System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于故障诊断,尤其涉及一种楼宇异常用热概率识别方法、系统与存储介质。
技术介绍
1、现有的供暖计费模式一般为定量或者定时进行计费,但是在实际的供热过程中可能存在由于用户的开窗、私开暖气管道等用户的异常用热行为导致的供热量存在耗散问题的出现,因此如何实现对用户的异常用热行为的识别,并针对性的对异常用热行为较为严重的用户采用提醒或者惩罚性的计费系数,对于提升供热企业的供热的经济性和安全性具有很高的价值。
2、在进行用户的异常用热行为辨识时,现有技术方案中缺乏根据用户在不同的时间段内的单位面积的耗散量进行用户的异常程度的确定,同时还缺乏根据不同的用户的毗邻房间的供热状态以及环境温度等进行差异化的单位面积的耗散量的异常阈值的确定,因此无法准确的实现对用户的异常用热行为的严重程度的准确评估。
3、针对上述技术问题,本专利技术提供了一种楼宇异常用热概率识别方法、系统与存储介质。
技术实现思路
1、为实现本专利技术目的,本专利技术采用如下技术方案:
2、根据本专利技术的一个方面,提供了一种楼宇异常用热概率识别方法。
3、一种楼宇异常用热概率识别方法,其特征在于,具体包括:
4、s1获取供热楼宇的热用户的历史用热数据,并通过所述历史用热数据进行所述供热楼宇的不同时间段的单位面积的耗散量阈值的确定;
5、s2通过所述热用户在不同时间段的单位面积的热损耗以及所述耗散量阈值进行所述热用户的异常时间段的确定,并结合所述热用户
6、s3根据所述筛选热用户的毗邻房间的用热状态进行所述筛选热用户与其它的热用户的相似度以及相似热用户的确定,并通过所述相似热用户在不同时间段的单位面积的热损耗进行所述筛选热用户的参考热损耗阈值的确定;
7、s4通过所述筛选热用户在不同时间段的单位面积的热损耗以及所述参考热损耗阈值进行所述筛选热用户的用热异常时间段的确定,并结合所述相似热用户的数量以及相似度进行所述筛选热用户的参考异常用热概率的确定,通过所述参考异常用热概率以及所述异常用热概率进行所述筛选热用户的异常用热状态的确定。
8、本专利技术的有益效果在于:
9、1、通过进行热用户的异常用热概率以及筛选热用户的确定,实现了从楼宇的单位面积的热损耗的角度对热用户的筛选,避免了对所有的热用户进行用热状态辨识导致的辨识效率较低的技术问题的出现。
10、2、通过相似热用户在不同时间段的单位面积的热损耗进行筛选热用户的参考热损耗阈值的确定,充分考虑到不同的热用户由于毗邻房间的用热状态的差异导致的热损耗的差异,进一步提升了异常用热行为的辨识的准确性。
11、3、通过结合相似热用户的数量以及相似度进行筛选热用户的参考异常用热概率的确定,即考虑到不同的筛选热用户的单位面积的热损耗的严重程度,同时还考虑到不同的筛选热用户的相似热用户的数量的差异导致的评估的准确性的差异,进一步保证了辨识结果的可靠性。
12、进一步的技术方案在于,所述历史用热数据根据所述供热楼宇在最近的预设时间内的环境温度与当前日期的环境温度的偏差量不大于预设温度偏差量的用热数据进行确定。
13、进一步的技术方案在于,当所述热用户在指定时间段的单位面积的热损耗大于所述耗散量阈值且所述单位面积的热损耗与所述耗散量阈值的偏差量大于预设偏差阈值时,则确定所述指定时间段为所述热用户的异常时间段。
14、进一步的技术方案在于,所述热用户的异常用热概率的确定的方法为:
15、s21获取所述热用户在预设时间内的异常时间段的数量,并根据所述热用户在预设时间内的异常时间段的数量确定所述热用户是否存在异常用热行为,若是,则进入步骤s24,若否,则进入下一步骤;
16、s22根据所述热用户在预设时间内的异常时间段的热损耗与所述耗散量阈值的偏差量确定所述热用户是否存在异常用热行为,若是,则进入步骤s24,若否,则进入下一步骤;
17、s23通过所述热用户在预设时间内的单位面积的热损耗大于所述耗散量阈值的时间段的数量,并结合所述异常时间段的数量确定所述热用户是否存在异常用热行为,若是,则进入步骤s24,若否,则进入下一步骤;
18、s24通过所述热用户在预设时间内的异常时间段的数量、异常时间段的热损耗与所述耗散量阈值的偏差量的最大值以及均值进行所述热用户的异常时间段的异常用热行为评估量的确定,获取所述热用户在预设时间内的单位面积的热损耗大于所述耗散量阈值的时间段的数量、在所述单位面积的热损耗大于所述耗散量阈值的时间段的偏差量的均值以及所述热用户的异常时间段的异常用热行为评估量进行所述热用户的异常用热概率的确定。
19、进一步的技术方案在于,当所述热用户的异常用热概率大于预设概率值时,则确定所述热用户为筛选热用户。
20、另一方面,本专利技术提供了一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种楼宇异常用热概率识别方法。
21、另一方面,本申请实施例中提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种楼宇异常用热概率识别方法。
本文档来自技高网...【技术保护点】
1.一种楼宇异常用热概率识别方法,其特征在于,具体包括:
2.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述历史用热数据根据所述供热楼宇在最近的预设时间内的环境温度与当前日期的环境温度的偏差量不大于预设温度偏差量的用热数据进行确定。
3.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述单位面积的耗散量阈值的确定的方法为:
4.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,当所述热用户在指定时间段的单位面积的热损耗大于所述耗散量阈值且所述单位面积的热损耗与所述耗散量阈值的偏差量大于预设偏差阈值时,则确定所述指定时间段为所述热用户的异常时间段。
5.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述热用户的异常用热概率的确定的方法为:
6.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,当所述热用户的异常用热概率大于预设概率值时,则确定所述热用户为筛选热用户。
7.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述筛选热用户的
8.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述筛选热用户的参考异常用热概率的确定的方法为:
9.一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行权力要求1-8任一项所述的一种楼宇异常用热概率识别方法。
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权力要求1-8任一项所述的一种楼宇异常用热概率识别方法。
...【技术特征摘要】
1.一种楼宇异常用热概率识别方法,其特征在于,具体包括:
2.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述历史用热数据根据所述供热楼宇在最近的预设时间内的环境温度与当前日期的环境温度的偏差量不大于预设温度偏差量的用热数据进行确定。
3.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述单位面积的耗散量阈值的确定的方法为:
4.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,当所述热用户在指定时间段的单位面积的热损耗大于所述耗散量阈值且所述单位面积的热损耗与所述耗散量阈值的偏差量大于预设偏差阈值时,则确定所述指定时间段为所述热用户的异常时间段。
5.如权利要求1所述的一种楼宇异常用热概率识别方法,其特征在于,所述热用户的异常用热概率的确定的方法为:
6.如权利要...
【专利技术属性】
技术研发人员:张冬雪,于微,杨霄弘,白烨,佟吉日木图,张晓明,王鑫,
申请(专利权)人:呼伦贝尔安泰热电有限责任公司海拉尔热电厂,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。