一种基于漏桶算法的能耗监测分析方法及其系统与流程

本发明涉及能耗数据分析领域，更具体的说，是涉及一种基于漏桶算法的能耗监测分析方法及其系统。

背景技术：

在能耗监控领域，需要对被监测系统的能源使用情况进行实时监控，一旦能源的使用超过某个预先设定的阈值，就进行报警。一种简单的设置的方式是给定一个能耗上限，一旦能耗即时数据超过这个阈值就报警，此方法过于简单，没有考虑到能耗的历史使用情况。另外一种方法是通过平均能耗来设定阈值，如设定一个每小时能耗使用量的阈值，系统根据采集的能耗数据实时计算平均值，一旦超过就报警。这两种方法的缺点是，都只考虑到片面的能耗，前者只监测即时能耗，后者只监测平均能耗。一种改进的方法是同时设即时和平均两个阈值，但这种简单的结合并不能综合考虑即时和平均的使用情况。本发明通过一种漏桶算法来设置能耗报警，这种算法的特点计算简单，但能够综合考虑即时能耗和平均能耗的使用情况。

漏桶算法的基本原理是一方面漏桶以固定的速度往外漏液体，另一方面液体被注入到漏桶，如果注入的液体超过了漏桶的容积，则表示注入过量，触发报警。

技术实现要素：

有鉴于此，有必要针对上述问题，提供一种基于漏桶算法的能耗监测分析方法及其系统，优化了能源监测领域中被检测系统的能耗报警设置，这种设置即考虑到即时能耗，又能考虑到平均能耗。

为了实现上述目的，本发明的技术方案如下：

一种基于漏桶算法的能耗监测分析方法，包括以下步骤：

S1、数据采集过滤；

S2、数据分类，对采集的数据按所属系统和获取方式进行标识；

S3、格式化，将数据度量统一；

S4、通过设定一个虚拟漏桶，漏桶容量为B度，漏桶流出速率为r度/秒，将被测对象的能耗数据注入漏桶，并设置规则：若被测对象能耗超量超过漏桶容量，则报警被触发；具体包括：

对平均能耗报警：若需对被测对象的平均能耗Q进行预警，则设置0＜r<Q；

对即时能耗报警：若需对被测对象的t秒的即时能耗W进行报警，则设置漏桶容量0＜B＜W－r*t。

作为优选的，在平均能耗报警、即时能耗报警的参数设置过程中，漏桶初始时为空，没有任何能耗数据。

作为优选的，所述t＝1。

作为优选的，所述步骤S1具体包括：对数据进行过滤，剔除非法数据，并降低数据采集粒度。

作为优选的，所述步骤S2具体包括：对于采集到的数据，根据其数据产生系统及数据监控系统分别进行分类，对每个能耗数据打上第一标识和第二标识，第一标识标明数据所述的数据产生系统，所述第二标识标明监控该数据的数据监控系统。

一种根据上述方法进行能耗监测分析的系统，包括能耗采集模块、能耗分析模块、报警触发设置模块；

所述能耗采集模块用于即时采集被测对象的能耗信息；

所述能耗分析模块用于通过漏桶算法对能耗信息进行分析，实现对平均能耗报警和即时能耗报警；

所述报警触发设置模块用于根据平均能耗或即时能耗的监测需求，设置漏桶算法中的漏桶容量和漏桶流出速率。

作为优选的，所述能耗分析模块可同时运行多个漏桶算法，实现同时监测一个或多个对象的平均能耗、即时能耗。

作为优选的，还包括数据过滤模块，所述数据过滤模块连接能耗采集模块，用于将采集到的数据进行过滤，剔除非法数据，并降低数据采集粒度。

作为优选的，所述数据处理模块还用于对采集的数据按所属系统和获取方式进行标识，并统一度量。

与现有技术相比，本发明的有益效果在于：本发明通过漏桶算法来进行异常报警，这样既能反映设备的瞬时能耗异常，又能反映任何周期内的平均能耗异常。为了能够应用漏桶算法，需要首先对采集的原始数据进行预处理。预处理包括数据过滤、数据分类和格式化。数据过滤是滤去一些异常或者是非法数据，数据分类是按照被监控对象进行分类，数据格式化是对数据进行转换、计算从而得到漏桶算法需要的数据格式。优化了能源监测领域中被检测系统的能耗报警设置，这种设置即考虑到即时能耗，又能考虑到平均能耗。

附图说明

图1为本发明实施例方法流程图；

图2为本发明实施例原理图；

图3为本发明实施例的具体实施示意图；

图4为本发明实施例系统结构框图。

具体实施方式

下面结合附图和实施例对本发明所述的一种基于漏桶算法的能耗监测分析方法及其系统作进一步说明。

以下是本发明所述的一种基于漏桶算法的能耗监测分析方法及其系统的最佳实例，并不因此限定本发明的保护范围。

图1至图3示出了一种基于漏桶算法的能耗监测分析方法，包括以下步骤：

S1、数据采集过滤；

S2、数据分类，对采集的数据按所属系统和获取方式进行标识；

S3、格式化，将数据度量统一；

S4、通过设定一个虚拟漏桶，漏桶容量为B度，漏桶流出速率为r度/秒，将被测对象的能耗数据注入漏桶，并设置规则：若被测对象能耗超量超过漏桶容量，则报警被触发；图2为漏桶原理示意图，具体包括：

对平均能耗报警：若需对被测对象的平均能耗Q进行预警，则设置0＜r<Q；

对即时能耗报警：若需对被测对象的t秒的即时能耗W进行报警，则设置漏桶容量0＜B＜W－r*t。

作为优选的，在平均能耗报警、即时能耗报警的参数设置过程中，漏桶初始时为空，没有任何能耗数据。

作为优选的，所述t＝1。

在本实施例中，所述步骤S1具体包括：对数据进行过滤，剔除非法数据，并降低数据采集粒度。一是对去掉无效数据，二是降低数据的采集粒度。由于采集错误、传输错误等会造成某些收集到的数据无效，如收到某设备的用电量的连续数据(单位为度)分别为：1001、500、1003、1005…，显然第二个数据是个非法的数据，系统必须首先对这些非法数据进行过滤，否则会让漏桶算法失效。降低数据采集粒度的目的是使数据的采集粒度符合漏桶算法的粒度，从而减少数据处理量，如漏桶算法中漏桶的漏出速率以分为单位，如n度/分钟，而数据采集频率如以秒为单位，过多的数据并不能提供漏桶算法的精度，反而增加数据处理量，所以可以将多余的数据直接滤掉，如上例以秒为采集频率的数据可以每收到60个数据保留一个，过滤掉其余59个数据。

作为优选的，所述步骤S2具体包括：对于采集到的数据，根据其数据产生系统及数据监控系统分别进行分类，对每个能耗数据打上第一标识和第二标识，第一标识标明数据所述的数据产生系统，所述第二标识标明监控该数据的数据监控系统。因不同的设备(或者系统)在漏桶算中的参数是不一样的，分别对应相应的漏桶，所以对过滤后的数据需要进行分类。如空调相关数据需要被分到空调类，热水相关数据需要被分到热水类，且每个数据需要被归类到相应的设备(或者系统)。也就是说，通过数据分类，每个能耗数据都被打上两个标识，一个标识指明这个数据属于什么类别(空调、热水等)，第二个标识指明这个数据属于哪个被监控设备(系统)。

在本实施例所述步骤S3中，需要对数据进行转换、计算，从而使之符合漏桶需要的数据格式。数据转换主要包括数据单位的转换，如漏桶算法设置的用电量单位为度，则所有采集数据的用电量单位都需要转换为度。对数据进行单位转换后，还需要对数据进行相关计算，如在漏桶算法中需要单位时间的用电量，而采集的能耗数据通常是总能耗，如某时刻总能耗为1001度，一分钟后的总能耗为1003度，则可得出单位时间的用电量为2度/分钟。而在一些更加复杂的监控设置中，能耗需要与另外一些参数关联，如温度，就需要首先计算没增加或者减少1度需要耗能多少。总而言之，数据在传递给漏桶算法之前，必须先进行格式化，达到漏桶算法要求的数据格式，并对数据进行存储。

图4示出了一种根据上述方法进行能耗监测分析的系统，包括能耗采集模块、能耗分析模块、报警触发设置模块；

所述能耗采集模块用于即时采集被测对象的能耗信息；

所述能耗分析模块用于通过漏桶算法对能耗信息进行分析，实现对平均能耗报警和即时能耗报警；

所述报警触发设置模块用于根据平均能耗或即时能耗的监测需求，设置漏桶算法中的漏桶容量和漏桶流出速率。

作为优选的，所述能耗分析模块可同时运行多个漏桶算法，实现同时监测一个或多个对象的平均能耗、即时能耗。

作为优选的，还包括数据过滤模块，所述数据过滤模块连接能耗采集模块，用于将采集到的数据进行过滤，剔除非法数据，并降低数据采集粒度。

作为优选的，所述数据处理模块还用于对采集的数据按所属系统和获取方式进行标识，并统一度量。

与现有技术相比，本发明的有益效果在于：本发明通过漏桶算法来进行异常报警，这样既能反映设备的瞬时能耗异常，又能反映任何周期内的平均能耗异常。为了能够应用漏桶算法，需要首先对采集的原始数据进行预处理。预处理包括数据过滤、数据分类和格式化。数据过滤是滤去一些异常或者是非法数据，数据分类是按照被监控对象进行分类，数据格式化是对数据进行转换、计算从而得到漏桶算法需要的数据格式。优化了能源监测领域中被检测系统的能耗报警设置，这种设置即考虑到即时能耗，又能考虑到平均能耗。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。