JP2014105989A - 建物動力設備のエネルギー消費量予測方法 - Google Patents
建物動力設備のエネルギー消費量予測方法 Download PDFInfo
- Publication number
- JP2014105989A JP2014105989A JP2013179726A JP2013179726A JP2014105989A JP 2014105989 A JP2014105989 A JP 2014105989A JP 2013179726 A JP2013179726 A JP 2013179726A JP 2013179726 A JP2013179726 A JP 2013179726A JP 2014105989 A JP2014105989 A JP 2014105989A
- Authority
- JP
- Japan
- Prior art keywords
- energy consumption
- equipment
- data
- database
- power equipment
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004378 air conditioning Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 2
- 238000005259 measurement Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Air Conditioning Control Device (AREA)
- General Factory Administration (AREA)
- Feedback Control In General (AREA)
Abstract
【解決手段】システムは、設備の稼働状態、各種センサの環境パラメータ、そして計測器から収集したエネルギー消費量データを記録する。収集されたデータは、データベースに全て保存される。データベース化された設備エネルギー消費モデルによって、エネルギー消費量の影響度が自動的に選択され、エネルギー消費量とその時間を予測できる。従って、エネルギー消費量の最小化、生産工期や生産期間の最小化という要求を満たす設備の最適スケジューリングを算出することができる。また、ステータスの変更情報を記録し、異なる建物特性に基づいて設備のエネルギー消費量に影響するパラメータを自動的に選定することができる。
【選択図】図1
Description
エネルギー供給設備のエネルギー消費量と影響要因が収集される。次に、設備の状態遷移情報が収集される。そして、状態が変わるときのエネルギー消費量が計算される。全てのデータがデータ集合に保存される。ファンのように、稼働状態が離散型で、エネルギー消費量の影響要因が単一の設備に対しては、この方法は、エネルギー消費量、生産工期、生産時間を最小化する最適スケジュールを提供できる。空気調和設備のように、稼働状態が連続型でエネルギー消費量の影響要因が複雑な設備に対しては、発明の方法が意思決定木アルゴリズムに基づいて影響要因を決定し、それからエネルギー消費量がバックプロパゲーション型ニューラルネットワークアルゴリズムによって予測される。
この方法のステップは、次のとおりである。
1.データ記録と保存
設備パラメータとエネルギー消費量が計測される。計測機器は、電流計、電圧計、温度センサ、湿度センサ、速度計などを含んでいる。異なる状態のパラメータ値の一例を、下表1に示す。
(1)空気調和設備に対して、その方法は、適切な影響要因を選択し、エネルギー消費量予測モデルの構築を可能とする。
1)エネルギー消費量と影響要因データは、データ集合D1に保存される。置換法を用いないサンプリングがD1に適用され、データ集合(サンプリングデータセット)D2が生成される。データ量は、削減され、分析効率が向上する。
4)その手法は、生成されたデータ集合D1とデータ集合D1’に対して、不必要な影響要因パラメータを削除する。空気調和設備のエネルギー消費量は、バックプロパゲーションネットワークによって予測される。シグモイド関数が活性化層(中間層)に適用され、入力層には空気調和エネルギー消費量データと影響要因データが入力される。
(1)そのモデルは、エネルギー消費量、生産工期、生産時間を最小化するための最適なスケジュールを提供できる。
(2)記録データによって異常なエネルギー消費量データを確認することができる。異常なデータの原因は、管理戦略を改善するために、そして省エネの目的を達成するために分析される。
ステップS120において、監視制御システム100は、モデルデータ310をデータベース300から入力する処理を実行する。モデルデータ310は、設備のエネルギー消費量モデル、エネルギーフローモデル、および外部環境モデルなどから構成される。
図3は、本発明の実施の形態1における建物の省エネのためのデータ監視プロセスの流れを示すフローチャートであり、図2におけるステップS140のデータ取得手続きのフローチャートである。
空気調和設備に対して、モデリング処理が、次のように実行される。なお、図4は、本発明の実施の形態1のデータ分析プロセスにおける空気調和設備のエネルギー消費量のモデルに関するフローチャートである。
1)あるオフィスビルに対して、時間毎の空気調和設備のエネルギー消費量データと影響要因が収集され、データ集合D1に保存される。影響要因データは、外部温度(T)、外部相対湿度(H)、風速(Ws)、日射量(S)、人数(N)、時間の型(Hour)、週の型(Week)を含んでいる。D1の10%のデータを抽出して、データ集合D2を生成する。
Claims (2)
- 建物動力設備のエネルギー消費量予測方法であって、
電圧計、電流計、温度センサ、湿度センサを用いて、電圧、電流、温度、湿度を測定することで、設備の操業パラメータ、環境パラメータを測定する第1ステップと、
モード検知部を用いて、前記第1ステップにより測定された前記操業パラメータおよび前記環境パラメータに基づいて、設備の稼働状態が変更になったかを検出し、変更があった場合には、変更後の新しい状態、パラメータ、状態変更の時間を全ての記録として、データベースに保存する第2ステップと、
稼働状態が連続データでエネルギー消費量の影響要因が複雑である設備に対しては、影響要因を自動的に選択し、前記第2ステップにより前記データベースに保存された前記全ての記録に基づいて、エネルギー消費量を予測する第3ステップと、
稼働状態が離散データでエネルギー消費量の影響要因が単一の設備に対しては、操業の状態の予測モデルを生成し、前記第2ステップにより前記データベースに保存された前記全ての記録に基づいて、エネルギー消費量と状態遷移の時間を予測する第4ステップと、
ユーザーの要求に応じて、エネルギー消費量、生産工期、生産期間を最小化する最適なスケジュールを立案するために、設備モデルを用いる第5ステップと、
前記第2ステップにより前記データベースに保存された前記全ての記録に基づいて、異常なエネルギー消費量のデータを検知し、管理戦略を改善する目的、およびエネルギー消費量を削減する目的を達成するために前記データを解析する第6ステップと
を備える建物動力設備のエネルギー消費量予測方法。 - 請求項1に記載の建物動力設備のエネルギー消費量予測方法において、
前記第3ステップは、
空気調和設備に対して、設備のエネルギー消費量に影響する可能性のある全ての影響要因データを収集し、基本となるデータ集合に保存する第31ステップと、
前記基本となるデータ集合に対して、置換法を用いないサンプリングを適用してサンプリングデータを生成し、1つのテストデータ集合に保存する第32ステップと、
前記テストデータ集合に対して、分類回帰木アルゴリズムを適用するとともに、最もよい予測精度と木の大きさを得るために分類木に対して改善枝刈りアルゴリズムを適用する第33ステップと、
空気調和のエネルギー消費量に最も影響するパラメータである分類ルールを抽出する第34ステップと、
前記第34ステップにより抽出された前記分類ルールを、前記基本となるデータ集合に適用し、バックプロパゲーション型ニューラルネットワークアルゴリズムを利用して、空気調和設備のエネルギー消費量を予測する第35ステップと
を含む建物動力設備のエネルギー消費量予測方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210496493.3 | 2012-11-28 | ||
CN201210496493.3A CN103853106B (zh) | 2012-11-28 | 2012-11-28 | 一种建筑能源供应设备的能耗预测参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014105989A true JP2014105989A (ja) | 2014-06-09 |
JP6129028B2 JP6129028B2 (ja) | 2017-05-17 |
Family
ID=50860899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013179726A Active JP6129028B2 (ja) | 2012-11-28 | 2013-08-30 | 建物動力設備のエネルギー消費量予測方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6129028B2 (ja) |
CN (1) | CN103853106B (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374052A (zh) * | 2014-11-18 | 2015-02-25 | 柳州市金旭节能科技有限公司 | 基于神经网络的中央空调节能控制方法及系统 |
CN104793594A (zh) * | 2015-04-08 | 2015-07-22 | 南京优助智能科技有限公司 | 能源站群控系统预报控制指令的方法 |
JP2016031179A (ja) * | 2014-07-28 | 2016-03-07 | 株式会社Nttファシリティーズ | 制御システム、最適解選択装置、制御方法、及びプログラム |
CN105759629A (zh) * | 2014-12-10 | 2016-07-13 | 财团法人工业技术研究院 | 环境控制方法及其系统 |
CN109376898A (zh) * | 2018-08-30 | 2019-02-22 | 国网江苏电力设计咨询有限公司 | 一种基于内外部指标影响的电量分析预测方法 |
CN109685252A (zh) * | 2018-11-30 | 2019-04-26 | 西安工程大学 | 基于循环神经网络和多任务学习模型的建筑能耗预测方法 |
CN111915089A (zh) * | 2020-08-07 | 2020-11-10 | 青岛洪锦智慧能源技术有限公司 | 一种污水处理厂泵组能耗的预测方法及其装置 |
CN112665143A (zh) * | 2020-12-08 | 2021-04-16 | 珠海格力电器股份有限公司 | 基于深度学习的智能调控变频策略的方法及设备 |
CN112784208A (zh) * | 2021-01-19 | 2021-05-11 | 深圳市紫衡技术有限公司 | 建筑能耗计算方法、系统、电子设备及存储介质 |
CN112884012A (zh) * | 2021-01-26 | 2021-06-01 | 山东历控能源有限公司 | 基于支持向量机原理的建筑能耗预测方法 |
CN115062964A (zh) * | 2022-06-14 | 2022-09-16 | 北京嘉洁能科技股份有限公司 | 一种基于决策树的碳纤维供暖能耗分析方法及系统 |
CN115218366A (zh) * | 2022-07-22 | 2022-10-21 | 中瑞恒(北京)科技有限公司 | 一种基于控制预测模型的暖通空调的节能方法 |
CN116451829A (zh) * | 2023-02-23 | 2023-07-18 | 葛洲坝集团交通投资有限公司 | 一种基于主成分分析的高速公路建设减排优化方法及系统 |
CN116738856A (zh) * | 2023-06-27 | 2023-09-12 | 广州珠江外资建筑设计院有限公司 | 一种用于建筑能耗预测方法和系统 |
CN116894527A (zh) * | 2023-09-11 | 2023-10-17 | 中国船舶集团有限公司第七一九研究所 | 基于船舶行驶状态进行预测的器材储备系统 |
CN118394017A (zh) * | 2024-06-26 | 2024-07-26 | 浙江大学 | 一种用于药品生产能耗优化调控的智能机器人及运行方法 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239982A (zh) * | 2014-10-12 | 2014-12-24 | 刘岩 | 一种基于时间序列和神经网络的建筑节假日能耗预测方法 |
CN104483843B (zh) * | 2014-10-28 | 2017-03-08 | 天津大学 | 办公用能的预测方法 |
CN104534617B (zh) * | 2014-12-08 | 2017-04-26 | 北京方胜有成科技股份有限公司 | 一种基于能耗监测的冷源集中数字控制方法 |
JP5951142B1 (ja) * | 2015-04-01 | 2016-07-13 | 三菱電機株式会社 | 空調システム制御装置 |
CN104915562B (zh) * | 2015-06-11 | 2019-03-22 | 上海腾天节能技术有限公司 | 建筑能效诊断方法和系统 |
JP6588800B2 (ja) * | 2015-10-27 | 2019-10-09 | アズビル株式会社 | 熱源運転支援装置および方法 |
CN105759608B (zh) * | 2016-02-26 | 2018-12-28 | 北京邮电大学 | 一种节能方法及系统 |
CN106705381B (zh) * | 2017-01-19 | 2019-07-23 | 青岛海尔空调器有限总公司 | 基于空调的能耗预测方法及预测装置 |
CN106951611B (zh) * | 2017-03-07 | 2020-08-07 | 哈尔滨工业大学 | 一种基于使用者行为的严寒地区建筑节能设计优化方法 |
EP3547048A1 (de) * | 2018-03-27 | 2019-10-02 | Linde Aktiengesellschaft | Verfahren zum dimensionieren einer prozessanlage |
CN108459968B (zh) * | 2018-03-28 | 2021-05-18 | 东北大学 | 一种面向对象代码的视在能耗评估方法 |
CN109063255B (zh) * | 2018-06-29 | 2023-08-08 | 广州能迪能源科技股份有限公司 | 一种节能控制方法、电子设备、存储介质、装置及系统 |
CN109084403B (zh) * | 2018-06-29 | 2021-02-26 | 广州能迪能源科技股份有限公司 | 基于空调负荷时序分布的冷水机组静态控制策略获得方法 |
CN109165443B (zh) * | 2018-08-23 | 2021-09-14 | 珠海格力电器股份有限公司 | 一种电器能耗计算方法及系统 |
CN110889528B (zh) * | 2018-09-10 | 2023-01-31 | 珠海格力电器股份有限公司 | 一种热水机节能优化分析方法及设备 |
CN111179108A (zh) * | 2018-11-12 | 2020-05-19 | 珠海格力电器股份有限公司 | 用电能耗的预测方法和装置 |
CN110687881B (zh) * | 2019-10-22 | 2022-04-12 | 浪潮通信信息系统有限公司 | 一种基于物联网的电动机械设备远程智能分析方法 |
CN112101755A (zh) * | 2020-09-02 | 2020-12-18 | 江苏中设集团股份有限公司 | 一种基于多因素综合考虑的服务区能耗估算方法及系统 |
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 |
CN116757451A (zh) * | 2023-08-17 | 2023-09-15 | 青岛海瑞达网络科技有限公司 | 基于智能分析技术的生产能源数据处理系统 |
CN117113018B (zh) * | 2023-10-25 | 2024-02-06 | 清华四川能源互联网研究院 | 基于特征参数的能耗数据解析方法和系统 |
CN117873299B (zh) * | 2024-01-02 | 2024-08-13 | 江苏锦花电子股份有限公司 | 一种基于大数据的设备供能数据监测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08100940A (ja) * | 1992-10-23 | 1996-04-16 | Matsushita Electric Ind Co Ltd | 空気調和機の負荷予測装置 |
JPH1114119A (ja) * | 1997-06-25 | 1999-01-22 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030036820A1 (en) * | 2001-08-16 | 2003-02-20 | International Business Machines Corporation | Method for optimizing energy consumption and cost |
US7274975B2 (en) * | 2005-06-06 | 2007-09-25 | Gridpoint, Inc. | Optimized energy management system |
US20100025483A1 (en) * | 2008-07-31 | 2010-02-04 | Michael Hoeynck | Sensor-Based Occupancy and Behavior Prediction Method for Intelligently Controlling Energy Consumption Within a Building |
CN101968250B (zh) * | 2010-10-13 | 2012-12-05 | 濠信节能科技(上海)有限公司 | 一种冷冻机房节能优化控制系统及方法 |
WO2012116340A2 (en) * | 2011-02-24 | 2012-08-30 | Clean Urban Energy, Inc. | Optimization of attributes in a portfolio of commercial and industrial facilities |
CN102664960B (zh) * | 2012-04-28 | 2015-07-08 | 广州中国科学院沈阳自动化研究所分所 | 大型公共建筑的能耗管理系统以及能耗管理方法 |
CN102705957B (zh) * | 2012-06-07 | 2014-06-11 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
-
2012
- 2012-11-28 CN CN201210496493.3A patent/CN103853106B/zh not_active Expired - Fee Related
-
2013
- 2013-08-30 JP JP2013179726A patent/JP6129028B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08100940A (ja) * | 1992-10-23 | 1996-04-16 | Matsushita Electric Ind Co Ltd | 空気調和機の負荷予測装置 |
JPH1114119A (ja) * | 1997-06-25 | 1999-01-22 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016031179A (ja) * | 2014-07-28 | 2016-03-07 | 株式会社Nttファシリティーズ | 制御システム、最適解選択装置、制御方法、及びプログラム |
CN104374052A (zh) * | 2014-11-18 | 2015-02-25 | 柳州市金旭节能科技有限公司 | 基于神经网络的中央空调节能控制方法及系统 |
CN105759629A (zh) * | 2014-12-10 | 2016-07-13 | 财团法人工业技术研究院 | 环境控制方法及其系统 |
CN104793594A (zh) * | 2015-04-08 | 2015-07-22 | 南京优助智能科技有限公司 | 能源站群控系统预报控制指令的方法 |
CN104793594B (zh) * | 2015-04-08 | 2017-05-17 | 南京优助智能科技有限公司 | 能源站群控系统预报控制指令的方法 |
CN109376898A (zh) * | 2018-08-30 | 2019-02-22 | 国网江苏电力设计咨询有限公司 | 一种基于内外部指标影响的电量分析预测方法 |
CN109685252B (zh) * | 2018-11-30 | 2023-04-07 | 西安工程大学 | 基于循环神经网络和多任务学习模型的建筑能耗预测方法 |
CN109685252A (zh) * | 2018-11-30 | 2019-04-26 | 西安工程大学 | 基于循环神经网络和多任务学习模型的建筑能耗预测方法 |
CN111915089A (zh) * | 2020-08-07 | 2020-11-10 | 青岛洪锦智慧能源技术有限公司 | 一种污水处理厂泵组能耗的预测方法及其装置 |
CN112665143A (zh) * | 2020-12-08 | 2021-04-16 | 珠海格力电器股份有限公司 | 基于深度学习的智能调控变频策略的方法及设备 |
CN112784208B (zh) * | 2021-01-19 | 2023-08-15 | 深圳市紫衡技术有限公司 | 建筑能耗计算方法、系统、电子设备及存储介质 |
CN112784208A (zh) * | 2021-01-19 | 2021-05-11 | 深圳市紫衡技术有限公司 | 建筑能耗计算方法、系统、电子设备及存储介质 |
CN112884012A (zh) * | 2021-01-26 | 2021-06-01 | 山东历控能源有限公司 | 基于支持向量机原理的建筑能耗预测方法 |
CN115062964A (zh) * | 2022-06-14 | 2022-09-16 | 北京嘉洁能科技股份有限公司 | 一种基于决策树的碳纤维供暖能耗分析方法及系统 |
CN115218366A (zh) * | 2022-07-22 | 2022-10-21 | 中瑞恒(北京)科技有限公司 | 一种基于控制预测模型的暖通空调的节能方法 |
CN116451829A (zh) * | 2023-02-23 | 2023-07-18 | 葛洲坝集团交通投资有限公司 | 一种基于主成分分析的高速公路建设减排优化方法及系统 |
CN116738856A (zh) * | 2023-06-27 | 2023-09-12 | 广州珠江外资建筑设计院有限公司 | 一种用于建筑能耗预测方法和系统 |
CN116738856B (zh) * | 2023-06-27 | 2024-04-02 | 广州珠江外资建筑设计院有限公司 | 一种用于建筑能耗预测方法和系统 |
CN116894527A (zh) * | 2023-09-11 | 2023-10-17 | 中国船舶集团有限公司第七一九研究所 | 基于船舶行驶状态进行预测的器材储备系统 |
CN116894527B (zh) * | 2023-09-11 | 2023-11-24 | 中国船舶集团有限公司第七一九研究所 | 基于船舶行驶状态进行预测的器材储备系统 |
CN118394017A (zh) * | 2024-06-26 | 2024-07-26 | 浙江大学 | 一种用于药品生产能耗优化调控的智能机器人及运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103853106A (zh) | 2014-06-11 |
JP6129028B2 (ja) | 2017-05-17 |
CN103853106B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6129028B2 (ja) | 建物動力設備のエネルギー消費量予測方法 | |
CN107992968B (zh) | 基于集成时间序列分析技术的电能表计量误差预测方法 | |
CN110969285B (zh) | 预测模型训练方法、预测方法、装置、设备及介质 | |
CN102183621B (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN109540212A (zh) | 一种基于大数据的电缆井状态评估预警系统及方法 | |
CN106600037B (zh) | 一种基于主成分分析的多参量辅助负荷预测方法 | |
CN101436057A (zh) | 数控机床热误差贝叶斯网络补偿方法 | |
CN109389238B (zh) | 一种基于岭回归的短期负荷预测方法及装置 | |
CN113837488B (zh) | 能源消耗数据预测方法、系统、设备 | |
CN107748940B (zh) | 一种节电潜力量化预测方法 | |
CN107180152A (zh) | 疾病预测系统及方法 | |
CN109523077B (zh) | 一种风电功率预测方法 | |
CN117787508B (zh) | 基于模型预测的建筑施工过程碳排放处理方法及系统 | |
CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN117371933A (zh) | 一种基于物联网的智慧实验室管理系统 | |
CN114548494B (zh) | 一种可视化造价数据预测智能分析系统 | |
CN115879607A (zh) | 一种电能表状态预测方法、系统、设备和存储介质 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN117708707A (zh) | 大数据下台区线损率异常智能预警方法和系统 | |
CN112365082A (zh) | 一种基于机器学习的公共能源消耗预测方法 | |
CN113053536A (zh) | 一种基于隐马尔科夫模型的传染病预测方法、系统和介质 | |
CN107977727B (zh) | 一种基于社会发展和气候因素预测光缆网阻断概率的方法 | |
CN115828744A (zh) | 一种白光发光二极管故障在线诊断与寿命预测方法 | |
CN115600498A (zh) | 一种基于人工神经网络的风速预报订正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170222 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6129028 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |