[發明專利]一種物聯網能效管理系統

在審

• 申請號: 201710048032.2
• 申請日: 2017-01-20
• 公開（公告）號: CN106897494A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 尹向華
• 申請（專利權）人: 重慶酷能節能科技有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q50/06;G06Q50/08
• 代理公司: 重慶樂泰知識產權代理事務所(普通合伙)50221
• 代理人: 劉佳

技術領域

本發明涉及能效管理技術領域，特別是涉及一種物聯網能效管理系統。

背景技術

隨著國家節能減排的號召，建筑能耗計量日漸規范，而隨著物聯網技術的發展，相應的各類建筑能效監管平臺也逐步建立。這些平臺可以通過對建筑用能進行實時的監測、分析等處理，及時發現建筑用能中的能源浪費點，指導和協助運行維護人員實施節能管理工作。

現有技術主要采用閾值比較法來對能耗異常現象進行監測，即預先設置好能耗閾值和能耗閾值的范圍，然后根據監測的能耗數據是否超過能耗閾值的范圍為標準來判斷生產過程是否發生了能耗異常現象。然而，現有技術的能耗異常監測方法通常將能耗閾值設置為一個定值，缺乏自適應能力，在復雜多變的環境下，很難設置合理的能耗閾值，容易發生監測結果不準確的情況。

發明內容

本發明主要解決的技術問題是提供一種物聯網能效管理系統，能夠更加準確地確定能耗是否發生異常。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種聚苯胺納米纖維，包括數據采集模塊、模型建立模塊、閾值設定模塊、數據預測模塊和診斷模塊；所述數據采集模塊，用于采集當前能耗監測點的能耗數據；所述模型建立模塊，用于獲取所述當前能耗監測點上一周期的歷史能耗數據，并將所述歷史能耗數據作為模型訓練的樣本，對設定的預測模型進行訓練，確定預測模型的模型參數及其模型精度；所述閾值設定模塊，用于根據所述模型參數及其模型精度進行閾值選擇，得到診斷閾值；所述數據預測模塊，用于根據所述當前能耗監測點當前周期的能耗數據，獲得當前周期的能效監測值和能效預測值，并根據所述能效預測值和診斷閾值獲得當前周期的能效預測區間；所述診斷模塊，用于當所述能效監測值在所述能效預測區間之外時，進行能耗異常報警。

其中，所述模型建立模塊具體用于獲取所述當前能耗監測點上一周期的歷史能耗數據，對歷史能耗數據按照離散度設定使用回歸模型作為待訓練的預測模型；將所述歷史能耗數據作為模型訓練的樣本，對設定的預測模型進行訓練，確定預測模型的模型參數及其模型精度。

其中，所述數據預測模塊具體用于通過公式ER＝TE/DE獲得當前周期的能效監測值，其中，ER表示當前周期的能效監測值，TE表示當前能耗監測點的理論能耗值；DE表示當前周期的能耗數據；以及通過誤差反向傳播BP神經網絡模型，根據當前周期的能耗數據，獲得當前周期的能耗預測值。

其中，所述能耗數據包括耗電量、耗水量、耗氣量和耗熱量，所述數據采集模塊還用于將采集到的耗電量、耗水量、耗氣量和耗熱量進行歸一化處理。

區別于現有技術的情況，本發明的有益效果是：能夠及時通過監測采集的當前能耗監測點的能耗數據，并根據能耗數據動態確定能效監測值和能效預測值，進而確定動態的能效預測區間，當能效監測值在能效預測區間之外時，發出能耗異常報警，從而能夠更加準確地確定能耗是否發生異常，可以減少漏報或誤報，提升能耗異常報警的準確度，有利于減少能源浪費、節省能效。

附圖說明

圖1是本發明實施例的物聯網能效管理系統的架構示意圖。

具體實施例

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是本發明的一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

參閱圖1，是本發明實施例的物聯網能效管理系統的架構示意圖。本實施例的物聯網能效管理系統包括數據采集模塊1、模型建立模塊2、閾值設定模塊3、數據預測模塊4和診斷模塊5。

數據采集模塊1用于采集當前能耗監測點的能耗數據。其中，能耗監測點可以設置多個，數據采集模塊1可以輪詢采集每個能耗監測點的能耗數據。在本實施例中，能耗數據包括耗電量、耗水量、耗氣量和耗熱量，數據采集模塊1還用于將采集到的耗電量、耗水量、耗氣量和耗熱量進行歸一化處理。耗電量可以包含電流、電壓、功率、功率因數、電度、電能質量等參數，耗水量可以包含水速、進水量、排水量、水位高度等參數，耗氣量可以包含壓力、密度、溫度、累積氣量等參數，耗熱量可以包含進口溫度、出口溫度、流速、流量、累積熱量等參數。對于能耗數據，可以在能耗監測點設置相應的傳感器，利用物聯網將各傳感器整合，數據采集模塊1通過傳感器采集能耗數據。