基于电力数据的城 市行企业（行业和/或企业）能耗监测筛选流程示意图；
[0022] 图3为本发明提供的城市高耗能企业监测筛选方法实施例中基于电力数据的城 市行企业（行业和/或企业）投入能耗及产值的关系的神经网络示意图。
【具体实施方式】
[0023] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本发明进一步详细说明。
[0024] 名词解释：
[0025] 聚类模型：聚类分析是研宄"物以类聚"的一种科学有效的方法。做聚类分析时， 出于不同的目的和要求，可以选择不同的统计量和聚类方法。
[0026] 电力用户用电信息采集系统：是对电力用户的用电信息进行采集、处理和实时监 控的系统，实现用电信息的自动采集、计量异常监测、电能质量监测、用电分析和管理、相关 信息发布、分布式能源监控、智能用电设备的信息交互等功能。
[0027] 电力系统内部营销数据：电力营销数据包括居民用户信息、用电数据、工商业用户 信息、用电负荷实时测量及统计数据。
[0028] 参照附图1，为本发明提供的城市高耗能企业监测筛选方法实施例的流程示意图。
[0029] 所述城市高耗能企业监测筛选方法，包括以下步骤：
[0030] 步骤101 :首先对城市耗能行企业（行业和/或企业）进行研宄筛选：
[0031] 为了提高可实现性，此次高耗能行企业（行业和/或企业）监测及筛选系统，主要 针对于同一城市内的耗能行企业（行业和/或企业）作为研宄对象，选择一个重工业城市 作为此次研宄对象，根据该城市特点主要以重工业为主，占比以上的行业的⑶P的贡献前 三为：煤电化材26. 8%，食品加工15. 7%，其他行业总和52. 3%。所以我们选择占比最高 的：煤电化材行业。已经总结出共有25~30个左右行业，大类大致分为：采矿业，制造业， 电力业三方面。（以下行业均表示上述的25~30个范围内所指行业）
[0032] 基于电力系统的大数据平台，结合电力系统特有的行企业（行业和/或企业）用 电数据，以及部分重点大型企业的实时用电量，用电客户信息，重点企业的主营业务的年产 值，结合交叉学科的技术研宄，分析耗能设备潜在的提升点。这里具体指的是：结合电力系 统国内的用电设备专家，或者能效管理专家，通过实时用电进行分析和能耗指导。
[0033] 步骤102 :建立关系分析模型实现耗能行企业（行业和/或企业）监测及筛选功 能丰吴块：
[0034] 为了建立高耗能行企业（行业和/或企业）的耗能投入和产值之间的分析模型从 而实现高耗能行企业（行业和/或企业）监测及筛选功能，运用数据挖掘算法，包括聚类分 析、关联分析、时序分析等方法，首先利用预测网络建立城市行企业（行业和/或企业）耗 能投入与年终产值关系模型。输入、输出数据分别为：重点行业的历年季度用电量、该行业 的季度GDP (资料显示：用电量会提前GDP -个季度动作）。
[0035] 结合建立好的耗能投入与年终产值关系模型，以实现高耗能行企业（行业和/或 企业）筛选监测功能，虽然重点还是关注国家规定的6个高耗能行业的企业，但是此功能的 行业种类不受限制。具体做法如下：
[0036] 为了具有行业内不同企业的横向对比结果，此处运用聚类分析，设置两类行企业 (行业和/或企业）能耗模型包括相对能耗模型和绝对能耗模型（相对能耗和绝对能耗只 是一个概念，只代表行业内和行业外的能耗比较）：
[0037] 相对能耗模型的建立包括：针对于不同行业内的，运用聚类分析，将相同域内的行 业季度或年终总产值进行划分，通过不同行业间的对比排名，可以得出该年度的总行业耗 能排名，结合该行业历年耗能的历史数据，进行未来走势预测，提前为国家提供总行业能耗 走势图。统计数据采用如下所示的表格1。
[0038] 表 1
[0039]
【主权项】
1. 一种城市高耗能企业监测筛选方法，其特征在于，包括： 基于电力系统的大数据平台，结合电力系统特有的行业和/或企业用电数据，W及部 分重点大型企业的实时用电量，用电客户信息，重点企业的主营业务的年产值，结合交叉学 科的技术研究，分析耗能设备潜在的提升点，从而用于对城市耗能行业和/或企业进行研 究筛选； 运用数据挖掘算法，包括聚类分析、关联分析、时序分析等方法，利用预测网络建立城 市行业和/或企业耗能投入与年终产值关系分析模型从而实现耗能行业和/或企业监测 及筛选功能模块；其中输入数据为重点行业的历年季度用电量，输出数据为该行业的季度 GDP ； 对搭建行业和/或企业能耗投入与产值的分析模型进行研究和优化，通过常用的分析 预测方法，选择精度较高、运算速度较快的小波算法进行改进，并通过鼓励企业接入电力系 统中的实时电量监控模块，设置用电量高低口限，进行报警，帮助企业进行耗能大设备的运 行监控，并提供行业和/或企业历史能耗可视化设计方案； 使用matl油仿真软件的建模工具箱，选择小波算法的预测神经网络，输入主要为行业 和/或企业用电量，输出为该行业的产值；得出此模型后，进行相对能耗和绝对能耗的排 名； 运用小波算法优化的BP神经网络进行行业和/或企业投入能耗W产值的关系预测；在 用电行业和/或企业能耗投入与产值关系的预测过程中，输入为2个，分别为；该行业大型 企业工厂用电量及主流行业发展状态；输出为1个，即该城市行业和/或企业投入能耗与产 值关系网络； 通过进行BP神经网络建模，建立普遍行业的投入能耗及产值之间的关系模型，实现筛 选并预测出能耗较高的行业，并通过鼓励该行业内的重点企业介入电力系统用电量实时监 测系统中，进行实时电量检测，季度用电量统计，年度历史用电量统计，结合该行业和/或 企业季度，年产值数据，通过用电量和产值之间的关系，进行绝对能耗和相对能耗的分析， 进行不同行业和/或企业之间的耗能横向对比，W及同一行业和/或企业的纵向历史对比 及未来预测。
2. 根据权利要求1所述的方法，其特征在于，所述利用预测网络建立城市行业和/或企 业耗能投入与年终产值关系分析模型的步骤还包括： 为了具有行业内不同企业的横向对比结果，运用聚类分析，设置两类行业和/或企业 能耗模型包括相对能耗模型和绝对能耗模型； 其中，相对能耗模型的建立包括；针对于不同行业内的，运用聚类分析，将相同域内的 行业季度或年终总产值进行划分，通过不同行业间的对比排名，可W得出该年度的总行业 耗能排名，结合该行业历年耗能的历史数据，进行未来走势预测，提前为国家提供总行业能 耗走势图； 绝对能耗模型的建立包括；针对于同一行业内不同企业的，主营业务的用电量单位产 值排名，主要锁定相对能耗较高的行业中的重点企业进行研究；对于企业之间，进行横比； 对于企业自身，进行纵比。
【专利摘要】本发明公开了一种城市高耗能企业监测筛选方法，包括以下步骤：首先对城市耗能行业和/或企业进行研究筛选；建立关系分析模型实现耗能行业和/或企业监测及筛选功能模块；算法选择优化和结果可视化呈现方案；建立模型进行能耗分析，针对不同的需求主体，提供不同形式、程度的展示；城市行业和/或企业能耗与产值分析神经网络拓扑设计。本发明提供的城市高耗能企业监测筛选方法，基于电力内部营销数据，结合数据分析进行的，通过用电量结合电力系统数据平台上的实时用电量监控，进行大型设备运行监测，统计行业和/或企业不同颗粒度的能耗数据资料，实现预测产值功能，实时监控用电量功能，高耗能行业和/或企业筛选监测功能。
【IPC分类】G06Q50-06, G06Q10-06
【公开号】CN104680313
【申请号】CN201510070682
【发明人】尹玉, 田传波, 耿亮, 林弘宇, 王伟, 郭昆亚, 邵枫, 金鹏, 王雅, 王卫卫, 张红
【申请人】北京国电通网络技术有限公司, 国家电网公司, 国网辽宁省电力有限公司沈阳供电公司
【公开日】2015年6月3日
【申请日】2015年2月10日