一种公共机构能耗统计系统及方法与流程

文档序号:18739621发布日期:2019-09-21 01:37阅读:1503来源:国知局
一种公共机构能耗统计系统及方法与流程

本发明涉及能耗统计技术领域,具体的说,是一种公共机构能耗统计系统及方法。



背景技术:

公共机构节能目标分为人均综合能耗、单位建筑面积能耗和人均用水量等三项核心统计。其中人均综合能耗采用电、气、油用量作为基础能耗统计点纳入计算。而目前国内所有的公共机构人均能耗统计工作中,对油(包括汽油、柴油)用量的统计均采用票据人工搜集,手动汇总统计上报的方式。由于实物票据普遍具有容易缺失,且票据人工统计工作繁杂易出错,造成油量统计工作不准确,统计数据不完整等一系列统计工作的高难度。



技术实现要素:

本发明的目的在于提供一种公共机构能耗统计系统及方法,用于解决现有技术中对油耗统计采用人工搜集票据、手动汇总统计上报方式导致工作繁杂,统计不准确的问题。

本发明通过下述技术方案解决上述问题:

一种公共机构能耗统计系统,包括数据采集系统和车辆管理系统,所述数据采集系统和车辆管理系统将采集的数据输入数据库,所述数据库依次连接能耗统计子系统和能耗监测平台,所述数据库中设有人均能耗统计算法模型,所述人均能耗统计算法模型将数据输出至所述能耗统计子系统。

进一步地,所述车辆定位子系统包括安装在车辆上的车载终端,所述车载终端自动上传采集的数据至所述数据库,所述人均能耗统计算法模型用于将所述采集的数据转换为机器可识别结构化的能耗统计数据。

进一步地,所述车载终端采集的数据包括油耗信息和GPS数据。

进一步地,所述数据采集系统包括比表计模块,所述表计模块用于采集用电量和用气量,并自动上传至所述数据库。

一种公共机构能耗统计方法,包括:

步骤S100:数据采集系统采集统计范围内的用电量和用气量,并输入数据库;

步骤S200:车辆管理系统采集统计范围内所有车辆的累积油耗信息、GPS数据、单位时间内车加油量Oil和单位时间内车辆行驶里程数Distance并输入数据库;

步骤S300:采用机器深度学习算法找到并持续更新单位距离车辆油耗UFC;

步骤S400:结合统计的用电量和用气量,完成人均能耗的自动机器处理和自动上报。

进一步地,所述步骤S200具体包括:

步骤S210:车辆定位子系统中的车载终端采集统计范围内所有车辆的油耗信息和GPS数据;

步骤S220:车辆定位子系统从车载终端的GPS数据得到实时经纬度数据和油耗信息,得到单位时间内车加油量Oil,通过地图打点机器丈量的方式,计算出单位时间内车辆行驶里程数Distance;

步骤S230:将单位时间内车辆行驶里程数Distance和单位时间内车加油量Oil输入数据库。

进一步地,所述机器深度学习算法包括:

A:将单位时间车辆加油量Oil和单位时间内车辆行驶里程数Distance输入SVM模型;

B:SVM模型输出预测UFC,由公式UFC(l/km)=(ΣOil(l))/(ΣDistance(km))计算油耗,并自动导入油耗统计。

进一步地,所述机器深度学习算法还包括:

C:预测UFC输出反馈至SVM模型;

D:SVM模型更新输出UFC预测值。

进一步地,所述步骤S400具体为:

人均综合能耗(kgce/人)=()/总人数;

其中、、分别代表电能源发热量、天然气能源发热量以及油能源发热量和标准煤之间的转换值,为定量。

本发明与现有技术相比,具有以下优点及有益效果:

(1)本发明通过引入车辆管理系统中的车辆定位子系统中各个车辆搭载的车载终端,车载终端自动收集油耗数据和GPS数据,在数据库中设计能能耗统计算法模型,将油量统计转换为以定位数据为核心维度的路程统计,从而实现能耗统计的机器可识别结构化数据,并通过能耗统计子系统完成自动上报工作,可供能耗监测平台进行监控。

(2)本发明填补了国内公共机构能耗监测平台没有自动上报人均能耗统计的功能空白,大大节省了该类统计的人工时间,提高节能监管工作的效率。此外,油耗统计数据还可以反馈给车辆管理系统,解决在车载油耗探针硬件设备不灵敏的情况下,统计数据不准确的难题。

附图说明

图1为本发明的系统框图;

图2为机器深度学习算法示意图。

具体实施方式

下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。

实施例1:

结合附图1所示,一种公共机构能耗统计系统,包括数据采集系统和车辆管理系统,所述数据采集系统和车辆管理系统将采集的数据输入数据库,所述数据库依次连接能耗统计子系统和能耗监测平台,所述数据库中设有人均能耗统计算法模型,所述人均能耗统计算法模型将数据输出至所述能耗统计子系统。

进一步地,所述车辆定位子系统包括安装在车辆上的车载终端,所述车载终端自动上传采集的数据至所述数据库,所述人均能耗统计算法模型用于将所述采集的数据转换为机器可识别结构化的能耗统计数据。

进一步地,所述车载终端采集的数据包括油耗信息和GPS数据。

进一步地,所述数据采集系统包括比表计模块,所述表计模块用于采集用电量和用气量,并自动上传至所述数据库。

实施例2:

一种公共机构能耗统计方法,包括:

步骤S100:数据采集系统采集统计范围内的用电量和用气量,并输入数据库;

步骤S200:车辆管理系统采集统计范围内所有车辆的累积油耗信息、GPS数据、单位时间内车加油量Oil和单位时间内车辆行驶里程数Distance并输入数据库;

步骤S300:采用机器深度学习算法找到并持续更新单位距离车辆油耗UFC;

步骤S400:结合统计的用电量和用气量,完成人均能耗的自动机器处理和自动上报。

进一步地,所述步骤S200具体包括:

步骤S210:车辆定位子系统中的车载终端采集统计范围内所有车辆的油耗信息和GPS数据;

步骤S220:车辆定位子系统从车载终端的GPS数据得到实时经纬度数据和油耗信息,得到单位时间内车加油量Oil,通过地图打点机器丈量的方式,计算出单位时间内车辆行驶里程数Distance;

步骤S230:将单位时间内车辆行驶里程数Distance和单位时间内车加油量Oil输入数据库。

实施例3:

在实施例2的基础上,结合附图2所示,所述机器深度学习算法包括:

A:将车辆加油数据和车辆GPS路程数据中提取的单位时间车辆加油量Oil和单位时间内车辆行驶里程数Distance输入SVM模型;

B:SVM模型输出预测UFC,由公式UFC(l/km)=(ΣOil(l))/(ΣDistance(km))计算油耗,并自动导入油耗统计。

进一步地,所述机器深度学习算法还包括:

C:预测UFC输出反馈至SVM模型;

D:SVM模型更新输出UFC预测值。

进一步地,所述步骤S400具体为:

人均综合能耗(kgce/人)=()/总人数;

其中、、分别代表电能源发热量、天然气能源发热量以及油能源发热量和标准煤之间的转换值,为定量。

尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。

当前第1页1 2 3 
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