CN117932522A - 一种基于大数据的电能设备能耗数据动态监管方法及*** - Google Patents
一种基于大数据的电能设备能耗数据动态监管方法及*** Download PDFInfo
- Publication number
- CN117932522A CN117932522A CN202410330900.6A CN202410330900A CN117932522A CN 117932522 A CN117932522 A CN 117932522A CN 202410330900 A CN202410330900 A CN 202410330900A CN 117932522 A CN117932522 A CN 117932522A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- certain electric
- energy device
- time
- 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.)
- Pending
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000005856 abnormality Effects 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 9
- 238000013211 curve analysis Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及能耗监管技术领域，具体为一种基于大数据的电能设备能耗数据动态监管方法及***，包括：采集智能监控平台中各电能设备的历史工作记录，捕捉电能设备的目标切换设备和在设定时间段内电能设备的实时用电量，分析切换过程中电能设备的能耗是否异常；若判断能耗异常，根据历史工作记录分别确认电能设备的历史耗电效率和对应目标切换设备的种类分析电能设备的重要程度；根据电能设备能耗异常的工作周期分析影响电能设备能耗的影响因素构建电能设备的设备损耗模型；根据设备损耗模型自适应控制电能设备进行设备切换时的工作性能状态，不仅节省了能源，还降低了设备损坏风险。
Description
技术领域
本发明涉及能耗监管技术领域，具体为一种基于大数据的电能设备能耗数据动态监管方法及***。
背景技术
随着社会的不断发展，电力需求不断增加，人们对能源的高效利用和可持续发展的要求也日益迫切；而随着电子通信技术的不断发展，越来越多的大型企业用户希望对自身企业的各个能源***进行全方位监控管理，达到节能降耗，降低成本的目的。
一般情况下，企业会利用一体机将电能设备进行“一机多用”，它不仅可以达到节约成本的效果，还可以通过自动控制***，对设备的运行状态进行自如切换，从而提高切换的速度和准确性；然而，在进行设备切换的过程中电网运行平稳性，电压、电流等的异常波动，切换设备的安全等问题均会影响设备切换的异常损耗，不仅造成了能源的浪费，也加大了后期对设备的更新和管理成本；因此，如何通过根据电能设备的历史能耗监管记录分析设备切换的异常损耗因素并进行智能调节成为一个亟待解决的问题。
发明内容
本发明的目的在于提供一种基于大数据的电能设备能耗数据动态监管方法及***，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的电能设备能耗数据动态监管方法，包括以下步骤：
S100、采集智能监控平台中各电能设备的历史工作记录，当某一电能设备进行设备切换时，捕捉某一电能设备的目标切换设备和在设定时间段内某一电能设备的实时用电量，分析切换过程中某一电能设备的能耗是否异常；
S200、 若判断某一电能设备的能耗异常，则根据历史工作记录分别确认某一电能设备的历史耗电效率和对应目标切换设备的种类，分析某一电能设备的重要程度；
S300、根据某一电能设备能耗异常的工作周期分析影响某一电能设备能耗的影响因素，并根据影响因素构建某一电能设备的设备损耗模型；
S400、根据设备损耗模型自适应控制某一电能设备进行设备切换时的工作性能状态。
进一步的，在S100中，具体步骤如下：
S110、当智能监控平台中某一电能设备a1切换连接至目标切换设备a2时，获取某一电能设备a1在设定时间段内的实时用电量，并以设定时间段内各时间节点为横坐标，实时用电量为纵坐标形成某一电能设备a1的能耗变化曲线；
上述步骤中的设定时间段是以某一电能设备a1发生切换的时间节点为起点，切换后某一电能设备a1耗电状态趋于稳定的时间长度为终点；其中所述耗电状态趋于稳定的时间长度由实验数据计算得出；
S120、获取能耗变化曲线中任意三个相邻时间节点的坐标值(x1,y1)、(x2,y2)和(x3,y3)，分别计算得到第一、二个坐标值之间的斜率值K1=(y2-y1)/(x2-x1)和第二、三个坐标值之间的斜率值K2=(y3-y2)/(x3-x2)；当|K1|+|K2|大于斜率阈值ɑ1时，若两个斜率的夹角余弦值小于设定阈值ɑ2，判断某一电能设备a1在时间段x1～x3时的用电能耗不稳定；
上述步骤中当用电能耗不稳定时，某一电能设备的能耗大，浪费电量资源；
S130、获取能耗变化曲线中出现用电能耗不稳定的N个时间段，并依次计算N个时间段中各相邻时间段之间的时间间隔t，则根据时间间隔t得到某一电能设备在设定时间段内的异常程度Y=ɡ1*∑N-1t；其中ɡ1表示某一电能设备的N个时间段长度总和和设定时间段之间的比值；
通过分析能耗变化曲线中任意三个相邻时间节点之间的斜率值和斜率夹角，分析电能设备的用电能耗稳定性，并根据用电能耗不稳定的时间段间隔分析电能设备的异常程度，有利于分析电能设备在切换过程中的用电能耗是否异常，便于后续对电能设备进行调整。
进一步的，在S200中，具体步骤如下：
S210、若某一电能设备的异常程度Y大于异常阈值β，则判定某一电能设备的能耗发生异常，反之，则判定某一电能设备的能耗未发生异常；基于此，将某一电能设备由连接某一目标切换设备到切换连接至另一目标切换设备的记录作为某一电能设备的一个工作周期，根据某一电能设备的历史工作记录分别获取各个工作周期中目标切换设备的工作参数数据，并将不同工作周期中，工作参数数据之间相似度大于相似阈值γ的目标切换设备分为一类，得到目标切换设备的种类M；
上述步骤中确认目标切换设备的种类M是为了更好的区分目标切换设备的种类，工作参数数据不同包括目标切换设备的设备型号不同和目标切换设备的设备型号相同但工作使用的工作参数差距很大；
S220、根据某一电能设备的各个工作周期，捕捉任意工作周期中某一电能设备实时耗电量=0的各个时间节点，筛选出由各连续时间节点组成的时间长度最长的时间段，确认由相应的时间段长度为T1，则根据各个工作周期的时间长度T确认某一电能设备的历史耗电效率1/P=H/∑H[T1/(T-T1-f)]，其中，H表示某一电能设备工作周期的数量，f表示设定时间段的时间长度；
上述步骤中筛选出由各连续时间节点组成的时间长度最长的时间段表示某一电能设备结束工作，处于非工作时间段；
S230、通过根据目标切换设备的种类M和某一电能设备的历史耗电效率1/P，计算得到某一电能设备的重要程度Z=ɡ2*M/P，其中ɡ2表示某一电能设备的目标切换设备种类在所有电能设备中的占比，则当重要程度Z大于重要阈值z1时，表示某一电能设备的能耗异常超过智能监控平台的可控范围需及时进行调整，反之，表示某一电能设备的能耗异常未超过可控范围，无需进行调整；
通过根据工作周期中的工作时长和目标切换设备的工作参数数据确认电能设备的重要程度，判断某一电能设备是否需要进行性能调整，便于后续对电能设备的调节因素进行分析。
进一步的，在S300中，具体步骤如下：
S310、获取某一电能设备连接至目标切换设备a2时的标准性能参数，其中标准性能参数包括标准电压值、标准温度值和标准振动速率；获取设定时间段内某一电能设备在各时间节点上的运行参数，其中运行参数包括某一电能设备的实时电压、温度和振动速率；；
S320、分别对标准电压值/实时电压、标准温度值/实时温度和标准振动速率/实时振动速率进行加权分别得到各个时间节点上某一电能设备的的设备状态值S=f*(U1+U2+U3)；其中f表示设备状态权重，U1表示标准电压值/实时电压，U2表示标准温度值/实时温度，U3表示标准振动速率/实时振动速率；
上述步骤中，当电压未对某一电能设备产生影响时，则实时电压一般≈标准电压值，相应的标准电压值/实时电压≈1；基于此，若温度未对某一电能设备产生影响时，标准温度值/实时温度≈1；若振动速率未对某一电能设备产生影响时，标准振动速率/实时振动速率≈1；
S330、获取能耗变化曲线中出现用电能耗不稳定的3N个时间节点，分别捕捉所述各个时间节点的设备状态值S，构建某一电能设备的设备损耗模型Q=σ*∑(S-6N)，其中σ表示设备损耗参数；
通过获取某一电能设备连接至目标切换设备时的标准性能参数和各时间节点的实时电能参数构建电能设备的设备损耗模型，并根据设备损耗模型分析影响电能设备能耗异常的影响因素，有利于节省能源，降低设备损坏风险。
进一步的，在S400中，具体步骤如下：
S410、获取某一电能设备的设备损耗值Q，当满足|Q/U1-Q|>μ时，判定某一电能设备进行设备切换时发生电压异常波动；当满足|Q/U2-Q|>μ时，判定某一电能设备进行设备切换时发生温度异常；当满足|Q/U3-Q|>μ时，判定某一电能设备进行设备切换时发生振动速率异常；其中μ表示损耗差值阈值；
S420、根据判断的结果自适应控制某一电能设备进行设备切换时的设备运行参数。
电能设备能耗数据动态监管***，***包括：数据采集模块、异常分析模块、智能判断模块、损耗构建模块和自适应管理模块；
通过数据采集模块采集智能监控平台中某一电能设备的历史工作记录、目标切换设备和实时用电量；
通过异常分析模块分析切换过程中某一电能设备的能耗是否异常；
通过智能判断模块分析某一电能设备的重要程度，判断是否需要进行性能调整；
通过损耗构建模块根据影响因素构建某一电能设备的设备损耗模型；
通过自适应管理模块自适应控制某一电能设备进行设备切换时的工作性能状态。
进一步的，数据采集模块包括历史记录采集单元、切换设备采集单元和用电采集单元；
历史记录采集单元用于采集智能监控平台中某一电能设备的历史工作记录；切换设备采集单元用于当某一电能设备进行设备切换时，捕捉某一电能设备的目标切换设备；用电采集单元用于采集在设定时间段内某一电能设备的实时用电量。
进一步的，异常分析模块包括曲线分析单元和异常分析单元；
曲线分析单元用于根据由实时用电量得到的能耗变化曲线分析电能设备的用电能耗稳定性；异常分析单元用于利用用电能耗不稳定的各个时间段间隔确认某一电能设备在设定时间段内的异常程度。
进一步的，智能判断模块包括种类分析单元、能耗分析单元和智能判断单元；
种类分析单元用于根据工作周期中目标切换设备的工作参数数据确认目标切换设备的种类数量；能耗分析单元用于根据工作周期的时间长度和耗电量为0的时间长度确认某一电能设备的历史耗电效率；智能判断单元用于根据目标切换设备的种类数量和某一电能设备的历史耗电效率判断某一电能设备是否需要进行性能调整。
进一步的，损耗构建模块包括参数获取单元和模型构建单元；
参数获取单元用于获取某一电能设备连接至目标切换设备时的标准性能参数和各时间节点的实时电能参数；模型构建单元用于根据设备状态值构建某一电能设备的设备损耗模型。
与现有技术相比，本发明所达到的有益效果是：
本发明通过分析能耗变化曲线中任意三个相邻时间节点之间的斜率值和斜率夹角，分析电能设备的用电能耗稳定性，并根据用电能耗不稳定的时间段间隔分析电能设备的异常程度，有利于分析电能设备在切换过程中的用电能耗是否异常，便于后续对电能设备进行调整；通过获取某一电能设备连接至目标切换设备时的标准性能参数和各时间节点的实时电能参数构建电能设备的设备损耗模型，并根据设备损耗模型分析影响电能设备能耗异常的影响因素，有利于节省能源，降低设备损坏风险。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的电能设备能耗数据动态监管***的结构图；
图2是本发明一种基于大数据的电能设备能耗数据动态监管方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：电能设备能耗数据动态监管***，***包括：数据采集模块、异常分析模块、智能判断模块、损耗构建模块和自适应管理模块；
通过数据采集模块采集智能监控平台中某一电能设备的历史工作记录、目标切换设备和实时用电量；
数据采集模块包括历史记录采集单元、切换设备采集单元和用电采集单元；
历史记录采集单元用于采集智能监控平台中某一电能设备的历史工作记录；切换设备采集单元用于当某一电能设备进行设备切换时，捕捉某一电能设备的目标切换设备；用电采集单元用于采集在设定时间段内某一电能设备的实时用电量。
通过异常分析模块分析切换过程中某一电能设备的能耗是否异常；
异常分析模块包括曲线分析单元和异常分析单元；
曲线分析单元用于根据由实时用电量得到的能耗变化曲线分析电能设备的用电能耗稳定性；异常分析单元用于利用用电能耗不稳定的各个时间段间隔确认某一电能设备在设定时间段内的异常程度。
通过智能判断模块分析某一电能设备的重要程度，判断是否需要进行性能调整；
智能判断模块包括种类分析单元、能耗分析单元和智能判断单元；
种类分析单元用于根据工作周期中目标切换设备的工作参数数据确认目标切换设备的种类数量；能耗分析单元用于根据工作周期的时间长度和耗电量为0的时间长度确认某一电能设备的历史耗电效率；智能判断单元用于根据目标切换设备的种类数量和某一电能设备的历史耗电效率判断某一电能设备是否需要进行性能调整。
通过损耗构建模块根据影响因素构建某一电能设备的设备损耗模型；
损耗构建模块包括参数获取单元和模型构建单元；
参数获取单元用于获取某一电能设备连接至目标切换设备时的标准性能参数和各时间节点的实时电能参数；模型构建单元用于根据设备状态值构建某一电能设备的设备损耗模型。
通过自适应管理模块自适应控制某一电能设备进行设备切换时的工作性能状态。
请参阅图2，本发明提供技术方案：一种基于大数据的电能设备能耗数据动态监管方法，包括以下步骤：
S100、采集智能监控平台中各电能设备的历史工作记录，当某一电能设备进行设备切换时，捕捉某一电能设备的目标切换设备和在设定时间段内某一电能设备的实时用电量，分析切换过程中某一电能设备的能耗是否异常；
在S100中，具体步骤如下：
S110、当智能监控平台中某一电能设备a1切换连接至目标切换设备a2时，获取某一电能设备a1在设定时间段内的实时用电量，并以设定时间段内各时间节点为横坐标，实时用电量为纵坐标形成某一电能设备a1的能耗变化曲线；
上述步骤中的设定时间段是以某一电能设备a1发生切换的时间节点为起点，切换后某一电能设备a1耗电状态趋于稳定的时间长度为终点；其中所述耗电状态趋于稳定的时间长度由实验数据计算得出；
S120、获取能耗变化曲线中任意三个相邻时间节点的坐标值(x1,y1)、(x2,y2)和(x3,y3)，分别计算得到第一、二个坐标值之间的斜率值K1=(y2-y1)/(x2-x1)和第二、三个坐标值之间的斜率值K2=(y3-y2)/(x3-x2)；当|K1|+|K2|大于斜率阈值ɑ1时，若两个斜率的夹角余弦值小于设定阈值ɑ2，判断某一电能设备a1在时间段x1～x3时的用电能耗不稳定；
上述步骤中当用电能耗不稳定时，某一电能设备的能耗大，浪费电量资源；
S130、获取能耗变化曲线中出现用电能耗不稳定的N个时间段，并依次计算N个时间段中各相邻时间段之间的时间间隔t，则根据时间间隔t得到某一电能设备在设定时间段内的异常程度Y=ɡ1*∑N-1t；其中ɡ1表示某一电能设备的N个时间段长度总和和设定时间段之间的比值。
S200、 若判断某一电能设备的能耗异常，则根据历史工作记录分别确认某一电能设备的历史耗电效率和对应目标切换设备的种类，分析某一电能设备的重要程度；
在S200中，具体步骤如下：
S210、若某一电能设备的异常程度Y大于异常阈值β，则判定某一电能设备的能耗发生异常，反之，则判定某一电能设备的能耗未发生异常；基于此，将某一电能设备由连接某一目标切换设备到切换连接至另一目标切换设备的记录作为某一电能设备的一个工作周期，根据某一电能设备的历史工作记录分别获取各个工作周期中目标切换设备的工作参数数据，并将不同工作周期中，工作参数数据之间相似度大于相似阈值γ的目标切换设备分为一类，得到目标切换设备的种类M；
上述步骤中确认目标切换设备的种类M是为了更好的区分目标切换设备的种类，工作参数数据不同包括目标切换设备的设备型号不同和目标切换设备的设备型号相同但工作使用的工作参数差距很大；
S220、根据某一电能设备的各个工作周期，捕捉任意工作周期中某一电能设备实时耗电量=0的各个时间节点，筛选出由各连续时间节点组成的时间长度最长的时间段，确认由相应的时间段长度为T1，则根据各个工作周期的时间长度T确认某一电能设备的历史耗电效率1/P=H/∑H[T1/(T-T1-f)]，其中，H表示某一电能设备工作周期的数量，f表示设定时间段的时间长度；
上述步骤中筛选出由各连续时间节点组成的时间长度最长的时间段表示某一电能设备结束工作，处于非工作时间段；
S230、通过根据目标切换设备的种类M和某一电能设备的历史耗电效率1/P，计算得到某一电能设备的重要程度Z=ɡ2*M/P，其中ɡ2表示某一电能设备的目标切换设备种类在所有电能设备中的占比，则当重要程度Z大于重要阈值z1时，表示某一电能设备的能耗异常超过智能监控平台的可控范围需及时进行调整，反之，表示某一电能设备的能耗异常未超过可控范围，无需进行调整。
S300、根据某一电能设备能耗异常的工作周期分析影响某一电能设备能耗的影响因素，并根据影响因素构建某一电能设备的设备损耗模型；
在S300中，具体步骤如下：
S310、获取某一电能设备连接至目标切换设备a2时的标准性能参数，其中标准性能参数包括标准电压值、标准温度值和标准振动速率；获取设定时间段内某一电能设备在各时间节点上的运行参数，其中运行参数包括某一电能设备的实时电压、温度和振动速率；
S320、分别对标准电压值/实时电压、标准温度值/实时温度和标准振动速率/实时振动速率进行加权分别得到各个时间节点上某一电能设备的的设备状态值S=f*(U1+U2+U3)；其中f表示设备状态权重，U1表示标准电压值/实时电压，U2表示标准温度值/实时温度，U3表示标准振动速率/实时振动速率；
上述步骤中，当电压未对某一电能设备产生影响时，则实时电压一般≈标准电压值，相应的标准电压值/实时电压≈1；基于此，若温度未对某一电能设备产生影响时，标准温度值/实时温度≈1；若振动速率未对某一电能设备产生影响时，标准振动速率/实时振动速率≈1；
S330、获取能耗变化曲线中出现用电能耗不稳定的3N个时间节点，分别捕捉所述各个时间节点的设备状态值S，构建某一电能设备的设备损耗模型Q=σ*∑(S-6N)，其中σ表示设备损耗参数。
S400、根据设备损耗模型自适应控制某一电能设备进行设备切换时的工作性能状态；
在S400中，具体步骤如下：
S410、获取某一电能设备的设备损耗值Q，当满足|Q/U1-Q|>μ时，判定某一电能设备进行设备切换时发生电压异常波动；当满足|Q/U2-Q|>μ时，判定某一电能设备进行设备切换时发生温度异常；当满足|Q/U3-Q|>μ时，判定某一电能设备进行设备切换时发生振动速率异常；其中μ表示损耗差值阈值；
S420、根据判断的结果自适应控制某一电能设备进行设备切换时的设备运行参数：当判定电压异常波动时，调节某一电能设备的电压；当判定温度异常时，调节某一电能设备的温度；当判定振动速率异常时，调节某一电能设备的振动速率。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的电能设备能耗数据动态监管方法，其特征在于：包括以下步骤：
S100、采集智能监控平台中各电能设备的历史工作记录，当某一电能设备进行设备切换时，捕捉某一电能设备的目标切换设备和在设定时间段内某一电能设备的实时用电量，分析切换过程中某一电能设备的能耗是否异常；
S200、 若判断某一电能设备的能耗异常，则根据历史工作记录分别确认某一电能设备的历史耗电效率和对应目标切换设备的种类，分析某一电能设备的重要程度；
S300、根据某一电能设备能耗异常的工作周期分析影响某一电能设备能耗的影响因素，并根据影响因素构建某一电能设备的设备损耗模型；
S400、根据设备损耗模型自适应控制某一电能设备进行设备切换时的工作性能状态。
2.根据权利要求1所述的一种基于大数据的电能设备能耗数据动态监管方法，其特征在于：在S100中，具体步骤如下：
S110、当智能监控平台中某一电能设备a1切换连接至目标切换设备a2时，获取某一电能设备a1在设定时间段内的实时用电量，并以设定时间段内各时间节点为横坐标，实时用电量为纵坐标形成某一电能设备a1的能耗变化曲线；
S120、获取能耗变化曲线中任意三个相邻时间节点的坐标值(x1,y1)、(x2,y2)和(x3,y3)，分别计算得到第一、二个坐标值之间的斜率值K1=(y2-y1)/(x2-x1)和第二、三个坐标值之间的斜率值K2=(y3-y2)/(x3-x2)；当|K1|+|K2|大于斜率阈值ɑ1时，若两个斜率的夹角余弦值小于设定阈值ɑ2，判断某一电能设备a1在时间段x1～x3时的用电能耗不稳定；
S130、获取能耗变化曲线中出现用电能耗不稳定的N个时间段，并依次计算N个时间段中各相邻时间段之间的时间间隔t，则根据时间间隔t得到某一电能设备在设定时间段内的异常程度Y=ɡ1*∑N-1t；其中ɡ1表示某一电能设备的N个时间段长度总和和设定时间段之间的比值。
3.根据权利要求2所述的一种基于大数据的电能设备能耗数据动态监管方法，其特征在于：在S200中，具体步骤如下：
S210、若某一电能设备的异常程度Y大于异常阈值β，则判定某一电能设备的能耗发生异常；基于此，将某一电能设备由连接某一目标切换设备到切换连接至另一目标切换设备的记录作为某一电能设备的一个工作周期，根据某一电能设备的历史工作记录分别获取各个工作周期中目标切换设备的工作参数数据，并将不同工作周期中，工作参数数据之间相似度大于相似阈值γ的目标切换设备分为一类，得到目标切换设备的种类M；
S220、根据某一电能设备的各个工作周期，捕捉任意工作周期中某一电能设备实时耗电量=0的各个时间节点，筛选出由各连续时间节点组成的时间长度最长的时间段，确认由相应的时间段长度为T1，则根据各个工作周期的时间长度T确认某一电能设备的历史耗电效率1/P=H/∑H[T1/(T-T1-f)]，其中，H表示某一电能设备工作周期的数量，f表示设定时间段的时间长度；
S230、通过根据目标切换设备的种类M和某一电能设备的历史耗电效率1/P，计算得到某一电能设备的重要程度Z=ɡ2*M/P，其中ɡ2表示某一电能设备的目标切换设备种类在所有电能设备中的占比，则当重要程度Z大于重要阈值z1时，表示某一电能设备的能耗异常超过智能监控平台的可控范围需及时进行调整。
4.根据权利要求3所述的一种基于大数据的电能设备能耗数据动态监管方法，其特征在于：在S300中，具体步骤如下：
S310、获取某一电能设备连接至目标切换设备a2时的标准性能参数，其中标准性能参数包括标准电压值、标准温度值和标准振动速率；获取设定时间段内某一电能设备在各时间节点上的运行参数，其中运行参数包括某一电能设备的实时电压、温度和振动速率；
S320、分别对标准电压值/实时电压、标准温度值/实时温度和标准振动速率/实时振动速率进行加权分别得到各个时间节点上某一电能设备的的设备状态值S=f*(U1+U2+U3)；其中f表示设备状态权重，U1表示标准电压值/实时电压，U2表示标准温度值/实时温度，U3表示标准振动速率/实时振动速率；
S330、获取能耗变化曲线中出现用电能耗不稳定的3N个时间节点，分别捕捉所述各个时间节点的设备状态值S，构建某一电能设备的设备损耗模型Q=σ*∑(S-6N)，其中σ表示设备损耗参数。
5.根据权利要求4所述的一种基于大数据的电能设备能耗数据动态监管方法，其特征在于：在S400中，具体步骤如下：
S410、获取某一电能设备的设备损耗值Q，当满足|Q/U1-Q|>μ时，判定某一电能设备进行设备切换时发生电压异常波动；当满足|Q/U2-Q|>μ时，判定某一电能设备进行设备切换时发生温度异常；当满足|Q/U3-Q|>μ时，判定某一电能设备进行设备切换时发生振动速率异常；其中μ表示损耗差值阈值；
S420、根据判断的结果自适应控制某一电能设备进行设备切换时的设备运行参数。
6.用于实现权利要求1-5中任一项所述的一种基于大数据的电能设备能耗数据动态监管方法的电能设备能耗数据动态监管***，其特征在于：所述***包括：数据采集模块、异常分析模块、智能判断模块、损耗构建模块和自适应管理模块；
通过所述数据采集模块采集智能监控平台中某一电能设备的历史工作记录、目标切换设备和实时用电量；
通过所述异常分析模块分析切换过程中某一电能设备的能耗是否异常；
通过所述智能判断模块分析某一电能设备的重要程度，判断是否需要进行性能调整；
通过所述损耗构建模块根据影响因素构建某一电能设备的设备损耗模型；
通过所述自适应管理模块自适应控制某一电能设备进行设备切换时的工作性能状态。
7.根据权利要求6所述的电能设备能耗数据动态监管***，其特征在于：所述数据采集模块包括历史记录采集单元、切换设备采集单元和用电采集单元；
所述历史记录采集单元用于采集智能监控平台中某一电能设备的历史工作记录；所述切换设备采集单元用于当某一电能设备进行设备切换时，捕捉某一电能设备的目标切换设备；所述用电采集单元用于采集在设定时间段内某一电能设备的实时用电量。
8.根据权利要求6所述的电能设备能耗数据动态监管***，其特征在于：所述异常分析模块包括曲线分析单元和异常分析单元；
所述曲线分析单元用于根据由实时用电量得到的能耗变化曲线分析电能设备的用电能耗稳定性；所述异常分析单元用于利用用电能耗不稳定的各个时间段间隔确认某一电能设备在设定时间段内的异常程度。
9.根据权利要求6所述的电能设备能耗数据动态监管***，其特征在于：所述智能判断模块包括种类分析单元、能耗分析单元和智能判断单元；
所述种类分析单元用于根据工作周期中目标切换设备的工作参数数据确认目标切换设备的种类数量；所述能耗分析单元用于根据工作周期的时间长度和耗电量为0的时间长度确认某一电能设备的历史耗电效率；所述智能判断单元用于根据目标切换设备的种类数量和某一电能设备的历史耗电效率判断某一电能设备是否需要进行性能调整。
10.根据权利要求6所述的电能设备能耗数据动态监管***，其特征在于：所述损耗构建模块包括参数获取单元和模型构建单元；
所述参数获取单元用于获取某一电能设备连接至目标切换设备时的标准性能参数和各时间节点的实时电能参数；所述模型构建单元用于根据设备状态值构建某一电能设备的设备损耗模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410330900.6A CN117932522A (zh) | 2024-03-22 | 2024-03-22 | 一种基于大数据的电能设备能耗数据动态监管方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410330900.6A CN117932522A (zh) | 2024-03-22 | 2024-03-22 | 一种基于大数据的电能设备能耗数据动态监管方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117932522A true CN117932522A (zh) | 2024-04-26 |
Family
ID=90754181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410330900.6A Pending CN117932522A (zh) | 2024-03-22 | 2024-03-22 | 一种基于大数据的电能设备能耗数据动态监管方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117932522A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115085381A (zh) * | 2022-06-30 | 2022-09-20 | 深圳蓝奥声科技有限公司 | 用电异常监控方法、装置及*** |
| CN117312763A (zh) * | 2023-11-30 | 2023-12-29 | 青岛斑科变频技术有限公司 | 一种基于云平台的变频家电性能可视化监管***及方法 |
| CN117498555A (zh) * | 2023-11-07 | 2024-02-02 | 广东格林赛福能源科技有限公司 | 一种基于云边融合的储能电站智能运维*** |
-
2024
- 2024-03-22 CN CN202410330900.6A patent/CN117932522A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115085381A (zh) * | 2022-06-30 | 2022-09-20 | 深圳蓝奥声科技有限公司 | 用电异常监控方法、装置及*** |
| CN117498555A (zh) * | 2023-11-07 | 2024-02-02 | 广东格林赛福能源科技有限公司 | 一种基于云边融合的储能电站智能运维*** |
| CN117312763A (zh) * | 2023-11-30 | 2023-12-29 | 青岛斑科变频技术有限公司 | 一种基于云平台的变频家电性能可视化监管***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及*** | |
| CN115296422B (zh) | 基于大数据的电力电缆运行状态监测管控***及方法 | |
| CN112162849A (zh) | 云与边缘计算协同的装备智能管控***及方法 | |
| CN111795488A (zh) | 一种分布式机房温度的智能调控***及方法 | |
| CN111741073A (zh) | 基于5g通信网络的电力数据传输*** | |
| CN113032157B (zh) | 一种服务器自动智能扩缩容方法及*** | |
| CN112670999B (zh) | 一种基于用户侧灵活资源的低压配电网实时电压控制方法 | |
| CN110729718A (zh) | 一种基于日负荷曲线的行业用户开工监测方法 | |
| CN113723773A (zh) | 一种基于大数据分析的电能决策*** | |
| CN116055419A (zh) | 面向工业的物联网云边协同传输控制方法与流程 | |
| CN116633265A (zh) | 一种基于人工智能的太阳能光伏电能存储监管*** | |
| CN116974768A (zh) | 一种基于深度学习的算力调度方法 | |
| CN117312763B (zh) | 一种基于云平台的变频家电性能可视化监管***及方法 | |
| CN112954021B (zh) | 基于多设备数据的唤醒调节处理方法及装置 | |
| CN117932522A (zh) | 一种基于大数据的电能设备能耗数据动态监管方法及*** | |
| CN117833360A (zh) | 基于分布式架构的构网型变流器控制方法及*** | |
| CN112907911A (zh) | 一种基于设备工艺数据的智能异常识别与报警算法 | |
| CN111914000A (zh) | 一种基于功耗预测模型的服务器功率封顶方法、*** | |
| CN116009680A (zh) | 基于数据中心节能***的能耗溯源方法、存储介质及设备 | |
| CN115392684A (zh) | 一种基于带外方式的数据机房碳排放监控***及方法 | |
| CN114912638A (zh) | 一种有效运行参数上报的数字电缆 | |
| CN114904655A (zh) | 一种单电场节能控制方法及装置 | |
| CN110532597B (zh) | 基于压力轨迹预测和时间节点的空压机组调配***及方法 | |
| CN117505074B (zh) | 一种基于节能分析的电除尘控制方法及*** | |
| CN116707141B (zh) | 一种电力运行数据分析方法及*** |
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 |