【技术实现步骤摘要】
本专利技术涉及工厂能耗管理，更具体地说，本专利技术涉及基于大数据的工厂能耗管理系统及方法。
技术介绍
1、工厂能耗指的是在工厂生产过程中所消耗的各种能耗的总量，包括但不限于电能、热能、燃气以及燃油等。随着工业4.0和智能制造的快速发展，工厂的生产效率和生产能力显著提升。然而，随之而来的能耗问题也变得越来越突出。工厂能耗管理已成为各大企业和科研机构关注的重点。传统的工厂能耗管理通常依赖于人工统计和经验判断，这不仅效率低下，而且难以准确掌握能耗数据，无法实现精细化管理和优化控制。现有的通过智能计算某一设备的异常能耗折损度、某一设备的应维护参数或设备的损伤老化率、工厂的实时线损功率值、某一设备的能耗产出比、工厂设备的配比优化生产任务优化方案，通过上述技术效果实现，从而使得系统能够助力于工厂进行工厂的精准高效管理，例如，公开号为cn117908484a的中国专利申请公开了一种智慧工厂的能耗检测及分析系统，上述方法虽实现了工厂能耗的管理，但经专利技术人对上述方法以及现有技术进行研究和应用发现，上述方法以及现有技术至少存在以下部分缺陷：
2、但上述技术以及现有技术均未考虑到不同生产阶段零件所需的能耗数值不同，使得设备在运行过程中无法精准加工零件，并且容易由于生产阶段的变化，导致能耗数值与所需能耗数值不符，从而导致零件质量不佳。
3、为此，本专利技术提供了基于大数据的工厂能耗管理系统及方法。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供了基于大数据的工厂能
2、为实现上述目的，第一方面，本专利技术提供如下技术方案：基于大数据的工厂能耗管理方法，包括：
3、步骤1：在工厂生产区域内采集的n组历史能耗数据；所述历史能耗数据包括设备能耗数据、汽车零件数据、喷涂物料数据和喷涂环境数据；n为大于零的整数；
4、步骤2：计算n组历史能耗数据对应的设备评估系数、零件质量系数、物料损耗系数以及环境评估系数；
5、步骤3：计算n组历史能耗数据对应的能耗控制系数；
6、步骤4：设置能耗映射表，实时采集能耗控制数据，计算实时能耗控制数据对应的能耗控制系数，根据能耗控制系数以及能耗映射表，获取对应的能耗数值；
7、步骤5：计算喷涂设备的能耗损失系数，根据喷涂设备的能耗损失系数计算运行能耗数值，控制喷涂设备的能耗数值调节为运行能耗数值，并设置目标喷涂质量数据；
8、步骤6：预设设备评估系数阈值，在汽车零件喷涂过程中实时采集喷涂质量数据，计算对应的设备评估系数，对计算出的设备评估系数进行分析，判断是否生成能耗异常指令；若生成能耗异常指令，则根据当前喷涂质量数据计算出新的运行能耗数值，控制喷涂设备的能耗数值为新的运行能耗数值；
9、步骤7：根据目标喷涂质量数据计算目标设备评估系数，将计算出的设备评估系数与目标设备评估系数进行对比分析，判断汽车零件喷涂是否结束，若喷涂结束，则控制喷涂设备停止运行。
10、进一步地，所述设备能耗数据包括喷涂设备的喷涂功率、压缩空气功率和烘干功率；n组历史能耗数据对应的设备评估系数的计算方法包括：
11、spn＝(wpn+wyn+whn)×ys；
12、式中，spn表示第n组历史能耗数据对应的设备评估系数，wpn表示第n组历史能耗数据对应的喷涂设备的喷涂功率，wyn表示第n组历史能耗数据对应的喷涂设备的压缩空气功率，whn表示第n组历史能耗数据对应的喷涂设备的烘干功率，ys为喷涂设备的运行时间，n为历史能耗数据的组号，n＝1，2，……，n。
13、进一步地，所述汽车零件数据包括汽车零件面积和喷涂质量数据；所述喷涂质量数据包括喷涂平整度和喷涂厚度；
14、n组历史能耗数据对应零件质量系数的计算方法包括：
15、
16、式中，lpn为零件质量系数，lmn为汽车零件面积，pzn为喷涂平整度，phn为喷涂厚度，pnn为喷涂黏度，β1和β2为预设权重因子，且β1和β2均大于零。
17、进一步地，所述喷涂物料数据包括油漆流量和混合比例数据；
18、n组历史能耗数据对应物料损耗系数的计算方法包括：
19、wnn＝yqn×γ1+hbn×γ2
20、式中，wnn为物料损耗系数，yqn为油漆流量，hbn为混合比例数据，γ1和γ2为预设权重因子，且γ1和γ2均大于零。
21、进一步地，所述喷涂环境数据包括喷涂环境温度、喷涂环境湿度和空气清洁度；
22、n组历史能耗数据对应环境评估系数的计算方法包括：
23、
24、式中，hjn为环境评估系数，hwn为喷涂环境温度，hsn为喷涂环境湿度，hqn为空气清洁度，c为预设权重因子，且c大于零。
25、进一步地，n组历史能耗数据对应的能耗控制系数计算方法包括：
26、
27、式中，hwn为能耗控制系数，θ1表示设备评估系数的权重因子，θ2表示零件质量系数的权重因子，θ3表示物料损耗系数的权重因子，θ4表示环境评估系数的权重因子，ln(·)为取对数函数。
28、进一步地，所述能耗映射表包括能耗控制系数以及与能耗控制系数对应的能耗数值；
29、喷涂设备的能耗损失系数的计算方法包括：
30、
31、式中，sx为能耗损失系数，hp为喷涂环境数值，zx为运行周期，μ1和μ2为预设权重因子，且μ1和μ2均大于零，kc为大于零的预设常数；
32、运行能耗数值的计算方法包括：
33、yxh＝ns×(sx+1)；
34、式中，yxh为运行能耗数值，ns为实时能耗控制数据对应的能耗数值。
35、进一步地，判断是否生成能耗异常指令的方法包括：
36、预设设备评估系数阈值py1和py2，且py1＞py2；
37、将设备评估系数与对应的设备评估系数阈值进行对比分析；
38、在一次喷涂过程中，若设备评估系数首次变化为小于或等于py1或py2时，则生成能耗异常指令；
39、若设备评估系数非首次变化为小于或等于py1或py2，则不生成能耗异常指令。
40、进一步地，判断汽车零件喷涂是否结束的方法包括：
41、若设备评估系数大于目标设备评估系数，则汽车零件喷涂继续；
42、若设备评估系数小于或等于目标设备评估系数，则汽车零件喷涂结束。
43、第二方面，本专利技术提供了基于大数据的工厂能耗管理系统，用于实施上述的基于大数据的工厂能耗管理方法，包括：
44、数据采集模块：用于在工厂生产区域内采集的n组历史能耗数据；所述历史能耗数据包括设备能耗数据、汽车零件数据、喷涂物料数据和喷涂环境数据；n为大于零的整数；
45、第一计算模块：用于计算n组历史能耗数据对应的设备评估本文档来自技高网...
【技术保护点】
1.基于大数据的工厂能耗管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的工厂能耗管理方法，其特征在于，所述历史能耗数据包括设备能耗数据、汽车零件数据、喷涂物料数据和喷涂环境数据；所述设备能耗数据包括喷涂设备的喷涂功率、压缩空气功率和烘干功率；N组历史能耗数据对应的设备评估系数的计算方法包括：
3.根据权利要求2所述的基于大数据的工厂能耗管理方法，其特征在于，所述汽车零件数据包括汽车零件面积和喷涂质量数据；所述喷涂质量数据包括喷涂平整度和喷涂厚度；
4.根据权利要求3所述的基于大数据的工厂能耗管理方法，其特征在于，所述喷涂物料数据包括油漆流量和混合比例数据；
5.根据权利要求4所述的基于大数据的工厂能耗管理方法，其特征在于，所述喷涂环境数据包括喷涂环境温度、喷涂环境湿度和空气清洁度；
6.根据权利要求5所述的基于大数据的工厂能耗管理方法，其特征在于，N组历史能耗数据对应的能耗控制系数计算方法包括：
7.根据权利要求6所述的基于大数据的工厂能耗管理方法，其特征在于，所述能耗映射表包括能耗控制系数
8.根据权利要求7所述的基于大数据的工厂能耗管理方法，其特征在于，判断是否生成能耗异常指令的方法包括：
9.根据权利要求8所述的基于大数据的工厂能耗管理方法，其特征在于，判断汽车零件喷涂是否结束的方法包括：
10.基于大数据的工厂能耗管理系统，用于实施权利要求1-9中任一项所述的基于大数据的工厂能耗管理方法，其特征在于，包括：
...【技术特征摘要】
1.基于大数据的工厂能耗管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的工厂能耗管理方法，其特征在于，所述历史能耗数据包括设备能耗数据、汽车零件数据、喷涂物料数据和喷涂环境数据；所述设备能耗数据包括喷涂设备的喷涂功率、压缩空气功率和烘干功率；n组历史能耗数据对应的设备评估系数的计算方法包括：
3.根据权利要求2所述的基于大数据的工厂能耗管理方法，其特征在于，所述汽车零件数据包括汽车零件面积和喷涂质量数据；所述喷涂质量数据包括喷涂平整度和喷涂厚度；
4.根据权利要求3所述的基于大数据的工厂能耗管理方法，其特征在于，所述喷涂物料数据包括油漆流量和混合比例数据；
5.根据权利要求4所述的基于大数据的工厂能耗管理方法，其特征在于，所...
【专利技术属性】
技术研发人员：江海，柏磊，
申请(专利权)人：上海芯港信息科技有限责任公司，
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。