【技术实现步骤摘要】
本专利技术涉及通信，更具体地说，本专利技术涉及一种节能设备的监测系统、方法。
技术介绍
1、随着电力需求和生产的增多，发电产生的碳排放也在增加。电力是将来清洁能源主要的用能手段，要不断提高电力的灵活性，提高供应效率。
2、节能设备包括节电设备、节水设备、节煤设备、节油设备，除发电厂外，绝大部分的企业的能源来源都是电能，本专利技术也侧重于对电能耗的监测。
3、目前的能耗监测系统主要有以下问题：1、能耗监测设备终端数量多，地理分布间隔远，数据传输效果差；2、现有的能耗监测可视化效果差，使用人员对数据来源不能很快定位；3、现有的系统无法有效处理海量的能耗数据，无法准确预测能耗负荷，需要高效的计算架构和处理模型。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供一种节能设备的监测系统与方法，通过采集节能环保设备产生的能耗数据，对设备的能耗进行实时监测，并通过对能源数据的实时监测建立能源的精细化管理，最后分析能源数据实现分析对设备和生产运行效率，并通过融合算法预测电力负荷，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种节能设备的监测系统，包括数据采集模块、数据预处理模块、负荷预测与成本分析模块、能耗显示模块、数据存储模块，所述数据采集模块用于按照一定频率进行能耗数据的采集并上传至数据预处理模块，数据采集模块基于一种安装在用电支路对能耗进行采集与监控的能耗采集设备；所述数据预处理模块用于接收采集的数据并通过
3、在一个优选地实施方式中，所述自回归移动平均模型利用过去两周的数据作为训练集，经过训练得到相应的阶数，根据阶数对未来一天的数据进行预测，自回归移动平均模型的建立包括下列步骤：
4、步骤s01、训练集的获取：取能耗数据的对数，再根据自相关函数和部分自相关函数计算数据相关性，根据相关性判断数据是否为平稳序列，若不是平稳系列通过差分处理，最后得到训练集和测试集；
5、步骤s02、确定模型阶数：通过模型评价指标，计算得到自回归阶数p、差分阶数d、移动平均阶数q，所述p和q评价指标满足公式：其中c为常数，xt表示取对数后的能耗数据，表示自回归系数，γ1表示移动平均系数。
6、步骤s03、进行预测：利用得到的模型阶数和测试集进行预测，预测后将数据还原得到最终结果。
7、在一个优选地实施方式中，所述长短期记忆网络模型先用改进的卷积神经网络提取负荷数据间的依赖关系，用长短时记忆神经网络提取负荷数据长期变化趋势，再融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题，最后将电力负荷数据用于网络的训练和预测过程中，通过训练集构建长短期记忆网络模型，输入的数据集先进行归一化预处理，再经过一维卷积层、一维最大池化层、循环层、全连接层后输出数据，最后对输出的数据进行反归一化处理，从而得到预测的数据的真实值。
8、在一个优选地实施方式中，所述数据采集模块的采集频率根据设备的能耗量的不同，按照日、小时、分钟三个频率进行采集，能耗越低采集频率越低，所述能耗采集设备采集的电参数包括：电流、电压、三相功率、有功功率，所述能耗采集设备包括传感器、电参数计量芯片和通信单元，该通信单元采用具有传输实时性高的5g通信单元和mqtt轻量级协议为传输媒介，传感器与总线相连通过总线汇总，汇总中采用轮询读取的方式读取能耗采集设备数据。
9、在一个优选地实施方式中，所述能效指数公式为w＝er/ec，其中er是实测能耗值，ec是参照能耗值，能效按照w的值划分为一级、二级、三级，其中w≤70％为一级，70％＜w≤80％为二级，80％＜w≤95％为三级。
10、在一个优选地实施方式中，所述数据存储模块包括本地存储单元和云存储单元，本地存储单元基于嵌入式数据库sqlite，云存储单元基于mysql云服务器通过e-r数据库模型和数据库关系表实现数据的存储、查询以及统计分析功能，提供设备某一时间段内最大值、最小值、平均值的查询，用户根据需要查看设备在时间周期内的最大负荷、最小负荷、平均负荷情况，实现每台设备不同时间段内的用能指标差异的比较，及同一时间段内同类用能设备的指标差异的比较，指导用户进行用能设备使用的管理。
11、在一个优选地实施方式中，所述成本分析单元，根据用电峰谷平的划分，结合实时的耗能费用记录展示和预测的能耗，可计算过去时间段内的耗能费用，展示费用曲线图以及峰谷平用电的占比，实现计费管理，通过基本电费的计算方式以及实时监测企业的最大负荷，帮助企业选择合理的基本电费缴费方式，优化电力费用结构，减少企业的耗能成本。
12、在一个优选地实施方式中，所述能耗显示模块建立包括下列步骤：
13、步骤s11、建立节能环保设备的拓扑网络：环保设备的拓扑网络用于表示所有节能环保设备的连接关系，拓扑网络中每个设备都沿着能源流动方向与相邻节能设备连接，拓扑结构建立后存储在数据库中，通过数据库的网络映射端口实现能效分析平台与生产系统数据的共享；
14、步骤s12、分析数据并将数据传输至对应接口：首先设置每个设备的参照能耗值，再计算每个设备的能效指数；
15、步骤s13、建立可视化模型：根据设备的拓扑结构和接收的能耗数据建立可视化展示图和设计能源看板，可视化展示能源流动，展示实时能耗数据曲线和历史数据曲线，用户可通过调用相关回路实时曲线界面分析各类能源的运行状况，方便用户对能源供给网络进行运行分析；
16、步骤s14、设置每个设备的参照能耗值，计算单位时间内设备的实际能耗值，二者相除得到设备的能效指数，用不同的颜色区分不同能效等级，实现对设备能耗的动态监测，当能耗超出预设值时发出声光警报。
17、在一个优选地实施方式中，所述拓扑网络包括通信网络拓扑层、设备拓扑网络层，所述通信本文档来自技高网...
【技术保护点】
1.一种节能设备的监测系统，其特征在于：包括数据采集模块、数据预处理模块、负荷预测与成本分析模块、能耗显示模块、数据存储模块，所述数据采集模块用于按照一定频率进行能耗数据的采集并上传至数据预处理模块，数据采集模块基于一种安装在用电支路对能耗进行采集与监控的能耗采集设备；所述数据预处理模块用于接收采集的数据并通过异常值替换、缺失值补充以及归一化处理数据，并将去噪后的数据传输至负荷预测与成本分析模块和能耗显示模块；所述负荷预测与成本分析模块利用能耗与生产数据建立电力负荷预测模型和成本分析模型，利用模型功能实现衡量绩效、纠正偏差的能源管理过程，最终实现能源的精益化管理，包括电力负荷预测单元、能耗成本分析单元和用于控制设备运行的设备控制单元，将电力负荷预测模型和成本分析模型得到的数据传输至能耗显示模块；所述能耗显示模块用于实时显示节能环保设备的能耗数据和能效指数，能耗显示模块包括用于发出警报的能耗限值警报单元；所述数据存储模块包括云存储单元和本地存储单元，用于记录节能环保设备能源消耗台账信息，结合手机微信小程序和二维码查询设备的能耗信息，通过台账信息实现设备巡检、维修、保养、计划的运维管
2.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述自回归移动平均模型利用过去两周的数据作为训练集，经过训练得到相应的阶数，根据阶数对未来一天的数据进行预测，自回归移动平均模型的建立包括下列步骤：
3.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述长短期记忆网络模型先用改进的卷积神经网络提取负荷数据间的依赖关系，用长短时记忆神经网络提取负荷数据长期变化趋势，再融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题，最后将电力负荷数据用于网络的训练和预测过程中，通过训练集构建长短期记忆网络模型，输入的数据集先进行归一化预处理，再经过一维卷积层、一维最大池化层、循环层、全连接层后输出数据，最后对输出的数据进行反归一化处理，从而得到预测的数据的真实值。
4.根据权利要求3所述的一种节能设备的监测系统，其特征在于：所述归一化公式为反归一化公式为：其中为归一化后的数据，yi为输入预测模型的数据集，ymax是数据集中的最大值，ymin是数据集中的最小值，是反归一化后的值，是归一化的数据输入预测模型后输出的预测值。
5.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述数据采集模块的采集频率根据设备的能耗量的不同，按照日、小时、分钟三个频率进行采集，能耗越低采集频率越低，所述能耗采集设备采集的电参数包括：电流、电压、三相功率、有功功率，所述能耗采集设备包括传感器、电参数计量芯片和通信单元，该通信单元采用具有传输实时性高的5G通信单元和MQTT轻量级协议为传输媒介，传感器与总线相连通过总线汇总，汇总中采用轮询读取的方式读取能耗采集设备数据。
6.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述数据存储模块包括本地存储单元和云存储单元，本地存储单元基于嵌入式数据库SQLite，云存储单元基于Mysql云服务器通过E-R数据库模型和数据库关系表实现数据的存储、查询以及统计分析功能，提供设备某一时间段内最大值、最小值、平均值的查询，用户根据需要查看设备在时间周期内的最大负荷、最小负荷、平均负荷情况，实现每台设备不同时间段内的用能指标差异的比较，及同一时间段内同类用能设备的指标差异的比较，指导用户进行用能设备使用的管理。
7.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述能耗显示模块包括下列步骤：
8.根据权利要求7所述的一种节能设备的监测系统，其特征在于：所述拓扑网络包括通信网络拓扑层、设备拓扑网络层，所述通信网络拓扑层通过工业级现场通信网络，实现现场仪表基础数据的汇总、存储，并将相关数据传输至服务器，包含通信管理设备和传输介质；所述节能环保设备的拓扑网络采用树搜索算法作为拓扑分析算法建立，实现过程如下：以能源供应端作为起点，沿着起点搜索相邻未被标记的设备节点，继而按照先后顺序搜索通过闭合开关连接的未被标记设备节点，直至所有的节点被搜索，完成拓扑分析。
9.根据权利要求1-8任一所述的一种节能设备的监测系统的方法，其特征在于：所述方法包括下列步骤：
10.根据权利要求9所述的一种节能设备的监测系统的方法，其特征在于：所述异常数据修正用于处理数据差距大和数据缺失的情况，以一周内同一时刻的负荷值m为参照，若当前时刻负荷值n与...
【技术特征摘要】
1.一种节能设备的监测系统，其特征在于：包括数据采集模块、数据预处理模块、负荷预测与成本分析模块、能耗显示模块、数据存储模块，所述数据采集模块用于按照一定频率进行能耗数据的采集并上传至数据预处理模块，数据采集模块基于一种安装在用电支路对能耗进行采集与监控的能耗采集设备；所述数据预处理模块用于接收采集的数据并通过异常值替换、缺失值补充以及归一化处理数据，并将去噪后的数据传输至负荷预测与成本分析模块和能耗显示模块；所述负荷预测与成本分析模块利用能耗与生产数据建立电力负荷预测模型和成本分析模型，利用模型功能实现衡量绩效、纠正偏差的能源管理过程，最终实现能源的精益化管理，包括电力负荷预测单元、能耗成本分析单元和用于控制设备运行的设备控制单元，将电力负荷预测模型和成本分析模型得到的数据传输至能耗显示模块；所述能耗显示模块用于实时显示节能环保设备的能耗数据和能效指数，能耗显示模块包括用于发出警报的能耗限值警报单元；所述数据存储模块包括云存储单元和本地存储单元，用于记录节能环保设备能源消耗台账信息，结合手机微信小程序和二维码查询设备的能耗信息，通过台账信息实现设备巡检、维修、保养、计划的运维管理；所述电力负荷预测模型基于自回归移动平均模型和长短期记忆网络模型组合预测模型，自回归移动平均模型和长短期记忆网络模型各自得到预测值，再通过计算每个预测值的权重计算最终预测结果。
2.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述自回归移动平均模型利用过去两周的数据作为训练集，经过训练得到相应的阶数，根据阶数对未来一天的数据进行预测，自回归移动平均模型的建立包括下列步骤：
3.根据权利要求1所述的一种节能设备的监测系统，其特征在于：所述长短期记忆网络模型先用改进的卷积神经网络提取负荷数据间的依赖关系，用长短时记忆神经网络提取负荷数据长期变化趋势，再融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题，最后将电力负荷数据用于网络的训练和预测过程中，通过训练集构建长短期记忆网络模型，输入的数据集先进行归一化预处理，再经过一维卷积层、一维最大池化层、循环层、全连接层后输出数据，最后对输出的数据进行反归一化处理，从而得到预测的数据的真实值。
4.根据权利要求3所述的一种节能设备的监测系统，其特征在于：所述归一化公式为反归一化公式为：其中为归一化后的数据，yi为输入预测模型的数据集，ymax是数据集中的最大值，ymin是数据集中的最小值，是反归一化后的值，是归一化的数据输入预测模型后输出的预测值。
...【专利技术属性】
技术研发人员：秦凤顺，方凤芹，
申请(专利权)人：遵化依水新能源开发有限公司，
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。