13327806566

新闻动态

开放、合作、共赢是我们企业经营之本,我们致力于应用BIM+IBMS+IOT技术打造数字建筑的运维系统,我们关注智能建筑系统集成行业动态,积极推动建筑信息模型BIM、物联网IOT、大数据等先进技术在数字建筑行业内的应用,我们可以为BIM数字建筑提供设备连接服务,也可以为IBMS系统提供BIM建模服务,欢迎同行技术交流、OEM软件、合作开发。

全部新闻 公司动态 行业资讯

大数据在能源管理中的应用:预测模型

机会:

随着工厂变得更智能化,我们可以采集的数据也越来越多。也随着大数据技术进一步的发展,我们现在可以利用一些大技术的数据,来进一步提升我们的能源利用效率。

评价能源效率主要使用的KPI为MWH/car,也就是每辆车的综合能耗。

文章的数据收集主要在欧宝集团以及PSA集团内部完成,相关因素比如天气数据使用了开源的天气数据。

数据处理以及分析主要使用了KNIME分析平台,R语言,Excel以及VBA。

应用场景:

预测:

预测的关键:

建模:

建模前期经过了数据清洗(去掉不合理数据,补充缺失数据等)以及特征工程(使用Heating degree days 和cooling degree days 来代替温度)。

经过文献检索,选取了四种最常用的预测方法。分别是:多元线性回归,决策树,随机森林,神经网络。

预测的目标为每月的能量消耗。

测试:

选取了欧洲的六个工厂,分别是德国总部Ruesselsheim,Eisenach,波兰Gliwice,英国Luton,Ellesport Meer,以及西班牙的 Zaraagossa。使用2013到2017的数据进行测试。一共进行了三次测试。测试预测结果好坏的标准为R square。

其中一个工厂的测试结果如下。

我们可以看到,当数据量达到三年的时候。几乎所有的方法都可以相对稳定的预测每个月份的能源消耗。其中随机森林以非常高的R2和稳定的测试结果成为了最合适的预测方法。

不过从其他工厂结果来看,工厂发生一些数据无法表达的变化的时候,是利用生产车辆和天气,不包含工作时间的模型,可以更稳定的预测结果。当这种方法在一个新的工厂开始使用的时候,最好再进行测试,以便确定最好的方法。

应用:

这个预测模型的应用主要分为两方面。一是预测未来的能源消耗。二是为能源效率提供一个标准。

预测消耗非常容易理解,为能源效率设定的标准,主要是以如下的方法实现。

将过去三年的数据带入此模型中,分析模型结果和实际消耗的偏差。统计偏差的分布。

如果想要知道今年上半年的能源使用效率,将今年的数据代入模型,就可以得到使用的参考值,以及和实际值的偏差。这个偏差在分布中的位置,就说明了当前能源消耗的效率。

可视化、应用:

应用包括如下步骤:

将预测数据(生产计划,排班计划,近年平均天气)带入模型,得到预测值。

每经过一个月,讲实际值填入,并且更具过去分布,得到状态范围(红色,黄色和绿色)

对比状态范围和实际值,每个月定期检测能源利用效率。

 

---转自华为云开发者社区

南京古河软件有限公司版权所有.  Copyright©2006-2017 Guhe Software All Rights Reserved.      苏ICP备08012350号




业务专线
特别声明
       官网直销是的公司唯一业务通道,本公司没有授权任何代理商。
微信客服(推荐,无需验证)
       申请报价请提供:
       公司名称,联系人,项目名称,建筑面积,技术要求
电话客服
客服一线:13327806566
客服二线:13813854287
邮       箱:350776818@qq.com