CN118278620A - 基础设施电能消耗监测与管理*** - Google Patents
基础设施电能消耗监测与管理*** Download PDFInfo
- Publication number
- CN118278620A CN118278620A CN202410682874.3A CN202410682874A CN118278620A CN 118278620 A CN118278620 A CN 118278620A CN 202410682874 A CN202410682874 A CN 202410682874A CN 118278620 A CN118278620 A CN 118278620A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- unit
- module
- saving
- 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 53
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 230000006872 improvement Effects 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 238000005457 optimization Methods 0.000 claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000003745 diagnosis Methods 0.000 claims abstract description 26
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims description 61
- 238000004422 calculation algorithm Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 42
- 230000008901 benefit Effects 0.000 claims description 32
- 238000007726 management method Methods 0.000 claims description 23
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 11
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000013079 data visualisation Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 claims description 5
- 230000032683 aging Effects 0.000 claims description 4
- 238000007727 cost benefit analysis Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 230000005355 Hall effect Effects 0.000 claims description 3
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000012761 high-performance material Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及能源管理技术领域，具体涉及基础设施电能消耗监测与管理***，包括能源数据采集模块、数据融合模块、智能诊断分析模块、节能措施生成模块、预测模拟模块、执行控制模块及用户交互反馈模块；其中，能源数据采集模块：收集基础设施电能使用的各项参数；数据融合模块：数据进行融合，以形成能源综合数据集；智能诊断分析模块：分析能源消耗的异常情况及效率问题点；节能措施生成模块：生成节能改进措施和优化策略。本发明，通过实现能源消耗的实时监测、深度分析及智能优化，显著提高了能源使用效率，降低了运营成本，并提升了用户体验和管理智能化水平，为促进能源节约和提升能源管理效率提供了高效的解决方案。
Description
技术领域
本发明涉及能源管理技术领域，尤其涉及基础设施电能消耗监测与管理***。
背景技术
目前，特高压配电站的能耗和运维成本较高，传统的能源管理***面临着能源利用效率低下和运营成本高昂的挑战，为此，通过采用革新的节能技术和使用节能设备，推动配电站建设向智能化、自动化转型，成为提升能源利用效率和实现碳排放降低的重要途径。
然而，现有的技术在提高配电站能源利用效率、实现节能减排方面仍面临诸多挑战，一方面，如何在不影响配电站正常运行和服务质量的前提下，有效降低能耗和碳排放，是技术改进需要解决的关键问题，另一方面，配电站的智能化改造和节能设备的应用需要综合多种技术手段，包括高效的能源管理***、智慧配电技术和自动化的节能***等，以确保配电站能在实现碳减排的同时，还能降低运维成本，提升运营效率。
此外，被动式超低能耗建筑的发展和智慧管廊的建设，作为特高压配电站节能减排的有效措施，亦面临技术和实施上的难题，如何通过优化建筑设计、采用高性能材料以及实现建筑的高气密性，有效降低建筑的能耗；以及如何利用智能监控单元实时监测管廊情况，进一步提升配电站的能效和安全性，是当前技术发展需要重点关注的问题。
因此，本发明旨在提供一种集成化的智能化节能管理***，以解决特高压配电站在实现全面电气化、降低碳排放过程中遇到的技术难题，促进配电站的节能减排和智能化转型。
发明内容
基于上述目的，本发明提供了基础设施电能消耗监测与管理***。
基础设施电能消耗监测与管理***，包括能源数据采集模块、数据融合模块、智能诊断分析模块、节能措施生成模块、预测模拟模块、执行控制模块及用户交互反馈模块；其中，
能源数据采集模块：用于实时收集基础设施电能使用的各项参数，包括电流、电压、功率及时间的数据；
数据融合模块：接收能源数据采集模块的数据，并与历史数据库中的数据进行融合，以形成能源综合数据集；
智能诊断分析模块：接收能源综合数据集，并通过预设的算法分析能源消耗的异常情况及效率问题点，并将分析结果以及识别出的效率问题点传递给节能措施生成模块；
节能措施生成模块：根据智能诊断分析模块提供的问题点和异常情况结果，生成具体的节能改进措施和优化策略；
预测模拟模块：基于节能措施生成模块提出的改进措施和优化策略，通过模拟计算预测对能源效率的改进效果和带来的经济效益，预测结果将用于指导执行控制模块进行实际操作；
执行控制模块：根据预测模拟模块提供的预测结果，调整基础设施的运行参数，实施节能优化措施；
用户交互反馈模块：向用户提供***运行状态、节能效果预测和实际执行效果的实时反馈，同时用于接收用户的输入和反馈，以优化***性能和用户体验。
进一步的，所述能源数据采集模块包括电流传感器、电压传感器、功率传感器及时间同步单元；其中，
电流传感器：用于实时测量并记录基础设施中各预设点的电流值，具体采用霍尔效应传感器，能在不直接接触电路的情况下，通过电流产生的磁场来测量电流大小；
电压传感器：用于实时测量基础设施中的电压值，该电压传感器能够将高电压信号转换为低电压信号，并保持原信号的比例关系；
功率传感器：结合电流传感器和电压传感器的测量结果，通过内置的微处理器计算得到实时功率值，该传感器采用功率计算公式P=VIcosφ，其中，V代表电压值，I代表电流值，cosφ代表功率因数，以实现对基础设施电能使用的实时功率监测；
时间同步单元：用于确保所有传感器收集的数据均带有统一的时间戳，该时间同步单元将对采集到的电流、电压和功率数据进行时间同步，保证数据分析的时序准确性和一致性。
进一步的，所述数据融合模块包括数据接收单元、历史数据对比单元、数据整合单元及数据融合处理单元；
数据接收单元：用于从能源数据采集模块接收实时能源使用参数，包括电流、电压、功率及时间数据；
历史数据对比单元：将接收到的实时数据与存储在***历史数据库中的能源使用数据进行对比分析，识别数据趋势和模式变化；
数据整合单元：基于实时数据与历史数据的对比分析结果，筛选和处理相关数据，去除噪声，填补数据缺失部分，以确保数据的完整性和准确性；
数据融合处理单元：应用数据融合算法，将整合后的实时数据与历史数据进行融合，应用数据融合算法具体为卡尔曼滤波算法，通过预测当前状态和测量噪声的协方差，对实时数据和历史数据进行加权更新，以形成能源综合数据集。
进一步的，所述智能诊断分析模块包括数据预处理单元、模式识别单元、异常检测单元及结果传输单元；其中，
数据预处理单元：用于对接收到的能源综合数据集进行标准化、归一化处理以及缺失值处理，确保数据质量符合后续分析需求；
模式识别单元：应用支持向量机算法对处理后的能源综合数据集进行学***面，以最大化不同消耗模式之间的间隔，从而对数据的分类或预测；
异常检测单元：基于模式识别单元识别的消耗模式，使用预设的孤立森林异常检测算法分析和识别能源消耗的异常情况及效率问题点，具体通过计算数据点与正常消耗模式的偏差，识别出偏离正常模式的数据点，指示潜在的异常或效率问题；
结果传输单元：用于将智能诊断分析模块识别出的异常情况及效率问题点，以及相应的分析结果，通过预设的数据接口传递给节能措施生成模块。
进一步的，所述异常检测单元中使用预设的孤立森林异常检测算法分析和识别能源消耗的异常情况及效率问题点的具体步骤包括：
构建孤立树：孤立森林算法通过随机选择特征和随机选择该特征的切分值来递归地分割数据空间，构建多棵孤立树，每次分割都将数据空间分为两个子空间，直到每个子空间只包含一个数据点或达到预设的最大树深度；
计算样本点的异常分数：对于每个数据点，通过计算在孤立树中的平均路径长度来评估其异常程度，路径长度较短的点被认为是异常点，数据点的异常分数将通过以下公式计算：，其中，是数据点在所有孤立树上的路径长度的平均值，是样本数量，是在当前样本数量下的平均不成功搜索长度，在二叉搜索树中，通过以下公式近似计算：
，其中，是调和数；
标识异常点：通过设定阈值，当数据点的异常分数大于这个阈值时，认为该数据点是异常的。
进一步的，所述节能措施生成模块包括问题点分析单元、措施生成单元及策略优化单元；其中，
问题点分析单元：用于接收智能诊断分析模块提供的效率问题点和异常情况结果，通过综合分析问题点的根本原因，确定影响能效的关键因素，该单元具体采用决策树算法对问题进行分类和优先级排序，以确定解决方案的优先顺序；
措施生成单元：根据问题点分析单元的输出，生成具体的节能改进措施，具体措施包括设备维修或更换，针对由于设备老化造成的能效低下问题；能源使用调度优化，针对不合理能源分配导致的浪费；行为管理和培训，针对操作失误造成的额外能耗；
策略优化单元：依据措施生成单元提出的改进措施，优化节能策略，确保实施的可行性和效果最大化，具体应用多目标优化算法来平衡节能效果和实施成本，以制定出最优的节能策略；
结果传输单元：用于将节能措施和优化策略的分析结果及建议，通过预设的数据接口传递给执行控制模块，为实施节能优化措施提供决策支持。
进一步的，所述预测模拟模块具体包括改进措施模拟单元、经济效益分析单元及预测结果输出单元；其中，
改进措施模拟单元：用于接收节能措施生成模块提出的改进措施和优化策略，并应用***动力学模型或能源消耗模型进行模拟计算，通过模型模拟，计算各项改进措施实施后对基础设施电能效率的潜在影响，模拟计算公式表示为：
，其中，为实施改进措施后的预测电能效率，表示为单位时间内的能耗减少量或效率提升量；为当前的电能效率，指在未实施改进措施前，基础设施单位时间内的能耗或效率水平；为第项改进措施预计能带来的电能效率提升量，表示该措施实施后能耗的预期减少值或效率的提升值；为改进措施的总数，表示计划实施的节能措施数量；
经济效益分析单元：基于改进措施模拟单元的模拟结果，该单元分析改进措施的经济效益，包括成本节约和投资回报率，经济效益的计算公式为：
，其中，为投资回报率，用于衡量改进措施实施后的经济效益；为第年的节约成本；为实施该措施的成本，包括改进措施的设备投资、安装调试、人员培训的直接成本；为贴现率，用于将未来的节约成本折现到当前价值的比率；为初始投资额；为评估时间周期；
预测结果输出单元：用于整合改进措施模拟单元和经济效益分析单元的分析结果，形成综合的预测报告，该报告用于展示实施节能措施后预计能达到的电能效率提升和经济效益，为决策者提供科学依据。
进一步的，所述执行控制模块包括参数调整单元、措施实施单元及效果验证单元；其中，
参数调整单元：用于根据预测模拟模块提供的预测结果，自动调整基础设施的运行参数以实施节能优化措施，具体通过PID控制算法来调整设备运行的各项参数，包括调温、调湿、照明控制和动力***调整，该PID控制算法的公式为：，其中，为控制器输出，即调整量；为设定点与实际输出值之间的偏差；、、和分别为比例、积分、微分控制器的增益，为时间；
措施实施单元：接收参数调整单元的输出，实际应用调整后的参数到相应的设备或***中，以实现节能目标，具体利用现场总线技术与设备进行通信，确保节能措施的正确实施；
效果验证单元：在节能措施实施后，监测并分析实际节能效果与预测模拟模块预测结果的偏差，验证节能优化措施的有效性，该效果验证单元具体采用实时数据分析技术，通过收集实施措施前后的能耗数据，计算节能率和节能量，以评估节能措施的实际效果。
进一步的，所述用户交互反馈模块包括状态展示单元、效果预测反馈单元、执行效果反馈单元和用户输入处理单元；其中，
状态展示单元：用于向用户实时展示***的运行状态，包括当前的能源消耗水平、运行中的节能措施和***警告信息；
效果预测反馈单元：基于预测模拟模块的输出，向用户展示改进措施和优化策略的预测节能效果及其经济效益，应用数据可视化技术，包括趋势线图和ROI计算结果的柱状图，向用户清晰地展示预期节能效果和成本效益分析；
执行效果反馈单元：向用户提供节能措施实施后的实际效果反馈，具体通过对比实施前后的能源消耗数据、节能效率和经济效益，使用折线图和对比分析表格，直观地展示节能成果和实施效率；
用户输入处理单元：用于接收用户的输入和反馈，包括用户对节能措施的评价、改进建议和自定义参数设置，具体采用交互式表单和反馈界面，通过收集用户输入来优化***性能和用户体验。
本发明的有益效果：
本发明，通过能源数据采集模块的实时数据收集、智能诊断分析模块的深度分析以及节能措施生成模块的策略优化，本发明能够有效识别和降低能源浪费，提升能源使用效率，特别是，通过预测模拟模块的前瞻性分析，本发明能够提前预判并优化节能措施，确保能源使用的最优化。
本发明，通过精确的能源管理和优化，显著减少了不必要的能源浪费，为企业和用户降低了运营成本，通过执行控制模块的精准实施和效果验证，保证了节能措施的实际效果，进一步确保了成本的有效节约。
本发明，通过用户交互反馈模块的设计使得用户能够实时了解能源使用情况和节能效果，增强了用户的参与感和满意度，同时，本发明的整体设计兼顾了***的自动化和智能化，从数据收集、分析到措施执行的每一个环节都体现了高度的智能化管理，提升了能源管理的效率和科技含量。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的电能消耗监测与管理***示意图；
图2为本发明实施例的能源数据采集模块示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
如图1和图2所示，基础设施电能消耗监测与管理***，包括能源数据采集模块、数据融合模块、智能诊断分析模块、节能措施生成模块、预测模拟模块、执行控制模块及用户交互反馈模块；其中，
能源数据采集模块：用于实时收集基础设施电能使用的各项参数，包括电流、电压、功率及时间的数据；
数据融合模块：接收能源数据采集模块的数据，并与历史数据库中的数据进行融合，以形成能源综合数据集；
智能诊断分析模块：接收能源综合数据集，并通过预设的算法分析能源消耗的异常情况及效率问题点，并将分析结果以及识别出的效率问题点传递给节能措施生成模块；
节能措施生成模块：根据智能诊断分析模块提供的问题点和异常情况结果，生成具体的节能改进措施和优化策略；
预测模拟模块：基于节能措施生成模块提出的改进措施和优化策略，通过模拟计算预测对能源效率的改进效果和带来的经济效益，预测结果将用于指导执行控制模块进行实际操作；
执行控制模块：根据预测模拟模块提供的预测结果，调整基础设施的运行参数，实施节能优化措施；
用户交互反馈模块：向用户提供***运行状态、节能效果预测和实际执行效果的实时反馈，同时用于接收用户的输入和反馈，以优化***性能和用户体验。
能源数据采集模块包括电流传感器、电压传感器、功率传感器及时间同步单元；其中，
电流传感器：用于实时测量并记录基础设施中各预设点的电流值，具体采用霍尔效应传感器，能在不直接接触电路的情况下，通过电流产生的磁场来测量电流大小，确保了测量的安全性和准确性；
电压传感器：用于实时测量基础设施中的电压值，该电压传感器能够将高电压信号转换为低电压信号，并保持原信号的比例关系，便于后续的数据处理和分析；
功率传感器：结合电流传感器和电压传感器的测量结果，通过内置的微处理器计算得到实时功率值，该传感器采用功率计算公式P=VIcosφ，其中，V代表电压值，I代表电流值，cosφ代表功率因数，以实现对基础设施电能使用的实时功率监测；
时间同步单元：用于确保所有传感器收集的数据均带有统一的时间戳，该时间同步单元将对采集到的电流、电压和功率数据进行时间同步，保证数据分析的时序准确性和一致性；
通过上述组成部分，能源数据采集模块能够精确、实时地收集基础设施电能使用的关键参数，包括电流、电压、功率及具体的时间信息，为***提供准确的能源使用数据，该模块的设计既保证了数据采集的全面性和精确性。
数据融合模块包括数据接收单元、历史数据对比单元、数据整合单元及数据融合处理单元；
数据接收单元：用于从能源数据采集模块接收实时能源使用参数，包括电流、电压、功率及时间数据；
历史数据对比单元：将接收到的实时数据与存储在***历史数据库中的能源使用数据进行对比分析，识别数据趋势和模式变化；
数据整合单元：基于实时数据与历史数据的对比分析结果，筛选和处理相关数据，去除噪声，填补数据缺失部分，以确保数据的完整性和准确性；
数据融合处理单元：应用数据融合算法，将整合后的实时数据与历史数据进行融合，应用数据融合算法具体为卡尔曼滤波算法，通过预测当前状态和测量噪声的协方差，对实时数据和历史数据进行加权更新，以形成能源综合数据集，卡尔曼滤波算法公式表示为，其中，是当前估计状态，是前一状态的预测，是卡尔曼增益，是当前观测值，是观测模型，通过此方法，数据融合模块能够有效地将实时数据与历史数据结合，形成一个全面、准确的能源综合数据集，为后续的智能诊断分析提供坚实的数据基础。
智能诊断分析模块包括数据预处理单元、模式识别单元、异常检测单元及结果传输单元；其中，
数据预处理单元：用于对接收到的能源综合数据集进行标准化、归一化处理以及缺失值处理，确保数据质量符合后续分析需求，该单元通过诸如最小-最大标准化方法将数据转换到特定的范围内，提高算法的处理效率和准确性；
模式识别单元：应用支持向量机算法对处理后的能源综合数据集进行学***面，以最大化不同消耗模式之间的间隔，从而对数据的分类或预测，具体计算公式和参数定义如下：
支持向量机通过以下优化问题定义分类超平面：其中，代表超平面的法向量，是偏置项，是松弛变量，表示第个数据点距离分类边界的距离，是正则化参数，控制错误分类的惩罚程度；
对于每个数据点，其中代表能源消耗的特征向量(例如归一化的电流、电压、功率值等)，是数据点的标签(表示不同的消耗模式)，分类决策由以下函数给出：，其中，为分类决策函数，用于表示对输入数据点的分类结果，为训练数据点的数量，为第个训练数据点的标签，表示分类类别（例如+1或-1），是符号函数，是拉格朗日乘子，是核函数，用于将原始特征空间映射到更高维的空间，以处理非线性问题，常用的核函数包括线性核、多项式核、径向基函数（RBF）核等；在本发明中，可以选择RBF核作为核函数，其表达式为：
其中，是核函数的参数，控制映射到新空间中的分布范围；
异常检测单元：基于模式识别单元识别的消耗模式，使用预设的孤立森林异常检测算法分析和识别能源消耗的异常情况及效率问题点，具体通过计算数据点与正常消耗模式的偏差，识别出偏离正常模式的数据点，指示潜在的异常或效率问题；
结果传输单元：用于将智能诊断分析模块识别出的异常情况及效率问题点，以及相应的分析结果，通过预设的数据接口传递给节能措施生成模块。
异常检测单元中使用预设的孤立森林异常检测算法分析和识别能源消耗的异常情况及效率问题点的具体步骤包括：
构建孤立树：孤立森林算法通过随机选择特征和随机选择该特征的切分值来递归地分割数据空间，构建多棵孤立树，每次分割都将数据空间分为两个子空间，直到每个子空间只包含一个数据点或达到预设的最大树深度；
计算样本点的异常分数：对于每个数据点，通过计算在孤立树中的平均路径长度来评估其异常程度，路径长度较短的点被认为是异常点，数据点的异常分数将通过以下公式计算：，其中，是数据点在所有孤立树上的路径长度的平均值，是样本数量，是在当前样本数量下的平均不成功搜索长度，在二叉搜索树中，通过以下公式近似计算：
，其中，是调和数，近似为(欧拉常数)；
标识异常点：通过设定阈值，比如0.5，当数据点的异常分数大于这个阈值时，认为该数据点是异常的；
通过孤立森林算法，异常检测单元能够有效地识别出与大多数能源消耗模式显著不同的异常情况和效率问题点，从而为后续的节能措施提供准确的目标指向，此方法之所以适用于能源数据，是因为它不依赖于数据的分布假设，且对高维数据有很好的适应性，特别适合处理电能消耗数据中的稀有事件和异常情况。
节能措施生成模块包括问题点分析单元、措施生成单元及策略优化单元；其中，
问题点分析单元：用于接收智能诊断分析模块提供的效率问题点和异常情况结果，通过综合分析问题点的根本原因，如设备老化、不合理的能源分配、操作失误等，确定影响能效的关键因素，该单元具体采用决策树算法对问题进行分类和优先级排序，以确定解决方案的优先顺序，决策树是树形结构算法，其中每个内部节点代表一个属性上的测试，每个分支代表测试的结果，树的每个叶节点代表一种类别，应用决策树算法可以具体表示为：
选择最优属性：利用信息增益或基尼不纯度等指标来选择最优的***属性，信息增益计算公式为：，其中，是数据集，是属性，Values是属性的所有可能值，是属性上值为的子集，Entropy是数据集的摘；
构建决策树：对选定的属性进行***，生成决策树的节点，然后递归地应用以上步骤，为每个分支构建子树；通过这种方式，问题点分析单元可以将复杂的能效问题点细化，识别出最根本的原因，并将其归类到影响能效的关键因素；
措施生成单元：根据问题点分析单元的输出，生成具体的节能改进措施，具体措施包括设备维修或更换，针对由于设备老化造成的能效低下问题；能源使用调度优化，针对不合理能源分配导致的浪费；行为管理和培训，针对操作失误造成的额外能耗，为每种问题定制具体的解决措施，并结合成本效益分析确定最优方案；
策略优化单元：依据措施生成单元提出的改进措施，优化节能策略，确保实施的可行性和效果最大化，具体应用多目标优化算法来平衡节能效果和实施成本，以制定出最优的节能策略，多目标优化问题将定义为寻找一组解，这些解能在满足一定约束条件下使得多个目标函数达到最优，在本模块中，可以用以下形式表达：
定义目标函数：定义节能效果和实施成本为两个需要优化的目标函数，我们的目标是最大化节能效果同时最小化成本，可以表示为：和，，其中，是决策变量，代表成本，代表节能效果的负值(因为我们希望最大化节能效果，所以取其负值作为优化目标)；
应用优化算法：利用诸如NSGA-II(非支配排序的遗传算法II)这样的多目标优化算法来解决上述优化问题，NSGA-II通过构建一个非支配排序的解集，同时考虑多个目标的优化，找到最佳的平衡点，即所谓的帕累托前沿；通过多目标优化算法，策略优化单元能够在考虑实施成本和节能效果的同时，找到一组最优的解决方案，从而为实施节能措施提供科学依据和指导；
结果传输单元：用于将节能措施和优化策略的分析结果及建议，通过预设的数据接口传递给执行控制模块，为实施节能优化措施提供决策支持。
预测模拟模块具体包括改进措施模拟单元、经济效益分析单元及预测结果输出单元；其中，
改进措施模拟单元：用于接收节能措施生成模块提出的改进措施和优化策略，并应用***动力学模型或能源消耗模型进行模拟计算，通过模型模拟，计算各项改进措施实施后对基础设施电能效率的潜在影响，模拟计算公式表示为：
，其中，为实施改进措施后的预测电能效率，表示为单位时间内的能耗减少量或效率提升量；为当前的电能效率，指在未实施改进措施前，基础设施单位时间内的能耗或效率水平；为第项改进措施预计能带来的电能效率提升量，表示该措施实施后能耗的预期减少值或效率的提升值；为改进措施的总数，表示计划实施的节能措施数量；
经济效益分析单元：基于改进措施模拟单元的模拟结果，该单元分析改进措施的经济效益，包括成本节约和投资回报率，经济效益的计算公式为：
，其中，为投资回报率，用于衡量改进措施实施后的经济效益，表示为节约成本与初始投资的比例；为第年的节约成本，指通过实施改进措施而节省的运营成本或能耗成本；为实施该措施的成本，包括改进措施的设备投资、安装调试、人员培训的直接成本；为贴现率，用于将未来的节约成本折现到当前价值的比率，反映了时间价值和投资风险；为初始投资额，表示实施所有改进措施所需的总投资成本；为评估时间周期，指从改进措施实施开始到达到稳定节能效果的时间跨度，通常以年为单位；
预测结果输出单元：用于整合改进措施模拟单元和经济效益分析单元的分析结果，形成综合的预测报告，该报告用于展示实施节能措施后预计能达到的电能效率提升和经济效益，为决策者提供科学依据。
执行控制模块包括参数调整单元、措施实施单元及效果验证单元；其中，
参数调整单元：用于根据预测模拟模块提供的预测结果，自动调整基础设施的运行参数以实施节能优化措施，具体通过PID控制算法来调整设备运行的各项参数，包括调温、调湿、照明控制和动力***调整，该PID控制算法的公式为：，其中，为控制器输出，即调整量；为设定点与实际输出值之间的偏差；、、和分别为比例、积分、微分控制器的增益，为时间；
措施实施单元：接收参数调整单元的输出，实际应用调整后的参数到相应的设备或***中，如调节空调***的温度设定、照明***的亮度等，以实现节能目标，具体利用现场总线技术(如Modbus、BACnet等)与设备进行通信，确保节能措施的正确实施；
效果验证单元：在节能措施实施后，监测并分析实际节能效果与预测模拟模块预测结果的偏差，验证节能优化措施的有效性，该效果验证单元具体采用实时数据分析技术，通过收集实施措施前后的能耗数据，计算节能率和节能量，以评估节能措施的实际效果。
用户交互反馈模块包括状态展示单元、效果预测反馈单元、执行效果反馈单元和用户输入处理单元；其中，
状态展示单元：用于向用户实时展示***的运行状态，包括当前的能源消耗水平、运行中的节能措施和***警告信息，该单元通过图形用户界面（GUI）展示实时数据和***状态，使用图表、仪表盘和实时警报等形式，使信息直观易懂；
效果预测反馈单元：基于预测模拟模块的输出，向用户展示改进措施和优化策略的预测节能效果及其经济效益，应用数据可视化技术，包括趋势线图和ROI计算结果的柱状图，向用户清晰地展示预期节能效果和成本效益分析；
执行效果反馈单元：向用户提供节能措施实施后的实际效果反馈，具体通过对比实施前后的能源消耗数据、节能效率和经济效益，使用折线图和对比分析表格，直观地展示节能成果和实施效率；
用户输入处理单元：用于接收用户的输入和反馈，包括用户对节能措施的评价、改进建议和自定义参数设置，具体采用交互式表单和反馈界面，通过收集用户输入来优化***性能和用户体验；
通过以上各个单元的协同工作，用户交互反馈模块能够全面地向用户提供***的运行状态、节能效果的预测与实际执行效果的实时反馈，同时有效地收集和处理用户的输入和反馈，为持续优化***性能和提升用户体验提供支持，这种设计确保了用户能够实时掌握***状态，及时了解节能措施的实施效果，并通过直接反馈参与***的优化过程，提高了***的透明度和互动性。
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、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 (9)
1.基础设施电能消耗监测与管理***，其特征在于，包括能源数据采集模块、数据融合模块、智能诊断分析模块、节能措施生成模块、预测模拟模块、执行控制模块及用户交互反馈模块；其中，
能源数据采集模块：用于实时收集基础设施电能使用的各项参数，包括电流、电压、功率及时间的数据；
数据融合模块：接收能源数据采集模块的数据，并与历史数据库中的数据进行融合，以形成能源综合数据集；
智能诊断分析模块：接收能源综合数据集，并通过预设的算法分析能源消耗的异常情况及效率问题点，并将分析结果以及识别出的效率问题点传递给节能措施生成模块；
节能措施生成模块：根据智能诊断分析模块提供的问题点和异常情况结果，生成具体的节能改进措施和优化策略；
预测模拟模块：基于节能措施生成模块提出的改进措施和优化策略，通过模拟计算预测对能源效率的改进效果和带来的经济效益，预测结果将用于指导执行控制模块进行实际操作；
执行控制模块：根据预测模拟模块提供的预测结果，调整基础设施的运行参数，实施节能优化措施；
用户交互反馈模块：向用户提供***运行状态、节能效果预测和实际执行效果的实时反馈，同时用于接收用户的输入和反馈，以优化***性能和用户体验。
2.根据权利要求1所述的基础设施电能消耗监测与管理***，其特征在于，所述能源数据采集模块包括电流传感器、电压传感器、功率传感器及时间同步单元；其中，
电流传感器：用于实时测量并记录基础设施中各预设点的电流值，具体采用霍尔效应传感器，能在不直接接触电路的情况下，通过电流产生的磁场来测量电流大小；
电压传感器：用于实时测量基础设施中的电压值，该电压传感器能够将高电压信号转换为低电压信号，并保持原信号的比例关系；
功率传感器：结合电流传感器和电压传感器的测量结果，通过内置的微处理器计算得到实时功率值，该传感器采用功率计算公式P=VIcosφ，其中，V代表电压值，I代表电流值，cosφ代表功率因数，以实现对基础设施电能使用的实时功率监测；
时间同步单元：用于确保所有传感器收集的数据均带有统一的时间戳，该时间同步单元将对采集到的电流、电压和功率数据进行时间同步，保证数据分析的时序准确性和一致性。
3.根据权利要求2所述的基础设施电能消耗监测与管理***，其特征在于，所述数据融合模块包括数据接收单元、历史数据对比单元、数据整合单元及数据融合处理单元；
数据接收单元：用于从能源数据采集模块接收实时能源使用参数，包括电流、电压、功率及时间数据；
历史数据对比单元：将接收到的实时数据与存储在***历史数据库中的能源使用数据进行对比分析，识别数据趋势和模式变化；
数据整合单元：基于实时数据与历史数据的对比分析结果，筛选和处理相关数据，去除噪声，填补数据缺失部分，以确保数据的完整性和准确性；
数据融合处理单元：应用数据融合算法，将整合后的实时数据与历史数据进行融合，应用数据融合算法具体为卡尔曼滤波算法，通过预测当前状态和测量噪声的协方差，对实时数据和历史数据进行加权更新，以形成能源综合数据集。
4.根据权利要求3所述的基础设施电能消耗监测与管理***，其特征在于，所述智能诊断分析模块包括数据预处理单元、模式识别单元、异常检测单元及结果传输单元；其中，
数据预处理单元：用于对接收到的能源综合数据集进行标准化、归一化处理以及缺失值处理，确保数据质量符合后续分析需求；
模式识别单元：应用支持向量机算法对处理后的能源综合数据集进行学***面，以最大化不同消耗模式之间的间隔，从而对数据的分类或预测；
异常检测单元：基于模式识别单元识别的消耗模式，使用预设的孤立森林异常检测算法分析和识别能源消耗的异常情况及效率问题点，具体通过计算数据点与正常消耗模式的偏差，识别出偏离正常模式的数据点，指示潜在的异常或效率问题；
结果传输单元：用于将智能诊断分析模块识别出的异常情况及效率问题点，以及相应的分析结果，通过预设的数据接口传递给节能措施生成模块。
5.根据权利要求4所述的基础设施电能消耗监测与管理***，其特征在于，所述异常检测单元中使用预设的孤立森林异常检测算法分析和识别能源消耗的异常情况及效率问题点的具体步骤包括：
构建孤立树：孤立森林算法通过随机选择特征和随机选择该特征的切分值来递归地分割数据空间，构建多棵孤立树，每次分割都将数据空间分为两个子空间，直到每个子空间只包含一个数据点或达到预设的最大树深度；
计算样本点的异常分数：对于每个数据点，通过计算在孤立树中的平均路径长度来评估其异常程度，路径长度较短的点被认为是异常点，数据点的异常分数将通过以下公式计算：，其中，是数据点在所有孤立树上的路径长度的平均值，是样本数量，是在当前样本数量下的平均不成功搜索长度，在二叉搜索树中，通过以下公式近似计算：
，其中，是调和数；
标识异常点：通过设定阈值，当数据点的异常分数大于这个阈值时，认为该数据点是异常的。
6.根据权利要求5所述的基础设施电能消耗监测与管理***，其特征在于，所述节能措施生成模块包括问题点分析单元、措施生成单元及策略优化单元；其中，
问题点分析单元：用于接收智能诊断分析模块提供的效率问题点和异常情况结果，通过综合分析问题点的根本原因，确定影响能效的关键因素，该单元具体采用决策树算法对问题进行分类和优先级排序，以确定解决方案的优先顺序；
措施生成单元：根据问题点分析单元的输出，生成具体的节能改进措施，具体措施包括设备维修或更换，针对由于设备老化造成的能效低下问题；能源使用调度优化，针对不合理能源分配导致的浪费；行为管理和培训，针对操作失误造成的额外能耗；
策略优化单元：依据措施生成单元提出的改进措施，优化节能策略，确保实施的可行性和效果最大化，具体应用多目标优化算法来平衡节能效果和实施成本，以制定出最优的节能策略；
结果传输单元：用于将节能措施和优化策略的分析结果及建议，通过预设的数据接口传递给执行控制模块，为实施节能优化措施提供决策支持。
7.根据权利要求6所述的基础设施电能消耗监测与管理***，其特征在于，所述预测模拟模块具体包括改进措施模拟单元、经济效益分析单元及预测结果输出单元；其中，
改进措施模拟单元：用于接收节能措施生成模块提出的改进措施和优化策略，并应用***动力学模型或能源消耗模型进行模拟计算，通过模型模拟，计算各项改进措施实施后对基础设施电能效率的潜在影响，模拟计算公式表示为：
，其中，为实施改进措施后的预测电能效率，表示为单位时间内的能耗减少量或效率提升量；为当前的电能效率，指在未实施改进措施前，基础设施单位时间内的能耗或效率水平；为第项改进措施预计能带来的电能效率提升量，表示该措施实施后能耗的预期减少值或效率的提升值；为改进措施的总数，表示计划实施的节能措施数量；
经济效益分析单元：基于改进措施模拟单元的模拟结果，该单元分析改进措施的经济效益，包括成本节约和投资回报率，经济效益的计算公式为：
，其中，为投资回报率，用于衡量改进措施实施后的经济效益；为第年的节约成本；为实施该措施的成本，包括改进措施的设备投资、安装调试、人员培训的直接成本；为贴现率，用于将未来的节约成本折现到当前价值的比率；为初始投资额；为评估时间周期；
预测结果输出单元：用于整合改进措施模拟单元和经济效益分析单元的分析结果，形成综合的预测报告，该报告用于展示实施节能措施后预计能达到的电能效率提升和经济效益，为决策者提供科学依据。
8.根据权利要求7所述的基础设施电能消耗监测与管理***，其特征在于，所述执行控制模块包括参数调整单元、措施实施单元及效果验证单元；其中，
参数调整单元：用于根据预测模拟模块提供的预测结果，自动调整基础设施的运行参数以实施节能优化措施，具体通过PID控制算法来调整设备运行的各项参数，包括调温、调湿、照明控制和动力***调整，该PID控制算法的公式为：，其中，为控制器输出，即调整量；为设定点与实际输出值之间的偏差；、、和分别为比例、积分、微分控制器的增益，为时间；
措施实施单元：接收参数调整单元的输出，实际应用调整后的参数到相应的设备或***中，以实现节能目标，具体利用现场总线技术与设备进行通信，确保节能措施的正确实施；
效果验证单元：在节能措施实施后，监测并分析实际节能效果与预测模拟模块预测结果的偏差，验证节能优化措施的有效性，该效果验证单元具体采用实时数据分析技术，通过收集实施措施前后的能耗数据，计算节能率和节能量，以评估节能措施的实际效果。
9.根据权利要求8所述的基础设施电能消耗监测与管理***，其特征在于，所述用户交互反馈模块包括状态展示单元、效果预测反馈单元、执行效果反馈单元和用户输入处理单元；其中，
状态展示单元：用于向用户实时展示***的运行状态，包括当前的能源消耗水平、运行中的节能措施和***警告信息；
效果预测反馈单元：基于预测模拟模块的输出，向用户展示改进措施和优化策略的预测节能效果及其经济效益，应用数据可视化技术，包括趋势线图和ROI计算结果的柱状图，向用户清晰地展示预期节能效果和成本效益分析；
执行效果反馈单元：向用户提供节能措施实施后的实际效果反馈，具体通过对比实施前后的能源消耗数据、节能效率和经济效益，使用折线图和对比分析表格，直观地展示节能成果和实施效率；
用户输入处理单元：用于接收用户的输入和反馈，包括用户对节能措施的评价、改进建议和自定义参数设置，具体采用交互式表单和反馈界面，通过收集用户输入来优化***性能和用户体验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410682874.3A CN118278620A (zh) | 2024-05-29 | 2024-05-29 | 基础设施电能消耗监测与管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410682874.3A CN118278620A (zh) | 2024-05-29 | 2024-05-29 | 基础设施电能消耗监测与管理*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118278620A true CN118278620A (zh) | 2024-07-02 |
Family
ID=91643613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410682874.3A Pending CN118278620A (zh) | 2024-05-29 | 2024-05-29 | 基础设施电能消耗监测与管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118278620A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117454093A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市晟安瑞电子科技有限公司 | 一种智能电源模块管理方法及*** |
| CN117850494A (zh) * | 2023-12-14 | 2024-04-09 | 深圳本贸科技股份有限公司 | 基于ai算法的数据中心节能控制方法 |
| CN117933660A (zh) * | 2024-01-31 | 2024-04-26 | 福建省中电海峡智能装备研究院 | 基于物联网的能源管理平台 |
| CN117974053A (zh) * | 2024-01-31 | 2024-05-03 | 福建省中电海峡智能装备研究院 | 大数据驱动的节能减排决策支持*** |
-
2024
- 2024-05-29 CN CN202410682874.3A patent/CN118278620A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117850494A (zh) * | 2023-12-14 | 2024-04-09 | 深圳本贸科技股份有限公司 | 基于ai算法的数据中心节能控制方法 |
| CN117454093A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市晟安瑞电子科技有限公司 | 一种智能电源模块管理方法及*** |
| CN117933660A (zh) * | 2024-01-31 | 2024-04-26 | 福建省中电海峡智能装备研究院 | 基于物联网的能源管理平台 |
| CN117974053A (zh) * | 2024-01-31 | 2024-05-03 | 福建省中电海峡智能装备研究院 | 大数据驱动的节能减排决策支持*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fan et al. | A framework for knowledge discovery in massive building automation data and its application in building diagnostics | |
| Xiao et al. | Data mining in building automation system for improving building operational performance | |
| CN110097297A (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
| Serrano-Guerrero et al. | Statistical methodology to assess changes in the electrical consumption profile of buildings | |
| CN116742799A (zh) | 一种基于物联网技术的配电辅助监测预警*** | |
| CN115575584B (zh) | 一种大气环境镉含量监测预警方法及*** | |
| CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
| CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理***及方法 | |
| CN116796043A (zh) | 一种智能园区数据可视化方法及*** | |
| CN117933660A (zh) | 基于物联网的能源管理平台 | |
| CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
| CN117829554A (zh) | 智能感知成品修复决策支持*** | |
| CN118278620A (zh) | 基础设施电能消耗监测与管理*** | |
| CN115864644A (zh) | 一种继电保护装置状态评价方法、***、设备及介质 | |
| CN116739532B (zh) | 一种能源项目管理方法、***、终端设备及存储介质 | |
| CN118089287B (zh) | 一种基于智能算法的冷水机能效优化*** | |
| CN117540330B (zh) | 基于自学习功能的配电柜*** | |
| CN117932519B (zh) | 一种新能源汽车充电站监控*** | |
| CN116760033B (zh) | 一种基于人工智能的实时电力需求预测*** | |
| Hao et al. | Demand forecasting for rush repair spare parts of power equipment using fuzzy C-means clustering and the fuzzy decision tree | |
| CN118096131B (zh) | 一种基于电力场景模型的运维巡检方法 | |
| KR102666880B1 (ko) | 인공지능이 적용된 조립 공정 통합 품질 관리 시스템 | |
| Mendia et al. | An Intelligent Procedure for the Methodology of Energy Consumption in Industrial Environments | |
| CN118273969A (zh) | 基于绿色矿山通风风机运行智能调控*** | |
| Hu et al. | A method for identifying abnormal building energy consumption using fuzzy model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |