(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111296007.9 (22)申请日 2021.11.03 (71)申请人 北京天泽智云科技有限公司 地址 100191 北京市海淀区北四环西路6 6 号中国技 术交易大厦A座20层20 03 (72)发明人 晋文静　许泽霖　李洋　王佳兴　 金超　李卫　付伟　 (74)专利代理 机构 北京煦润律师事务所 1 1522 代理人 惠磊 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) G06N 20/00(2019.01) (54)发明名称 一种能源需量的智能管理系统 (57)摘要 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。 权利要求书3页 说明书10页 附图2页 CN 114219204 A 2022.03.22 CN 114219204 A 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， 首先权　利　要　求　书 1/3 页 2 CN 114219204 A 2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POther_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5 0％≤n≤10 0％； 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， 所述超限权　利　要　求　书 2/3 页 3 CN 114219204 A 3