一种能源需量的智能管理系统的制作方法

技术特征：
1.一种能源需量的智能管理系统，其特征在于，包括以下模块：实时需量预测模块，其基于机器学习算法建立实时需量预测模型，实现分钟级的实时需量预测；长时需量预测模块，其根据排产计划、检修计划、母联切换状态及过去用电设备的数据实现未来周天级的能源需量预测；生产过程异常监测模块，其对生产过程关注的数据质量进行异常判断，然后对设备的运行状态进行异常检测，当检测到异常发生时，提供调控建议；超限归因分析模块，其自动分析能源需量的超限原因，并对自动分析的超限原因进行正确与否的人工反馈；能源看板模块，其能够展示对能源需量管理的信息；参数配置模块，其能够对和能源需量相关的参数进行配置。2.根据权利要求1所述的智能管理系统，其特征在于，所述实时需量预测模块包括以下子模块：设备分类模块，其根据设备用电数据特性划分设备类型；特征提取模块，其根据设备用电数据、影响设备用电的关键数据、表征设备状态变化的关键数据分别提取特征；工况识别模块，其通过对母联状态的识别，识别出不同的工况，针对不同的工况建立不同的模型，将模拟的所有工况分别训练，得到不同工况的预测模型；模型训练模块，其将特征提取处理后的数据采用机器学习算法训练不同工况的预测模型，优化调整参数，得到未来预设时间的预测模型；实时预测模块，其实时使用最近某段时间的数据，通过特征提取模块构造特征，选择模型训练模块训练出来的模型实现预设时间的预测。3.根据权利要求2所述的智能管理系统，其特征在于，所述实时需量预测模块还包括模型在线更新模块，在实时预测模块预测的结果超过偏差阈值时，利用实际发生的工况数据，重新经过特征提取模块来训练模型。4.根据权利要求1-3中任一项所述的智能管理系统，其特征在于，所述长时需量预测模块将预测周期的能源需量分成两部分：一部分是钢种用电相关设备的预测需量，这部分需量通过各钢种的历史数据和排产计划计算得到；另一部分是除钢种用电相关设备以外的其他设备的预测需量，通过计算基准周期和预测周期运行状态不一致的设备需量变化和没有启停变化的设备需量得到。5.根据权利要求4所述的智能管理系统，其特征在于，钢种用电相关设备的预测需量是通过排产检修计划中这些设备的开关机时间和生产的钢种计算得到，钢种用电相关设备i在预测时刻t的预测需量为：其中：和分别为设备i在生产钢种a时和停机检修时的统计能源需量值，set1为钢种用电相关设备的集合。6.根据权利要求5所述的智能管理系统，其特征在于，对于其他设备的预测需量，首先
根据整个基准周期的实际电量数据中总的需量数据p
总需量_base
和各个钢种用电相关设备电量数据计算第t时刻其他设备预测需量的基准数据p
other_base
：比较基准周期和预测周期的其他设备开关情况，分别计算第t时刻基准周期运行、预测周期不运行的设备需量和基准周期不运行、预测周期运行的设备需量，从而得到第t时刻其他设备的预测需量和：其中，分别为设备j运行和不运行时的统计能源需量值，set2
(t)
为t时刻基准周期运行、预测周期不运行的设备集合，set3
(t)
为t时刻基准周期不运行、预测周期运行的设备集合；得到预测周期第t时刻总的需量预测值7.根据权利要求6所述的智能管理系统，其特征在于，预测周期每小时的预测需量为总的需量预测值的n阶分位数，其中50％≤n≤100％；最后，结合母联切换记录按上面的步骤分别计算各总降、各时刻对应的预测需量，进而得到各总降预测周期的每小时需量预测值。8.根据权利要求1-3、5-7中任一项所述的智能管理系统，其特征在于，所述生产过程异常监测模块包括以下子模块：数据质量判断模块，其采用基于统计或规则的方法对通过传感器采集的生产过程数据质量进行初步判断，然后采用基于统计的方法或基于异常监测算法的方法，判断测量值和实际值是否偏差过大；设备异常检测模块，其在数据质量正常时，通过规则或机器学习算法对设备运行状态是否异常进行判断；调控规则建议模块，其在所述设备异常检测模块判断设备发生异常且所述数据质量判断模块判断数据质量正常时，对设备异常的种类进行判断，触发调控建议，以为操作人员提供参考。9.根据权利要求8所述的智能管理系统，其特征在于，所述调控规则建议模块包括异常判断标准配置单元和调控规则建议库单元。10.根据权利要求9所述的智能管理系统，其特征在于，建立调控规则建议库的方法包括以下步骤：首先，梳理所有设备在各种工况下的能源需量；然后，对设备调控划分优先级顺序，综合考虑生产工艺和各设备的能源需量计划，通过量化指标并参考实际调控经验形成相应的调度组合，最终固化成调控规则建议库。11.根据权利要求8所述的智能管理系统，其特征在于，所述数据质量判断模块采用基于统计或规则的方法对通过传感器采集的生产过程数据质量进行初步判断，然后采用统计或异常监测算法实现数据的质量判断。12.根据权利要求1-3、5-7、9-11中任一项所述的智能管理系统，其特征在于，所述超限
归因分析模块的运行方法包括以下步骤：(1)判断并获取对应总降的超限时刻后，将所有设备划分为多个设备组，然后分别计算过去某段时间各个设备组的需量变化量；(2)设定每个设备组需量变化量的权重系数，得到各设备组加权需量变化量的排序序列，选择加权需量变化量最大的设备组为超限主要原因；(3)设定加权需量变化量最大的设备组下每个设备需量变化量的权重系数，找出设备组下加权需量变化量最大的设备作为需量超限的主要原因。13.根据权利要求1-12中任一项所述的智能管理系统，其特征在于，所述智能管理系统还包括参数配置模块，能够进行需量控制目标设定、需量经济指标配置、用电发电设备的电量或需量阈值配置、生产计划录入导入功能和母联切换配置的功能。14.根据权利要求13所述的智能管理系统，其特征在于，所述智能管理系统还包括异常事件模块，所述异常事件模块能够对所有和能源需量相关的异常事件进行报警及记录。

技术总结
本申请涉及一种能源需量的智能管理系统，包括实时需量预测模块、长时需量预测模块、生产过程异常监测模块、超限归因分析模块、能源看板模块、参数配置模块等。本申请通过事前预防、事中建议、事后分析及集中配置展示实现了能源需量的全面智能管控；通过智能算法实现智能预测，智能监控高炉发电运行状态；将操作经验系统化，预测更准，措施更优；遇到问题可以量化追踪，全面系统的实现需量管理，实现了精细化管理。化管理。化管理。


技术研发人员：晋文静 许泽霖 李洋 王佳兴 金超 李卫 付伟
受保护的技术使用者：北京天泽智云科技有限公司
技术研发日：2021.11.03
技术公布日：2022/3/21