CN114580958B - 一种基于电量数据的工业企业环保工况监测方法及*** - Google Patents

一种基于电量数据的工业企业环保工况监测方法及*** Download PDF

Info

Publication number
CN114580958B
CN114580958B CN202210259423.XA CN202210259423A CN114580958B CN 114580958 B CN114580958 B CN 114580958B CN 202210259423 A CN202210259423 A CN 202210259423A CN 114580958 B CN114580958 B CN 114580958B
Authority
CN
China
Prior art keywords
electric quantity
quantity data
facility
pollution control
historical electric
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
Application number
CN202210259423.XA
Other languages
English (en)
Other versions
CN114580958A (zh
Inventor
宁志毫
周舟
王灿
王小源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd
State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd
State Grid Hunan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd, State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210259423.XA priority Critical patent/CN114580958B/zh
Publication of CN114580958A publication Critical patent/CN114580958A/zh
Application granted granted Critical
Publication of CN114580958B publication Critical patent/CN114580958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06Q50/06—Energy or water supply
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于电量数据的工业企业环保工况监测方法及***，本发明包括分别获取目标治污设施及其关联目标产污设施的实时电量数据；根据目标治污设施及其关联目标产污设施的实时电量数据以及预设的电量数据和k种设施开启程度之间的映射关系，确定目标治污设施及其关联目标产污设施的设施开启程度；根据在指定的时间窗口内，目标治污设施及其关联目标产污设施的设施开启程度的匹配状况确定被监测对象在该时间窗口内的环保工况监测结果。本发明能够基于实时电量数据实现产污、治污设施电量监测点对应匹配，能够准确挖掘各设施生产工况与电量数据的潜在关系，辨识工业企业环保异常情况。

Description

一种基于电量数据的工业企业环保工况监测方法及***
技术领域
本发明涉及工业企业环保监测技术，具体涉及一种基于电量数据的工业企业环保工况监测方法及***。
背景技术
工业生产污染是影响生态环境的主要污染来源，如何精准高效对企业进行环保监测是亟待解决的问题。电力数据作为企业生产运行的重要指标，可实时、准确的反映企业的生产状况和设备使用情况，通过加装电量监测设备，开展重要产污、治污设施电量的实时监测，可实现工业企业污染情况全时段与全方位的监控。但是，目前已开展的工业企业电力环保监测中，主要通过经验规律进行用电异常阈值设定，导致排污异常工况识别的误判率较高。
发明内容
本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于电量数据的工业企业环保工况监测方法及***，本发明能够基于实时电量数据以及预设的电量数据和k种设施开启程度之间的映射关系以及目标治污设施及其关联目标产污设施的设施开启程度的匹配状况实现产污、治污设施电量监测点对应匹配，能够准确挖掘各设施生产工况与电量数据的潜在关系，辨识工业企业环保异常情况。
为了解决上述技术问题，本发明采用的技术方案为：
一种基于电量数据的工业企业环保工况监测方法，包括：
1）分别获取目标治污设施及其关联目标产污设施的实时电量数据；
2）根据目标治污设施及其关联目标产污设施的实时电量数据以及预设的电量数据和k种设施开启程度之间的映射关系，确定目标治污设施及其关联目标产污设施的设施开启程度；
3）根据在指定的时间窗口内，目标治污设施及其关联目标产污设施的设施开启程度的匹配状况确定被监测对象在该时间窗口内的环保工况监测结果。
可选地，步骤3）中确定被监测对象在该时间窗口内的环保工况监测结果包括：若在指定的时间窗口内目标产污设施的设施开启程度全部或超过指定比例大于目标治污设施的设施开启程度，则判定被监测对象的环保工况监测结果为在该时间窗口内处于异常状态，否则判定被监测对象的环保工况监测结果为在该时间窗口内处于正常状态。
可选地，步骤1）之前还包括确定被监测对象指定的目标治污设施及其关联目标产污设施的步骤：
A1）分别获取被监测对象所有的治污设施、产污设施的历史电量数据；
A2）基于所有的治污设施、产污设施的历史电量数据，计算任意单台治污设施、单台产污设施之间的相关系数r；
A3）在所有的相关系数r中选择最大值所对应的单台治污设施作为目标治污设施、单台产污设施作为该目标治污设施的关联目标产污设施。
可选地，步骤A2）中相关系数r的计算函数表达式为：
，（1）
上式中，n为历史电量数据的数量，X i为治污设施X的第i个历史电量数据，μ X为治污设施X的n个历史电量数据的均值，σX为治污设施X的n个历史电量数据的标准差，Y i为产污设施Y的第i个历史电量数据，μ Y为产污设施Y的n个历史电量数据的均值，σY为产污设施Y的n个历史电量数据的标准差，所述治污设施X的n个历史电量数据的均值、产污设施Y的n个历史电量数据的均值的计算函数表达式为：
，（2）
，（3）
上式中，μ X为治污设施X的n个历史电量数据的均值，μ Y为产污设施Y的n个历史电量数据的均值，n为历史电量数据的数量，X i为治污设施X的第i个历史电量数据，Y i为产污设施Y的第i个历史电量数据，所述治污设施X的n个历史电量数据的标准差、产污设施Y的n个历史电量数据的标准差的计算函数表达式为：
，（4）
，（5）
上式中，σX为治污设施X的n个历史电量数据的标准差，σY为产污设施Y的n个历史电量数据的标准差，X i为治污设施X的第i个历史电量数据，Y i为产污设施Y的第i个历史电量数据，为治污设施X的n个历史电量数据的均值，/>为产污设施Y的n个历史电量数据的均值，n为历史电量数据的数量。
可选地，步骤2）中预设的电量数据和设施开启程度之间的映射关系是指电量数据聚类簇和设施开启程度之间的映射关系，且目标治污设施及其关联目标产污设施均包含k个聚类簇；所述确定目标治污设施及其关联目标产污设施的设施开启程度是指：分别计算实时电量数据与对应的目标治污设施或目标产污设施的各个聚类簇的聚类中心的距离，并将距离最近的聚类中心所对应的设施开启程度作为得到的设施开启程度。
可选地，步骤2）之前还包括预先生成电量数据聚类簇和设施开启程度之间的映射关系的步骤：
B1）分别获取被监测对象指定的目标治污设施及其关联目标产污设施的历史电量数据；
B2）针对目标治污设施及其关联目标产污设施的历史电量数据进行无量纲化处理；
B3）分别对目标治污设施及其关联目标产污设施的历史电量数据进行聚类，分别得到目标治污设施及其关联目标产污设施的k个聚类簇C={C 1,C 2,…,C k}以表示k种设施开启程度，其中C 1,C 2,…,C k分别为k个聚类簇的聚类中心，k为得到的聚类簇的数量。
可选地，步骤B2）中无量纲化处理是指线性归一化处理，其函数表达式为：
，（6）
上式中，P i,normal为对该类设施第i个历史电量数据Pi的线性归一化处理结果，Pmin为该类设施的历史电量数据中的最小值，Pmax为该类设施的历史电量数据中的最大值。
可选地，步骤B3）中的进行聚类是指采用AP聚类算法进行聚类，且采用AP聚类算法进行聚类时在AP聚类算法每一轮迭代时更新任意第i个历史电量数据和第k个历史电量数据之间的吸引信息r(i,k)的函数表达式为：
，（7）
上式中，r t+1(i,k)表示第t+1轮迭代时更新得到的第i个历史电量数据和第k个历史电量数据之间的吸引信息，s(i,k)表示第i个历史电量数据和第k个历史电量数据之间的相似度，a t(i,k′)表示第t轮迭代时第i个历史电量数据和第k′个历史电量数据之间的归属信息，s(i,k′)表示第i个历史电量数据和第k′个历史电量数据之间的相似度；在AP聚类算法每一轮迭代时更新任意第i个历史电量数据和第k个历史电量数据之间的归属信息a(i,k)的函数表达式为：
，（8）
，（9）
上式中，a t+1(i,k)表示第t+1轮迭代时第i个历史电量数据和第k个历史电量数据之间的归属信息，r t(k,k)表示第t轮迭代时更新得到的第k个历史电量数据和第k个历史电量数据之间的吸引信息，r t(i′,k)表示第t轮迭代时更新得到的第i′个历史电量数据和第k个历史电量数据之间的吸引信息，a t+1(k,k)表示第t+1轮迭代时第k个历史电量数据和第k个历史电量数据之间的归属信息。
此外，本发明还提供一种基于电量数据的工业企业环保工况监测***，包括相互连接的微处理器和存储器，该微处理器被编程或配置以执行前述基于电量数据的工业企业环保工况监测方法的步骤。
此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，该计算机程序用于被微处理器执行以实施前述基于电量数据的工业企业环保工况监测方法的步骤。
和现有技术相比，本发明主要具有下述优点：本发明包括分别获取目标治污设施及其关联目标产污设施的实时电量数据；根据目标治污设施及其关联目标产污设施的实时电量数据以及预设的电量数据和k种设施开启程度之间的映射关系，确定目标治污设施及其关联目标产污设施的设施开启程度；根据在指定的时间窗口内，目标治污设施及其关联目标产污设施的设施开启程度的匹配状况确定被监测对象在该时间窗口内的环保工况监测结果。本发明能够基于实时电量数据实现产污、治污设施电量监测点对应匹配，能够准确挖掘各设施生产工况与电量数据的潜在关系，辨识工业企业环保异常情况。
附图说明
图1为本发明方法实施例一的基本流程示意图。
图2为本发明方法实施例一中确定目标治污设施及其关联目标产污设施的流程示意图。
图3为本发明方法实施例一中生成聚类簇和设施开启程度之间的映射关系的流程示意图。
具体实施方式
实施例一：
如图1所示，本实施例基于电量数据的工业企业环保工况监测方法包括：
1）分别获取目标治污设施及其关联目标产污设施的实时电量数据；
2）根据目标治污设施及其关联目标产污设施的实时电量数据以及预设的电量数据和k种设施开启程度之间的映射关系，确定目标治污设施及其关联目标产污设施的设施开启程度；
3）根据在指定的时间窗口内，目标治污设施及其关联目标产污设施的设施开启程度的匹配状况确定被监测对象在该时间窗口内的环保工况监测结果。
需要说明的是，根据在指定的时间窗口内目标治污设施及其关联目标产污设施的设施开启程度的匹配状况，确定被监测对象在该时间窗口内的环保工况监测结果可根据需要获得多种所需的环保工况监测结果，例如可为定性的环保工况监测结果，也可以为定量的环保工况监测结果。作为一种可选的实施方式，本实施例具体采用轮定性的环保工况监测结果，即：步骤3）中确定被监测对象在该时间窗口内的环保工况监测结果包括：若在指定的时间窗口内目标产污设施的设施开启程度全部大于目标治污设施的设施开启程度，则判定被监测对象的环保工况监测结果为在该时间窗口内处于异常状态，否则判定被监测对象的环保工况监测结果为在该时间窗口内处于正常状态。其中，时间窗口是指从当前时刻开始往前的多个实时电量数据所构成的时间窗口，假定时间窗口大小为n，则该时间窗口包含当前时刻的实时电量数据，以及当前时刻往前的、连续的共n-1个时刻的实时电量数据。该时间窗口的大小可根据需要取值。本实施例中，目标治污设施的k种设施开启程度记为L1=[0,1,2,…,k]，从0～k表示目标治污设施的设施开启程度越大；目标治污设施的在指定的时间窗口内实时电量数据为x=[x 1,x 2,…,x t]，其中t为时间窗口大小（时间窗口内的实时电量数据量），根据预设的电量数据和目标治污设施的k种设施开启程度之间的映射关系，可获得t个设施开启程度序列l 1=[l 11,l 12,…,l 1t]。目标产污设施的k种设施开启程度记为L2=[0,1,2,…,k]，从0～k表示目标产污设施的开启程度越大。目标产污设施的在指定的时间窗口内实时电量数据为y=[y 1,y 2,…,y t]，其中t为时间窗口大小（时间窗口内的实时电量数据量），根据预设的电量数据和目标产污设施的k种设施开启程度之间的映射关系，同样也可获得t个设施开启程度序列l 2=[l 21,l 22,…,l 2t]。然后将t个设施开启程度序列l 1=[l 11,l 12,…,l 1t]和l 2=[l 21,l 22,…,l 2t]进行一一比较，例如将l 11和l 21比较、l 12和l 22比较，以此类推，可确定每一个目标产污设施的设施开启程度是否大于目标治污设施的设施开启程度的比较结果，若目标产污设施的设施开启程度全部（t个）大于目标治污设施的设施开启程度，则判定被监测对象的环保工况监测结果为在该时间窗口内处于异常状态（可选择发布预警等环保辅助服务），否则判定被监测对象的环保工况监测结果为在该时间窗口内处于正常状态（不发布预警等环保辅助服务）。
步骤1）中目标治污设施及其关联目标产污设施可以指定的目标治污设施及其关联目标产污设施，其前提要求为目标治污设施及其关联目标产污设施两者具有相关性，且上述相关性越强，则本实施例方法得到的结果越准确。作为一种可选的实施方式，为了提高对目标治污设施及其关联目标产污设施两者之间的相关性检测，参见图2，本实施例步骤1）之前还包括确定被监测对象指定的目标治污设施及其关联目标产污设施的步骤：
A1）分别获取被监测对象所有的治污设施、产污设施的历史电量数据；
A2）基于所有的治污设施、产污设施的历史电量数据，计算任意单台治污设施、单台产污设施之间的相关系数r；
A3）在所有的相关系数r中选择最大值所对应的单台治污设施作为目标治污设施、单台产污设施作为该目标治污设施的关联目标产污设施。
需要说明的是，步骤A2）中计算任意单台治污设施、单台产污设施之间的相关系数r可根据需要采用所需的相关性计算方法。例如作为一种可选的实施方式，本实施例中，步骤A2）中计算任意单台治污设施、单台产污设施之间的相关系数r时采用皮尔逊系数，该相关系数r的计算函数表达式为：
，（1）
上式中，n为历史电量数据的数量，X i为治污设施X的第i个历史电量数据，μ X为治污设施X的n个历史电量数据的均值，σX为治污设施X的n个历史电量数据的标准差，Y i为产污设施Y的第i个历史电量数据，μ Y为产污设施Y的n个历史电量数据的均值，σY为产污设施Y的n个历史电量数据的标准差，所述治污设施X的n个历史电量数据的均值、产污设施Y的n个历史电量数据的均值的计算函数表达式为：
，（2）
，（3）
上式中，μ X为治污设施X的n个历史电量数据的均值，μ Y为产污设施Y的n个历史电量数据的均值，n为历史电量数据的数量，X i为治污设施X的第i个历史电量数据，Y i为产污设施Y的第i个历史电量数据，所述治污设施X的n个历史电量数据的标准差、产污设施Y的n个历史电量数据的标准差的计算函数表达式为：
，（4）
，（5）
上式中，σX为治污设施X的n个历史电量数据的标准差，σY为产污设施Y的n个历史电量数据的标准差，X i为治污设施X的第i个历史电量数据，Y i为产污设施Y的第i个历史电量数据，为治污设施X的n个历史电量数据的均值，/>为产污设施Y的n个历史电量数据的均值，n为历史电量数据的数量。
步骤2）中预设的电量数据和k种设施开启程度之间的映射关系可根据需要采用所需的映射方式，例如查表法、折线函数、机器学习模型等。但是，考虑到查表法、折线函数需要明确的映射关系，机器学习模型一般都需要明确的结果作为标签来进行训练，因此为了减少建立电量数据和k种设施开启程度之间的映射关系的工作量，本实施例中采用来聚类算法的方式来建立电量数据和k种设施开启程度之间的映射关系。具体地，本实施例步骤2）中预设的电量数据和设施开启程度之间的映射关系是指电量数据聚类簇和设施开启程度之间的映射关系，且目标治污设施及其关联目标产污设施均包含k个聚类簇；所述确定目标治污设施及其关联目标产污设施的设施开启程度是指：分别计算实时电量数据与对应的目标治污设施或目标产污设施的各个聚类簇的聚类中心的距离，并将距离最近的聚类中心所对应的设施开启程度作为得到的设施开启程度。
对应地，参见图3，本实施例步骤2）之前还包括预先生成电量数据聚类簇和设施开启程度之间的映射关系的步骤：
B1）分别获取被监测对象指定的目标治污设施及其关联目标产污设施的历史电量数据；
B2）针对目标治污设施及其关联目标产污设施的历史电量数据进行无量纲化处理；
B3）分别对目标治污设施及其关联目标产污设施的历史电量数据进行聚类，分别得到目标治污设施及其关联目标产污设施的k个聚类簇C={C 1,C 2,…,C k}以表示k种设施开启程度，其中C 1,C 2,…,C k分别为k个聚类簇的聚类中心，k为得到的聚类簇的数量。
本实施例中，步骤B2）中无量纲化处理是指线性归一化处理，其函数表达式为：
，（6）
上式中，P i,normal为对该类设施第i个历史电量数据Pi的线性归一化处理结果，Pmin为该类设施的历史电量数据中的最小值，Pmax为该类设施的历史电量数据中的最大值。
需要说明的是，步骤B3）中的进行聚类可根据需要选择所需的聚类算法。例如作为一种可选的实施方式，本实施例步骤B3）中的进行聚类是指采用AP聚类算法进行聚类，且采用AP聚类算法进行聚类时在AP聚类算法每一轮迭代时更新任意第i个历史电量数据和第k个历史电量数据之间的吸引信息r(i,k)的函数表达式为：
，（7）
上式中，r t+1(i,k)表示第t+1轮迭代时更新得到的第i个历史电量数据和第k个历史电量数据之间的吸引信息，s(i,k)表示第i个历史电量数据和第k个历史电量数据之间的相似度，a t(i,k′)表示第t轮迭代时第i个历史电量数据和第k′个历史电量数据之间的归属信息，s(i,k′)表示第i个历史电量数据和第k′个历史电量数据之间的相似度；在AP聚类算法每一轮迭代时更新任意第i个历史电量数据和第k个历史电量数据之间的归属信息a(i,k)的函数表达式为：
，（8）
，（9）
上式中，a t+1(i,k)表示第t+1轮迭代时第i个历史电量数据和第k个历史电量数据之间的归属信息，r t(k,k)表示第t轮迭代时更新得到的第k个历史电量数据和第k个历史电量数据之间的吸引信息，r t(i′,k)表示第t轮迭代时更新得到的第i′个历史电量数据和第k个历史电量数据之间的吸引信息，a t+1(k,k)表示第t+1轮迭代时第k个历史电量数据和第k个历史电量数据之间的归属信息。最终通过迭代，可得到目标治污设施及其关联目标产污设施的k个聚类簇C={C 1,C 2,…,C k}以表示k种设施开启程度，其中C 1,C 2,…,C k分别为k个聚类簇的聚类中心，k为得到的聚类簇的数量。
综上所述，本实施例基于电量数据的工业企业环保工况监测方法通过皮尔森相关系数计算，实现了有多个电量监测点的工业企业产污、治污设施电量监测点关联配对；采用AP聚类算法实现了产污、治污设施各种运行工况的识别，更加精准反映各生产设施的运行情况；通过产污、治污设施运行工况开启程度的比对，实现环保异常工况的识别。
此外，本实施例还提供一种基于电量数据的工业企业环保工况监测***，包括相互连接的微处理器和存储器，该微处理器被编程或配置以执行前述基于电量数据的工业企业环保工况监测方法的步骤。此外，本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，该计算机程序用于被微处理器执行以实施前述基于电量数据的工业企业环保工况监测方法的步骤。
实施例二：
本实施例与实施例一基本相同，其主要区别为：本实施例步骤3）中确定被监测对象在该时间窗口内的环保工况监测结果包括：若在指定的时间窗口内目标产污设施的设施开启程度超过指定比例大于目标治污设施的设施开启程度，则判定被监测对象的环保工况监测结果为在该时间窗口内处于异常状态，否则判定被监测对象的环保工况监测结果为在该时间窗口内处于正常状态。其中，指定比例可根据需要设置所需数值，例如80%、90%等。
此外，本实施例还提供一种基于电量数据的工业企业环保工况监测***，包括相互连接的微处理器和存储器，该微处理器被编程或配置以执行前述基于电量数据的工业企业环保工况监测方法的步骤。此外，本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，该计算机程序用于被微处理器执行以实施前述基于电量数据的工业企业环保工况监测方法的步骤。
实施例三：
本实施例与实施例一基本相同，其主要区别为：本实施例与实施例一基本相同，其主要区别为：本实施例步骤3）中确定被监测对象在该时间窗口内的环保工况监测结果包括：计算指定的时间窗口内各个相同时刻目标产污设施的设施开启程度、目标治污设施的设施开启程度之差，然后基于指定的时间窗口内各个相同时刻目标产污设施的设施开启程度、目标治污设施的设施开启程度之差的总和来确定被监测对象在该时间窗口内的环保工况监测结果，同样也可为定性的环保工况监测结果，也可以为定量的环保工况监测结果。例如，若该总和超过设定阈值，或该总和对应的均值（除以时间窗口内的样本数量得到）超过设定值，则判定被监测对象的环保工况监测结果为在该时间窗口内处于异常状态，否则判定被监测对象的环保工况监测结果为在该时间窗口内处于正常状态。例如，依据该总和，或该总和对应的均值（除以时间窗口内的样本数量得到）的区间，将被监测对象的环保工况监测结果划分为不同等级状态。
此外，本实施例还提供一种基于电量数据的工业企业环保工况监测***，包括相互连接的微处理器和存储器，该微处理器被编程或配置以执行前述基于电量数据的工业企业环保工况监测方法的步骤。此外，本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，该计算机程序用于被微处理器执行以实施前述基于电量数据的工业企业环保工况监测方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于电量数据的工业企业环保工况监测方法，其特征在于，包括：
1）分别获取目标治污设施及其关联目标产污设施的实时电量数据；
2）根据目标治污设施及其关联目标产污设施的实时电量数据以及预设的电量数据和k种设施开启程度之间的映射关系，确定目标治污设施及其关联目标产污设施的设施开启程度；
3）根据在指定的时间窗口内，目标治污设施及其关联目标产污设施的设施开启程度的匹配状况确定被监测对象在该时间窗口内的环保工况监测结果；
步骤2）中预设的电量数据和设施开启程度之间的映射关系是指电量数据聚类簇和设施开启程度之间的映射关系，且目标治污设施及其关联目标产污设施均包含k个聚类簇；所述确定目标治污设施及其关联目标产污设施的设施开启程度是指：分别计算实时电量数据与对应的目标治污设施或目标产污设施的各个聚类簇的聚类中心的距离，并将距离最近的聚类中心所对应的设施开启程度作为得到的设施开启程度；
步骤2）之前还包括预先生成电量数据聚类簇和设施开启程度之间的映射关系的步骤：
B1）分别获取被监测对象指定的目标治污设施及其关联目标产污设施的历史电量数据；
B2）针对目标治污设施及其关联目标产污设施的历史电量数据进行无量纲化处理；
B3）分别对目标治污设施及其关联目标产污设施的历史电量数据进行聚类，分别得到目标治污设施及其关联目标产污设施的k个聚类簇C={C 1,C 2,…,C k}以表示k种设施开启程度，其中C 1,C 2,…,C k分别为k个聚类簇的聚类中心，k为得到的聚类簇的数量；
步骤B2）中无量纲化处理是指线性归一化处理，其函数表达式为：
，（6）
上式中，P i,normal为对该类设施第i个历史电量数据Pi的线性归一化处理结果，Pmin为该类设施的历史电量数据中的最小值，Pmax为该类设施的历史电量数据中的最大值；
步骤B3）中的进行聚类是指采用AP聚类算法进行聚类，且采用AP聚类算法进行聚类时在AP聚类算法每一轮迭代时更新任意第i个历史电量数据和第k个历史电量数据之间的吸引信息r(i,k)的函数表达式为：
，（7）
上式中，r t+1(i,k)表示第t+1轮迭代时更新得到的第i个历史电量数据和第k个历史电量数据之间的吸引信息，s(i,k)表示第i个历史电量数据和第k个历史电量数据之间的相似度，a t(i,k′)表示第t轮迭代时第i个历史电量数据和第k′个历史电量数据之间的归属信息，s(i,k′)表示第i个历史电量数据和第k′个历史电量数据之间的相似度；在AP聚类算法每一轮迭代时更新任意第i个历史电量数据和第k个历史电量数据之间的归属信息a(i,k)的函数表达式为：
，（8）
，（9）
上式中，a t+1(i,k)表示第t+1轮迭代时第i个历史电量数据和第k个历史电量数据之间的归属信息，r t(k,k)表示第t轮迭代时更新得到的第k个历史电量数据和第k个历史电量数据之间的吸引信息，r t (i′,k)表示第t轮迭代时更新得到的第i′个历史电量数据和第k个历史电量数据之间的吸引信息，a t+1(k,k)表示第t+1轮迭代时第k个历史电量数据和第k个历史电量数据之间的归属信息。
2.根据权利要求1所述的基于电量数据的工业企业环保工况监测方法，其特征在于，步骤3）中确定被监测对象在该时间窗口内的环保工况监测结果包括：若在指定的时间窗口内目标产污设施的设施开启程度全部或超过指定比例大于目标治污设施的设施开启程度，则判定被监测对象的环保工况监测结果为在该时间窗口内处于异常状态，否则判定被监测对象的环保工况监测结果为在该时间窗口内处于正常状态。
3.根据权利要求1所述的基于电量数据的工业企业环保工况监测方法，其特征在于，步骤1）之前还包括确定被监测对象指定的目标治污设施及其关联目标产污设施的步骤：
A1）分别获取被监测对象所有的治污设施、产污设施的历史电量数据；
A2）基于所有的治污设施、产污设施的历史电量数据，计算任意单台治污设施、单台产污设施之间的相关系数r；
A3）在所有的相关系数r中选择最大值所对应的单台治污设施作为目标治污设施、单台产污设施作为该目标治污设施的关联目标产污设施。
4. 根据权利要求3所述的基于电量数据的工业企业环保工况监测方法，其特征在于，步骤A2）中相关系数r的计算函数表达式为：
，（1）
上式中，n为历史电量数据的数量，X i为治污设施X的第i个历史电量数据，μ X为治污设施X的n个历史电量数据的均值，σX为治污设施X的n个历史电量数据的标准差，Y i为产污设施Y的第i个历史电量数据，μ Y为产污设施Y的n个历史电量数据的均值，σY为产污设施Y的n个历史电量数据的标准差，所述治污设施X的n个历史电量数据的均值、产污设施Y的n个历史电量数据的均值的计算函数表达式为：
，（2）
，（3）
上式中，μ X为治污设施X的n个历史电量数据的均值，μ Y为产污设施Y的n个历史电量数据的均值，n为历史电量数据的数量，X i为治污设施X的第i个历史电量数据，Y i为产污设施Y的第i个历史电量数据，所述治污设施X的n个历史电量数据的标准差、产污设施Y的n个历史电量数据的标准差的计算函数表达式为：
，（4）
，（5）
上式中，σX为治污设施X的n个历史电量数据的标准差，σY为产污设施Y的n个历史电量数据的标准差，X i为治污设施X的第i个历史电量数据，Y i为产污设施Y的第i个历史电量数据，为治污设施X的n个历史电量数据的均值，/>为产污设施Y的n个历史电量数据的均值，n为历史电量数据的数量。
5.一种基于电量数据的工业企业环保工况监测***，包括相互连接的微处理器和存储器，其特征在于，该微处理器被编程或配置以执行权利要求1～4中任意一项所述基于电量数据的工业企业环保工况监测方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，该计算机程序用于被微处理器执行以实施权利要求1～4中任意一项所述基于电量数据的工业企业环保工况监测方法的步骤。
CN202210259423.XA 2022-03-16 2022-03-16 一种基于电量数据的工业企业环保工况监测方法及*** Active CN114580958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210259423.XA CN114580958B (zh) 2022-03-16 2022-03-16 一种基于电量数据的工业企业环保工况监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210259423.XA CN114580958B (zh) 2022-03-16 2022-03-16 一种基于电量数据的工业企业环保工况监测方法及***

Publications (2)

Publication Number Publication Date
CN114580958A CN114580958A (zh) 2022-06-03
CN114580958B true CN114580958B (zh) 2024-06-04

Family

ID=81780336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210259423.XA Active CN114580958B (zh) 2022-03-16 2022-03-16 一种基于电量数据的工业企业环保工况监测方法及***

Country Status (1)

Country Link
CN (1) CN114580958B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035562B (zh) * 2023-10-10 2024-01-30 云境商务智能研究院南京有限公司 基于电力大数据的环保智慧监测方法及数据分析设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275333A (zh) * 2020-01-20 2020-06-12 江苏神彩科技股份有限公司 污染数据处理方法和装置
CN210835710U (zh) * 2019-12-25 2020-06-23 内蒙古星力环境科技有限公司 一种环保设施运行监控***
CN114021964A (zh) * 2021-11-03 2022-02-08 福州大学 工业企业设备工况判别及环保情况监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN210835710U (zh) * 2019-12-25 2020-06-23 内蒙古星力环境科技有限公司 一种环保设施运行监控***
CN111275333A (zh) * 2020-01-20 2020-06-12 江苏神彩科技股份有限公司 污染数据处理方法和装置
CN114021964A (zh) * 2021-11-03 2022-02-08 福州大学 工业企业设备工况判别及环保情况监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
涉VOCs小微印染化工企业的用电监控***;吴建明;;化工管理;20200701(第19期);全文 *

Also Published As

Publication number Publication date
CN114580958A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN106888205B (zh) 一种非侵入式基于功耗分析的plc异常检测方法
CN111475804A (zh) 一种告警预测方法及***
CN114580958B (zh) 一种基于电量数据的工业企业环保工况监测方法及***
CN114915478B (zh) 基于多代理的分布式关联分析的智慧园区工控***网络攻击场景识别方法、***及存储介质
CN111367777B (zh) 告警处理的方法、装置、设备及计算机可读存储介质
CN110837874B (zh) 基于时间序列分类的业务数据异常检测方法
CN116708038B (zh) 基于资产测绘的工业互联网企业网络安全威胁识别方法
CN114861774B (zh) 一种电网中虚假数据识别方法及***
CN117688342A (zh) 一种基于模型的设备状态预测方法、电子设备及存储介质
CN109615087B (zh) 一种标签辅助提高电网运维效率的方法
CN109635008B (zh) 一种基于机器学习的设备故障检测方法
CN109309586B (zh) 一种食品加工远程控制***入侵检测方法
CN111555908A (zh) 基于专家经验规则的电网复杂故障事件识别方法、装置及***
CN113408210B (zh) 基于深度学习的非侵入负荷分解方法、***、介质和设备
CN113077174B (zh) 基于曲线离散弗雷歇距离匹配的排治污设备状态研判方法及计算机可读存储介质
CN113552444A (zh) 一种泄漏电流特征阈值在线整定方法及装置
CN113469237A (zh) 用户意图识别方法、装置、电子设备及存储介质
CN115618250B (zh) 一种雷达目标障碍模拟识别方法
CN112528447B (zh) 电网模型分类标识方法、***、电子设备及存储介质
CN111538752A (zh) 基于车联网的车辆用途识别方法、***及存储介质
CN115601401B (zh) 基于牲畜群体运动特性的跟踪计数方法及其相关设备
CN113553358B (zh) 一种基于数据挖掘的电网设备无效数据辨识方法及装置
CN116561623A (zh) 一种基于服务器用电数据的挖矿行为辨识***及方法
CN114694258A (zh) 基于改进YOLOv5算法的化工厂工人设备操作行为识别的方法
CN118397556A (zh) 一种基于图像处理技术的自动化产线实时监测方法

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