[发明专利]一种现代工业产区智能能耗调度方法及装置

说明书

本发明公开了一种现代工业产区智能能耗调度方法及装置，包括数据采集单元、能耗调度策略设计单元、能耗调度单元以及调度对象。数据采集单元包括电表以及员工工作制收集单元，收集整个工业园区电负荷需求、各用电设备的用电量、员工工作时长以及员工数；能耗调度策略设计单元包括预测模块以及策略设计模块，首先采用LSTM神经网路基于数据采集单元所获数据进行用电量预测，包括员工参与产线以及全自动化产线的用电量预测，再采用AOA算法基于预测数据进行能耗调度策略设计；能耗调度单元基于设计的调度策略进行产区能耗调度。与现有技术相比，本发明能够对工业产区能耗进行调度，在保障产区正常运行的前提下，提高整个产区经济效益，降低运营成本。

技术领域

本发明属于设备智能能耗调度技术领域，具体涉及一种现代工业产区智能能耗调度方法及装置。

背景技术

在能源消耗增长、能源价格上升、倡导绿色生产、节能环保的全球背景下，针对生产过程中能源消耗问题的研究价值逐渐上升。通过合理的能耗调度，可实现经济指标的优化。现有的智能能耗调度设备有以下几种：

第一种，通过建立能耗优化调度模型，在完成加工任务的同时实现对制造过程的能耗进行优化和控制，以成本的方式将能耗量和交货期作为调度目标，能够在降低调度成本的同时实现对制造过程能源消耗的控制和优化。控制用电设备使用时长对于能耗调节是一个重要的调控指标，该方案缺少对用电设备使用时间点以及时长、员工工作时间以及人数的调控调度；

第二种，电力供应商通过差异化电价设置，来鼓励企业降低高峰用电，在单机能耗优化模型中避开高能源价格时期从而降低总电力成本，通过“生态调度”模型，在分时电价环境下同时优化能源成本(经济)和碳足迹(生态)，使系统能源成本降低同时也更加环保。能耗调控对于设备能耗也是一个重要的调控指标，该方案缺少对谷时能耗监控控制，可能会导致谷时能耗过高，引发意外情况。

其中，对车间节能调度的研究中存在两点不足，一方面是对设备使用时间分配研究不足，未考虑设备在谷时使用占较大的用电耗能；另一方面是对车间具体工作信息采集不够全面，未能预测并及时制定策略进行能耗调度。上述两种能耗调度方案中的问题是未对用电设备使用时间点以及时长、车间员工工作时间以及人数进行调控调度、未对设备的谷时能耗进行监控控制。

因此亟需一种智能能耗调度设备，既能够对用电设备使用时间点以及时长、员工工作时间以及人数的调控调度，又能对设备谷时能耗监控控制，以防谷时能耗过高，引发意外情况。

发明内容

发明目的：针对背景技术中指出的问题，本发明提供一种现代工业产区智能能耗调度方法及装置，先用LSTM神经网路基于数据采集单元获取数据，再采用AOA算法基于预测数据进行能耗调度策略设计，对工业产区能耗进行调度，在保障产区正常运行的前提下，提高整个产区经济效益，降低运营成本。

技术方案：本发明提出一种现代工业产区智能能耗调节方法，包括如下步骤：

步骤1：采集各设备用电数据、厂区电负荷需求、产区员工的工作时长数据、历史月度请假数据和员工数，其中设备用电数据包括自动化产线的、员工参与产线的设备用电数据，并对所述数据进行归一化处理；

步骤2：基于厂区电负荷需求数据和自动化产线的设备用电数据，采用优化后的LSTM神经网络模型进行自动化产线用电数据预测，基于电负荷需求数据和员工参与产线的设备用电数据，采用优化后的LSTM神经网络模型进行员工参与的产线用电数据预测；所述优化后的LSTM神经网络模型具体为：采用LSTM神经网络模型进行用电数据预测，同时采用蜜獾优化算法优化LSTM神经网络的部分参数，包括LSTM层数、Dense参数、隐藏层神经元个数以及Dense层神经元个数；

步骤3：根据步骤2中的预测的自动化产线用电数据、员工参与产线的设备用电数据，利用AOA算法求解符合时下情况的调度策略。