一种基于用能数据的神经网络节能潜力分析平台

摘要

本发明涉及节能潜力分析平台领域，具体为一种基于用能数据的神经网络节能潜力分析平台，其包括数据层、业务层和表示层；数据层包括用能数据获取模块、数据存储模块和数据分类模块；用能数据获取模块用来获取锅炉实际使用的电度数，使用的总标准煤数和实际发电量；业务层包括修正模块、节能潜力分析模块、建模模块和图表生成模块；修正模块用来对每标准煤的发电量C进行修正；节能潜力分析模块用来对节能潜力进行计算分析；建模模块用来建立时间和节能率的曲线关系模型并预测后续走势。本发明中，通过对每标准煤的发电量C进行修正，提高了锅炉节能潜力计算的准确度，另外通过建模预测节能潜力后续走势，便于提前规避风险。

说明书

技术领域

本发明涉及节能潜力分析平台领域，具体是一种基于用能数据的神经网络节能潜力分析平台。

背景技术

电厂用来发电的锅炉成为电站锅炉，电站锅炉的能源消耗非常大，所以目前的电站锅炉都在通过各种方式进行节能，目前的火电厂锅炉往往存在煤炭利用率低，节能效果不明显的问题，需要对火电厂锅炉的用能数据进行分析并计算器节能潜力，以便随时对火电厂锅炉进行维修或更换从而提高能源利用率的目的，现有的火电厂锅炉节能潜力分析都是通过理论与一段时间内的使用实际值进行比对，从而完成节能潜力分析，实际使用值仅仅用均数来计算，计算误差较大，因为存在很多影响因素，例如锅炉的工作环境温度、锅炉负荷率以及锅炉的使用时间(寿命)，因此计算结果不够精准，且仅仅提供的是当前时间段内的节能潜力分析值，无法预测后续节能潜力分析走势，不能提前规避风险。

授权公告号为CN114037297A的中国专利公开了一种火电厂锅炉节能潜力分析方法，包括以下步骤：得到锅炉实际每度电消耗标准煤A1、不采取任何节能措施下的每度电煤炭消耗量B1、对B1进行负荷率的影响修正、环境温度的影响修正和设备使用时间的影响修正，得到二次修正后的实际供电煤耗、计算出正常情况下发电机组的每吨煤炭的发电量C1，增加供煤量，数量依次为A2、A3、A4三种量；得出在采取节能措施下的煤炭消耗量B2、B3、B4；在计算采取节能措施下的发电量D1、D2、D3；计算火电厂锅炉节能率。

但是上述已公开方案存在如下不足之处：无法预测后续节能潜力分析走势，不能提前规避风险或采取相关措施。

发明内容

本发明目的是针对背景技术中存在的问题，提出一种分析结果准确且能预测后续节能潜力走势的基于用能数据的神经网络节能潜力分析平台。

一方面，本发明提出一种基于用能数据的神经网络节能潜力分析平台，包括数据层、业务层和表示层；

数据层包括用能数据获取模块、数据存储模块和数据分类模块；用能数据获取模块用来获取锅炉实际使用的电度数，使用的总标准煤数和实际发电量，得到每度电能消耗掉的标准煤数量A、实际使用情况下每标准煤的发电量C、理论每度电能消耗掉的标准煤数量B和理论每标准煤的发电量D；数据存储模块用来存储数据；数据分类模块用来按照事先设定的分类规则对数据进行分类；

业务层包括修正模块、节能潜力分析模块、建模模块和图表生成模块；修正模块用来对每标准煤的发电量C进行修正；节能潜力分析模块用来对节能潜力进行分析，节能潜力E的计算公式为：

表示层包括展示模块，展示模块用来展示节能潜力E的计算公式、计算结果以及节能率走势图。

优选的，A＝标准煤消耗量/耗电量，C＝实际发电量/总标准煤数。

优选的，数据存储模块存储的数据包括锅炉实际使用的电度数，使用的总标准煤数，实际发电量，每度电能消耗掉的标准煤数量A，出厂厂家提供的理论每度电能消耗掉的标准煤数量B，实际每标准煤的发电量C和理论每标准煤的发电量D。

优选的，数据分类模块按照锅炉使用的环境温度、锅炉负荷率和锅炉使用时间对数据进行分类。

优选的，修正模块从环境温度、锅炉负荷率和锅炉使用时间对每标准煤的发电量C进行修正，修正过程如下：

S11、在使用的总标准煤数和实际发电量中根据不同的环境温度范围进行数据分类，不同范围内的实际每标准煤的发电量记为C

S12、在使用的总标准煤数和实际发电量中根据不同的锅炉负荷率范围进行数据分类，不同范围内的实际每标准煤的发电量记为C

S13、在使用的总标准煤数和实际发电量中根据不同的锅炉使用时间范围进行数据分类，不同范围内的实际每标准煤的发电量记为C

S14、每标准煤的发电量C修正公式为：

优选的，建模模块用来建立时间和节能率的曲线关系模型，每个时间段T计算一次锅炉节能率E，各个时间段记为T

优选的，节能潜力E大于2，说明锅炉有节能效果，且数值越大节能潜力越大。

另一方面，本发明提出一种基于用能数据的神经网络节能潜力分析平台的节能潜力分析方法，包括以下步骤：

S21、获取锅炉实际使用的电度数，使用的总标准煤数和实际发电量；

S22、计算得到每度电能消耗掉的标准煤数量A和实际使用情况下每标准煤的发电量C，并从锅炉生产厂家得到理论每度电能消耗掉的标准煤数量B和理论每标准煤的发电量D；

S23、对每标准煤的发电量C进行修正；

S24、对节能潜力进行分析，节能潜力E的计算公式为：

S25、建立时间T和节能率E的曲线关系模型，输出曲线走势图并预测后续走势，生成带预测结果的锅炉节能率E走势图，并在表示层进行展示。

与现有技术相比，本发明具有如下有益的技术效果：通过对每标准煤的发电量C进行修正，减小锅炉的工作环境温度、锅炉负荷率以及锅炉的使用时间对计算结果造成的影响，提高了锅炉节能潜力计算的准确度，另外通过建模，预测节能潜力后续走势，为后续提供参考，便于及时对锅炉进行维修或更换，能提前规避风险。

附图说明

图1为本发明一种实施例的结构示意图；

图2为每标准煤的发电量C的修正流程图；

图3为节能率E的曲线走势图；

图4为节能潜力分析方法的流程图。

具体实施方式

实施例一

如图1所示，本发明提出的一种基于用能数据的神经网络节能潜力分析平台，包括数据层、业务层和表示层；

数据层包括用能数据获取模块、数据存储模块和数据分类模块；用能数据获取模块用来获取锅炉实际使用的电度数，使用的总标准煤数和实际发电量，得到每度电能消耗掉的标准煤数量A、实际使用情况下每标准煤的发电量C、理论每度电能消耗掉的标准煤数量B和理论每标准煤的发电量D，A＝标准煤消耗量/耗电量，C＝实际发电量/总标准煤数；数据存储模块用来存储数据，包括锅炉实际使用的电度数，使用的总标准煤数，实际发电量，每度电能消耗掉的标准煤数量A，出厂厂家提供的理论每度电能消耗掉的标准煤数量B，实际每标准煤的发电量C和理论每标准煤的发电量D；数据分类模块按照锅炉使用的环境温度、锅炉负荷率和锅炉使用时间对数据进行分类；

业务层包括修正模块、节能潜力分析模块、建模模块和图表生成模块；修正模块用来对每标准煤的发电量C进行修正；节能潜力分析模块用来对节能潜力进行分析，节能潜力E的计算公式为：

表示层包括展示模块，展示模块用来展示节能潜力E的计算公式、计算结果以及节能率走势图。

本实施例中，获取锅炉实际使用的电度数，使用的总标准煤数和实际发电量，计算得到每度电能消耗掉的标准煤数量A和实际使用情况下每标准煤的发电量C，并从锅炉生产厂家得到理论每度电能消耗掉的标准煤数量B和理论每标准煤的发电量D，对每标准煤的发电量C进行修正，对节能潜力进行分析，节能潜力E的计算公式为：

实施例二

如图2所示，本发明提出的一种基于用能数据的神经网络节能潜力分析平台，相较于实施例一，修正模块从环境温度、锅炉负荷率和锅炉使用时间对每标准煤的发电量C进行修正，修正过程如下：

S11、在使用的总标准煤数和实际发电量中根据不同的环境温度范围进行数据分类，不同范围内的实际每标准煤的发电量记为C

S12、在使用的总标准煤数和实际发电量中根据不同的锅炉负荷率范围进行数据分类，不同范围内的实际每标准煤的发电量记为C

S13、在使用的总标准煤数和实际发电量中根据不同的锅炉使用时间范围进行数据分类，不同范围内的实际每标准煤的发电量记为C

S14、每标准煤的发电量C修正公式为：

本实施例中，从环境温度、锅炉负荷率和锅炉使用时间对每标准煤的发电量C进行修正，便于提高节能潜力计算的准确性。

实施例三

如图3所示，本发明提出的一种基于用能数据的神经网络节能潜力分析平台，相较于实施例一，建模模块用来建立时间和节能率的曲线关系模型，每个时间段T计算一次锅炉节能率E，各个时间段记为T

本实施例中，通过构建的二维走势图，能直观看出锅炉的节能潜力走势，结合预测的后续走势，能在节能潜力下降到期望值之前对锅炉进行维修或者更换，便于提前规避风险。

实施例四

如图4所示，基于上述一种基于用能数据的神经网络节能潜力分析平台实施例的节能潜力分析方法，包括以下步骤：

S21、获取锅炉实际使用的电度数，使用的总标准煤数和实际发电量；

S22、计算得到每度电能消耗掉的标准煤数量A和实际使用情况下每标准煤的发电量C，并从锅炉生产厂家得到理论每度电能消耗掉的标准煤数量B和理论每标准煤的发电量D；

S23、对每标准煤的发电量C进行修正；

S24、对节能潜力进行分析，节能潜力E的计算公式为：

S25、建立时间T和节能率E的曲线关系模型，输出曲线走势图并预测后续走势，生成带预测结果的锅炉节能率E走势图，并在表示层进行展示。

本实施例中，通过对每标准煤的发电量C进行修正，减小锅炉的工作环境温度、锅炉负荷率以及锅炉的使用时间对计算结果造成的影响，提高了锅炉节能潜力计算的准确度，另外通过建模，预测节能潜力后续走势，为后续提供参考，便于及时对锅炉进行维修或更换，能提前规避风险。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。