[发明专利]地区整体能耗监控方法及其监控系统

权利要求书

1.一种地区整体能耗监控方法，其特征在于：获取目标地区内企业的当前能耗数据和历史能耗数据，并通过执行以下步骤来判断并预测地区整体的能耗水平：

步骤一，根据设定的维度进行数据清洗；

步骤二，对清洗后的多维度能耗数据分为常态数据和复工数据，对复工数据进行对应的聚类分析，聚类分析中的维度至少包括企业能耗层级和企业能耗类型两个维度；

步骤三，对聚类后的企业能耗数据进行数据整合，其中至少包括训练数据的测定子步骤；

步骤四，根据整合了各个维度的企业能耗数据进行神经网络训练；

步骤五，采用训练后的神经网络对当前各企业能耗数据进行分类和预测企业能耗水平；

步骤六，根据神经网络的计算结果来判断并预测地区的整体能耗水平；

在所述步骤二中，对清洗后的复工数据进行聚类分析，首先根据企业性质维度将企业性质中属于服务业且企业能耗层级为小微企业的部分企业从所有企业中取出，对于余下的所有企业以常态数据和复工数据分别执行以下步骤：

b01，构建企业多维度能耗数据空间，所述的企业多维度能耗数据空间至少包括企业能耗层级和企业能耗类型两个维度；

b02，根据人工选定的K个典型企业确定为K个聚类的中心；

b03，计算每个多维度能耗数据与聚类中心的欧式距离，并根据欧式距离进行聚类；

b04，更新聚类中心，并重复b03步骤直到聚类中心的迭代次数满足设定要求，将最后一次聚类后的多维度能耗数据供步骤三使用；

在所述步骤三中的训练数据测定子步骤：

c01，建立每一类的多维度能耗数据中的初始能耗数值集合R_o，R_o={P_1,1，P_1,2，…P_1,t，P_2,1，P_2,2，… P_2,t，… P_k,t }，P_k,t为k企业第t时间点的能耗数值，t为复工后从低能耗水平恢复后的时间维度表示，k为同一化后的企业编号，对能耗数值集合R_o进行均值和/或中位数计算，以能耗数值集合R_o为基础重构为前向差值能耗数值集合R_e，R_e={ P_1,2-P_1,1，P_1,3-P_1,2，…P_1,t-P_1,t-1，P_2,2-P_2,1，P_2,3-P_2,2，… P_2,t-P_2,t-1，… P_k,t-P_k,t-1 }，对前向差值能耗数值集合进行均值和/或中位数计算；

c02，人工设定有对应能耗均值和/或能耗中位数的偏差系数值，通过偏差系数值确定每一类的多维度能耗数据中的能耗数值的上限值mx_k,t和多维度能耗数据中的能耗数值的下限值mn_k,t；

c03，选取所有符合mn_k,t＜P_k,t＜mx_k,t要求的企业，将所有符合要求的企业多维度能耗数值与时间维度重新进行关联后形成后续使用的能耗数值集合R_n，R_n={P_1,1，P_1,2，…P_1,t，P_2,1，P_2,2，… P_2,t，… P_n,t }，n≤k，P_n,t为符合mn_k,t＜P_k,t＜mx_k,t要求的n企业第t时间点的能耗数值；

在步骤三中，训练数据测定子步骤执行完成后，通过训练数据测定优化步骤后再送入神经网络进行训练：

d01，将能耗数值集合R_n拟合绘制能耗的均值曲线f(R_nav)，R_nav为相同时间点处的能耗数值平均值，将前向差值能耗数值集合R_e的均值拟合绘制能耗差值的均值曲线f(R_eav)，R_eav为相同时间点处的能耗差值数值的平均值；

d02，根据能耗的均值曲线和能耗差值的均值曲线将能耗数值集合R_n中对应企业的复工数据分为上升段、中间段和稳定段；

d03，根据上升段、中间段和稳定段的分割方式，确定二次聚类的维度项，二次聚类的维度项至少包括对所有上升段的上升时间、上升段的上升率、中间段持续时间、中间段的拐点数目、稳定段能耗均值和稳定段波动率；

d04，设定若干个二次聚类的中心；

d05，在步骤三中将能耗数值集合R_n和前向差值能耗数值集合R_e制成对应每个企业的能耗拟合曲线f(P_k,t)和拟合差值曲线f(P_k,t-P_k,t-1)；

d06，对应每个企业的能耗拟合曲线f(P_k,t)和拟合差值曲线f(P_k,t-P_k,t-1)确定企业复工的上升段、中间段和稳定段，并计算每个企业的二次聚类维度项形成企业的二次多维度数据；

d07，计算每个企业的二次多维度数据与二次聚类的中心的欧式距离，并根据欧式距离进行二次聚类；

d08，更新二次聚类的中心，并重复d07步骤直到二次聚类中心的迭代次数满足设定要求，将距离二次聚类的中心欧式距离最近的企业的二次多维度数据作为二次聚类时的中心数值集合；

若执行d08步骤后，任意二次聚类后的数据量小于设定值，则将数据量小于设定值的二次聚类数据设定为目标数据集合，并执行数据扩充步骤：

d09，目标数据集合内的待扩充数据，在待扩充数据的上升段、中间段和稳定段三个区段内随机选择一个区段；

d10，在三个区段内任意选择一段数据作为待合并数据，根据待合并数据的时间点，去除待扩充数据内相应时间点的数据；

d11，将待合并数据的首数据或首数据段中的能耗数值以及末数据或末数据段中的能耗数值分别通过过渡计算后与待扩充数据进行数据合并；

d12，判断目标数据集合内数据量是否大于设定值，若大于设定值则结束数据扩充步骤，否则重复执行步骤d10；

在步骤d11中，待合并数据的首数据过渡计算的方式如下：

g01，选取待扩充数据P_a,c，P_a,c+1，…P_a,c+n,和待合并数据P_b,1，P_b,2，…P_b,c；

P_a,c表示待扩充数据采用a企业在c时间点处的能耗数值，P_b,c表示待合并数据采用b企业在c时间点处的能耗数值；

g02，待合并数据中的首数据为P_b,c，对应的待扩充数据为P_a,c ，

将P_b,c的能耗数值赋值为P_a,c×（1-0.5e^-s）+ P_b,c×0.5e^-s，s为时间维度上的距离相关值，e为自然常数；

g03，待扩充数据与待合并数据合并后的能耗数值按时间维度排序为：

P_b,1，P_b,2，…P_b,c-1，P_a,c×（1-0.5e^-s）+ P_b,c×0.5e^-s，P_a,c+1，…P_a,c+n；

通过对曲线的分析将同一个聚类内的数据稳定分割成上升段、中间段和稳定段，然后根据分割后的结果，对能耗数值集合Rn进行数据膨胀，膨胀之后的数据在原有时间点维度、企业性质维度、企业能耗层级和企业能耗类型维度的基础上增加了上升段的上升时间、上升段的上升率、中间段持续时间、中间段的拐点数目、稳定段能耗均值和稳定段波动率维度，扩充后的数据以待扩充数据作为基础样本，只选用待合并数据中的能耗数值，并不适用其关联的企业性质维度、企业能耗层级和企业能耗类型维度数据，至于二次聚类时适用的维度，则由扩充后的数据重新计算获得。