CN103235563B - 一种工业现场设备能效评估方法 - Google Patents
一种工业现场设备能效评估方法 Download PDFInfo
- Publication number
- CN103235563B CN103235563B CN201310087010.9A CN201310087010A CN103235563B CN 103235563 B CN103235563 B CN 103235563B CN 201310087010 A CN201310087010 A CN 201310087010A CN 103235563 B CN103235563 B CN 103235563B
- Authority
- CN
- China
- Prior art keywords
- equipment
- efficiency
- energy efficiency
- parameter
- evaluation
- 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.)
- Expired - Fee Related
Links
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
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种工业现场设备能效评估方法,该方法基于工业现场的设备运行数据采集,考虑工业现场在线采集数据的限制,提出了适用于不同情况的4种设备能效在线计算方法,方法主要基于国标中的设备效率试验方法,通过人工神经网络对设备的物理模型进行辨识,运用数理统计理论对结果进行误差分析,实现工业现场设备能效的在线评估。与现有的方法相比,本方法考虑了工业现场数据采集的限制,方法更具有实际可操作性;相比较目前常用的经验方法及估算方法,本方法更具有科学性,保证了评估结果的精确性,从而有助于工业企业实时掌握设备的运行能效,发现节能降耗的关键环节,优化用电,降低企业的用电成本,促进国家节能减排政策的实施。
Description
技术领域
本发明涉及一种工业现场设备能效评估方法,属于能源技术、电气工程领域。
背景技术
为了进一步加强电力需求侧管理工作,落实国家节能减排战略,***、电监会等六部委联合印发《电力需求侧管理办法》。为了更好地完成办法的考核指标,推进我国需求侧管理从负荷管理向能效管理的转变,推动合同能源管理及节能服务公司在我国的发展,对于设备能效的科学、准确的评估是一个重要环节。国家先后出台了众多设备的能效试验方法、能效限定值及能效等级的标准。
由于国家标准规定的具体设备能效的计算方法对设备的数据采集要求较高,存在着较多非电气量参数,如:压力、光照、流量等,同时对设备的试验条件也有着一定的要求,这种实验室中可行的评测方法在工业现场的可行性对设备能效评估人员、公司的专业水平提出了很高的要求;而且由于工业现场设备的大多为成套组装,不易拆卸,企业有生产任务等方面的要求,需求探求一种更具有操作性的工业现场设备能效评估方法。
目前,我国大多数企业对自身的设备能效的了解还停留在能量平衡的层次,只能把握设备的电能消耗多少,并不能把握其转换效率;节能服务公司在对企业开展能效评估工作,进行能源审计时多采用设备铭牌判别、自身经验判别、能效估算或者测量部分参数计算能效的做法,他们往往更关注的是企业的节能潜力环节,而忽视了对设备实际运行效率的科学测评。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种工业现场设备能效评估方法,解决工业现场设备的在线能效计算问题。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种工业现场设备能效评估方法,包括如下步骤:
(1)观察能效:查看设备铭牌,根据设备的型号及出厂额定功率ηN,查看此类别设备的国家标准能效限定值及能效等级标准,判断该设备是否属于国家规定的高效设备;
若判断为高效设备,则进入步骤(2);
若判断为非高效设备,则根据当前市场价格对设备的节能改造或者替代更新进行经济性评估,确定设备的简易投资回收期tr,如果tr>tl,则对设备进行节能改造或者替代更新,形成设备的能效评估报告;其中tr为设备节能改造或者替代更新的简易投资回收期,tl为设备的平均寿命,tr和tl的单位均为年;
(2)测量能效:根据具体设备的不同,测量能力和测量环境的差异,依据下述方法为设备选择步骤(3)、步骤(4)、步骤(5)或者步骤(6)中的一种能效评估方法,对设备的能效测点进行布置,采集数据,并对数据进行预处理,剔除坏数据;
若工业现场可以在线直接测量设备的输出功率Pout,或者可以通过测量精确计算输出功率Pout=f1(λ1,λ2...λn)的参数λ1,λ2...λn,则采用步骤(3)中的精确能效评估方法进行设备的能效评估,其中λ的下标n为计算设备输出功率Pout时所需要参数的个数;
若工业现场不能测量出设备的输出功率,但是可以在线测量国家标准中规定的计算该类设备效率η=f2(α1,α2...αn)的全部参数α1,α2...αn,则采用步骤(4)中的准确能效评估方法进行设备的能效评估,其中α的下标n为计算设备效率η时所需要参数的个数,即采用准确能效评估方法进行设备的能效评估所需要的参数的个数;
若设备的输出功率可以测量但是由于生产需求、设备工况不允许、经济性等一系列环境原因而不能在线测量,或者表征设备效率的参数全部可以测量但是不能在线测量,则采用步骤(5)中的概率能效评估方法进行设备的能效评估;
若设备的输出功率不可测量,表征设备效率的参数不可全部测量或不可测量,则采用步骤(6)中的能效估算方法进行设备的能效评估;
(3)精确能效评估:首先通过在线直接测量设备的输出功率Pout,或者通过测量精确计算输出功率的参数λ1,λ2...λn,结合在线测量设备的输入电功率Pin计算设备的在线能效η:
然后根据在线能效η,形成设备的能效评估报告;
(4)准确能效评估:根据设备类别,查询国家标准中关于该类设备能效的试验方法,获取设备能效的计算公式,及所需参数α1,α2...αn的测量方法,在线测量所述参数,根据国家标准中的公式计算设备的在线能效η:
η=f2(α1,α2...αn)
然后根据在线能效η,形成设备的能效评估报告;
(5)概率能效评估:通过现场测试,采集可以计算出输出功率Pout的参数λ1,λ2...λn,或者采集表征设备效率的全部参数α1,α2...αn,将参数统一表示为η=f3(ξ1,ξ2...ξn),其中ξ的下标n为统一参数表示时所需要参数的个数;根据步骤(3)或步骤(4)中的方法计算出对应参数(ξ1i,ξ2i...ξni)时的设备效率ηi,形成用于神经网络训练用的数据源(ξ1i,ξ2i...ξni,ηi);根据设备现场采集参数的能力,排除不可在线测量的(n-m)个参数(ξm+1...ξn),形成用于神经网络训练用的k组数据对{(ξ11,ξ21...ξm1,η1),(ξ12,ξ22...ξm2,η2),...(ξ1k,ξ2k...ξmk,ηk)};进行BP人工神经网络的训练,确定神经网络的权值、阈值以及神经网络模型的误差e;通过在线测量(ξ1,ξ2...ξn),输入到已经训练完成的人工神经网络模型,得出设备的能效η以及对应的误差e,形成设备能效评估报告;
(6)能效估算:根据设备铭牌上的出厂额定功率ηN,现场观察或者测量设备的某一特征量,如照度、转速等,将此特征量区间划分为五档,由高至低依次为:很好档,分值λ=1;正常档,分值λ=0.8;一般档,分值λ=0.6;差档,分值λ=0.4;较差档,分值λ=0.2;根据设备当前所属状态,确定λ值,最终计算出设备的估算能效η:
η=λ·ηN
然后根据估算能效η,形成设备的能效评估报告。
本发明,在工业现场计算能效所需参数不能在线测量时采用了BP人工神经网络来辨识设备的物理模型,从而可以在线测量设备的能效,并且用模型的误差e来表示设备能效评估结果的准确度;在工业现场计算能效所需参数不能测量时采用的能效估算方法,将所选特征量区间划分为五档,并以对应档的分值与额定效率的乘积作为设备能效评估的结果。
本发明主要针对工业现场的设备在线能效评估问题。对于商业、居民用户的设备在线能效评估与工业现场设备有一定的差异,但是原理相同,所以也可以参照本发明提出的方法。
有益效果:本发明提供的工业现场设备能效评估方法,基于工业现场的设备运行数据采集,考虑工业现场在线采集数据的限制,提出了适用于不同情况的4种设备能效在线计算方法;相比较目前常用的经验方法及估算方法,本方法更具有科学性,保证了评估结果的精确性,从而有助于工业企业实时掌握设备的运行能效,发现节能降耗的关键环节,优化用电,降低企业的用电成本,促进国家节能减排政策的实施。
附图说明
图1为本法发明方法的总流程图;
图2为概率能效评估方法流程图;
图3为三相异步电机概率能效评估人工神经网络图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
一种工业现场设备能效评估方法,将基于人工神经网络的概率能效评估方法用于工业现场参数测量受限的三相异步电机能效的测评,具体如下。
(1)观察能效:查看设备铭牌,根据设备的型号及出厂额定功率ηN,查看此类别设备的国家标准能效限定值及能效等级标准,判断该设备是否属于国家规定的高效设备;对非高效设备进行节能改造及替代改造的经济性评估。
例如:三相异步电机的铭牌参数为:型号Y112M-4,额定效率0.845。查阅国标《GB18613-2006中小型三相异步电动机能效限定值及能效等级》可知该电机能效等级为三级,属于非高效设备;使用市场上同类型的高效电机进行替代改造,替代高效电机型号为YX3-112M-4;YX3-112M-4高效电机的额定效率为0.883,市场售价为¥739,设备的平均寿命tl为10年,原电机的年使用小时数为500小时,企业年平均电价为0.7,得出该设备的简易投资回收期tr为10.6年,大于其寿命10年,故对其进行能效的测量。
(2)测量能效方法选择:根据具体设备的不同,测量能力和测量环境的差异,依据下述方法为设备选择步骤(3)、步骤(4)、步骤(5)或者步骤(6)中的一种能效评估方法,对设备的能效测点进行布置,采集数据,并对数据进行预处理,剔除坏数据,根据相应的方法进行设备在线能效的测算。
若工业现场可以在线直接测量设备的输出功率Pout,或者可以通过测量精确计算输出功率Pout=f1(λ1,λ2...λn)的参数λ1,λ2...λn,则采用步骤(3)中的精确能效评估方法进行设备的能效评估,其中λ的下标n为计算设备输出功率Pout时所需要参数的个数。
若工业现场不能测量出设备的输出功率,但是可以在线测量国家标准中规定的计算该类设备效率η=f2(α1,α2...αn)的全部参数α1,α2...αn,则采用步骤(4)中的准确能效评估方法进行设备的能效评估,其中α的下标n为计算设备效率η时所需要参数的个数,即采用准确能效评估方法进行设备的能效评估所需要的参数的个数。
若设备的输出功率可以测量但是由于生产需求、设备工况不允许、经济性等一系列环境原因而不能在线测量,或者表征设备效率的参数全部可以测量但是不能在线测量,则采用步骤(5)中的概率能效评估方法进行设备的能效评估。
若设备的输出功率不可测量,表征设备效率的参数不可全部测量或不可测量,则采用步骤(6)中的能效估算方法进行设备的能效评估。
例如:由于电机为成套装备,不可测量转矩,现场只有转速仪可以测量电机的转速,但不支持在线数据记录及传输。由于电机的输出功率转矩T不能测量;根据表征异步电机的能效计算公式其中参数有其中n1为同步转速,可以由电机的极对数或者额定转速计算出,本电机极对数为2,故n1=1500r/min;由于转速n不能在线测量,故选用概率能效评估对该电机进行在线能效评测。
(3)精确能效评估:首先通过在线直接测量设备的输出功率Pout,或者通过测量精确计算输出功率的参数λ1,λ2...λn,结合在线测量设备的输入电功率Pin计算设备的在线能效η:
其中,功率单位均为kW,然后根据在线能效η,形成设备的能效评估报告。
例如:三相异步电机的能效可以通过在线测量转矩,转速以及输入电功率进行评测。
(4)准确能效评估:根据设备类别,查询国家标准中关于该类设备能效的试验方法,获取设备能效的计算公式,及所需参数α1,α2...αn的测量方法,在线测量所述参数,根据国家标准中的公式计算设备的在线能效η:
η=f2(α1,α2...αn)
然后根据在线能效η,形成设备的能效评估报告。
例如:三相异步电机的能效可以通过在线测量输入电功率、频率、转速、功率因数、电压参考铭牌参数,进行评测。
(5)概率能效评估:通过现场测试,采集可以计算出输出功率Pout的参数λ1,λ2...λn,或者采集表征设备效率的全部参数α1,α2...αn,将参数统一表示为η=f3(ξ1,ξ2...ξn),其中ξ的下标n为统一参数表示时所需要参数的个数;根据步骤(3)或步骤(4)中的方法计算出对应参数(ξ1i,ξ2i...ξni)时的设备效率ηi,形成用于神经网络训练用的数据源(ξ1i,ξ2i...ξni,ηi);根据设备现场采集参数的能力,排除不可在线测量的(n-m)个参数(ξm+1...ξn),形成用于神经网络训练用的k组数据对{(ξ11,ξ21...ξm1,η1),(ξ12,ξ22...ξm2,η2),...(ξ1k,ξ2k...ξmk,ηk)};进行BP人工神经网络的训练,确定神经网络的权值、阈值以及神经网络模型的误差e;通过在线测量(ξ1,ξ2...ξn),输入到已经训练完成的人工神经网络模型,得出设备的能效η以及对应的误差e,形成设备能效评估报告。
例如:步骤(2)中的三相异步电机由于转速的无法在线测量,所以需要进行概率能效评估。对照图2中概率能效评估的流程图,首先,根据步骤(4)中电机能效的计算公式,计算出数据采集所获取的82组包含参数数据所对应的82个能效值,由于只有转速n不能测量,剔除一个参数,形成82组包含参数的数据对;然后,建立单隐层BP人工神经网络模型,如图3所示。用82组数据对中的41组对人工神经网络进行训练,辨识出电机的物理模型,获得模型的平均误差e为±1%;将82组数据除能效以外的8个参数作为输入,运用辨识出的模型进行求解误差e为±1.04%。
(6)能效估算:根据设备铭牌上的出厂额定功率ηN,现场观察或者测量设备的某一特征量,如照度、转速等,将此特征量区间划分为五档,由高至低依次为:很好档,分值λ=1;正常档,分值λ=0.8;一般档,分值λ=0.6;差档,分值λ=0.4;较差档,分值λ=0.2;根据设备当前所属状态,确定λ值,最终计算出设备的估算能效η:
η=λ·ηN
然后根据估算能效η,形成设备的能效评估报告。
例如:节能灯的额定光效为60lm/w,前2000个小时,发光很好,估算其光效为60lm/w;后1000个小时,光照略变暗,主观评价为正常,故其光效估算为48lm/w。
目前,装有测点的设备的能效估算的误差大概为5%~10%左右,不装测点直接估算的误差>10%,而从步骤(5)中的评估结果的误差保持在1%~2%可以看出:本发明的工业现场设备能效评估方法在工业现场测量受限的情况下,还可以很好的保证评估结果的精确度。
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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种工业现场设备能效评估方法,其特征在于:包括如下步骤:
(1)观察能效:查看设备铭牌,根据设备的型号及出厂额定功率ηN,查看此类别设备的国家标准能效限定值及能效等级标准,判断该设备是否属于国家规定的高效设备;
若判断为高效设备,则进入步骤(2);
若判断为非高效设备,则根据当前市场价格对设备的节能改造或者替代更新进行经济性评估,确定设备的简易投资回收期tr,如果tr>tl,则对设备进行节能改造或者替代更新,形成设备的能效评估报告;其中tr为设备节能改造或者替代更新的简易投资回收期,tl为设备的平均寿命,tr和tl的单位均为年;
(2)测量能效:根据具体设备的不同,测量能力和测量环境的差异,依据下述方法为设备选择步骤(3)、步骤(4)、步骤(5)或者步骤(6)中的一种能效评估方法,对设备的能效测点进行布置,采集数据,并对数据进行预处理,剔除坏数据;
若工业现场可以在线直接测量设备的输出功率Pout,或者可以通过测量精确计算输出功率Pout=f1(λ1,λ2...λn)的参数λ1,λ2...λn,则采用步骤(3)中的精确能效评估方法进行设备的能效评估,其中λ的下标n为计算设备输出功率Pout时所需要参数的个数;
若工业现场不能测量出设备的输出功率,但是可以在线测量国家标准中规定的计算该类设备效率η=f2(α1,α2...αn)的全部参数α1,α2...αn,则采用步骤(4)中的准确能效评估方法进行设备的能效评估,其中α的下标n为计算设备效率η时所需要参数的个数,即采用准确能效评估方法进行设备的能效评估所需要的参数的个数;
若设备的输出功率可以测量但是不能在线测量,或者表征设备效率的参数全部可以测量但是不能在线测量,则采用步骤(5)中的概率能效评估方法进行设备的能效评估;
若设备的输出功率不可测量,表征设备效率的参数不可全部测量或不可测量,则采用步骤(6)中的能效估算方法进行设备的能效评估;
(3)精确能效评估:首先通过在线直接测量设备的输出功率Pout,或者通过测量精确计算输出功率的参数λ1,λ2...λn,结合在线测量设备的输入电功率Pin计算设备的在线能效η:
然后根据在线能效η,形成设备的能效评估报告;
(4)准确能效评估:根据设备类别,查询国家标准中关于该类设备能效的试验方法,获取设备能效的计算公式,及所需参数α1,α2...αn的测量方法,在线测量所述参数,根据国家标准中的公式计算设备的在线能效η:
η=f2(α1,α2...αn)
然后根据在线能效η,形成设备的能效评估报告;
(5)概率能效评估:通过现场测试,采集可以计算出输出功率Pout的参数λ1,λ2...λn,或者采集表征设备效率的全部参数α1,α2...αn,将参数统一表示为η=f3(ξ1,ξ2...ξn),其中ξ的下标n为统一参数表示时所需要参数的个数;根据步骤(3)或步骤(4)中的方法计算出对应参数(ξ1i,ξ2i...ξni)时的设备效率ηi,形成用于神经网络训练用的数据源(ξ1i,ξ2i...ξni,ηi);根据设备现场采集参数的能力,排除不可在线测量的(n-m)个参数(ξm+1...ξn),形成用于神经网络训练用的k组数据对{(ξ11,ξ21...ξm1,η1),(ξ12,ξ22...ξm2,η2),...(ξ1k,ξ2k...ξmk,ηk)};进行BP人工神经网络的训练,确定神经网络的权值、阈值以及神经网络模型的误差e;通过在线测量(ξ1,ξ2...ξn),输入到已经训练完成的人工神经网络模型,得出设备的能效η以及对应的误差e,形成设备能效评估报告;
(6)能效估算:根据设备铭牌上的出厂额定功率ηN,现场观察或者测量设备的某一特征量,将此特征量区间划分为五档,由高至低依次为:很好档,分值λ=1;正常档,分值λ=0.8;一般档,分值λ=0.6;差档,分值λ=0.4;较差档,分值λ=0.2;根据设备当前所属状态,确定λ值,最终计算出设备的估算能效η:
η=λ·ηN
然后根据估算能效η,形成设备的能效评估报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310087010.9A CN103235563B (zh) | 2013-03-18 | 2013-03-18 | 一种工业现场设备能效评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310087010.9A CN103235563B (zh) | 2013-03-18 | 2013-03-18 | 一种工业现场设备能效评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103235563A CN103235563A (zh) | 2013-08-07 |
CN103235563B true CN103235563B (zh) | 2014-12-17 |
Family
ID=48883609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310087010.9A Expired - Fee Related CN103235563B (zh) | 2013-03-18 | 2013-03-18 | 一种工业现场设备能效评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103235563B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116105B (zh) * | 2018-09-04 | 2020-12-18 | 埃夫特智能装备股份有限公司 | 一种工业机器人的能效评测方法 |
CN111080102A (zh) * | 2019-12-05 | 2020-04-28 | 上海创能国瑞能源互联网技术有限公司 | 一种合同能源管理项目的预测和评估方法 |
JP7180796B2 (ja) * | 2020-05-13 | 2022-11-30 | 東芝三菱電機産業システム株式会社 | 物理モデル同定システム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6175787B1 (en) * | 1995-06-07 | 2001-01-16 | Automotive Technologies International Inc. | On board vehicle diagnostic module using pattern recognition |
JP2006160032A (ja) * | 2004-12-06 | 2006-06-22 | Toyota Motor Corp | 運転状態判定装置及び運転状態判定方法 |
CN1967620A (zh) * | 2006-11-21 | 2007-05-23 | 东莞理工学院 | 在线可视化能耗审计管理*** |
CN101916093A (zh) * | 2010-07-26 | 2010-12-15 | 秦毅 | 一种能效管理终端及其组成的智能用电暨能效管理*** |
-
2013
- 2013-03-18 CN CN201310087010.9A patent/CN103235563B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6175787B1 (en) * | 1995-06-07 | 2001-01-16 | Automotive Technologies International Inc. | On board vehicle diagnostic module using pattern recognition |
JP2006160032A (ja) * | 2004-12-06 | 2006-06-22 | Toyota Motor Corp | 運転状態判定装置及び運転状態判定方法 |
CN1967620A (zh) * | 2006-11-21 | 2007-05-23 | 东莞理工学院 | 在线可视化能耗审计管理*** |
CN101916093A (zh) * | 2010-07-26 | 2010-12-15 | 秦毅 | 一种能效管理终端及其组成的智能用电暨能效管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN103235563A (zh) | 2013-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113746144B (zh) | 一种源网荷实时交互的电碳控制方法及其智能管理*** | |
CN103742901B (zh) | 一种循环流化床机组耗差分析优化目标值体系的确定方法 | |
CN102182629A (zh) | 基于风资源实时监测数据的弃风电量评估方法 | |
CN103236019A (zh) | 一种典型用能***节能诊断及改造策略自动生成方法和*** | |
CN202093557U (zh) | 能源管理*** | |
CN103235563B (zh) | 一种工业现场设备能效评估方法 | |
CN113655425A (zh) | 适用于10kv配线线路的计量点运行误差监测方法与*** | |
CN117172625A (zh) | 一种对既有建筑进行节能改造的综合化分析方法 | |
CN101789629B (zh) | 一种节电空间评估***与方法 | |
CN113777551B (zh) | 一种专线专变电力用户计量装置电流互感器变比核查方法 | |
CN103617560A (zh) | 一种应用于企业的电力能效监测与评估***及其评价方法 | |
CN105391051A (zh) | 一种智能变电站能效提升改造节能量计算方法 | |
CN103293424A (zh) | 一种数据中心能源使用效率pue的测定方法 | |
CN105741049A (zh) | 一种面向时空全过程的线损变动分析方法 | |
CN106405224B (zh) | 一种基于海量电能量数据的节能诊断方法及*** | |
CN112907074A (zh) | 面向综合能源***用户的能效敏感指标检测方法及*** | |
CN205103870U (zh) | 一种植物油加工业能效信息化管理*** | |
CN104143159A (zh) | 一种考虑地区差异化的配电网健康度自诊断方法 | |
CN103065049A (zh) | 一种基于coif5小波实时分解的风电功率实时预测计算方法 | |
CN107967546A (zh) | 一种基于灰色关联法的直流微网电能质量在线评估方法 | |
CN116224161A (zh) | 一种基于电压互感器极性反接错误接线异常的判断方法 | |
CN111273109B (zh) | 一种能源转换效率测试方法、装置及用电*** | |
CN111177638A (zh) | 基于大数据的天然气分布式***二氧化碳减排评估方法 | |
CN109066791B (zh) | 一种风电模拟弃风序列的确定方法和装置 | |
Ma et al. | Electric Energy Meter State Management System Based on Index Analysis System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141217 Termination date: 20160318 |
|
CF01 | Termination of patent right due to non-payment of annual fee |