编码、所述第一生产设备型号和所述第一采集时间进行第一拼接处理，得到第一拼接数据；对所述实时设备运行数据中的所述第二生产设备编码、所述第二生产设备型号和所述第二采集时间进行第二拼接处理，得到第二拼接数据；当检测到所述第一拼接数据和所述第二拼接数据一致时，对所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间进行第三拼接处理，得到第三拼接数据；关联所述生产设备用电量和所述第三拼接数据，生成第一设备数据二元组。

具体的，所述第一拼接处理为：按预设顺序对所述第一生产设备编码、所述第一生产设备型号和所述第一采集时间进行排序处理，得到第一参数序列；设置第一目标字符，基于所述第一目标字符对所述第一参数序列进行参数连接处理，得到第一拼接数据。

具体的，所述第二拼接处理为：按预设顺序对所述第二生产设备编码、所述第二生产设备型号和所述第二采集时间进行排序处理，得到第二参数序列；设置第二目标字符，基于所述第二目标字符对所述第二参数序列进行参数连接处理，得到第二拼接数据。

具体的，所述第三拼接处理为：按预设顺序对所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间进行排序处理，得到第三参数序列；设置第三目标字符，基于所述第三目标字符对所述第三参数序列进行参数连接处理，得到第三拼接数据。

具体的，检测所述第一拼接数据和所述第二拼接数据是否一致时，通过计算所述第一拼接数据和所述第二拼接数据的相似度，若所述相似度为1，则确定所述第一拼接数据和所述第二拼接数据一致，否则，所述第一拼接数据和所述第二拼接数据不一致。

具体的，所述实时数据采集模块101，用于关联所述生产设备用电量和所述第三拼接数据时，以所述生产设备用电量为第一键名，以所述第三拼接数据为第一键值，将所述第一键名和所述第一键值进行关联，生成第一设备数据二元组。

本实施例中提供的一种动态检测的动态监测的生产能耗控制系统，还包括标准数据采集模块104和模型训练模块105。

一实施例中，所述标准数据采集模块104，用于获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据，对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组，将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组，整合所有历史设备数据三元组，生成设备标准数据集。

一实施例中，定义所述生产设备的工况，其中，所述工况包括但不限于正常运行、启动、停机、待机等。

一实施例中，所述标准数据采集模块104，用于获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据时，通过采集每种工况下的多个历史设备能耗数据和多个历史设备运行数据，分别对所述多个历史设备能耗数据和所述多个历史设备运行数据预处理，得到多个预处理设备能耗数据和多个预处理设备运行数据；对所述多个预处理设备能耗数据进行标准化处理，得到标准设备能耗数据，并对所述多个预处理设备运行数据进行标准化处理，得到标准设备运行数据。

具体的，所述数据预处理包括异常值处理，填充缺失值等操作，以确保数据质量。

具体的，对所述多个预处理设备能耗数据进行标准化处理，得到标准设备能耗数据时，获取每种工况对应的设备能耗上阈值和设备能耗下阈值，基于所述设备能耗上阈值和所述设备能耗下阈值对所述多个预处理设备能耗数据进行数据筛选，得到多个筛选设备能耗数据，并对多个筛选设备能耗数据进行排序，确定第一设备能耗数据中位值；选取所述多个筛选设备能耗数据中处于所述第一设备能耗数据中位值和所述设备能耗上阈值之间的筛选设备能耗数据，得到第一提取设备能耗数据，对所述第一提取设备能耗数据进行排序，确定第二设备能耗数据中位值，选取所述多个筛选设备能耗数据中处于所述第一设备能耗数据中位值和所述设备能耗下阈值之间的筛选设备能耗数据，得到第二提取设备能耗数据，对所述第二提取设备能耗数据进行排序，确定第三设备能耗数据中位值；分别将所述第一设备能耗数据中位值、所述第二设备能耗数据中位值和所述第三设备能耗数据中位值对应的预处理设备能耗数据作为当前工况下的第一标准设备能耗数据、第二标准设备能耗数据和第三标准设备能耗数据。

具体的，对所述多个预处理设备运行数据进行标准化处理，得到标准设备运行数据时，获取每种工况对应的设备运行上阈值和设备运行下阈值，基于所述设备运行上阈值和所述设备运行下阈值对所述多个预处理设备运行数据进行数据筛选，得到多个筛选设备运行数据，并对多个筛选设备运行数据进行排序，确定第一设备运行数据中位值；选取所述多个筛选设备运行数据中处于所述第一设备运行数据中位值和所述设备运行上阈值之间的筛选设备运行数据，得到第一提取设备运行数据，对所述第一提取设备运行数据进行排序，确定第二设备运行数据中位值，选取所述多个筛选设备运行数据中处于所述第一设备运行数据中位值和所述设备运行下阈值之间的筛选设备运行数据，得到第二提取设备运行数据，对所述第二提取设备运行数据进行排序，确定第三设备运行数据中位值；分别将所述第一设备运行数据中位值、所述第二设备运行数据中位值和所述第三设备运行数据中位值对应的预处理设备运行数据作为当前工况下的第一标准设备运行数据、第二标准设备运行数据和第三标准设备运行数据。

具体的，所述标准数据采集模块104获取的所述生产设备的所述标准设备能耗数据包括第一标准生产设备编码、第二标准生产设备型号、第一标准采集时间和标准生产设备用电量。

具体的，所述标准数据采集模块104获取的所述生产设备的所述标准设备运行数据包括第二标准生产设备编码、第二标准生产设备型号、第二标准采集时间、标准生产设备运行速度、标准生产设备运行温度和标准生产设备运行时间。

具体的，所述标准数据采集模块104用于对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组时，所采用的数据关联方式与所述实时数据采集模块101中用于对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组的方式相同，因此，在此不在进行详细叙述。

具体的，所述标准数据采集模块104用于将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组时，将所述历史设备数据二元组对应的工况作为前缀，将所述前缀和所述历史设备数据二元组进行拼接，得到历史设备数据三元组。

具体的，所述标准数据采集模块104用于整合所有工况下的所有历史设备数据三元组，生成设备标准数据集。

一实施例中，所述模型训练模块105，用于基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型。

具体的，所述模型训练模块105，用于从所述设备标准数据集中提取出第一模型训练样本数据集，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第一数据掩码处理，生成第一掩码模型训练样本数据集，并对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第二数据掩码处理，生成第二掩码模型训练样本数据集。

具体的，所述模型训练模块105，用于将所述第一掩码模型训练样本数据集输入到预构建的工况识别模型中，对所述工况识别模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述工况识别模型进行参数寻优处理，计算每次迭代优化过程对应的所述工况识别模型的第一适应度，直至达到预设的第一最大迭代次数，获取每次迭代优化过程对应的所述第一适应度，选取第一适应值最大值对应的第一模型参数，基于所述第一模型参数，确定最优工况识别模型。

具体的，所述模型训练模块105，用于将所述第二掩码模型训练样本数据集输入到预构建的设备运行参数匹配模型中，对所述设备运行参数匹配模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述设备运行参数匹配模型进行参数寻优处理，计算每次迭代优化过程对应的所述设备运行参数匹配模型的第二适应度，直至达到预设的第二最大迭代次数，获取每次迭代优化过程对应的所述第二适应度，选取第二适应值最大值对应的第二模型参数，基于所述第二模型参数，确定最优设备运行参数匹配模型。

具体的，所述第一历史设备三元数组包括第一历史工况和第一历史设备数据二元组，其中，所述第一历史设备数据二元组包括第一标准设备能耗数据和第一标准设备运行数据。

具体的，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第一数据掩码处理时，获取所述每个第一历史设备数据三元组中的第一标准设备运行数据，并将每个第一标准设备运行数据进行格式转换处理，以使将所述每个第一标准设备运行数据成目标字符，得到掩码第一标准设备运行数据，其中，所述目标字符包括但不限于***、%%%、###等。

具体的，基于第一历史工况、第一标准设备能耗数据和掩码第一标准设备运行数据，生成第一掩码模型训练样本数据集。

具体的，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第二数据掩码处理时，获取所述每个第一历史设备数据三元组中的第一标准设备能耗数据，并将每个第一标准设备能耗数据进行格式转换处理，以使将所述每个第一标准设备能耗数据成目标字符，得到掩码第一标准设备能耗数据，其中，所述目标字符包括但不限于***、%%%、###等。

具体的，基于第一历史工况、掩码第一标准设备能耗数据和第一标准设备运行数据，生成第二掩码模型训练样本数据集。

具体的，所述模型训练模块105，用于将所述第一掩码模型训练样本数据集输入到预构建的工况识别模型中，对所述工况识别模型进行迭代优化处理时，以第一标准设备能耗数据和掩码第一标准设备运行数据为模型输入，以所述第一历史工况作为模型输出，对预构建的工况识别模型进行模型迭代优化处理。

具体的，所述模型训练模块105，用于将所述第二掩码模型训练样本数据集输入到预构建的设备运行参数匹配模型中，对所述设备运行参数匹配模型进行迭代优化处理时，以第一历史工况、掩码第一标准设备能耗数据为模型输入，以所述第一标准设备运行数据作为模型输出，对预构建的设备运行参数匹配模型进行模型迭代优化处理。

具体的，所述模型训练模块105，用于基于自适应随机搜索算法对所述工况识别模型进行参数寻优处理，计算每次迭代优化过程对应的所述工况识别模型的第一适应度时，通过在参数寻优过程中，计算每次迭代优化对应的第一平均误差值，基于所述第一平均误差值，计算每次迭代优化过程对应的所述工况识别模型的第一适应度。

具体的，所述模型训练模块105，用于基于自适应随机搜索算法对所述设备运行参数匹配模型进行参数寻优处理，计算每次迭代优化过程对应的所述设备运行参数匹配模型的第二适应度时，通过在参数寻优过程中，计算每次迭代优化对应的第二平均误差值，基于所述第二平均误差值，计算每次迭代优化过程对应的所述工况识别模型的第二适应度。

一实施例中，在完成对工况识别模型和设备运行参数匹配模型进行模型优化训练后，所述实时数据采集模块101直接将采用最优工况识别模型对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况。

其中，所述实时预测工况包括但不限于正常运行、启动、停机、待机等。

一实施例中，所述能耗异常监控模块102，用于基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数时，通过将所述实时设备运行数据中的所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间，输入到预设的设备运行融合指数计算公式中，得到第一设备运行融合指数；基于所述实时设备能耗数据中的所述生产设备用电量，计算生产设备平均用电量；将所述生产设备用电量和所述生产设备平均用电量输入到预设的设备能耗融合指数计算公式中，得到第一设备能耗融合指数；基于所述第一设备运行融合指数和所述第一设备能耗融合指数，计算所述生产设备的第一能耗系数。

具体的，所述设备运行融合指数计算公式，如下所示：

;

式中，为设备运行融合指数，为生产设备运行速度，为生产设备运行温度， 为生产设备运行时间，为第一权重值，为第二权重值，为第三权重值。

具体的，所述设备能耗融合指数计算公式，如下所示：

；

式中，为设备能耗融合指数，为生产设备用电量，为生产设备平均用电量，为第四权重值，为第五权重值。

一实施例中，所述设备运行参数动态调整模块103，用于获取所述实时预测工况对应的设备能耗平均数据时，通过获取所述实时预测工况对应的多个历史设备能耗数据，对所述多个历史设备能耗数据进行时序排列，生成历史设备能耗时序序列，并对所述历史设备能耗时序序列中相邻的历史设备能耗数据进行两两配对处理，得到多个历史设备能耗数据对；分别对所述多个历史设备能耗数据进行差分处理，得到每个历史设备能耗数据对对应的差分值，当检测到所述差分值不大于预设差分阈值时，保留所述差分值对对应的目标历史设备能耗数据对，否则，删除所述目标历史设备能耗数据；对保留下来的所有目标设备能耗数据对进行数据去重处理，得到多个第一历史设备能耗数据，计算所述多个第一历史设备能耗数据的平均值，并将所述平均值作为所述实时预测工况对应的设备能耗平均数据。

一实施例中，所述设备运行参数动态调整模块103，用于对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，以所实时预测工况为第二键名，以所述设备能耗平均数据为第二键值，将所述第二键名和所述第二键值进行关联，生成第二设备数据二元组。

一实施例中，所述设备运行参数动态调整模块103，用于直接将生成的第二设备数据二元组输入到最优设备运行参数匹配模型进行参数匹配处理，得到所述生产设备的设备运行预测参数，将预测的设备运行预测参数实时应用到生产设备的实际运行中，通过动态调整设备的实时设备运行参数，以使其达到最优的运行状态或适应当前的工作环境和条件。能够帮助优化设备的运行，并提高生产效率和产品质量；且在该过程中基于自动化的动态调整，减少了对人工的依赖性。

实施例2，参见图2，图2是本发明提供的一种动态监测的生产能耗控制方法的一种实施例的流程示意图，如图2所示，该方法包括步骤301-步骤303，具体如下：

步骤101：获取生产设备的实时设备能耗数据和实时设备运行数据，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，基于预训练的最优工况识别模型，对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况。

步骤102：基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，并获取所述实时预测工况对应的第一能耗系数阈值，当检测到所述第一能耗系数大于所述第一能耗系数阈值时，确定所述生产设备存在能耗异常。

步骤103：当检测到所述生产设备存在能耗异常时，获取所述实时预测工况对应的设备能耗平均数据，对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，基于预训练的最优设备运行参数匹配模型，对所述第二设备数据二元组进行参数匹配处理，得到所述生产设备的设备运行预测参数，并基于所述设备运行预测参数对所述实时设备运行数据进行动态调整。

本实施例中提供的一种动态监测的生产能耗控制方法，还包括：获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据，对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组，将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组，整合所有历史设备数据三元组，生成设备标准数据集；基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型。

一实施例中，基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型，具体包括：从所述设备标准数据集中提取出第一模型训练样本数据集，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第一数据掩码处理，生成第一掩码模型训练样本数据集，并对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第二数据掩码处理，生成第二掩码模型训练样本数据集；将所述第一掩码模型训练样本数据集输入到预构建的工况识别模型中，对所述工况识别模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述工况识别模型进行参数寻优处理，计算每次迭代优化过程对应的所述工况识别模型的第一适应度，直至达到预设的第一最大迭代次数，获取每次迭代优化过程对应的所述第一适应度，选取第一适应值最大值对应的第一模型参数，基于所述第一模型参数，确定最优工况识别模型；将所述第二掩码模型训练样本数据集输入到预构建的设备运行参数匹配模型中，对所述设备运行参数匹配模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述设备运行参数匹配模型进行参数寻优处理，计算每次迭代优化过程对应的所述设备运行参数匹配模型的第二适应度，直至达到预设的第二最大迭代次数，获取每次迭代优化过程对应的所述第二适应度，选取第二适应值最大值对应的第二模型参数，基于所述第二模型参数，确定最优设备运行参数匹配模型。

一实施例中，所述实时设备能耗数据包括第一生产设备编码、第一生产设备型号、第一采集时间和生产设备用电量。

一实施例中，所述实时设备运行数据包括第二生产设备编码、第二生产设备型号、第二采集时间、生产设备运行速度、生产设备运行温度和生产设备运行时间。

一实施例中，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，具体包括：对所述实时设备能耗数据中的所述第一生产设备编码、所述第一生产设备型号和所述第一采集时间进行第一拼接处理，得到第一拼接数据；对所述实时设备运行数据中的所述第二生产设备编码、所述第二生产设备型号和所述第二采集时间进行第二拼接处理，得到第二拼接数据；当检测到所述第一拼接数据和所述第二拼接数据一致时，对所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间进行第三拼接处理，得到第三拼接数据；关联所述生产设备用电量和所述第三拼接数据，生成第一设备数据二元组。

一实施例中，基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，具体包括：将所述实时设备运行数据中的所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间，输入到预设的设备运行融合指数计算公式中，得到第一设备运行融合指数；基于所述实时设备能耗数据中的所述生产设备用电量，计算生产设备平均用电量；将所述生产设备用电量和所述生产设备平均用电量输入到预设的设备能耗融合指数计算公式中，得到第一设备能耗融合指数；基于所述第一设备运行融合指数和所述第一设备能耗融合指数，计算所述生产设备的第一能耗系数。

一实施例中，所述设备运行融合指数计算公式，如下所示：

;

式中，为设备运行融合指数，为生产设备运行速度，为生产设备运行温度， 为生产设备运行时间，为第一权重值，为第二权重值，为第三权重值。

一实施例中，所述设备能耗融合指数计算公式，如下所示：

；

式中，为设备能耗融合指数，为生产设备用电量，为生产设备平均用电量，为第四权重值，为第五权重值。

一实施例中，获取所述实时预测工况对应的设备能耗平均数据，具体包括：获取所述实时预测工况对应的多个历史设备能耗数据，对所述多个历史设备能耗数据进行时序排列，生成历史设备能耗时序序列，并对所述历史设备能耗时序序列中相邻的历史设备能耗数据进行两两配对处理，得到多个历史设备能耗数据对；分别对所述多个历史设备能耗数据进行差分处理，得到每个历史设备能耗数据对对应的差分值，当检测到所述差分值不大于预设差分阈值时，保留所述差分值对对应的目标历史设备能耗数据对，否则，删除所述目标历史设备能耗数据；对保留下来的所有目标设备能耗数据对进行数据去重处理，得到多个第一历史设备能耗数据，计算所述多个第一历史设备能耗数据的平均值，并将所述平均值作为所述实时预测工况对应的设备能耗平均数据。

所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的方法的具体工作过程，可以参考前述系统实施例中的对应过程，在此不在赘述。

本发明实施例中还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的动态监测的生产能耗控制。

本发明实施例中还一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述所述的动态监测的生产能耗控制方法。

综上，本发明提供的一种动态监测的生产能耗控制系统及方法，该系统包括实时数据采集模块、能耗异常监控模块和设备运行参数动态调整模块；实时数据采集模块，用于基于最优工况识别模型，对实时设备能耗数据和实时设备运行数据进行工况识别，得到实时预测工况；能耗异常监控模块，用于当检测到计算的第一能耗系数大于实时预测工况对应的能耗系数阈值时，确定生产设备存在能耗异常；设备运行参数动态调整模块，用于基于最优设备运行参数匹配模型，对第二设备数据二元组进行参数匹配，得到并基于设备运行预测参数对实时设备运行数据进行动态调整；与现有技术相比，本发明能对设备运行数据进行自动化动态调整，减少对人工的依赖性，实现生产能耗的实时优化。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种动态监测的生产能耗控制系统，其特征在于，包括：实时数据采集模块、能耗异常监控模块和设备运行参数动态调整模块；

其中，所述实时数据采集模块，用于获取生产设备的实时设备能耗数据和实时设备运行数据，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，基于预训练的最优工况识别模型，对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况；

所述能耗异常监控模块，用于基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，并获取所述实时预测工况对应的第一能耗系数阈值，当检测到所述第一能耗系数大于所述第一能耗系数阈值时，确定所述生产设备存在能耗异常；

所述设备运行参数动态调整模块，用于当检测到所述生产设备存在能耗异常时，获取所述实时预测工况对应的设备能耗平均数据，对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，基于预训练的最优设备运行参数匹配模型，对所述第二设备数据二元组进行参数匹配处理，得到所述生产设备的设备运行预测参数，并基于所述设备运行预测参数对所述实时设备运行数据进行动态调整。

2.如权利要求1所述的一种动态监测的生产能耗控制系统，其特征在于，还包括：标准数据采集模块和模型训练模块；

其中，所述标准数据采集模块，用于获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据，对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组，将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组，整合所有历史设备数据三元组，生成设备标准数据集；

所述模型训练模块，用于基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型。

3.如权利要求2所述的一种动态监测的生产能耗控制系统，其特征在于，所述模型训练模块，用于基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型，具体包括：

从所述设备标准数据集中提取出第一模型训练样本数据集，对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第一数据掩码处理，生成第一掩码模型训练样本数据集，并对所述第一模型训练样本数据集中的每个第一历史设备数据三元组进行第二数据掩码处理，生成第二掩码模型训练样本数据集；

将所述第一掩码模型训练样本数据集输入到预构建的工况识别模型中，对所述工况识别模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述工况识别模型进行参数寻优处理，计算每次迭代优化过程对应的所述工况识别模型的第一适应度，直至达到预设的第一最大迭代次数，获取每次迭代优化过程对应的所述第一适应度，选取第一适应值最大值对应的第一模型参数，基于所述第一模型参数，确定最优工况识别模型；

将所述第二掩码模型训练样本数据集输入到预构建的设备运行参数匹配模型中，对所述设备运行参数匹配模型进行迭代优化处理，并在迭代优化过程中，基于自适应随机搜索算法对所述设备运行参数匹配模型进行参数寻优处理，计算每次迭代优化过程对应的所述设备运行参数匹配模型的第二适应度，直至达到预设的第二最大迭代次数，获取每次迭代优化过程对应的所述第二适应度，选取第二适应值最大值对应的第二模型参数，基于所述第二模型参数，确定最优设备运行参数匹配模型。

4.如权利要求1所述的一种动态监测的生产能耗控制系统，其特征在于，所述实时设备能耗数据包括第一生产设备编码、第一生产设备型号、第一采集时间和生产设备用电量；

所述实时设备运行数据包括第二生产设备编码、第二生产设备型号、第二采集时间、生产设备运行速度、生产设备运行温度和生产设备运行时间。

5.如权利要求4所述的一种动态监测的生产能耗控制系统，其特征在于，所述实时数据采集模块，用于对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，具体包括：

对所述实时设备能耗数据中的所述第一生产设备编码、所述第一生产设备型号和所述第一采集时间进行第一拼接处理，得到第一拼接数据；

对所述实时设备运行数据中的所述第二生产设备编码、所述第二生产设备型号和所述第二采集时间进行第二拼接处理，得到第二拼接数据；

当检测到所述第一拼接数据和所述第二拼接数据一致时，对所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间进行第三拼接处理，得到第三拼接数据；

关联所述生产设备用电量和所述第三拼接数据，生成第一设备数据二元组。

6.如权利要求4所述的一种动态监测的生产能耗控制系统，其特征在于，所述能耗异常监控模块，用于基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，具体包括：

将所述实时设备运行数据中的所述生产设备运行速度、所述生产设备运行温度和所述生产设备运行时间，输入到预设的设备运行融合指数计算公式中，得到第一设备运行融合指数；

基于所述实时设备能耗数据中的所述生产设备用电量，计算生产设备平均用电量；

将所述生产设备用电量和所述生产设备平均用电量输入到预设的设备能耗融合指数计算公式中，得到第一设备能耗融合指数；

基于所述第一设备运行融合指数和所述第一设备能耗融合指数，计算所述生产设备的第一能耗系数。

7.如权利要求6所述的一种动态监测的生产能耗控制系统，其特征在于，所述设备运行融合指数计算公式，如下所示：

;

式中，为设备运行融合指数，/>为生产设备运行速度，/>为生产设备运行温度，/>为生产设备运行时间，/>为第一权重值，/>为第二权重值，/>为第三权重值；

所述设备能耗融合指数计算公式，如下所示：

；

式中，为设备能耗融合指数，/>为生产设备用电量，/>为生产设备平均用电量，/>为第四权重值，/>为第五权重值。

8.如权利要求1所述的一种动态监测的生产能耗控制系统，其特征在于，所述设备运行参数动态调整模块，用于获取所述实时预测工况对应的设备能耗平均数据，具体包括：

获取所述实时预测工况对应的多个历史设备能耗数据，对所述多个历史设备能耗数据进行时序排列，生成历史设备能耗时序序列，并对所述历史设备能耗时序序列中相邻的历史设备能耗数据进行两两配对处理，得到多个历史设备能耗数据对；

分别对所述多个历史设备能耗数据进行差分处理，得到每个历史设备能耗数据对对应的差分值，当检测到所述差分值不大于预设差分阈值时，保留所述差分值对对应的目标历史设备能耗数据对，否则，删除所述目标历史设备能耗数据；

对保留下来的所有目标设备能耗数据对进行数据去重处理，得到多个第一历史设备能耗数据，计算所述多个第一历史设备能耗数据的平均值，并将所述平均值作为所述实时预测工况对应的设备能耗平均数据。

9.一种动态监测的生产能耗控制方法，其特征在于，包括：

获取生产设备的实时设备能耗数据和实时设备运行数据，对所述实时设备能耗数据和所述实时设备运行数据进行数据关联处理，生成第一设备数据二元组，基于预训练的最优工况识别模型，对所述第一设备数据二元组进行工况识别处理，得到所述生产设备的实时预测工况；

基于所述实时设备能耗数据和所述实时设备运行数据，计算所述生产设备的第一能耗系数，并获取所述实时预测工况对应的第一能耗系数阈值，当检测到所述第一能耗系数大于所述第一能耗系数阈值时，确定所述生产设备存在能耗异常；

当检测到所述生产设备存在能耗异常时，获取所述实时预测工况对应的设备能耗平均数据，对所述设备能耗平均数据和所述实时预测工况进行数据关联处理，得到第二设备数据二元组，基于预训练的最优设备运行参数匹配模型，对所述第二设备数据二元组进行参数匹配处理，得到所述生产设备的设备运行预测参数，并基于所述设备运行预测参数对所述实时设备运行数据进行动态调整。

10.如权利要求9所述的一种动态监测的生产能耗控制方法，其特征在于，还包括：

获取生产设备在不同工况下的标准设备能耗数据和标准设备运行数据，对所述标准设备能耗数据和所述标准设备运行数据进行数据关联处理，得到不同工况下的历史设备数据二元组，将所述历史设备数据二元组与对应的工况进行关联处理，得到历史设备数据三元组，整合所有历史设备数据三元组，生成设备标准数据集；

基于所述设备标准数据集，分别对预构建的工况识别模型和设备运行参数匹配模型进行模型训练，得到最优工况识别模型和最优设备运行参数匹配模型。