一种设备能耗与节碳数据智能分析方法及系统技术方案

本申请公开了一种设备能耗与节碳数据智能分析方法及系统

【技术实现步骤摘要】
一种设备能耗与节碳数据智能分析方法及系统


[0001]本专利技术涉及数据分析
，特别涉及一种设备能耗与节碳数据智能分析方法及系统
。

技术介绍

[0002]随着碳中和进程的加快，碳交易市场的发展，能源数据分析必将迎来新的发展机遇
。
智慧节能作为新兴技术，凭借其较高的节能效率和较低的成本得到越来越多企业和用户的认可
。
[0003]然而，现有方案对于能耗监控往往监控不准确，从而导致对于节碳数据分析不够准确
。

技术实现思路

[0004]基于此，本申请实施例提供了一种设备能耗与节碳数据智能分析方法及系统，能够提高能耗监控和分析的准确性
。
[0005]第一方面，提供了一种设备能耗与节碳数据智能分析方法，该方法包括：
[0006]部署物联网传感器设备，实时采集前端设备数据，并上传前端设备数据到后端大数据平台；
[0007]后端大数据平台对前端设备数据进行实时汇总和分析；其中，具体包括根据前端设备的设备类型
、
行业
、
区域对前端设备数据进行分类，并分析出不同分类的能耗及节碳结果；
[0008]将分析出的能耗及节碳结果推送给不同分类的对应终端
。
[0009]可选地，部署物联网传感器设备，实时采集前端设备数据，包括：
[0010]物联网传感器设备中包括电能表
、
压力传感器
、
流量计
、
风速传感器
、
风量计；其中，通过电能表进行耗电量读取
、
通过压力传感器进行进出口压力读取
、
通过流量计进行瞬时流量读取
、
通过风速传感器进行瞬时风速读取
、
通过风量计进行排风量读取
。
[0011]可选地，所述后端大数据平台对前端设备数据进行实时汇总和分析，包括：
[0012]对采集到的原始前端设备数据进行预处理；其中，具体包括数据清洗
、
去噪
、
缺失值处理；
[0013]对于预处理后的数据提取出统计特征；其中，所述统计特征包括平均值
、
方差
、
最大值；
[0014]将统计特征输入到训练完成的卷积神经网络中，利用训练完成的卷积神经网络对统计特征进行分类，得到设备的能耗水平
。
[0015]可选地，在对前端设备数据进行实时汇总和分析之前，所述方法还包括：
[0016]通过预先获取的训练集对卷积神经网络进行训练，并利用反向传播算法对卷积神经网络进行优化
。
[0017]可选地，将分析出的能耗及节碳结果推送给不同分类的对应终端，还包括：
[0018]结合目标地区实时和历史的气象与气候数据，确定分析出的能耗及节碳结果对目标地区生态影响报告，并生成节能减排建议
。
[0019]第二方面，提供了一种设备能耗与节碳数据智能分析系统，该系统包括：
[0020]采集模块，用于部署物联网传感器设备，实时采集前端设备数据，并上传前端设备数据到后端大数据平台；
[0021]分析模块，用于通过后端大数据平台对前端设备数据进行实时汇总和分析；其中，具体包括根据前端设备的设备类型
、
行业
、
区域对前端设备数据进行分类，并分析出不同分类的能耗及节碳结果；
[0022]推送模块，用于将分析出的能耗及节碳结果推送给不同分类的对应终端
。
[0023]可选地，采集模块部署物联网传感器设备，实时采集前端设备数据，包括：
[0024]物联网传感器设备中包括电能表
、
压力传感器
、
流量计
、
风速传感器
、
风量计；其中，通过电能表进行耗电量读取
、
通过压力传感器进行进出口压力读取
、
通过流量计进行瞬时流量读取
、
通过风速传感器进行瞬时风速读取
、
通过风量计进行排风量读取
。
[0025]可选地，分析模块通过后端大数据平台对前端设备数据进行实时汇总和分析，包括：
[0026]对采集到的原始前端设备数据进行预处理；其中，具体包括数据清洗
、
去噪
、
缺失值处理；
[0027]对于预处理后的数据提取出统计特征；其中，所述统计特征包括平均值
、
方差
、
最大值；
[0028]将统计特征输入到训练完成的卷积神经网络中，利用训练完成的卷积神经网络对统计特征进行分类，得到设备的能耗水平
。
[0029]可选地，在对前端设备数据进行实时汇总和分析之前，还包括：
[0030]通过预先获取的训练集对卷积神经网络进行训练，并利用反向传播算法对卷积神经网络进行优化
。
[0031]可选地，推送模块将分析出的能耗及节碳结果推送给不同分类的对应终端，还包括：
[0032]结合目标地区实时和历史的气象与气候数据，确定分析出的能耗及节碳结果对目标地区生态影响报告，并生成节能减排建议
。
[0033]本申请实施例提供的技术方案中首先部署物联网传感器设备，实时采集前端设备数据，并上传前端设备数据到后端大数据平台；然后通过后端大数据平台对前端设备数据进行实时汇总和分析；最后将分析出的能耗及节碳结果推送给不同分类的对应终端
。
可以看出，本专利技术的有益效果在于通过实时汇总分析前端设备的能耗数据，可以准确判断行业
、
区域
、
设备等类型的能耗情况，帮助企业进行能耗的监测和管理
。
这有助于及时发现能耗异常，优化能源使用，实现节能减排的目标
。
附图说明
[0034]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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
提供的附图引申获得其它的实施附图
。
[0035]图1为本申请实施例提供的一种设备能耗与节碳数据智能分析流程图；
[0036]图2为本申请实施例提供的一种设备能耗与节碳数据智能分析系统框图
。
具体实施方式
[0037]为了使本申请的目的
、
技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明
。
应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请
。
[0038]在本专利技术的描述中，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种设备能耗与节碳数据智能分析方法，其特征在于，所述方法包括：部署物联网传感器设备，实时采集前端设备数据，并上传前端设备数据到后端大数据平台；后端大数据平台对前端设备数据进行实时汇总和分析；其中，具体包括根据前端设备的设备类型
、
行业
、
区域对前端设备数据进行分类，并分析出不同分类的能耗及节碳结果；将分析出的能耗及节碳结果推送给不同分类的对应终端
。2.
根据权利要求1所述的智能分析方法，其特征在于，部署物联网传感器设备，实时采集前端设备数据，包括：物联网传感器设备中包括电能表
、
压力传感器
、
流量计
、
风速传感器
、
风量计；其中，通过电能表进行耗电量读取
、
通过压力传感器进行进出口压力读取
、
通过流量计进行瞬时流量读取
、
通过风速传感器进行瞬时风速读取
、
通过风量计进行排风量读取
。3.
根据权利要求1所述的智能分析方法，其特征在于，所述后端大数据平台对前端设备数据进行实时汇总和分析，包括：对采集到的原始前端设备数据进行预处理；其中，具体包括数据清洗
、
去噪
、
缺失值处理；对于预处理后的数据提取出统计特征；其中，所述统计特征包括平均值
、
方差
、
最大值；将统计特征输入到训练完成的卷积神经网络中，利用训练完成的卷积神经网络对统计特征进行分类，得到设备的能耗水平
。4.
根据权利要求3所述的智能分析方法，其特征在于，在对前端设备数据进行实时汇总和分析之前，所述方法还包括：通过预先获取的训练集对卷积神经网络进行训练，并利用反向传播算法对卷积神经网络进行优化
。5.
根据权利要求1所述的智能分析方法，其特征在于，将分析出的能耗及节碳结果推送给不同分类的对应终端，还包括：结合目标地区实时和历史的气象与气候数据，确定分析出的能耗及节碳结果对目标地区生态影响报告，并生成节能减排建议
。6.
一种设备能耗与节碳数据智能分...

【专利技术属性】
技术研发人员：霍跃天，何斌，
申请(专利权)人：北京龙谷科技发展有限公司，
类型：发明
国别省市：