System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及大气环境科学领域,具体涉及到一种企业用电日常异常线索识别方法。
技术介绍
1、当前,大气污染防治正向pm2.5与臭氧协同控制方向迈进,工业污染物排放为造成大气污染的重要因素。当前,重点排污单位均已安装烟气在线监控(cems)系统,但该类企业数量占全部企业数量的比例不足10%,大量的中小企业未能得到有效管理;企业用电数据具有时间分辨率高、覆盖广泛、适用性强的特点,在企业日常和重大事件应急管理中应用前景广阔。
2、目前,基于企业用电量的日常异常用电增加场景,已成为工业源大气污染物排放管理中的重要组成部分,但目前针对日常用电异常增加线索的识别方法相对较少,仅有的识别方法,是通过构建用电量与空气质量、气象、能源产业交通等结构的耦合体系实现的,数据量大且获取不方便、不及时,无法实现精细化应用。
3、针对上述问题,本专利技术提供了一种解决了现有企业日常监管问题识别方法的缺失的一种企业用电异常线索识别方法。
技术实现思路
1、本专利技术提供了一种解决了现有企业日常监管问题识别方法的缺失的一种企业用电异常线索识别方法。
2、本专利技术的目的是提供一种企业用电异常线索识别方法,方法包括以下步骤:
3、步骤一、对企业用电数据进行整理,从中标记出企业日用电量高值、低值和正常值;
4、步骤二、深入挖掘企业用电特征,针对年用电规律,取前365天用电量最大10%的数据,作为年用电阈值,对于周用电规律,取前7日平均值的1.5倍作为用电阈值
5、步骤三、当当前用电量大于用电阈值时,判断为该日出现用电量异常增加的情况,形成用电异常增加判别方法;
6、步骤四、根据环保管理部门的监管要求,针对特定时段,对企业日常生产异常行为进行评价,以供环保管理部门开展执法工作。
7、进一步的,步骤一的详细计算步骤如下:
8、步骤一、通过百分位法,确定并标记企业生产状态和可能的用电状态,假设当前企业用电量集合为a,当前用电量为ai,当前用电量的第90百分位a-90,当前用电量的第10百分位a-10,具体公式表示为:
9、
10、步骤二、将停产和低产时段的用电量数据去掉,在阈值计算过程中不用作阈值的计算;
11、步骤三、对分析数据完成初步的筛选和优化。
12、进一步的,步骤二中的阈值计算方法包括以下步骤:
13、步骤一、针对当前用电量ai,选取当前用电量前365日(不含当日)的电力数据集合b,作为阈值计算的基础数据集,当分析年用电量数据时,年用电量充分得反映全年的用电状态,因此选取最大电量带作为判别标准较为合理,具体表示为:
14、b∈a
15、步骤二、计算基础数据集的第90百分位数。假设当前基础数据集的最小数值为l,i为该组段的组距,fx为该组段内的频数,n为总频数,fl为小于l所在组段的累计频数,此处x的值为90,px记为p90,具体表示为:
16、px=l+i/fx×(n×x%-fl)
17、步骤三、基于步骤二,选出集合b中超过第90百分位数的数据点,形成新的数据集b1;
18、步骤四、基于步骤三,对数据集b1求算平均值,计算得到年用电阈值b1
19、
20、步骤五、针对当前用电量ai,选取当前用电量前7日(不含当日)的电力数据集合c,作为阈值计算的基础数据集,当分析周用电量数据时,一般用于关注短时间内用电量的变化状态,若用电量急剧增加,则应当作为用电异常增加点;若用电量缓慢增加,则该点不当作为异常增加点;
21、步骤六、基于步骤五,对数据集c求算平均值,计算得到年用电阈值b2。
22、
23、进一步的,步骤三的具体计算步骤包括以下步骤:
24、步骤一、针对年指标,当当前用电量ai超过阈值时,判断为该日电量出现异常增加,α为系数,可根据不同行业进行设置,根据试验,该处的α建议取值为1-2之间,具体表示为:
25、
26、步骤二、找出异常增加的用电量数据,形成用电量异常增加数组d;
27、步骤三、基于步骤二所筛选出的结果,按相同的思路对周用电量进行二次筛选,得到用电异常增加数组e,参照空气质量冒泡站点算法,当当日用电量超过前7日用电量的50%时,将该点认定为疑似异常点,具体表示为:
28、
29、进一步的,步骤四的具体步骤如下:
30、步骤一、计算特定时段用电异常幅度,具体表示为:
31、
32、步骤二、计算特定时段用电异常时长,具体表示为:
33、
34、步骤三、根据环保部门需要,将异常时长与异常幅度有机地结合起来,形成异常判别指标z,具体表示为:
35、z=α·a+β·t
36、本专利技术具有以下优势:本专利技术通过采用企业用电数据,首先对用电数据进行预处理标记,找出用电量较大、正常和低值的时段,对低值用电时段,在后续的用电量计算过程中暂时不做考虑;其次,充分借鉴空气质量分析过程中使用的方法手段,采用企业日用电量数据,将分析日前推365天和7天,分别考虑年、周等不同维度下用电量分布规律,设置用电量不降反增的计算阈值,该阈值既考虑了长期用电时段的最大用电量,也剔除了短时间内用电量不断攀升的情形;再次,对当前日用电量与用电阈值作比值,判断日用电量与阈值之间的关系,从而判断该日是否为用电量异常增加问题,并形成异常线索清单;最后通过与经验判断得到的异常用电线索进行比对,不断对方法进行适用性完善。
本文档来自技高网...【技术保护点】
1.一种企业用电异常线索识别方法,其特征在于:所述方法包括以下步骤:
2.如权利要求1所述的一种企业用电异常线索识别方法,其特征在于:所述步骤一的详细计算步骤如下:
3.如权利要求1所述的一种企业用电日常异常线索识别方法,其特征在于:所述步骤二中的阈值计算方法包括以下步骤:
4.如权利要求1所述的一种企业用电日常异常线索识别方法,其特征在于:所述步骤三的具体计算步骤包括以下步骤:
5.如权利要求1所述的一种企业用电日常异常线索识别方法,其特征在于:所述步骤四的具体步骤如下:
【技术特征摘要】
1.一种企业用电异常线索识别方法,其特征在于:所述方法包括以下步骤:
2.如权利要求1所述的一种企业用电异常线索识别方法,其特征在于:所述步骤一的详细计算步骤如下:
3.如权利要求1所述的一种企业用电日常异常线索识别方法,其特征在于:所述步...
【专利技术属性】
技术研发人员:刘翰青,陈建华,范可欣,高健,马彤,迟翔予,
申请(专利权)人:中国环境科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。