一种电表能耗评估系统及方法与流程

文档序号:11775469阅读:350来源:国知局

本发明涉及一种能源管理技术领域,尤其是涉及一种电表能耗评估系统及方法。



背景技术:

随着国家对建筑节能降耗要求的不断提高,电能消耗已经成为企业越来越关注的重点。在区域供电系统中,通过全面掌握供电系统的运行状况,既可以提高供电系统的运行可靠性,又能加强对重要负荷的电能监测,同时掌握分时段电能计量的标准。目前很多区域电能管理存在着许多方面问题,设备利用率不高,设备老化、需要更新,无法掌握目前用电现状,无法量化企业节能指标等问题。

长期以来对于电能的管理一般都采用人工定期抄表方式,由于人工数据抄取周期较长,无法获得同一时刻所有电负荷的数据,导致用电电量的时空分布结果可信度不高,并且人为进行抄表数据统计及用电率的计算,报表生成周期长,统计结果滞后,无法为人们提供有效的用电参考数据。另外现在也有一些采用联网形式在线获取电表电量,但一般都只能获取一个总的用电量,而无法深入得知各电器用电情况,更不存在对各电气用电的节能分析,用户只能简单知道总用电量,并不能满足用户的需求,用户无法根据这些信息对用电情况进行调整以达到节能的效果。



技术实现要素:

本发明主要是解决现有技术中人工抄表存在周期长、结果滞后,以及一般电表只能获取总电量,无法得知各电器用电情况,没有对各电器用电的节能分析的问题,提供了一种电表能耗评估系统及方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的:一种电表能耗评估系统,包括电表端、云服务端和用户端,电表端包括收集单元、设置在被测处各能耗节点的电表单元,以及设置在被测处的温度检测单元、湿度检测单元、人流量检测单元,各电表单元、温度检测单元、湿度检测单元、人流量检测单元分别与收集单元相连,云服务端包括计算单元、存储单元,存储单元与计算单元相连,收集单元、用户端分别通过网络与计算单元相连。本发明中电表单元检测能耗节点每小时的耗电量,温度检测单元检测被测处每小时的温度值,湿度检测单元检测被测处每小时的湿度值,人流量检测单元检测被测处每小时内的人流量,收集单元用户接收电表单元、温度检测单元、湿度检测单元、人流量检测单元的数据,然后发送给云服务端的计算单元。计算单元根据收到的数据对被测处当天的能耗度进行计算并根据历史数据对当天能耗度进行评估。用户端对被测处能耗量及评估进行查看。本发明解决了一般电表系统只能对能耗值进行简单显示,无法满足用户使用需求的问题,本发明使得用户能详细知道各电气设备的具体能耗值,以及当前用电的节能情况,用户能根据用电节能情况及时调整用电时间或用电量,达到节能效果。

作为上述方案的一种优选方案,被测处各能耗节点包括照明能耗节点、空调能耗节点,以及其他电器设备的其他能耗节点。

一种电表能耗评估方法,包括以下步骤:

s1.获取设定天数内各能耗节点各时间段内的能耗数据和能耗影响因素数据;

s2.对获取的数据进行完整性校正;

s3.计算各天的各能耗节点的能耗与能耗影响因素的关联度

s4.根据关联度采用灰色关联分析计算各天的各能耗节点能耗的节能评估系数;

s5.确定各能耗节点能耗的权重值;

s6.根据节能评估系数和各能耗节点能耗权重值,采用灰色关联模型计算出各天总能耗的节能评估值;

s7.根据节能评估值判断各天的节能等级。

本发明使得用户能详细知道各电气设备的具体能耗值,以及当前用电的节能情况,用户能根据用电节能情况及时调整用电时间或用电量,达到节能效果。

作为上述方案的一种优选方案,步骤s2中校正的过程包括:

s21.对各天的各时间段的各能耗节点能耗数据逐个进行遍历;

s22.若检测到某个能耗节点时间段的能耗数据出现错误,则获取该能耗节点历史相应时间段的能耗数据,将它们的平均值作为当前能耗节点时间段的能耗值,进入下步骤;

s23.继续遍历,重复步骤s22,直到遍历完毕。

作为上述方案的一种优选方案,步骤s3中关联度的计算过程包括:

s31.获取各天内每小时的能耗节点能耗和能耗影响因素:

照明能耗zm=[z1,z2,…,zj,],

空调能耗km=[k1,k2,…,kj,],

其他能耗qm=[q1,q2,…,qj,],

温度因素tm=[t1,t2,…,tj,],

湿度因素wm=[w1,w2,…,wj,],

人流量因素cm=[c1,c2,…,cj,],

其中m为设定的天数,m=1,2,…,i,j为一天中的第j个小时,j=1,2,…,24,对应着第j个小时的能耗值或影响因素值;本方案中获取设定天数里每天的各天内每小时的能耗节点能耗和能耗影响因素,i根据需要进行谁定,本方案采用10天。

s32.根据各天内每小时的能耗节点能耗和能耗影响因素计算各能耗节点能耗与各影响因素的关联度:

照明能耗与温度因素的关联度

照明能耗与湿度因素的关联度

照明能耗与人流量因素的关联度

空调能耗与温度因素的关联度

空调能耗与湿度因素的关联度

空调能耗与人流量因素的关联度

其他能耗与温度因素的关联度

其他能耗与湿度因素的关联度

其他能耗与人流量因素的关联度

s33.获得照明能耗与能耗影响因素的关联度

空调能耗与能耗影响因素的关联度

其他能耗与能耗影响因素的关联度

s34.计算各天的各能耗节点能耗与能耗影响因素的关联度,得到关联度矩阵

作为上述方案的一种优选方案,步骤s4中各天的各能耗节点能耗的节能评估系数计算过程包括:

s41.选取各天中的最优关联度组成参考矩阵

采用向量归一化法对参考矩阵关联度矩阵x*进行标准化,采用公式为:

获得标准化参考矩阵x0,标准化关联度矩阵x;

s42.建立参考序列x0,记为:

x0(k)=[x0(1),…,x0(k)],k=1,2,3,

建立比较序列xm,记为:

xm(k)=[xm(1),…,xm(k)],m=1,2,…,i;

s43.得到参考序列与比较序列的绝对差值,差值包括最大值和最小值,则表示为:

δmax=maxmmaxk|x0(k)-xm(k)|

δmin=minmmink|x0(k)-xm(k)|;

s44.根据灰色关联分析求得第m天的第k个能耗节点的节能评估系数为:

其中ρ为分辨系数;

得到评估系数矩阵e,

e=[ξm(k)]m×k。

作为上述方案的一种优选方案,步骤5中各能耗节点能耗的权重值的计算过程包括:

s51.根据各天的各能耗节点能耗与能耗影响因素的关联度矩阵x*,对其中各能耗节点能耗进行标准化处理,该标准化处理为每天各能耗节点关联度都除以该影响因素下所有天的关联度之和,即:

得到标准化后的关联度矩阵

s52.获得标准化后关联度数值的熵为:

其中sk对应k的顺序分别为照明、空调、其他能耗标准化后关联度值的熵,a=-(lni)-1

s53.当时,令获得各节点能耗的熵权:

ωk为对应k的顺序分别为照明、空调、其他能耗的熵权,最后得到能耗节点能耗的权重w=[ωk]n×1。本方案采用熵权法确定各能耗节点能耗的权重。

作为上述方案的一种优选方案,步骤6中各天总能耗的节能评估值的计算过程包括:

s61.获取评估系数矩阵e=[ξm(k)]m×k和能耗节点能耗的权重w=[ωk]n×1;

s62.根据灰色关联模型p=e×w,计算得到各天能耗的评估值p=[pm],m=1,2,…,i,其中

作为上述方案的一种优选方案,步骤7中判断各天的节能等级过程包括:

s71.从各天能耗的评估值中选取最优的值pmax;

s72.根据最优值pmax对其他各天能耗评估值进行百分制转换,获得节能评估分数fm,转换公式为:

因此,本发明优点是:解决了一般电表系统只能对能耗值进行简单显示,无法满足用户使用需求的问题,使得用户能详细知道各电气设备的具体能耗值;能对各天用电情况进行节能分析,使得用户清楚用电情况,用户能根据用电节能情况及时调整用电时间或用电量,达到更好的节能效果。

附图说明

附图1是本发明的一种结构框示图

1-电表端2-云服务端3-用户端4-电表单元5-收集单元6-温度检测单元7-湿度检测单元8-人流量检测单元9-计算单元10-存储单元。

具体实施方式

下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。

实施例:

本实施例一种电表能耗评估系统,如图1所示,包括电表端1、云服务端2和用户端3。电表端包括收集单元5、设置在被测处各能耗节点的电表单元4,以及设置在被测处的温度检测单元6、湿度检测单元7、人流量检测单元8,各电表单元、温度检测单元、湿度检测单元、人流量检测单元分别与收集单元相连,云服务端包括计算单元9、存储单元10,存储单元与计算单元相连,收集单元、用户端分别通过网络与计算单元相连。被测处各能耗节点包括照明能耗节点、空调能耗节点,以及其他电器设备的其他能耗节点。

一种电表能耗评估方法,包括以下步骤:

s1.获取设定天数内各能耗节点各时间段内的能耗数据和能耗影响因素数据;

s2.对获取的数据进行完整性校正,过程包括:

s21.对各天的各时间段的各能耗节点能耗数据逐个进行遍历;

s22.若检测到某个能耗节点时间段的能耗数据出现错误,则获取该能耗节点历史相应时间段的能耗数据,将它们的平均值作为当前能耗节点时间段的能耗值,进入下步骤;

s23.继续遍历,重复步骤s22,直到遍历完毕。

s3.计算各天的各能耗节点的能耗与能耗影响因素的关联度;计算过程包括:

s31.获取各天内每小时的能耗节点能耗和能耗影响因素:

照明能耗zm=[z1,z2,…,zj,],

空调能耗km=[k1,k2,…,kj,],

其他能耗qm=[q1,q2,…,qj,],

温度因素tm=[t1,t2,…,tj,],

湿度因素wm=[w1,w2,…,wj,],

人流量因素cm=[c1,c2,…,cj,],

其中m为设定的天数,m=1,2,…,i,本实施例中以10天为例,则i=10,j为一天中的第j个小时,j=1,2,…,24,对应着第j个小时的能耗值或影响因素值。

s32.根据各天内每小时的能耗节点能耗和能耗影响因素计算各能耗节点能耗与各影响因素的关联度:

照明能耗与温度因素的关联度

照明能耗与湿度因素的关联度

照明能耗与人流量因素的关联度

空调能耗与温度因素的关联度

空调能耗与湿度因素的关联度

空调能耗与人流量因素的关联度

其他能耗与温度因素的关联度

其他能耗与湿度因素的关联度

其他能耗与人流量因素的关联度

s33.获得照明能耗与能耗影响因素的关联度

空调能耗与能耗影响因素的关联度

其他能耗与能耗影响因素的关联度

s34.计算各天的各能耗节点能耗与能耗影响因素的关联度,得到关联度矩阵以10天为例,根据10天内每小时能耗节点能耗和影响因素,关联度矩阵

s4.根据关联度采用灰色关联分析计算各天的各能耗节点能耗的节能评估系数;计算过程包括:

s41.选取各天中的最优关联度组成参考矩阵这里选取各能耗节点中数值最大的值作为该能耗节点的最优关联度。

采用向量归一化法对参考矩阵关联度矩阵x*进行标准化,采用公式为:

获得标准化参考矩阵x0,标准化关联度矩阵x;xm(k)为第m天的第k个能耗节点的标准化后能耗值,根据k的顺序分别表示照明能耗节点、空调能耗节点、其他能耗节点。

s42.建立参考序列x0,记为:

x0(k)=[x0(1),…,x0(k)],k=1,2,3,

建立比较序列xm,记为:

xm(k)=[xm(1),…,xm(k)],m=1,2,…,i;

s43.得到参考序列与比较序列的绝对差值,差值包括最大值和最小值,则表示为:

δmax=maxmmaxk|x0(k)-xm(k)|

δmin=minmmink|x0(k)-xm(k)|;

s44.根据灰色关联分析求得第m天的第k个能耗节点的节能评估系数为:

其中ρ为分辨系数,ρ根据实际情况取值范围为0.1~0.8,本实施例中ρ取0.5,m=1,2,…,i;

得到评估系数矩阵e=[ξm(k)]m×k,即为:

s5.确定各能耗节点能耗的权重值;计算过程包括:

s51.根据各天的各能耗节点能耗与能耗影响因素的关联度矩阵x*,对其中各能耗节点能耗进行标准化处理,该标准化处理为每天各能耗节点关联度都除以该影响因素下所有天的关联度之和,即:

得到标准化后的关联度矩阵

以10天为例即:

s52.获得标准化后关联度数值的熵为:

其中sk对应k的顺序分别为照明、空调、其他能耗标准化后关联度值的熵,a=-(lni)-1

s53.当时,令获得各节点能耗的熵权:

ωk为对应k的顺序分别为照明、空调、其他能耗的熵权,最后得到能耗节点能耗的权重

s6.根据节能评估系数和各能耗节点能耗权重值,采用灰色关联模型计算出各天总能耗的节能评估值;计算过程包括:

s61.获取评估系数矩阵

和能耗节点能耗的权重w=[ωk]n×1;

s62.根据灰色关联模型p=e×w,计算得到各天能耗的评估值p=[pm],m=1,2,…,i,其中

s7.根据节能评估值判断各天的节能等级。过程包括:

s71.从各天能耗的评估值中选取最优的值pmax;

s72.根据最优值pmax对其他各天能耗评估值进行百分制转换,获得节能评估分数fm,转换公式为:

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了电表端、云服务端、用户端、电表单元、收集单元等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1