本发明涉及大数据模型,尤其涉及一种基于大数据模型构建优化能源设备的控制系统。
背景技术:
1、在相关技术中,现代生产中,由于设备的运行参数不同,基于受到设备运行模式以及运行时间的影响,现有的能源设备控制系统无法合理安排设备的运行时间、设定设备的运行参数以及运行模式,造成能源利用率不高的问题。
2、公开于本技术背景技术部分的信息仅仅旨在加深对本技术的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、针对现有技术存在的不足,本发明的目的在于提供一种基于大数据模型构建优化能源设备的控制系统,能够针对工业生产过程中的能源利用率不高的问题,通过最优的数据模拟工业系统的能源流动和转换过程,用来评估和发现不同生产环节中的能源使用漏洞,从而优化生产过程,达到降低能耗和减少排放的目的。
2、根据本发明的实施例的第一方面,提供一种基于大数据模型构建优化能源设备的控制系统,包括:
3、数据处理模块,采集原始时间序列数据,对原始时间序列数据进行预处理,确定时间序列;
4、灰度预测模块,使用灰度预测方法对所述时间序列进行建模和预测,确定灰度预测模型以及灰度预测结果;
5、循环神经网络模块,将所述灰度预测结果作为输入序列,构建循环神经网络模型;
6、仿真模型模块,将所述灰度预测模型与循环神经网络模型结合,根据历史数据和实时检测数据对能源设备对象进行建模和仿真,确定仿真模型;
7、训练模块,根据所述历史数据对所述仿真模型进行训练,获得训练结果;
8、确定模块,根据所述训练结果和实时检测数据,确定是否进行模拟运行对比;
9、模拟运行对比模块,在确定进行模拟运行对比的情况下,获得模拟运行对比结果;
10、最佳控制推荐模块,根据所述模拟运行对比结果,确定最佳控制推荐。
11、根据本发明的一个实施例,采集原始时间序列数据,对原始时间序列数据进行预处理,确定时间序列,包括:
12、对所述原始时间序列数据进行预处理,包括去除噪声、处理缺失值以及平滑,确定所述时间序列。
13、根据本发明的一个实施例,使用灰度预测方法对所述时间序列进行建模和预测,确定灰度预测模型,包括:
14、根据公式
15、
16、x(1)(k+1)=α1x(1)(k)+α2x(0)(k+1)
17、确定灰度预测模型x(1)(k+1),其中,α1、α2为根据时间序列获得的曲线拟合系数,x(0)为所述时间序列,n为所述时间序列中元素的个数,n为正整数,x(0)={x(0)(1),x(0)(2),…,x(0)(n)},x(1)为通过累加所述时间序列生成的新序列,x(1)={x(1)(1),x(1)(2),…,x(1)(n)}。
18、根据本发明的一个实施例,将所述灰度预测模型与循环神经网络模型结合,根据历史数据和实时检测数据对能源设备对象进行建模和仿真,包括:
19、组件级别建模,所述组件级别建模用于将能源设备对象以不同种类、规格设备划分为多个组件,然后对每个组件进行独立建模:
20、过程级别建模,所述过程级别建模用于在组件级别建模的基础上,在不同工况下将多个组件相互关联起来,构建整个工业过程的模型:
21、时间尺度建模,所述时间尺度建模用于对时间尺度进行细化。
22、根据本发明的一个实施例,根据所述训练结果,确定是否进行模拟运行对比,包括:
23、根据公式
24、模拟对比运行条件c:v-t<l
25、获得模拟对比运行条件c,其中,v为所述训练结果,t为所述实时检测数据,l为设定阈值;
26、在所述训练结果满足模拟对比运行条件c的情况下,确定进行模拟运行对比。
27、根据本发明的一个实施例,在确定进行模拟运行对比的情况下,获得模拟运行对比结果,包括:
28、将各个能源设备在不同运行参数、运行时段、运行模式下进行穷举式的排列组合;
29、根据3d模拟仿真技术确定所述排列组合下整条产能线能耗情况,获得所述模拟运行结果。
30、根据本发明的一个实施例,根据所述模拟运行对比结果,确定最佳控制推荐,包括:
31、对所述模拟运行结果进行升序排列,确定所述最佳控制推荐。
32、根据本发明的实施例的第二方面,提供一种一种基于大数据模型构建优化能源设备的控制方法,包括:
33、采集原始时间序列数据,对原始时间序列数据进行预处理,确定时间序列;
34、使用灰度预测方法对所述时间序列进行建模和预测,确定灰度预测模型以及灰度预测结果;
35、将所述灰度预测结果作为输入序列,构建循环神经网络模型;
36、将所述灰度预测模型与循环神经网络模型结合,根据历史数据和实时检测数据对能源设备对象进行建模和仿真,确定仿真模型;
37、根据所述历史数据对所述仿真模型进行训练,获得训练结果;
38、根据所述训练结果和实时检测数据,确定是否进行模拟运行对比;
39、在确定进行模拟运行对比的情况下,获得模拟运行对比结果;
40、根据所述模拟运行对比结果,确定最佳控制推荐。
41、根据本发明的实施例的第三方面,提供一种基于大数据模型构建优化能源设备的控制设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行所述基于大数据模型构建优化能源设备的控制方法。
42、根据本发明的实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现所述基于大数据模型构建优化能源设备的控制方法。
43、根据本发明的实施例的一种基于大数据模型构建优化能源设备的控制系统,在构建仿真模型时,可分为两个步骤,即根据原始时间序列数据确定时间序列,根据时间序列以及灰度预测方法确定灰度预测模型以及灰度预测结果,根据灰度预测结果构建循环神经网络模型;根据灰度预测模型以及循环神经网络模型结合,确定仿真模型,根据仿真模型进行模拟运行对比,通过模拟运行对比结果确定最佳控制推荐。在进行仿真模型训练时,如果仿真模型训练结果与实时检测数据的偏差值小于设定阈值时,进行模拟运行对比,根据模拟运行对比结果确定最佳控制推荐,如果仿真模型训练结果与实时检测数据的偏差值大于设定阈值时,继续进行仿真模型训练,提高仿真模型的准确性。本发明通过建立数学模型和使用计算机仿真技术,基于大数据技术与3d仿真模拟技术来研究和优化工业生产过程中的能源利用和节能措施,通过最优的数据模拟工业系统的能源流动和转换过程,用来评估和发现不同生产环节中的能源使用漏洞,从而优化生产过程,达到降低能耗和减少排放的目的。
44、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本发明。根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将更清楚。