CN117114252A - 一种基于物联网的综合能源智慧管理方法 - Google Patents
一种基于物联网的综合能源智慧管理方法 Download PDFInfo
- Publication number
- CN117114252A CN117114252A CN202311384207.9A CN202311384207A CN117114252A CN 117114252 A CN117114252 A CN 117114252A CN 202311384207 A CN202311384207 A CN 202311384207A CN 117114252 A CN117114252 A CN 117114252A
- Authority
- CN
- China
- Prior art keywords
- energy
- abnormal
- information
- membership
- energy information
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 200
- 239000013598 vector Substances 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 10
- 230000005856 abnormality Effects 0.000 claims description 49
- 238000005265 energy consumption Methods 0.000 claims description 44
- 230000000694 effects Effects 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 239000003345 natural gas Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2337—Non-hierarchical techniques using fuzzy logic, i.e. fuzzy clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及能源管理技术领域,尤其涉及一种基于物联网的综合能源智慧管理方法,包括:采集历史时间内至少一种能源的异常用能信息;利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取异常用能信息的隶属度向量,隶属度向量包括异常用能信息属于每种异常原因的隶属度;采集能源的实时用能信息,并基于实时用能信息获取未来时刻的预测消耗量;响应于预测消耗量处于异常状态,基于实时用能信息和每个异常用能信息的隶属度向量计算能源的目标隶属度向量;基于目标隶属度向量确定异常状态的异常原因。通过本申请的技术方案,能够在消耗量处于异常状态时精准定位异常原因,实现能源的精准管理。
Description
技术领域
本申请一般地涉及能源管理技术领域,尤其涉及一种基于物联网的综合能源智慧管理方法。
背景技术
随着全球能源需求量的激增,电能、天然气等多种能源广泛应用于各个领域。为了避免能源的浪费,能源管理发挥着重要作用。
目前,授权公告号为CN102314548B的专利文件公开了一种能源管理方法,通过使用计量器检测每单位时间内总能源消耗量的变化,然后将所述变化与预先输入的各能源消耗设备每单位时间的能源消耗量对比来估计各能源消耗设备的运行状态;然后,能够检测各能源消耗设备的消耗时间和电力消耗量,从而预测当前或未来的能源消耗费用。
然而,上述方法虽然能够估计各能源消耗设备的运行状态,但当运行状态处于异常状态时,无法准确预测当前或未来的能源消耗费用,且无法定位处于异常状态的原因,不能实现能源的精准管理。
发明内容
为了解决本申请的上述技术问题,本申请提供了一种基于物联网的综合能源智慧管理方法,监测能源消耗的状态,并在消耗量处于异常状态时精准定位异常原因,实现能源的精准管理。
本申请提供了一种基于物联网的综合能源智慧管理方法,包括:采集历史时间内至少一种能源的异常用能信息,所述异常用能信息包括异常消耗状态下设定时间段内能源消耗量的时间序列,所述能源至少包括电能;利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量,其中所述隶属度向量包括异常用能信息属于每种异常类型的隶属度,一种异常类型对应一种异常原因;采集所述能源的实时用能信息,并基于所述实时用能信息获取未来时刻所述能源的预测消耗量;响应于所述预测消耗量处于异常状态,基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量;基于所述目标隶属度向量确定异常状态的异常原因,实现能源的智慧管理;其中,所述基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量包括:计算所述实时用能信息和每个异常用能信息的相似度,并将相似度大于相似度阈值的异常用能信息作为目标用能信息;获取每个异常用能信息的主要异常原因以计算每种异常原因的倾向性,所述主要异常原因为隶属度最大值的异常类型对应的异常原因,所述倾向性满足关系式:
其中,为所有目标用能信息中主要异常原因为异常原因/>的数量,/>为所有目标用能信息的数量,/>为所有异常用能信息中主要异常原因为异常原因/>的数量,/>为异常原因/>的倾向性;基于每种异常原因的倾向性和所述目标用能信息计算所述能源的目标隶属度向量,所述目标隶属度向量包括每种异常原因的目标隶属度,所述目标隶属度满足关系式:
其中,为异常原因/>的倾向性,/>为所有异常原因的倾向性的总和,/>为所有目标用能信息的数量,/>为目标用能信息/>的相似度,/>为目标用能信息/>中异常原因/>的隶属度,/>为异常原因/>的目标隶属度。
在一个实施例中,所述利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量包括:设定初始类别的数量为2,对所有异常用能信息进行模糊聚类处理,得到每条异常用能信息的隶属度初始向量,所述隶属度初始向量包括异常用能信息对每个初始类别的初始隶属度;基于每条异常用能信息的隶属度初始向量计算聚类效果评价指标;以设定步长更新所述初始类别的数量,重复执行模糊聚类处理并计算对应的聚类效果评价指标;迭代地更新所述初始类别的数量,并绘制聚类效果评价指标曲线,所述聚类效果评价指标曲线的横坐标为初始类别的数量,纵坐标为聚类效果评价指标;获取所述聚类效果评价指标曲线的拐点,并将所述拐点对应的初始类别的数量作为异常类型的目标数量,以所述目标数量进行模糊聚类处理时得到的隶属度初始向量对应于隶属度向量。
在一个实施例中,所述聚类效果评价指标满足关系式:
其中为所有异常用能信息的数量,/>为所有初始类别的数量,/>为异常用能信息/>对初始类别/>的初始隶属度,/>为所述聚类效果评价指标,所述聚类效果评价指标与聚类效果呈负相关。
在一个实施例中,所述采集所述能源的实时用能信息,并基于所述实时用能信息获取未来时刻所述能源的预测消耗量包括:所述实时用能信息包括当前时刻及所述当前时刻之前设定数量时刻的能源消耗量,其中,当前时刻及所述当前时刻之前设定数量时刻对应于所述设定时间段;将所述实时用能信息输入训练完毕的时序预测网络以获取未来时刻所述能源的预测消耗量。
在一个实施例中,所述实时用能信息和异常用能信息的相似度满足关系式:
其中,为实时用能信息和异常用能信息/>的相似度,/>为实时用能信息和异常用能信息/>的DTW距离。
在一个实施例中,所述响应于所述预测消耗量处于异常状态包括:计算所述实时用能信息中所有能源消耗量的平均值和标准差/>;基于所述平均值/>和所述标准差/>计算正常区间,所述正常区间为/>;响应于所述预测消耗量处于所述正常区间内,所述预测消耗量处于正常状态;响应于所述预测消耗量不处于所述正常区间内,所述预测消耗量处于异常状态。
在一个实施例中,响应于所述预测消耗量处于异常状态,将所述实时用能信息作为一条新的异常用能信息,用于下一次确定异常状态的异常原因。
在一个实施例中,所述基于所述目标隶属度向量确定异常状态的异常原因,实现能源的智慧管理包括:按照目标隶属度从大到小的顺序对每个异常原因进行排查。
本申请的技术方案具有以下有益技术效果:
通过本申请提供的技术方案,首先基于模糊聚类算法确定历史时间内每一个异常用能信息的隶属度向量,其中隶属度向量可精准反映导致该异常用能信息的每种异常原因的可能性;依据实时用能信息预测未来时刻的预测消耗量以判断是否异常状态,当预测消耗量处于异常状态时,依据实时用能信息和每个异常用能信息的隶属度向量精准定位导致异常状态的异常原因,实现能源的精准管理。
进一步地,在模糊聚类的过程中,利用聚类效果评价指标确定异常类型的数量,实现异常类型数量的自适应确定,进而得到每一个异常用能信息属于每种异常类型的隶属度,进而得到导致该异常用能信息的每种异常原因的可能性。
进一步地,目标隶属度向量包括每种异常原因的目标隶属度,在计算目标隶属度向量时,考虑实时用能信息与每一个异常用能信息之间的相似度,以及历史时间内每种异常原因导致实时用能信息为异常状态的倾向性,从而提高目标隶属度向量的准确性。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是根据本申请实施例的基于物联网的综合能源智慧管理方法的流程图;
图2是根据本申请实施例的利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量的流程图;
图3是根据本申请实施例的基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
根据本申请的第一方面,本申请提供了一种基于物联网的综合能源智慧管理方法。用于物联网架构,所述物联网架构包括至少一种能源的采集终端。图1是根据本申请实施例的基于物联网的综合能源智慧管理方法的流程图。如图1所示,所述测试方法100包括步骤S101至S105,以下详细说明。
S101,采集历史时间内至少一种能源的异常用能信息,所述异常用能信息包括异常消耗状态下设定时间段内能源消耗量的时间序列,所述能源至少包括电能。
在一个实施例中,对于历史时间内任意一种能源消耗设备,当该能源消耗设备处于异常状态时,采集该能源消耗设备在设定时间段内能源消耗量的时间序列,作为一条异常用能信息。其中,所述能源消耗量为单位时间内电能消耗量,所述设定时间段为1分钟。
示例性的,所述能源消耗设备为照明装置,若在时刻判定照明装置处于异常状态,则将时刻/>之前1分钟内照明装置电能消耗量的时间序列作为一条异常用能数据。
在其它实施例中,所述设定时间段还可为最近一天的时间。所述能源还包括水和天然气。其中能源消耗量的采集可通过对应的采集终端获取,比如,通过电能表、水表和天然气表依次采集电能消耗量、水消耗量和天然气消耗量。
S102,利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量,其中所述隶属度向量包括异常用能信息属于每种异常类型的隶属度,一种异常类型对应一种异常原因。
在一个实施例中,对于一个异常用能信息而言,导致出现异常状态的原因不止一种,故本申请实施例采用模糊聚类算法对所有异常用能信息进行模糊聚类处理,得到异常用能信息属于每种异常类型的隶属度。
具体地,请参见图2,是根据本申请实施例的利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量的流程图。所述利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量包括:S201,设定初始类别的数量为2,对所有异常用能信息进行模糊聚类处理,得到每条异常用能信息的隶属度初始向量,所述隶属度初始向量包括异常用能信息对每个初始类别的初始隶属度;S202,基于每条异常用能信息的隶属度初始向量计算聚类效果评价指标;S203,以设定步长更新所述初始类别的数量,重复执行模糊聚类处理并计算对应的聚类效果评价指标;S204,迭代地更新所述初始类别的数量,并绘制聚类效果评价指标曲线,所述聚类效果评价指标曲线的横坐标为初始类别的数量,纵坐标为聚类效果评价指标;S205,获取所述聚类效果评价指标曲线的拐点,并将所述拐点对应的初始类别的数量作为异常类型的目标数量,以所述目标数量进行模糊聚类处理时得到的隶属度初始向量对应于隶属度向量。
其中,所述设定步长为1。
其中,所述聚类效果评价指标满足关系式:
其中为所有异常用能信息的数量,/>为所有初始类别的数量,/>为异常用能信息/>对初始类别/>的初始隶属度,/>为所述聚类效果评价指标,所述聚类效果评价指标与聚类效果呈负相关。其中,/>可反映异常用能信息/>对应的隶属度初始向量的熵,数值越大,则越无法准确判断异常用能信息所属类别,聚类效果越差。
在一个实施例中,所述模糊聚类算法为模糊C均值聚类算法,在所述“对所有异常用能信息进行模糊聚类处理,得到每条异常用能信息的隶属度初始向量”的过程中,需要计算异常用能信息与聚类中心之间的距离,由于异常用能信息与聚类中心均为时间序列,则本申请实施例中的距离采用DTW距离,可精准计算两个时间序列之间的距离。模糊C均值聚类算法为本领域技术人员的常用技术手段,在此不再赘述。
可以理解地,在模糊C均值聚类算法中,能够得到每种初始类别的聚类中心,所述聚类效果评价指标还可为所有聚类中心之间的DTW距离的总和。
在其它实施例中,所述模糊聚类算法还可为PCM模糊聚类算法。
在一个实施例中,确定异常类型的数量之后,以所述异常类型的数量对所有异常用能信息进行模糊聚类处理,可得到每一个异常类型的聚类中心,其中,聚类中心为所述异常类型对应的标准异常用能信息。结合经验为每一个异常类型的聚类中心标记导致该异常类型的异常原因,一个异常类型对应一种异常原因。
如此,在模糊聚类的过程中,利用聚类效果评价指标确定异常类型的数量,实现异常类型数量的自适应确定,进而得到每一个异常用能信息属于每种异常类型的隶属度,进而得到导致该异常用能信息的每种异常原因的可能性。
S103,采集所述能源的实时用能信息,并基于所述实时用能信息获取未来时刻所述能源的预测消耗量。
在一个实施例中,采集所述能源的实时用能信息,所述实时用能信息包括当前时刻及所述当前时刻之前设定数量时刻的能源消耗量,其中,当前时刻及所述当前时刻之前设定数量时刻对应于所述设定时间段;将所述实时用能信息输入训练完毕的时序预测网络以获取未来时刻所述能源的预测消耗量;其中时序预测网络可采用LSTM、TCN、RNN等循环神经网络实现。
S104,响应于所述预测消耗量处于异常状态,基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量。
在一个实施例中,得到未来时刻所述能源的消耗量之后,即可判断所述预测消耗量是否异常,具体描述如下。所述响应于所述预测消耗量处于异常状态包括:计算所述实时用能信息中所有能源消耗量的平均值和标准差/>;基于所述平均值/>和所述标准差/>计算正常区间,所述正常区间为/>;响应于所述预测消耗量处于所述正常区间内,所述预测消耗量处于正常状态;响应于所述预测消耗量不处于所述正常区间内,所述预测消耗量处于异常状态。
可以理解地,判断所述预测消耗量是否异常的标准为准则。
在一个实施例中,请参见图3,是根据本申请实施例的基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量的流程图。所述基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量包括:S301,计算所述实时用能信息和每个异常用能信息的相似度,并将相似度大于相似度阈值的异常用能信息作为目标用能信息;S302,获取每个异常用能信息的主要异常原因以计算每种异常原因的倾向性,所述主要异常原因为隶属度最大值的异常类型对应的异常原因,所述倾向性满足关系式:
其中,为所有目标用能信息中主要异常原因为异常原因/>的数量,/>为所有目标用能信息的数量,/>为所有异常用能信息中主要异常原因为异常原因/>的数量,/>为异常原因/>的倾向性;S303,基于每种异常原因的倾向性和所述目标用能信息计算所述能源的目标隶属度向量,所述目标隶属度向量包括每种异常原因的目标隶属度,所述目标隶属度满足关系式:
其中,为异常原因/>的倾向性,/>为所有异常原因的倾向性的总和,/>为所有目标用能信息的数量,/>为目标用能信息/>的相似度,/>为目标用能信息/>中异常原因/>的隶属度,/>为异常原因/>的目标隶属度。
其中,实时用能信息和每个异常用能信息的相似度可依据DTW距离获取,当实时用能信息和异常用能信息之间DTW距离越大,则表示实时用能信息和异常用能信息之间相似度越小,且所述相似度阈值取值为0.8,比如,所述实时用能信息和异常用能信息的相似度满足关系式:
其中,为实时用能信息和异常用能信息/>的相似度,/>为实时用能信息和异常用能信息/>的DTW距离。
其中,在倾向性的计算公式中,用于表征实时用能信息对应的所有目标用能信息中,异常原因/>为主要异常原因的频率;/>用于表征异常原因/>导致实时用能信息及所有目标用能信息的可能性;倾向性/>越大,则表示在历史时间内,异常原因/>导致实时用能信息为异常状态的概率越大。
如此,得到所述能源的目标隶属度向量,目标隶属度向量包括每种异常原因的目标隶属度,在计算目标隶属度向量时,考虑实时用能信息与每一个异常用能信息之间的相似度,以及历史时间内每种异常原因导致实时用能信息为异常状态的倾向性,从而提高目标隶属度向量的准确性。
S105,基于所述目标隶属度向量确定异常状态的异常原因,实现能源的智慧管理。
在一个实施例中,目标隶属度向量包括每种异常原因的目标隶属度,目标隶属度越大,则对应异常原因导致能源消耗异常的可能性越大。所述基于所述目标隶属度向量确定异常状态的异常原因,实现能源的智慧管理包括:按照目标隶属度从大到小的顺序对每个异常原因进行排查,实现能源的智慧管理。
在一个实施例中,响应于所述预测消耗量处于异常状态,将所述实时用能信息作为一条新的异常用能信息,用于下一次确定异常状态的异常原因。
以上通过具体实施例介绍了本申请的基于物联网的综合能源智慧管理方法的技术原理和实施细节。通过本申请提供的技术方案,首先基于模糊聚类算法确定历史时间内每一个异常用能信息的隶属度向量,其中隶属度向量可精准反映该异常用能信息对应的每种异常原因的可能性;依据实时用能信息预测未来时刻的预测消耗量以判断是否异常状态,当预测消耗量处于异常状态时,依据实时用能信息和每个异常用能信息的隶属度向量精准定位导致异常状态的异常原因,实现能源的精准管理。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于物联网的综合能源智慧管理方法,其特征在于,包括:
采集历史时间内至少一种能源的异常用能信息,所述异常用能信息包括异常消耗状态下设定时间段内能源消耗量的时间序列,所述能源至少包括电能;
利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量,其中所述隶属度向量包括异常用能信息属于每种异常类型的隶属度,一种异常类型对应一种异常原因;
采集所述能源的实时用能信息,并基于所述实时用能信息获取未来时刻所述能源的预测消耗量;
响应于所述预测消耗量处于异常状态,基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量;
基于所述目标隶属度向量确定异常状态的异常原因,实现能源的智慧管理;
其中,所述基于所述实时用能信息和每个异常用能信息的隶属度向量计算所述能源的目标隶属度向量包括:
计算所述实时用能信息和每个异常用能信息的相似度,并将相似度大于相似度阈值的异常用能信息作为目标用能信息;获取每个异常用能信息的主要异常原因以计算每种异常原因的倾向性,所述主要异常原因为隶属度最大值的异常类型对应的异常原因,所述倾向性满足关系式:
其中,为所有目标用能信息中主要异常原因为异常原因/>的数量,/>为所有目标用能信息的数量,/>为所有异常用能信息中主要异常原因为异常原因/>的数量,/>为异常原因/>的倾向性;基于每种异常原因的倾向性和所述目标用能信息计算所述能源的目标隶属度向量,所述目标隶属度向量包括每种异常原因的目标隶属度,所述目标隶属度满足关系式:
其中,为异常原因/>的倾向性,/>为所有异常原因的倾向性的总和,/>为所有目标用能信息的数量,/>为目标用能信息/>的相似度,/>为目标用能信息/>中异常原因/>的隶属度,/>为异常原因/>的目标隶属度。
2.根据权利要求1所述的一种基于物联网的综合能源智慧管理方法,其特征在于,所述利用模糊聚类算法对所有异常用能信息进行模糊聚类处理以获取每个异常用能信息的隶属度向量包括:
设定初始类别的数量为2,对所有异常用能信息进行模糊聚类处理,得到每条异常用能信息的隶属度初始向量,所述隶属度初始向量包括异常用能信息对每个初始类别的初始隶属度;
基于每条异常用能信息的隶属度初始向量计算聚类效果评价指标;
以设定步长更新所述初始类别的数量,重复执行模糊聚类处理并计算对应的聚类效果评价指标;
迭代地更新所述初始类别的数量,并绘制聚类效果评价指标曲线,所述聚类效果评价指标曲线的横坐标为初始类别的数量,纵坐标为聚类效果评价指标;
获取所述聚类效果评价指标曲线的拐点,并将所述拐点对应的初始类别的数量作为异常类型的目标数量,以所述目标数量进行模糊聚类处理时得到的隶属度初始向量对应于隶属度向量。
3.根据权利要求2所述的一种基于物联网的综合能源智慧管理方法,其特征在于,所述聚类效果评价指标满足关系式:
其中为所有异常用能信息的数量,/>为所有初始类别的数量,/>为异常用能信息/>对初始类别/>的初始隶属度,/>为所述聚类效果评价指标,所述聚类效果评价指标与聚类效果呈负相关。
4.根据权利要求1所述的一种基于物联网的综合能源智慧管理方法,其特征在于,所述采集所述能源的实时用能信息,并基于所述实时用能信息获取未来时刻所述能源的预测消耗量包括:
所述实时用能信息包括当前时刻及所述当前时刻之前设定数量时刻的能源消耗量,其中,当前时刻及所述当前时刻之前设定数量时刻对应于所述设定时间段;
将所述实时用能信息输入训练完毕的时序预测网络以获取未来时刻所述能源的预测消耗量。
5.根据权利要求1所述的一种基于物联网的综合能源智慧管理方法,其特征在于,所述实时用能信息和异常用能信息的相似度满足关系式:
其中,为实时用能信息和异常用能信息/>的相似度,/>为实时用能信息和异常用能信息/>的DTW距离。
6.根据权利要求1所述的一种基于物联网的综合能源智慧管理方法,其特征在于,所述响应于所述预测消耗量处于异常状态包括:
计算所述实时用能信息中所有能源消耗量的平均值和标准差/>;
基于所述平均值和所述标准差/>计算正常区间,所述正常区间为/>;
响应于所述预测消耗量处于所述正常区间内,所述预测消耗量处于正常状态;
响应于所述预测消耗量不处于所述正常区间内,所述预测消耗量处于异常状态。
7.根据权利要求6所述的一种基于物联网的综合能源智慧管理方法,其特征在于,响应于所述预测消耗量处于异常状态,将所述实时用能信息作为一条新的异常用能信息,用于下一次确定异常状态的异常原因。
8.根据权利要求1所述的一种基于物联网的综合能源智慧管理方法,其特征在于,所述基于所述目标隶属度向量确定异常状态的异常原因,实现能源的智慧管理包括:按照目标隶属度从大到小的顺序对每个异常原因进行排查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384207.9A CN117114252A (zh) | 2023-10-24 | 2023-10-24 | 一种基于物联网的综合能源智慧管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384207.9A CN117114252A (zh) | 2023-10-24 | 2023-10-24 | 一种基于物联网的综合能源智慧管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117114252A true CN117114252A (zh) | 2023-11-24 |
Family
ID=88798760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311384207.9A Pending CN117114252A (zh) | 2023-10-24 | 2023-10-24 | 一种基于物联网的综合能源智慧管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114252A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
US20190205774A1 (en) * | 2018-01-02 | 2019-07-04 | International Business Machines Corporation | Fast detection of energy consumption anomalies in buildings |
CN112307435A (zh) * | 2020-10-30 | 2021-02-02 | 三峡大学 | 一种基于模糊聚类和趋势判断筛查用电量异常的方法 |
CN112488242A (zh) * | 2020-12-18 | 2021-03-12 | 深圳供电局有限公司 | 电力计量终端异常检测方法、装置、计算机设备和介质 |
CN113033414A (zh) * | 2021-03-26 | 2021-06-25 | 深圳供电局有限公司 | 用电数据异常检测方法、装置、计算机设备和存储介质 |
CN116796271A (zh) * | 2023-06-19 | 2023-09-22 | 天津三源电力信息技术股份有限公司 | 一种居民用能异常识别方法 |
-
2023
- 2023-10-24 CN CN202311384207.9A patent/CN117114252A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
US20190205774A1 (en) * | 2018-01-02 | 2019-07-04 | International Business Machines Corporation | Fast detection of energy consumption anomalies in buildings |
CN112307435A (zh) * | 2020-10-30 | 2021-02-02 | 三峡大学 | 一种基于模糊聚类和趋势判断筛查用电量异常的方法 |
CN112488242A (zh) * | 2020-12-18 | 2021-03-12 | 深圳供电局有限公司 | 电力计量终端异常检测方法、装置、计算机设备和介质 |
CN113033414A (zh) * | 2021-03-26 | 2021-06-25 | 深圳供电局有限公司 | 用电数据异常检测方法、装置、计算机设备和存储介质 |
CN116796271A (zh) * | 2023-06-19 | 2023-09-22 | 天津三源电力信息技术股份有限公司 | 一种居民用能异常识别方法 |
Non-Patent Citations (1)
Title |
---|
王化祥 编著: "《智能信息处理 第2版》", 天津:天津大学出版社, pages: 241 - 243 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198408B (zh) | 一种基于用电信息采集***的自适应反窃电监控方法及*** | |
KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及*** | |
CN116307215A (zh) | 一种电力***的负荷预测方法、装置、设备及存储介质 | |
CN106598822A (zh) | 一种用于容量评估的异常数据检测方法及装置 | |
CN110298765B (zh) | 一种基于客观关联因素的配电网用电功率异常检测方法 | |
CN112101765A (zh) | 一种配电网运行指标数据异常数据处理方法及*** | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN114076841A (zh) | 基于用电信息数据的窃电行为识别方法及*** | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的***和方法 | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN115202802A (zh) | 告警阈值确定方法、装置、设备及存储介质、告警*** | |
CN112418522A (zh) | 一种基于三支集成预测模型的工业加热炉钢温预测方法 | |
CN117114252A (zh) | 一种基于物联网的综合能源智慧管理方法 | |
CN111310121A (zh) | 一种新能源出力概率预测方法和*** | |
CN115935212A (zh) | 一种基于纵向趋势预测的可调节负荷聚类方法及*** | |
CN114157486B (zh) | 通信流量数据异常检测方法、装置、电子设备及存储介质 | |
CN115935285A (zh) | 基于掩码图神经网络模型的多元时间序列异常检测方法和*** | |
CN106816871B (zh) | 一种电力***状态相似性分析方法 | |
CN111222550B (zh) | 一种用户用电行为确定方法和装置 | |
CN106156470B (zh) | 一种时间序列异常检测标注方法及*** | |
CN114331688A (zh) | 一种银行柜面***业务批量运行状态检测方法及装置 | |
KR20210016980A (ko) | 누락된 데이터의 사용량을 추정하는 ami 시스템의 서버 장치 및 그 방법 | |
CN116739532B (zh) | 一种能源项目管理方法、***、终端设备及存储介质 | |
CN117647697B (zh) | 一种基于知识图谱的电力计量流水线故障定位方法及*** |
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 |