本发明涉及园区智能管理,具体为一种基于大数据的智慧园区安全管理系统。
背景技术:
1、智慧园区通过将多个公司集成在同一区域,能够更好的集中资源,促进产业的集聚和发展,而对于智慧园区,其通过融合物联网、大数据、云计算、空间物理等新一代信息通信技术,能够实现区域内及时、互动、整合的信息感知、传递和处理,进而实现对智慧园区的管理。
2、园区管理的安全管理过程包括多个方面,例如火灾风险管理、安防管理以及耗能异常管理,其中对于园区的能耗管理,现有的管理系统会根据园区设备的运行状况以及其运行状态,实现对园区设备耗能异常的判断,进而及时的解决风险问题,保证园区设备的正常运行。
3、然而,现有的园区设备管理主要针对园区的公用设备,例如园区公共区域的空调设备、空气净化设备等,由于能够获取其准确的控制数据,因此能够对其能耗状态进行较为准确的判断,而对于园区用户而言,园区管理端能够获取其耗能数据,但较难获取其设备的运行状态,因此对用户端的耗能异常判断也缺少依据,进而判断的准确性较差。
技术实现思路
1、本发明的目的在于提供一种基于大数据的智慧园区安全管理系统,解决以下技术问题:
2、如何更加全面准确的对园区的耗能异常进行判断。
3、本发明的目的可以通过以下技术方案实现:
4、一种基于大数据的智慧园区安全管理系统,所述系统包括:
5、实时能耗监测模块,用于实时监测园区的总用电能耗数据;
6、公共设备运行监测模块,用于实时监测园区公共设备的状态参数及用电能耗数据;
7、用户数据接入端,用于实时采集园区各个用户的能耗数据;
8、安全管理中心,用于根据实时获取的园区用户的能耗数据与用户历史能耗数据进行用户能耗异常分析,根据用户能耗异常分析结果判断用户能耗异常状态;及根据园区公共设备的用电能耗数据及状态参数对公共设备运行异常状态进行判断,及根据总用电能耗数据对园区整体能耗异常进行判断。
9、进一步地,所述用户能耗异常分析的过程包括:
10、对用户历史能耗数据按日期进行分组,对每个分组进行耗能离散度分析,获取每个分组的离散度系数;
11、根据当前日期耗能状态及其所在分组的离散度系数的大小执行不同的判断策略。
12、进一步地,所述耗能离散度分析的过程包括:
13、通过公式:
14、
15、
16、计算获得每个分组的离散度系数se;
17、其中,n为该分组历史数据量,i=1、2、…、n;ei为第i个历史数据的耗能系数,为所有历史数据耗能系数均值,max(eci)为第i个历史数据的耗能最大值,为第i个历史数据的耗能均值,τ为调整系数;
18、通过公式:
19、
20、计算当前日期t时间点的耗能系数et(t);
21、其中,ec(t)为实时耗能曲线,max(ec(t))为t0~t时段ec(t)的最大值,t0为当前日期起始时间点;
22、通过公式:
23、
24、计算获得耗能超差量δe,并将δe与预设超差阈值δe1进行比对:
25、若δe<δe1,则判断该用户耗能状况正常;
26、若δe≥δe1,则将当天日期对应分组的离散度系数se与预设离散度阈值s1进行比对:
27、若se≤s1,则判断该用户耗能状况异常,并发送异常信息给用户核对;
28、若se>s1,则根据ec(t)的变动状况判断用户耗能状况。
29、进一步地,根据ec(t)的变动状况判断用户耗能状况的过程包括:
30、对进行求解,获取若干个时间区间组;
31、其中,k1为预设速率阈值;
32、若存在时间区间持续时长大于预设时长t1,则判断该用户耗能状况异常,并发送异常信息给用户核对;
33、否则,保持实时监测。
34、进一步地,对公共设备运行异常状态进行判断的过程包括:
35、获取每个公共设备的历史控制功率数据及历史耗能数据,根据历史控制功率数据及历史耗能数据拟合出公共设备的效率变化曲线;
36、根据每个公共设备的效率变化曲线判断公共设备状态及对公共设备耗能状态异常进行判断。
37、进一步地,公共设备效率变化曲线拟合的过程包括:
38、按照不同的环境温度划分时间区间;
39、通过公式:
40、
41、计算获得划分的第j时间区间第k个公共设备效率变化曲线μjk(t),按照预设间隔采集所有μjk(t)上的点,根据采集的点进行拟合,确定公共设备效率变化曲线μk(t);
42、其中,pkj(t)为第j时间区间第k个公共设备的控制功率曲线,fc为第k个公共设备所述类别对应的耗能转化函数,cj(t)为第j时间区间第k个公共设备的实时耗能曲线,tj为第j时间区间的温度中间值,ft为第k个公共设备所述类别对应的温度对该类设备的影响函数。
43、进一步地,根据μk(t)判断公共设备状态的过程包括:
44、通过公式:
45、
46、计算获得第k个设备的异常系数yk(t),将异常系数yk(t)与预设阈值y1k进行比对:
47、若yk(t)>y1k,则判断该设备状态异常;
48、其中,表示t时间点之前预设时段的最大值,δt为预设时段,σk为第k个设备所述类别对应的修正系数。
49、进一步地,对公共设备耗能状态异常进行判断的过程包括:
50、通过公式:
51、gk(t)=fck(pk(t))-fck(pk(t))*μk(t)*ftk(t(t))-ck(t)
52、计算获得第k个公共设备t时间点的误差系数gk(t);
53、若gk(t)>g1k,则判断该公共设备耗能状态异常;
54、其中,t(t)为当前时间点的温度,pk(t)为第k个设备的控制功率曲线,ck(t)为第k个设备的实时耗能曲线,g1k为第k个设备所属类别的允许最大误差值。
55、本发明的有益效果:
56、(1)本发明通过安全管理中心根据实时获取的园区用户的能耗数据与用户历史能耗数据进行用户能耗异常分析,能够结合用户的历史用电确定该用户的耗能特征,进而在当前该用户耗能状态相对与其历史耗能特征出现明显差别时及时发出通知,进而协助用户对其耗能状态进行判断及管理,此过程不需要对接用户设备的运行数据,能够对耗能异常进行判断。
1.一种基于大数据的智慧园区安全管理系统,其特征在于,所述系统包括:
2.根据权利要求1所述的一种基于大数据的智慧园区安全管理系统,其特征在于,所述用户能耗异常分析的过程包括:
3.根据权利要求2所述的一种基于大数据的智慧园区安全管理系统,其特征在于,所述耗能离散度分析的过程包括:
4.根据权利要求3所述的一种基于大数据的智慧园区安全管理系统,其特征在于,根据ec(t)的变动状况判断用户耗能状况的过程包括:
5.根据权利要求1所述的一种基于大数据的智慧园区安全管理系统,其特征在于,对公共设备运行异常状态进行判断的过程包括:
6.根据权利要求5所述的一种基于大数据的智慧园区安全管理系统,其特征在于,公共设备效率变化曲线拟合的过程包括:
7.根据权利要求6所述的一种基于大数据的智慧园区安全管理系统,其特征在于,根据μk(t)判断公共设备状态的过程包括:
8.根据权利要求6所述的一种基于大数据的智慧园区安全管理系统,其特征在于,对公共设备耗能状态异常进行判断的过程包括: