CN112711229B - 一种基于多关联因素能耗预测的智能优化节能*** - Google Patents
一种基于多关联因素能耗预测的智能优化节能*** Download PDFInfo
- Publication number
- CN112711229B CN112711229B CN202011429567.2A CN202011429567A CN112711229B CN 112711229 B CN112711229 B CN 112711229B CN 202011429567 A CN202011429567 A CN 202011429567A CN 112711229 B CN112711229 B CN 112711229B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy consumption
- data
- prediction
- yield
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 82
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 42
- 238000012417 linear regression Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000013439 planning Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000013479 data entry Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 abstract description 3
- 230000003864 performance function Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003319 supportive effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的名称为一种基于多关联因素能耗预测的智能优化节能***。属于能源管理和节能技术领域。它主要是解决现有能源管理***仅以单耗以及计划产量来进行能源消耗预测存在预测数据不够精确的问题。它的主要特征是：包括现场监测设备、第三方数据接口、通讯管理机、中央处理器、数据服务器以及上位机；上位机包括计划与实绩功能模块；计划与实绩功能模块中的能源预测子模块将n天采集的产量和能耗参数，通过最小二乘法进行线性回归，得到线性回归方程，进而预测出一段时间内的生产用能和非生产用能。本发明具有能够基于历史用能状况、产量、非生产用能等因素来对生产计划预测总体用能趋势进行预测的特点，主要用于为企业生产用能提供依据。
Description
技术领域
本发明属于能源管理和节能技术领域，具体涉及一种基于多关联因素能耗预测的智能优化节能***。
背景技术
目前，能源短缺和环境污染问题已成为全球性的问题，给很多企业的生存发展带来了巨大的压力。节能降耗是企业的经济效益最大化和竞争力不断增强的有效手段，能源使用分析和能源预测成为企业生产的重要方面，可以为企业能源购买和生产预算提供依据。影响能源消耗的关联因素很多，如历史用能状况、原材料、单耗、产量、非生产用能等。总用能量可以归结为生产用能和非生产用能，生产用能为生产中设备所消耗的能源，非生产能源是与生产无关的能源，即企业一般支持***所使用的能源和其他损失的能源，一般称之为能源的固定消耗量，例如在电力消耗中的照明、办公设备用电、风机、空气压缩机、冷却水循环泵、维护车间的能源使用、生产设备不必要的空转，在热能消耗中由于蒸汽泄漏所损失的能源、锅炉的辐射和对流所造成的热损失、蒸汽输送管道的热损失。
一般现有能源管理***中，能源预测都较为简单，主要是通过单耗以及计划产量来进行能源预测，这种预测方法可以大致的对用能量进行监测，但预测数据不够精确。
发明内容
针对上述问题，本发明提供一种基于多关联因素能耗预测的智能优化节能***，能够基于历史用能状况、产量、非生产用能等因素来对能耗进行精确预测，用于为企业生产用能提供依据。
本发明所采用的技术方案为：一种基于多关联因素能耗预测的智能优化节能***，其特征在于：包括现场监测设备、第三方数据接口、通讯管理机、中央处理器、数据服务器以及上位机；其中，
所述现场监测设备包括三相智能电表、液体流量计和气体流量计，用于计量水电气能源的用能量；
所述第三方数据接口包括现场DCS、ERP数据接口，通过接口获取现场采集的n天产量和能耗参数和生产计划；
所述通讯管理机用于采集数据的传输；
所述中央处理器用于***统计和运算；
所述数据服务器用于存储用能量、产量以及计算数据；
所述上位机包括计划与实绩功能模块；上位机用于接收和初步处理仪表采集到的能耗和产量数据、处理采集到的错误数据、按照一定的规则将清洗后的数据进行汇总和存储、以及处理***中的业务和分析功能；
所述计划与实绩功能模块中的能源预测子模块将n天采集的产量P1、P2、…、Pn和能耗E1、E2、…、En参数，通过最小二乘法进行线性回归，得到线性回归方程，通过线性回归方程预测出一段时间内的生产用能和非生产用能，从而根据生产计划预测总体用能趋势。
本发明所采用的技术方案中所述的上位机还包括能耗概览、能耗统计、电能质量、报警管理、设备管理、数据录入、节能分析、调度管理、能源质量和能源平衡功能模块。
本发明所采用的技术方案中所述的计划与实绩功能模块里的能源预测子模块，先假定能耗包括产量直接相关能耗和产量非直接相关能耗，建立能耗基本直线方程为
其中，E为能源消耗量，P为相应的产量，m为直线的斜率，e为产量为零时的能源消耗量；将n天采集的产量和能耗参数通过最小二乘法求线性回归方法，有：
得线性回归方程为。
本发明所采用的技术方案中所述的n天为60天或60天以上。
本发明所采用的技术方案中所述的n天为90天或90天以上。
本发明所采用的技术方案中所述的第三方数据接口通过界面把需要预测的一段时间信息输入到***当中，通过线性回归方程即可预测出一段时间内的能耗。
本发明所采用的技术方案中所述的一段时间为一天或一天以上的天数。
本发明所采用的技术方案中所述的通讯管理机采用三旺通讯管理机。
本发明所采用的技术方案中所述的通数据服务器采取SQL SERVER数据库。
本发明与现有技术相比具有以下有益效果：
现有能源管理***中的预测功能只是简单的根据单耗乘以时间来预测一段时间内的用能量，而计算单耗数据时使用的能耗数据包含了非生产用能，而非生产用能与产量没有线性关系，故预测存在着误差。为避免这种误差，本发明预测时采用递归法，利用历史数据进行回归分析，而且充分考虑了非生产用能对总能耗的影响，预测更加精确。
本发明具有能够基于历史用能状况、产量、非生产用能等因素来对生产计划预测总体用能趋势进行预测的特点。本发明主要用于为企业生产用能提供依据。
附图说明
图1是本发明的能源消耗示意图。
图2是本发明选取前90个点进行拟合的能源消耗预测流程图。
图3为智能优化节能***总体框架。
具体实施方式
下面结合附图对本发明作进一步说明。
在本发明一种基于多关联因素能耗预测的智能优化节能***的一个实施例中，在生产计划与实绩功能下设计能源预测子模块。预测子模块中通过历史产量与能耗数据，结合非生产用能对总能耗的影响，在考虑生产中的多种关联因素基础上，通过线性回归来实现对能耗的精准预测。预测方法具体如下：
一种基于多关联因素能耗预测的智能优化节能***，如图3所示，包括现场监测设备、第三方数据接口、三旺通讯管理机、中央处理器、SQL SERVER数据库以及上位机。其中，现场监测设备包括三相智能电表、水流量计和气体流量计，用于计量水电气能源的用能量。第三方数据接口包括现场DCS、ERP数据接口，通过接口获取现场采集的n天产量和能耗参数和生产计划。三旺通讯管理机用于采集数据的传输。中央处理器采用英特尔中央处理器，用于***统计和运算。SQL SERVER数据库用于存储用能量、产量以及计算数据。上位机包括能耗概览、能耗统计、电能质量、报警管理、设备管理、数据录入、节能分析、分析诊断、计划与实绩、调度管理、能源质量和能源平衡12个功能模块。上位机软件包括采集程序、数据清洗程序、转存程序和业务程序，业务程序包括能耗概览、能耗统计、电能质量、报警管理、设备管理、数据录入、节能分析、分析诊断、计划与实绩、调度管理、能源质量和能源平衡，计划与实绩包括生产计划、能源计划和能源预测，用于接收和初步处理仪表采集到的能耗和产量数据、处理采集到的错误数据、按照一定的规则将清洗后的数据进行汇总和存储、以及处理***中的业务和分析功能。
在一般的工业企业中能源消耗量和产量之间通常成正相关关系。若将能源消耗视为产量的函数，其函数图形就会近似于一条直线。为便于分析，这里假定能源消耗包括两部分：与产量直接相关的能源消耗mP；与产量并不直接相关的能源消耗e。企业的实际能源消耗是这两部分的总和，很明显可以建立一个如下的基本直线方程式形式：
E为每个月能源消耗量，P为相应月份的产量，m为直线的斜率，e为纵坐标的截距，即理论上产量近似为零时使用的能源。其具体关系可参照图1所示。
mP是生产过程中所使用的“有效”能源，而e是指与生产无关的能源，即固定用能。
通过最小二乘法求线性回归方法，有：
为了数据拟合的准确性，我们选取前90个点进行拟合，也就是三个月的产量数据和总能耗数据，计划与实绩功能模块中的能源预测子模块将90天采集的产量P1、P2、…、P90和能耗E1、E2、…、E90参数，通过最小二乘法进行线性回归，得到拟合出的线性回归方程。第三方数据接口通过界面把需要预测的一段时间信息输入到***当中，再根据拟合出的线性方程，根据生产计划，即当天一天计划的产量，带入到线性方程中，预测出当天的生产用能和非生产用能。本发明选取前90个点进行拟合的能源消耗预测流程图如图2所示。
以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于多关联因素能耗预测的智能优化节能***，其特征在于：包括现场监测设备、第三方数据接口、通讯管理机、中央处理器、数据服务器以及上位机；其中，
所述现场监测设备包括三相智能电表、水流量计和气体流量计，用于计量水电气能源的用能量；
所述第三方数据接口包括现场DCS、ERP数据接口，通过接口获取现场采集的n天产量和能耗参数和生产计划；
所述通讯管理机用于采集数据的传输；
所述中央处理器用于***统计和运算；
所述数据服务器用于存储用能量、产量以及计算数据；
所述上位机包括计划与实绩功能模块、能耗概览、能耗统计、电能质量、报警管理、设备管理、数据录入、节能分析、调度管理、能源质量和能源平衡功能模块；上位机用于接收和初步处理仪表采集到的能耗和产量数据、处理采集到的错误数据、按照一定的规则将清洗后的数据进行汇总和存储、以及处理***中的业务和分析功能；
所述节能分析功能模块，先假定能耗包括产量直接相关能耗和产量非直接相关能耗，
建立线性回归方程为
，其中，E为能源消耗量，P为相应的产量，m为直线的斜率，
e为产量为零时的能源消耗量；将n天采集的产量P1、P2、…、Pn和能耗E1、E2、…、En参数通过最
小二乘法求线性回归方法，有：
其中：
得线性回归方程为
所述计划与实绩功能模块通过线性回归方程预测出一段时间内的生产用能和非生产用能，从而根据生产计划预测总体用能趋势。
2.根据权利要求1所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的n天为60天或60天以上。
3.根据权利要求1或2所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的n天为90天或90天以上。
4.根据权利要求3中所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的第三方数据接口通过界面把需要预测的一段时间信息输入到***当中，通过线性回归方程
即可预测出一段时间内的能耗。
5.根据权利要求3中任一项所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的第三方数据接口通过界面把需要预测的一段时间信息输入到***当中，通过线性回归方程
即可预测出一段时间内的能耗。
6.根据权利要求4或5所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的一段时间为一天或一天以上的天数。
7.根据权利要求1或2所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的通讯管理机采用三旺通讯管理机。
8.根据权利要求1或2所述的一种基于多关联因素能耗预测的智能优化节能***，其特征在于：所述的数据服务器采取SQL SERVER数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011429567.2A CN112711229B (zh) | 2020-12-09 | 2020-12-09 | 一种基于多关联因素能耗预测的智能优化节能*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011429567.2A CN112711229B (zh) | 2020-12-09 | 2020-12-09 | 一种基于多关联因素能耗预测的智能优化节能*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112711229A CN112711229A (zh) | 2021-04-27 |
| CN112711229B true CN112711229B (zh) | 2022-06-17 |
Family
ID=75542813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011429567.2A Active CN112711229B (zh) | 2020-12-09 | 2020-12-09 | 一种基于多关联因素能耗预测的智能优化节能*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112711229B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117751373A (zh) * | 2021-08-31 | 2024-03-22 | 西门子股份公司 | 工厂运营的预测方法、装置及计算机可读存储介质 |
| CN114596693A (zh) * | 2022-03-10 | 2022-06-07 | 华晨宝马汽车有限公司 | 用于能源监控和管理的方法、***、介质和程序产品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004151830A (ja) * | 2002-10-29 | 2004-05-27 | Daikin Ind Ltd | エネルギー需要最適化システム及び生産計画作成支援システム |
| CN102789220A (zh) * | 2012-08-03 | 2012-11-21 | 深圳市海亿达能源科技股份有限公司 | ***能耗过程管理装置及其管理控制方法 |
| CN107292455A (zh) * | 2017-07-31 | 2017-10-24 | 华自科技股份有限公司 | 用电量预测方法、装置、可读存储介质和计算机设备 |
| CN110712641A (zh) * | 2019-09-26 | 2020-01-21 | 潍柴动力股份有限公司 | 刹车部件功能失效检测方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156467B (zh) * | 2011-03-28 | 2012-11-14 | 山西太钢不锈钢股份有限公司 | 基于钢铁生产计划的能源预测方法 |
| CN109426205B (zh) * | 2017-09-05 | 2021-03-16 | 万洲电气股份有限公司 | 一种工业智能优化节能*** |
| CN109747618B (zh) * | 2017-11-03 | 2021-04-16 | 长城汽车股份有限公司 | 一种制动控制方法、装置及电驱动车辆 |
| CN110348662A (zh) * | 2018-04-08 | 2019-10-18 | 大连智慧海洋软件有限公司 | 一种钢铁企业能源优化调度*** |
| CN110103931B (zh) * | 2019-04-28 | 2024-01-19 | 北京百度网讯科技有限公司 | 一种检测车辆制动异常的方法、装置 |
| CN111439245A (zh) * | 2020-04-16 | 2020-07-24 | 新石器慧通（北京）科技有限公司 | 无人驾驶交通工具及其制动***的安全检测方法 |
-
2020
- 2020-12-09 CN CN202011429567.2A patent/CN112711229B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004151830A (ja) * | 2002-10-29 | 2004-05-27 | Daikin Ind Ltd | エネルギー需要最適化システム及び生産計画作成支援システム |
| CN102789220A (zh) * | 2012-08-03 | 2012-11-21 | 深圳市海亿达能源科技股份有限公司 | ***能耗过程管理装置及其管理控制方法 |
| CN107292455A (zh) * | 2017-07-31 | 2017-10-24 | 华自科技股份有限公司 | 用电量预测方法、装置、可读存储介质和计算机设备 |
| CN110712641A (zh) * | 2019-09-26 | 2020-01-21 | 潍柴动力股份有限公司 | 刹车部件功能失效检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112711229A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101619850B (zh) | 基于热电***负荷在线预测的调度方法与*** | |
| CN112711229B (zh) | 一种基于多关联因素能耗预测的智能优化节能*** | |
| KR101341595B1 (ko) | 제조현장용 에너지 관리 시스템 | |
| CN111709626A (zh) | 水电气热综合数据异常分析方法、***、存储介质、终端 | |
| CN112671831B (zh) | 一种面向大型集团公司数字化智能供热平台的多级应用*** | |
| CN104638636B (zh) | 一种电力日负荷特性指标预测方法 | |
| CN107103091B (zh) | 一种物联网大数据接入节能管控方法及装置 | |
| CN114596693A (zh) | 用于能源监控和管理的方法、***、介质和程序产品 | |
| Yu et al. | Load forecasting based on smart meter data and gradient boosting decision tree | |
| CN114742353A (zh) | 基于电税数据联合的碳排放量动态监控及用能优化方法 | |
| CN107316114A (zh) | 造纸行业的电力需求侧智能化监测与管理分析平台 | |
| CN202907195U (zh) | 一种通信基站能耗管理*** | |
| CN114040004A (zh) | 一种需求侧碳流监控终端、监控方法及*** | |
| CN117010946A (zh) | 一种火电厂生产经营成本核算***及其使用方法 | |
| CN116362584A (zh) | 一种基于用户侧储能容量配置的经济性分析方法 | |
| CN107977898A (zh) | 一种光伏电站的发电量保险定价评估方法 | |
| CN111142486A (zh) | 一种综合能源监控与服务***及其工作方法 | |
| CN110895774A (zh) | 一种火电厂成本精细化管理方法 | |
| Cao et al. | Data Center sustainability: Revisits and outlooks | |
| CN116542430B (zh) | 多维度水务碳排放量智能分析方法及*** | |
| CN109283900A (zh) | 楼宇分质供水并助力供水节能减排标准化***及控制方法 | |
| CN106019946B (zh) | 一种实时动态电机***节能量核算方法及监控*** | |
| CN201188189Y (zh) | 火电机组运行能耗实测装置 | |
| CN112417373A (zh) | 用于化工企业能源平衡的计算方法和装置 | |
| Shen et al. | Multi-granularity power prediction for data center operations via long short-term memory network |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent optimized energy-saving system based on multi correlation factor energy consumption prediction Granted publication date: 20220617 Pledgee: Bank of China Limited Xiangyang Branch Pledgor: WORLDWIDE ELECTRIC STOCK CO.,LTD. Registration number: Y2024980020446 |