一种综合智慧能源优化调度系统的制作方法

1.本发明属于智慧能源技术领域，具体是一种综合智慧能源优化调度系统。


背景技术：

2.当前，能源转型面临着需求放缓、传统产能过剩、环境问题突出、整体效率较低等问题；工业生产是能源消耗大户，在能源消耗占比中占据大头，为地区的能源供给带来很大的负担，同时能源消耗成本在工业生产成本中也占据很大的一部分，因为工业生产企业基本都会拥有很大的生产产区，但是生产产区内的可再生能源资源并没有得到充分的利用，尤其是太阳能资源，生产产区内的大片厂房都满足太阳能板的安装需求，因此需要对厂区内的太阳能资源进行挖掘，缓解工业生产的能源消耗，同时降低生产企业的能源消耗成本。


技术实现要素：

3.为了解决上述方案存在的问题，本发明提供了一种综合智慧能源优化调度系统。
4.本发明的目的可以通过以下技术方案实现：
5.一种综合智慧能源优化调度系统，包括资源挖掘模块、数据库和服务器；服务器分别与资源挖掘模块和数据库通信连接；
6.所述资源挖掘模块用于对工业生产企业的产区能源资源进行挖掘，具体的能源挖掘方法包括：
7.获取厂区平面图，由产区管理人员划分可建区域，获取可建区域的影像数据，建立识别模型，通过识别模型对可建区域的影像数据进行处理，获取对应可建区域的日照时间和日照面积；
8.设置时间阈值和面积阈值，将日照时间低于时间阈值的可建区域进行删除，将日照面积低于面积阈值的可建区域进行删除，将剩余的可建区域标记为待建区域；获取待建区域为厂房屋面的区域，标记为屋面区域，获取对应厂房的屋面设计承载力和太阳能板信息，根据太阳能板信息将太阳能板重量转化为屋面荷载，确定对应屋面区域的太阳能板安装数量；将屋面区域的太阳能板安装数量低于x1的屋面区域进行删除，将剩余的待建区域标记为安装区域。
9.进一步地，当标记安装区域后，建立厂区内安装区域的建筑三维模型，将安装区域标记在对应的三维模型上，在安装区域设置若干个视频监控点，用于对安装区域进行监控，并将视频监控点设置在建筑三维模型中，获取每个视频监控点的监控信息，根据每个视频监控点的监控范围，在建筑三维模型中设置感应区域，建立感应区域与对应视频监控点的快速连接通道；
10.当点击建筑三维模型中的区域时，获取对应区域的坐标，根据对应区域的坐标匹配到对应的感应区域，连接对应视频监控点的监控画面。
11.进一步地，服务器通信连接有能源再利用模块和优化模块。
12.进一步地，能源再利用模块用于对工业生产中产生的能源进行再利用，具体的方
法包括：
13.从互联网中获取具有机械振动回收的设备信息和具有热量回收的设备信息，分别标记为振动设备和热量设备，获取厂区内的生产设备信息，将生产设备信息与振动设备和热量设备进行匹配，将匹配成功的生产设备标记为初筛设备，获取初筛设备的数量、功率、回收装置回收率、改装成本、企业规模和生产能源消耗成本占比，整合并标记为输入数据，建立筛选模型，将输入数据输入到筛选模型中，获得筛选标签，将筛选标签和对应的输入数据发送给产区管理人员。
14.进一步地，筛选标签包括01和02，当筛选标签为01时，表示初筛设备符合改装要求；当筛选标签为02时，表示初筛设备不符合改装要求。
15.进一步地，所述优化模块用于对工业生产中的能源使用进行优化，具体方法包括：
16.建立能源使用方法库，能源使用方法库内包括若干个分类子库，分类子库用于储存对应行业的能源使用方案；
17.获取企业所属行业、生产规模、能源使用种类和能源使用价格，根据企业所属行业在能源使用方法库中匹配到对应的分类子库；
18.构建余弦相似度函数其中，i和j分别为企业i和企业j的兴趣度向量，兴趣度向量包括：生产规模评分、能源使用种类评分和能源使用价格评分，根据生产规模评分、能源使用种类评分和能源使用价格评分确定企业的兴趣度函数：
[0019][0020]
当wij》x2时，将对应的能源优化方案推荐给厂区管理人员。
[0021]
进一步地，α1、α2、α3为调节系数，α1、α2、α3的取值范围为[0，1]。
[0022]
进一步地，能源使用方法库用于储存优化后的能源使用方案。
[0023]
与现有技术相比，本发明的有益效果是：通过建立建筑三维模型，更加的方便太阳能板的安装和管理，为工作人员提供更加直观的观测数据；通过在厂区内安装太阳能板，挖掘厂区内的太阳能资源，提高厂区内的资源利用率，降低企业的能源消耗成本，同时可以降低当地能源供给的负担。
附图说明
[0024]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]
图1为本发明原理框图。
具体实施方式
[0026]
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实
施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0027]
工业生产是能源消耗大户，在能源消耗占比中占据大头，为地区的能源供给带来很大的负担，同时能源消耗成本在工业生产成本中也占据很大的一部分，如何充分的优化工业生产中的能源使用方法，挖掘能源有效利用的潜力，是目前急需解决的问题。
[0028]
如图1所示，一种综合智慧能源优化调度系统，包括资源挖掘模块、能源再利用模块、优化模块、数据库和服务器；服务器分别与资源挖掘模块和数据库通信连接；服务器还通信连接有能源再利用模块和优化模块；
[0029]
所述资源挖掘模块用于对工业生产企业的产区能源资源进行挖掘，因为工业生产企业基本都会拥有很大的生产产区，但是生产产区内的可再生能源资源并没有得到充分的利用，尤其是太阳能资源，生产产区内的大片厂房都满足太阳能板的安装需求，因此需要对厂区内的太阳能资源进行挖掘，缓解工业生产的能源消耗，同时降低生产企业的能源消耗成本；
[0030]
具体的能源挖掘方法包括：
[0031]
获取厂区平面图，厂区指的是工业生产企业的生产厂区，由产区管理人员划分可建区域，可建区域即为厂区内没有生产规划和使用的区域，例如道路、预留厂区建设地、停车场等区域均不是可建区域，具有极大的不确定性，因此不能通过系统判定，由系统进行判定将会有极大的误差，通过人工划分将会更加的准确，且并不会占用很长的时间；获取可建区域的影像数据，建立识别模型，通过识别模型对可建区域的影像数据进行处理，获取对应可建区域的日照时间和日照面积，日照面积为阳光可以照射的面积；
[0032]
设置时间阈值和面积阈值，时间阈值和面积阈值均由专家组进行讨论设置，将日照时间低于时间阈值的可建区域进行删除，将日照面积低于面积阈值的可建区域进行删除，将剩余的可建区域标记为待建区域；获取待建区域为厂房屋面的区域，标记为屋面区域，获取对应厂房的屋面设计承载力，获取太阳能板信息，太阳能板信息包括重量、面积、型号等信息，根据太阳能板信息将太阳能板重量转化为屋面荷载，确定对应屋面区域的太阳能板安装数量；将屋面区域的太阳能板安装数量低于x1的屋面区域进行删除，其中x1为阈值，将剩余的待建区域标记为安装区域；
[0033]
建立厂区内安装区域的建筑三维模型，即为不是安装区域的厂区平面图仍是二维平面，对安装区域的建筑建立三维立体模型，将安装区域标记在对应的三维模型上，在安装区域设置若干个视频监控点，用于对安装区域进行监控，并将视频监控点设置在建筑三维模型中，获取每个视频监控点的监控信息，监控信息包括摄像头型号、监控区域等信息，根据每个视频监控点的监控范围，在建筑三维模型中设置感应区域，感应区域与视频监控点的监控范围相同，建立感应区域与对应视频监控点的快速连接通道；
[0034]
当点击建筑三维模型中的区域时，获取对应区域的坐标，根据对应区域的坐标匹配到对应的感应区域，连接对应视频监控点的监控画面；
[0035]
通过建立建筑三维模型，更加的方便太阳能板的安装和管理，为工作人员提供更加直观的观测数据；通过在厂区内安装太阳能板，挖掘厂区内的太阳能资源，提高厂区内的资源利用率，降低企业的能源消耗成本，同时可以降低当地能源供给的负担；
[0036]
建立识别模型的方法包括：获取历史影像数据，为历史影像数据设置对应的日照时间和日照面积，构建人工智能模型；人工智能模型即为神经网络模型，将历史影像数据和对应的日照时间和日照面积按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为识别模型。
[0037]
能源再利用模块用于对工业生产中产生的能源进行再利用，因为在工业生产中，提供的能源并不是被全部的有效利用，有很大一部分的能源转化为机械振动的机械能和热能，导致能源的浪费，若将机械振动的机械能和热能进行再次利用，将极大的增加能源的利用率，降低能源损耗；
[0038]
具体的方法包括：
[0039]
从互联网中获取具有机械振动回收的设备信息和具有热量回收的设备信息，设备信息包括型号、体积、回收率、回收装置等信息，回收装置指的是进行能源回收的装置，一般为改装设备，分别标记为振动设备和热量设备，获取厂区内的生产设备信息，生产设备信息包括型号、体积、数量等信息，将生产设备信息与振动设备和热量设备进行匹配，具体的匹配方式是型号、类型匹配，将匹配成功的生产设备标记为初筛设备，获取初筛设备的数量、功率、回收装置回收率、改装成本、企业规模和生产能源消耗成本占比，整合并标记为输入数据，建立筛选模型，将输入数据输入到筛选模型中，获得筛选标签，筛选标签包括01和02，当筛选标签为01时，表示初筛设备符合改装要求；当筛选标签为02时，表示初筛设备不符合改装要求；将筛选标签和对应的输入数据发送给产区管理人员；
[0040]
建立筛选模型的方法包括：获取历史筛选数据，历史筛选数据包括初筛设备的数量、功率、回收装置回收率、改装成本、企业规模和生产能源消耗成本占比，为历史影像数据设置对应的筛选标签，构建人工智能模型；人工智能模型即为神经网络模型，将历史筛选数据和对应的筛选标签按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为筛选模型。
[0041]
所述优化模块用于对工业生产中的能源使用进行优化，具体方法包括：
[0042]
建立能源使用方法库，能源使用方法库用于储存优化后的能源使用方案，还可以储存由专家组进行讨论设置的能源使用方案，能源使用方法库内包括若干个分类子库，分类子库用于储存对应行业的能源使用方案；
[0043]
获取企业所属行业、生产规模、能源使用种类和能源使用价格，能源使用种类即为企业内使用的能源种类，根据企业所属行业在能源使用方法库中匹配到对应的分类子库；
[0044]
构建余弦相似度函数其中，i和j分别为企业i和企业j的兴趣度向量，i和j的夹角越小，相似度越高，兴趣度向量包括：生产规模评分、能源使用种类评分和能源使用价格评分；生产规模评分、能源使用种类评分和能源使用价格评分均为通过企业i和企业j的对比进行评分的，如企业i和企业j的生产规模进行对比，进行评分；
[0045]
示例性的，兴趣度向量的格式为三元组(x1，x2，x3)，根据生产规模评分、能源使用
种类评分和能源使用价格评分确定企业的兴趣度函数：
[0046][0047]
其中α1、α2、α3为调节系数，α1、α2、α3的取值范围为[0，1]，f、t、r分别为企业的生产规模、能源使用种类和能源使用价格；生产规模、能源使用种类和能源使用价格分别设置初始值和数据库中读取的值；
[0048]fij
表示企业i对企业j的生产规模评分，f
min
为数据库中记录的最小的生产规模评分，f
max
为数据库中记录的最大的生产规模评分；t
ij
为企业i对企业j的能源使用种类评分，t
max
为数据库中记录的最大的能源使用种类评分，t
min
为数据库中记录的最小的能源使用种类评分；r
ij
为企业i对企业j的能源使用价格评分，r
max
为数据库中记录的最大的能源使用价格评分，r
min
为数据库中记录的最小的能源使用价格评分；
[0049]
调节系数α1、α2、α3可以在指定范围内，即[0，1]生成随机数，之后通过遗传算法优化系数；f、t、r即为记录企业的数据，将设定的初值代入目标函数w
ij
，通过遗传算法优化系数和初值，可以使用matlab软件中自带的遗传算法工具箱进行迭代计算；
[0050]
当wij》x2时，将对应的能源优化方案推荐给厂区管理人员，其中x2为阈值。
[0051]
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
[0052]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。