用电排程系统以及用电排程方法技术方案

一种用电排程系统以及用电排程方法，用电排程系统包括多个机台、智能机上盒以及制程规划装置。多个机台包括多个电力负载量数据以及多个温度数据。智能机上盒连接于多个机台，用以将多个电力负载量数据以及多个温度数据输入至类神经网络模型中，以产生用电预测结果。制程规划装置用以依据用电预测结果产生多个机台的用电排程。本实施可有效避免多个机台同时进行多个制程时用电量超载的情况，进而控制厂区的用电量及用电费用。厂区的用电量及用电费用。厂区的用电量及用电费用。

【技术实现步骤摘要】
用电排程系统以及用电排程方法


[0001]本揭示中所述实施例内容是有关于一种用电排程系统以及用电排程方法，特别关于一种用电量预测的用电排程系统以及用电排程方法。

技术介绍

[0002]在包含很多机台的厂区，机台设备的用电量极高，一有不慎电力负荷即超过契约须量额度。以往倚赖人工监控，定期巡查或被动关闭其他设备用电，效益待加强。传统上，生产排程只能被动接受用电超载带来的影响，如此，机台设备的生产品质也会受到影响。

技术实现思路

[0003]本揭示的一些实施方式是关于一种用电排程系统，包括多个机台、智能机上盒以及制程规划装置。多个机台包括多个电力负载量数据以及多个温度数据。智能机上盒连接于多个机台，用以将多个电力负载量数据以及多个温度数据输入至类神经网络模型中，以产生用电预测结果。制程规划装置用以依据用电预测结果产生多个机台的用电排程。
[0004]于部分实施例中，还包括：订单装置，用以传送多个客户数据以及多个出货数据至所述制程规划装置，其中所述制程规划装置还用以依据所述用电预测结果、所述多个客户数据以及所述多个出货数据以产生所述多个机台的所述用电排程。
[0005]于部分实施例中，其中所述类神经模型包括二个隐藏层以及一个输出层。
[0006]于部分实施例中，其中所述多个电力负载量数据包括平均负载量参数以及尖峰负载量参数，其中所述多个温度数据包括平均温度参数、最高温度参数以及最低温度参数。
[0007]于部分实施例中，其中所述类神经模型用以产生预测模型，以经由所述预测模型产生所述用电预测结果，所述预测模型为[预计用电量＝第一参数
×
所述平均负载量参数
‑
第二参数
×
所述最高温度参数
×
所述尖峰负载量参数
‑
第三参数
×
所述平均温度参数+第四参数
×
所述最低温度参数
×
所述平均负载量参数+第五参数
×
(所述尖峰负载量参数)
1/2
×
所述平均负载量参数]。
[0008]本揭示的一些实施方式是关于一种用电排程方法，包括以下步骤。由多个机台传送多个机台的多个电力负载量数据以及多个温度数据至智能机上盒。由智能机上盒将多个电力负载量数据以及多个温度数据输入至类神经网络模型中，以产生用电预测结果。由制程规划装置依据用电预测结果产生多个机台的用电排程。
[0009]于部分实施例中，还包括：由订单装置传送多个客户数据以及多个出货数据至所述制程规划装置；以及由所述制程规划装置依据所述用电预测结果、所述多个客户数据以及所述多个出货数据以产生所述多个机台的所述用电排程。
[0010]于部分实施例中，还包括：由所述类神经模型产生预测模型，以经由所述预测模型产生所述用电预测结果。
[0011]于部分实施例中，其中所述预测模型为[预计用电量＝第一参数
×
平均负载量参数
‑
第二参数
×
最高温度参数
×
尖峰负载量参数
‑
第三参数
×
平均温度参数+第四参数
×
最
低温度参数
×
所述平均负载量参数+第五参数
×
(尖峰负载量参数)
1/2
×
平均负载量参数]。
[0012]于部分实施例中，其中7.21≦第一参数≦8.81，18.33≦第二参数≦22.40，1.44≦第三参数≦1.76，1.10≦第四参数≦1.34，2.22≦第五参数≦2.72。
附图说明
[0013]为让本揭示的上述和其他目的、特征、优点与实施例能够更明显易懂，所附附图的说明如下：
[0014]图1是依照本揭示一些实施例所绘示的用电排程系统的示意图；
[0015]图2是依照本揭示一些实施例所绘示的用电排程方法的流程图；
[0016]图3是依照本揭示一些实施例所绘示的类神经网络模型的示意图；以及
[0017]图4是依照本揭示一些实施例所绘示的用电排程的示意图。
[0018]【符号说明】
[0019]100:用电排程系统
[0020]110A,110B,110C:机台
[0021]130:智能机上盒
[0022]150:制程规划装置
[0023]170:订单装置
[0024]200:用电排程方法
[0025]S210,S230,S250:步骤
[0026]300:类神经网络模型
[0027]I:向量
[0028]H1,H2:隐藏层
[0029]OP:输出层
[0030]B11,B2:向量
[0031]L1,L2:向量
[0032]F11,F12,F2:函数
[0033]S:用电预测结果
[0034]400:用电排程
具体实施方式
[0035]在本文中所使用的用词“耦接”亦可指“电性耦接”，且用词“连接”亦可指“电性连接”。“耦接”及“连接”亦可指二个或多个元件相互配合或相互互动。
[0036]参考图1。图1是依照本揭示一些实施例所绘示的用电排程系统100的示意图。
[0037]以图1示例而言，用电排程系统100包含多个机台110A至110C、智能机上盒130、制程规划装置150以及订单装置170。于连接关系上，智能机上盒130连接于多个机台110A至110C，制程规划装置150连接于机上盒，而订单装置170连接于制程规划装置150。
[0038]如图1所示的用电排程系统100仅为例示说明之用，本案的实施方式不以此为限制。举例而言，于其他一些实施例中，制程规划装置150连接于多台智能机上盒，多台智能机上盒又分别连接于多个机台。用电排程系统100的各种配置皆在本揭示的范围中。
[0039]以染整工厂为例，图1中的机台110A至110C可分别例如是织机、染色机、定型机、脱水机、扩布机、验布机、剖布机、染色助剂自动计量系统、空调压缩机、卷布机、废弃水洗处理装置、蒸气锅炉、单针平缝车、厂区温控设备等。
[0040]关于用电排程系统100的详细操作方式，将于以下配合图2一并进行说明。
[0041]图2是依照本揭示一些实施例所绘示的用电排程方法200的流程图。用电排程方法200可应用于如图1的用电排程系统100。以下请一并参考图1至图2。
[0042]在步骤S210中，传送多个机台的多个电力负载量数据以及多个温度数据至智能机上盒。于部分实施例中，步骤S210是由如图1所绘示的机台110A至110C将各自的电力负载量数据以及温度数据传送至智能机上盒130。
[0043]于部分实施例中，多个电力负载量数据包括平均负载量参数以及尖峰负载量参数，多个温度数据包括平均温度参数、最高温度参数以及最低温度参数。
[0044]在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电排程系统，其特征在于，包括：多个机台，包括多个电力负载量数据以及多个温度数据；智能机上盒，连接于所述多个机台，用以将所述多个电力负载量数据以及所述多个温度数据输入至类神经网络模型中，以产生用电预测结果；以及制程规划装置，用以依据所述用电预测结果产生所述多个机台的用电排程。2.根据权利要求1所述的用电排程系统，其特征在于，还包括：订单装置，用以传送多个客户数据以及多个出货数据至所述制程规划装置，其中所述制程规划装置还用以依据所述用电预测结果、所述多个客户数据以及所述多个出货数据以产生所述多个机台的所述用电排程。3.根据权利要求1所述的用电排程系统，其特征在于，其中所述类神经模型包括二个隐藏层以及一个输出层。4.根据权利要求1所述的用电排程系统，其特征在于，其中所述多个电力负载量数据包括平均负载量参数以及尖峰负载量参数，其中所述多个温度数据包括平均温度参数、最高温度参数以及最低温度参数。5.根据权利要求4所述的用电排程系统，其特征在于，其中所述类神经模型用以产生预测模型，以经由所述预测模型产生所述用电预测结果，所述预测模型为[预计用电量＝第一参数
×
所述平均负载量参数
‑
第二参数
×
所述最高温度参数
×
所述尖峰负载量参数
‑
第三参数
×
所述平均温度参数+第四参数
×
所述最低温度参数
×
所述平均负载量参数+第五参数
×
(所述尖峰负载量参数)
1/2
×
所...

【专利技术属性】
技术研发人员：廖育佐，许文正，
申请(专利权)人：财团法人纺织产业综合研究所，
类型：发明
国别省市：