一种城市能源大数据接入监管系统

技术领域

本发明涉及城市能源技术领域，尤其涉及一种城市能源大数据接入监管系统。

背景技术

城市能源，是指城市生产和生活活动的动力来源，是城市重要的基础设施之一，主要包括煤气、供电和供热。随着城市工业的不断发展，城市能源的使用暴露出能源利用效率低，碳排放量大等问题。基于上述问题政府要求提高重点用能单位能源利用效率，同时加快推进能源领域相关数据覆盖共享，提升能效综合治理水平。目前，一般通过建立基于城市能源的大数据平台来实现对城市能源的大数据监管。但是现有的大数据平台一般只能实现对城市能源数据的采集，进而根据采集到的城市能源数据进行人为分析以预测未来能耗，但是该种人为分析预测的方式不但对相关人员的经验及水平要求较高，同时预测准确率得不到稳定保证。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种城市能源大数据接入监管系统，用于提升对城市能源数据消耗的预测准确率。

为实现上述目的，本发明提供了如下技术方案：一种城市能源大数据接入监管系统，包括：

数据接入模块，用于实时接入若干能源消耗数据，所述能源消耗数据包含有若干能源业务信息，所述能源业务信息包括区域、行业、企业、能源种类和消耗量；

数据存储模块，连接所述数据接入模块，用于保存若干所述能源消耗数据及若干历史能源数据，所述历史能源数据包含有若干能源历史信息；

数据监管模块，连接所述数据存储模块，用于提取各所述能源消耗数据及各所述历史能源数据并转化为图文实时显示界面以供监管；

模型建立模块，连接所述数据存储模块，用于引入一初始模型，并将若干第一历史时刻的若干所述能源历史信息作为输入，将若干第二历史时刻的所述历史能源数据作为输出，重新训练所述初始模型得到预测初始模型，所述第一历史时刻与所述第二历史时刻为相邻两个时刻，所述预测初始模型的输入为当前时刻的若干所述能源业务信息，输出为能源消耗预测数据；

模型优化模块，连接所述模型建立模块，用于根据所述能源消耗预测数据及当前时刻的所述能源消耗数据建立包含有目标函数的参数求解模型，进而引入预设的粒子群算法模型，将各所述能源业务信息作为一个粒子，不断对所述粒子的速度和位置进行迭代更新，得到所述目标函数值最小时的群体极值，并根据所述群体极值中包含的各所述能源业务信息及下一时刻的实际的能源消耗数据对所述预测初始模型进行调整，得到能源预测模型。

进一步地，所述模型优化模块包括：

限定单元，用于根据预设的若干第一边界值和若干第二边界值对所述参数求解模型中的若干所述能源业务信息进行范围限定，所述第一边界值小于第二边界值；

更新单元，用于根据预设的第一公式和第二公式分别对各所述粒子的速度和位置进行更新；

优化单元，连接所述更新单元，用于在各所述粒子的速度和位置迭代更新过程中，根据预设的第三公式和第四公式分别对所述第二公式中的惯性权重和学习因子进行更新；

迭代单元，连接所述更新单元，用于在所述第二公式中的惯性权重和学习因子更新完毕后根据所述第一计算公式计算得到迭代更新过程中的个体极值、群体机值及相应的目标函数值，最终通过迭代更新得到所述目标函数值最小时的所述群体极值。

进一步地，所述第四公式配置为：

其中，c

c

c

c

c

c

T用于表示迭代次数，T≥0；

T

进一步地，所述第三公式配置为：

其中，w用于表示所述惯性权重，w≥0；

w

w

f用于表示所述粒子当前的目标函数值；

f

f

进一步地，所述参数求解模型配置为：

f＝(y(a,b,c,d,e)-y

其中，f用于表示所述粒子当前的目标函数值；

y(a,b,c,d,e)用于表示所述能源消耗预测数据；

y

a用于表示所述区域，A用于表示包含有若干所述区域的集合；

b用于表示所述行业，B用于表示包含有若干所述行业的集合；

c用于表示所述企业，C用于表示包含有若干所述企业的集合；

d用于表示所述能源种类，D用于表示包含有若干所述能源种类的集合；

e用于表示所述消耗量，E用于表示包含有若干所述消耗量的集合。

进一步地，所述速度更新公式配置为：

其中，i＝1,2,…,N；d＝1,2,…,D；

D用于表示所述能源业务信息的种类，即所述粒子群算法的维度；

N用于表示各粒子的总数；

用于表示第i个粒子第T次迭代时的速度矢量；

用于表示第i个粒子第T次迭代时的位置矢量；

用于表示第i个粒子第T次迭代时的个体极值；

用于表示第i个粒子第T次迭代时的群体极值；

r

所述位置更新公式配置为：

进一步地，所述数据监管模块包括：

能碳监测单元，用于根据各所述能源消耗数据及各所述历史能源数据对全市碳排放状况进行实时监控与显示；

能碳足迹监控单元，用于根据各所述能源消耗数据及各所述历史能源数据对能碳排放数据在能源、工业、建筑、交通、农业和居民个人场景下的实际流向进行实施监控与显示；

能碳管控单元，用于根据各所述能源消耗数据及各所述历史能源数据对能耗双控场景、碳排放管控场景和有序用电管控场景下的能碳排放数据进行实时管控；

能碳场景分析单元，用于根据各所述能源消耗数据及各所述历史能源数据为重点监控企业、单户企业、政府及电力公司用户对能碳排放数据进行分析，得到排放分析结果。

进一步地，还包括：

预处理模块，连接所述数据接入模块，用于对采集到的各所述能源消耗数据进行预处理，得到预处理过后的若干所述能源消耗数据；

数据传输模块，分别连接所述预处理模块和所述数据存储模块，用于将各所述能源消耗数据传输至所述数据存储模块以保存。

进一步地，所述数据接入模块包括：

第一接入单元，用于通过数据接口接入各所述能源消耗数据；

第二接入单元，用于通过相关人员每日手工填报导入各所述能源消耗数据；

第三接入单元，用于通过外部的大数据中心平台导入各所述能源消耗数据。

本发明的有益效果：

本发明根据第一历史时刻的若干能源历史信息和第二历史时刻的历史能源数据训练得到预测初始模型，然后通过建立参数求解模型得到目标函数与能源消耗预测数据之间的关系，进而对粒子群算法模型中的惯性权重及学习因子进行调整，使得粒子群算法模型的迭代更新得到目标函数值最小时的群体极值，最终利用群体极值中包含的各能源业务信息及下一时刻实际的能源消耗数据对预测初始模型进行调整，使得最终得到的能源预测模型精度得到进一步提升，从而有效提升了对城市能源数据消耗量的预测准确率，同时本技术方案还通过设置数据监管模块实现了对能源消耗数据及历史能源数据以图文形式的有效监管。

附图说明

图1是本发明中城市能源大数据接入监管系统的结构示意图。

附图标记：1、数据接入模块；11、第一接入单元；12、第二接入单元；13、第三接入单元；2、数据存储模块；3、数据监管模块；31、能碳监测单元；32、能碳足迹监控单元；33、能碳管控单元；34、能碳场景分析单元；4、模型建立模块；5、模型优化模块；51、限定单元；52、更新单元；53、优化单元；54、迭代单元；6、预处理模块；7、数据传输模块。

具体实施方式

下面结合附图和实施例，对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。

如图1所示，本实施例的一种城市能源大数据接入监管系统，包括：

数据接入模块1，用于实时接入若干能源消耗数据，能源消耗数据包含有若干能源业务信息，能源业务信息包括区域、行业、企业、能源种类和消耗量；

数据存储模块2，连接数据接入模块1，用于保存若干能源消耗数据及若干历史能源数据，历史能源数据包含有若干能源历史信息；

数据监管模块3，连接数据存储模块2，用于提取各能源消耗数据及各历史能源数据并转化为图文实时显示界面以供监管；

模型建立模块4，连接数据存储模块2，用于引入一初始模型，并将若干第一历史时刻的若干能源历史信息作为输入，将若干第二历史时刻的历史能源数据作为输出，重新训练初始模型得到预测初始模型，第一历史时刻与第二历史时刻为相邻两个时刻，预测初始模型的输入为当前时刻的若干能源业务信息，输出为能源消耗预测数据；

模型优化模块5，连接模型建立模块4，用于根据能源消耗预测数据及当前时刻的能源消耗数据建立包含有目标函数的参数求解模型，进而引入预设的粒子群算法模型，将各能源业务信息作为一个粒子，不断对粒子的速度和位置进行迭代更新，得到目标函数值最小时的群体极值，并根据群体极值中包含的各能源业务信息及下一时刻实际的能源消耗数据对预测初始模型进行调整，得到能源预测模型。

具体地，本实施例中，数据监管模块3通过前端UI页面搭配后端功能组件对各能源消耗数据及各历史能源数据进行图文显示，前端UI页面将采用vue.js+Element UI开发技术，其具备快速开发和丰富生态支持的特点。vue.js是用于构建用户界面的渐进式框架。Vue被设计为可以自底向上逐层应用。Vue的核心库只关注视图层，不仅易于上手，还便于与第三方库或既有项目整合。Element UI是采用Vue 2.0作为基础框架实现的组件库，为开发者、设计师和产品经理准备的基于Vue 2.0的组件库，提供了配套设计资源，帮助网站快速成型。后端功能组件将以微服务实现，满足松耦合、灵活配置组合的设计要求，微服务架构采用Spring boot 2.0版本，同时采用遵循JavaEE标准和规范的Java Web开发技术。web中间件选用Tomcat与nginx相结合，采用主流的web服务架构：前端UI页面部署nginx，后端功能组件部署tomcat。当用户浏览器发起访问请求时，html页面的静态资源由nginx直接加载，动态资源请求则被nginx转发到tomcat，随后tomcat将处理结果返回给nginx，再传送到用户浏览器。

在本实施例中，引入的初始模型为XGB模型，首先根据第一历史时刻的若干能源历史信息和第二历史时刻的历史能源数据对XGB模型重新训练得到预测初始模型，然后通过建立参数求解模型得到目标函数与能源消耗预测数据之间的关系，进而对粒子群算法模型中的惯性权重及学习因子进行调整，使得粒子群算法模型的迭代更新得到目标函数值最小时的群体极值，最终利用群体极值中包含的各能源业务信息及下一时刻实际的能源消耗数据对预测初始模型进行权重参数调整得到输入、输出与预测初始模型相同的能源预测模型，使得最终得到的能源预测模型精度得到进一步提升，从而有效提升了对城市能源数据消耗量的预测准确率，同时本技术方案还通过设置数据监管模块3实现了对能源消耗数据及历史能源数据以图文形式的有效监管。能源历史信息包括历史区域、历史行业、历史企业、历史能源种类和历史消耗量。

利用群体极值中包含的各能源业务信息及相对应的下一时刻实际的能源消耗数据对预测初始模型进行权重参数调整过程包括：将群体极值中包含的各能源业务信息输入预测初始模型，输出相应的能源消耗预测数据，将该能源消耗预测数据与下一时刻的实际的能源消耗预测数据计算标准差，并将标准差与预设的标准差阈值进行比较，在标准差大于标准差阈值时重新训练预测初始模型，直至标准差不大于标准差阈值，将此时的预测初始模型作为最终的能源预测模型输出。

优选的，模型优化模块5包括：

限定单元51，用于根据预设的若干第一边界值和若干第二边界值对参数求解模型中的若干能源业务信息进行范围限定，第一边界值小于第二边界值；

更新单元52，用于根据预设的第一公式和第二公式分别对各粒子的速度和位置进行更新；

优化单元53，连接更新单元52，用于在各粒子的速度和位置迭代更新过程中，根据预设的第三公式和第四公式分别对第二公式中的惯性权重和学习因子进行更新；

迭代单元54，连接更新单元52，用于在第二公式中的惯性权重和学习因子更新完毕后根据第一计算公式计算得到迭代更新过程中的个体极值、群体机值及相应的目标函数值，最终通过迭代更新得到目标函数值最小时的群体极值。

具体地，本实施例中，限定单元51通过对能源业务信息进行数值范围限定，可以对出口能源消耗预测数据的数值范围进行初步限定，减少运算量。优化单元53通过对惯性权重和学习因子进行更新，优化了粒子群算法模型迭代更新过程中的更新速度及聚集度，进而提升了本技术方案的预测准确率。

优选的，第四公式配置为：

其中，c

c

c

c

c

c

T用于表示迭代次数，T≥0；

T

具体地，本实施例中，通过区别设置第一学习因子和第二学习因子，使得种群的搜索速度加快，同时提高了找到全局最优解的效率。

优选的，第三公式配置为：

其中，w用于表示惯性权重，w≥0；

w

w

f用于表示粒子当前的目标函数值；

f

f

优选的，参数求解模型配置为：

f＝(y(a,b,c,d,e)-y

其中，f用于表示粒子当前的目标函数值；

y(a,b,c,d,e)用于表示能源消耗预测数据；

y

a用于表示区域，A用于表示包含有若干区域的集合；

b用于表示行业，B用于表示包含有若干行业的集合；

c用于表示企业，C用于表示包含有若干企业的集合；

d用于表示能源种类，D用于表示包含有若干能源种类的集合；e用于表示消耗量，E用于表示包含有若干消耗量的集合。

优选的，进一步地，速度更新公式配置为：

其中，i＝1,2,…,N；d＝1,2,…,D；

D用于表示能源业务信息的种类，即粒子群算法的维度；

N用于表示各粒子的总数；

用于表示第i个粒子第T次迭代时的速度矢量；

用于表示第i个粒子第T次迭代时的位置矢量；

用于表示第i个粒子第T次迭代时的个体极值；

用于表示第i个粒子第T次迭代时的群体极值；

r

位置更新公式配置为：

优选的，数据监管模块3包括：

能碳监测单元31，用于根据各能源消耗数据及各历史能源数据对全市碳排放状况进行实时监控与显示；

能碳足迹监控单元32，用于根据各能源消耗数据及各历史能源数据对能碳排放数据在能源、工业、建筑、交通、农业和居民个人场景下的实际流向进行实施监控与显示；

能碳管控单元33，用于根据各能源消耗数据及各历史能源数据对能耗双控场景、碳排放管控场景和有序用电管控场景下的能碳排放数据进行实时管控；

能碳场景分析单元34，用于根据各能源消耗数据及各历史能源数据为重点监控企业、单户企业、政府及电力公司用户对能碳排放数据进行分析，得到排放分析结果。

具体地，本实施例中，能碳监测单元31会监测6个数据主题和1个全市(含各区县)单位GDP能耗地图。上述6个数据主题的监控内容包括：

⑴监测全市双碳核心指标：碳排放总量、碳排放强度、能源消费总量、单位GDP能耗强度；

⑵展示全市最高和最低区县碳排放量和碳排放强度；

⑶展示消费侧能源和消费侧碳排放占比数据；

⑷监测全市电气煤油多个能源品种的当前累计能耗数据；

⑸监测全市各区县能耗双控进展；

⑹开展碳流动态预测——实现基准情景、达峰情景、强化情景三种情景下的碳达峰预测分析。

能碳足迹监控单元32在能源应用场景的监控包括6个数据主题和1个能碳流图。上述6个数据主题和1个能碳流图的监控内容包括：

⑴用能碳流图展示五个能源品种(原煤、燃气、石油、电力、热力)流向六大碳消费领域的能耗总量(单位：标煤)和占比、碳排放量(单位：万吨二氧化碳)和碳排占比，其中能源领域高亮显示；

⑵展示杭州市推动能源绿色低碳转型的解决方案，如光伏、储能、抽水蓄能、柔性低频输电、柔性直流配电网等。其中，光伏解决方案将展示全市各区县光伏装机容量、光伏发电量及渗透率指标数据和光伏电的消纳方式；统计本年度光伏发电量及同比、光伏发电量占比、光伏用户类型占比；展示整县光伏推进现状、分布式和集中式光伏现状；整县光伏现状布点图和潜力布点图。

⑶统计全市能源领域近5年的碳足迹，包括5个能源品种(原煤、燃气、石油、电力、热力)的碳排放量变化趋势；

⑷展示全市各区县能耗强度对标数据；

⑸展示全市电力碳排放主要指标数据；

⑹对全市各区县重点监控工业企业进行能碳分析，展示其月度

能耗总量及同比值、全年用能限量和碳排放量的变化趋势；

⑺统计全市范围的碳排放结构，包括5个能源品种(原煤、燃气、石油、电力、热力)的碳排放量和占比。

能碳足迹监控单元32在工业应用场景的监控包括4个数据主题和1个能碳流图，上述4个数据主题和1个能碳流图的监控内容包括：

⑴用能碳流图展示工业领域中5个能源品种(原煤、燃气、石油、电力、热力)流向六大工业行业(水泥、热电生产、化工、化纤、公共建筑、纺织印染)的能耗总量及占比、碳排放量及碳排占比；

⑵统计全市六大主导行业碳排放指标数据，包括碳排放总量及碳排强度、能源消耗总量及占比、能耗强度(单位：吨标准煤/万元)及占比；

⑶统计全市重点监控企业能碳排放指标数据，包括工业增加值能耗及碳排放量，可按升序/降序排列；

⑷统计全市工业领域近5年的碳足迹，包括多个工业行业(如非金属、有色金属、黑色金属、化工、化纤、造纸、热电、纺织印染)的能耗强度(单位：吨标准煤)和碳排放强度(单位：吨/万元)的变化趋势；

⑸展示杭州市推动工业绿色低碳转型的解决方案，如零碳工厂、智慧电务等。

能碳足迹监控单元32在建筑应用场景下的监控内容包括：

⑴用能碳流图展示五个能源品种(原煤、燃气、石油、电力、热力)流向六大碳消费领域的能耗总量(单位：标煤)和占比、碳排放量(单位：万吨二氧化碳)和碳排占比，其中建筑领域高亮显示；

⑵展示全市各区县近5年可再生能源建筑应用成效；

⑶统计全市各区县绿色建筑面积；

⑷展示杭州市推动建筑绿色低碳转型的解决方案，如零碳园区、低碳综合体、空房分析等；

⑸统计全市4个建筑行业(房屋建筑业、土木工程建筑业、建筑安装业、建筑装修装饰和其他建筑业)的碳排放指标数据，包括碳排放总量及碳排强度。

能碳足迹监控单元32在交通应用场景下的监控内容包括：

⑴展示全市居民充电桩网络和公交充电桩分布图和热力图；

⑵统计全市绿色出行节能降碳量，年累计减排的柴油/汽油量(单位：万吨)及减少的二氧化碳排放量；

⑶展示全市电动汽车月碳减排量和近5年发展态势；

⑷展示全市近一年内的充电趋势；

⑸展示杭州市推动交通绿色低碳转型的解决方案，如一公里充电圈、充电站微综合体等。

能碳足迹监控单元32在农业应用场景下的监控内容包括：

⑴展示全市各区县乡村振兴绿色发展指数地图，该指数围绕电力先行、低碳环保、产业发展等方面；

⑵展示乡村用能水平(当期和上期)；

⑶展示乡村碳减排措施的进展；

⑷展示杭州市推动农业绿色低碳转型的解决方案，如零碳下姜村、桐庐美丽乡村等。

能碳足迹监控单元32在居民应用场景下的监控内容包括：

⑴以地图的方式展示全市各区县请愿加入“低碳入住计划”的酒店数量；

⑵展示实行“低碳入住计划”的示范酒店的能耗指标数据，包括当日总能耗和用电功率、酒店房间能耗排名；

⑶统计全市参与“低碳入住计划”的酒店中，平均客房能耗排名前十位的酒店；

⑷展示杭州市推动居民绿色低碳转型的解决方案，如低碳入住、未来社区。

能碳管控单元33涵盖3个应用场景：能耗双控、碳排放管控、有序用电管控。

能耗双控应用场景监控内容包括：

⑴分析全市重点企业用电数据，根据预设规则，对电量超限、负荷超限的企业进行监测；

⑵展示全市各区县重点企业能耗总量、工业增加值能耗、碳排放、用能进度等能耗双控指标数据；

⑶以热力图的方式展示全市各区县的能耗强度，提供时间查询条件。

碳排放管控应用场景监控内容包括：

基于企业用户能耗监测数据计算用户碳排放量、碳排放排名及碳排放余额，并根据政府设定目标进行碳排放权自动监测、分析、预警。

有序用电应用场景监控内容包括：

展示全市有序用电管控情况，特别是“两高”企业的用能管控情况。

⑴动态展示当前有序用电等级、参与用户数，并可点击进入查看管控情况明细。

⑵有序用电执行到位率，展示当日参与有序用电总用户(企业)数及执行到位情况，各区县有序用电指标使用程度，以及连续7天管控不到位的企业情况。

⑶异常企业用户预警，根据各区县设定的有序用电方案，将用户实时负荷进行动态对比，对负荷超限较多的用户进行分区域、分行业预警。

能碳场景分析单元34监控内容包括：

⑴为全市重点监控企业勾勒能碳场景，基于用能和碳排指标的统计数据刻画企业用能特征；

⑵为单户企业建立能耗碳效账户，展示该企业全品类能耗和碳排放情况(将企业生产经营的用电、用气、用煤、用油等能耗数据，转换成碳排放量)，包括达标、超标预警信息；

⑶协助政府及电力公司用户进行管控决策，同时帮助企业了解自身能耗构成及用能趋势，并结合政府设定目标为其提供节能降耗减排建议书。

优选的，还包括：

预处理模块6，连接数据接入模块1，用于对采集到的各能源消耗数据进行预处理，得到预处理过后的若干能源消耗数据；

数据传输模块7，分别连接预处理模块6和数据存储模块2，用于将各能源消耗数据传输至数据存储模块2以保存。

具体地，本实施例中，通过设置预处理单元，滤除部分缺失、异常等无效数据，实现了对能源消耗数据的有效过滤，减少后续运算量。数据传输模块7可以通过TCP或Internet传输方式进行数据传输。

优选的，数据接入模块1包括：

第一接入单元11，用于通过数据接口接入各能源消耗数据；

第二接入单元12，用于通过相关人员每日手工填报导入各能源消耗数据；

第三接入单元13，用于通过外部的大数据中心平台导入各能源消耗数据。

具体地，本实施例中，通过多种接入方式接入能源消耗数据，实现了对能源消耗数据的多样化采集，提升了数据获取通道多样性。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。