一种能效提升优化方法以及系统与流程

1.本发明属于能效提升优化技术领域，具体涉及一种能效提升优化方法以及系统。


背景技术：

2.能效，即能源消费的效率；根据国际能源署估计，世界上大约80％的碳排放来自能源消费；对于减少能源消费的碳排放，提升可再生能源消费比例、推动能源消费电气化和能源消费高效化是实现深度脱碳的三种有效途径，前两者更容易理解也更容易测量，相较之下，能源消费高效化更难测量、激励，但其影响巨大。
3.提升能源效率的基本方式包括减少能耗损失、优化生产流程、提升产品性能等；在建筑和城市基础设施领域，物联网建筑管理系统可以利用实时数据分析，根据用能人数自动调整供暖供热、照明和其他基础设施用能量，以此减少不必要的能源消耗，从而提升能效；提升能效不用投资大量的新技术，用当下的技术就可以实现，是应对气候变化的必要且相对容易实现的途径之一。
4.电力计量就是把所用的电量记录下来，作为收费的依据，有高压计量和低压计量，有直接接表计量和经互感器接表计量，计量的核心装置就是电度表。
5.随着电力管理改革的不断深入,电能表的管理方式也已发生了很大的变化,通过成立电能计量中心,形成了电能计量装置集中检验、统一配送的新型管理模式；新装和轮换电能表数量长期维持在较高水平；间时电力需求侧的管理现代化发展水平越来越高,对于国有资产管理网络化的要求提出了更高的要求,市场化也要求进一步减少人为差错对电能计量的损失；电能表是重点管理的计量器具,是电力企业与用户之间进行用电费用结算的依据,牵涉到千家万户,对国计民生意义重大；而且,由于电能表是一种使用量大且使用面广的计量器具,使得电能表的检定成为十分重要又十分繁重的工作；目前,计量中心采用电能表检验方式仍使用的是传统的电能表校验装置,传统电能表检验装置不管有多少个检测表位都是单机系统,需要手工挂表,检验完成后手工摘表。
6.在电力电网建设和改造过程中,电力的生产输送和利用都离不开电能计量,电力企业的许多经济技术指标必须通过全面、准确、可靠的电能计量来反映,提高电能计量的正确性尤为重要。
7.现有的能效提升优化通过对多个能效提升优化方案进行筛选，选取较为优化的方案，存在着误差，影响能效提升优化的数据。


技术实现要素：

8.本发明的目的在于提供一种能效提升优化方法以及系统，通过最优模型实现能效提升优化。
9.为实现上述目的，本发明提供如下技术方案：一种能效提升优化系统，包括采集模块、处理模块、能效提升优化模型构建模块、优化模块、导入模块，其中：
10.所述采集模块与处理模块通信连接，采集模块用于采集能效数据，并将采集的数
据通过处理模块进行处理；
11.所述能效提升优化模型构建模块与优化模块通信连接，能效提升优化模型构建模块用于构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；
12.所述导入模块分别与处理模块、最优模型通信连接，通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化。
13.作为本发明的一种优选的技术方案，所述能效提升优化模型的构建方法如下：确定神经网络各层的神经元个数和神经网络训练函数，建立用于能效提升的神经网络模型；对神经网络模型的初始权值和阈值初值进行优化，从而构建能效提升优化模型。
14.作为本发明的一种优选的技术方案，能效提升优化模型进行优化的方法如下：先进行训练，得到一个初始的结果；进行数据增强；使用批正则化进行改进；通过变化学习率提升模型性能；利用残差网络进行优化。
15.作为本发明的一种优选的技术方案，所述数据增强包括图像切割、图像翻转、图像白化。
16.作为本发明的一种优选的技术方案，所述变化学习率的具体实施如下：首先使用较大的学习率进行训练，观察目标函数值和验证集准确率的收敛曲线；如果目标函数值下降速度和验证集准确率上升速度出现减缓时，减小学习率；循环，直到减小学习率也不会影响目标函数下降或验证集准确率上升为止。
17.作为本发明的一种优选的技术方案，还包括查找模块，通过查找模块查找对应数据。
18.作为本发明的一种优选的技术方案，还包括查看终端，通过查看终端查看能效提升优化数据。
19.本发明还公开了一种能效提升优化方法，优化方法如下：
20.步骤一：通过采集模块采集能效数据，并将采集的数据通过处理模块进行处理；通过能效提升优化模型构建模块构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；
21.步骤二：通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化。
22.与现有技术相比，本发明的有益效果是：
23.1.通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化，提高了能效提升优化的精确度；
24.2.通过查找模块查找对应数据，使得可以精准的查找数据；
25.3.通过查看终端查看能效提升优化数据，增加查看的便利。
附图说明
26.图1为本发明的系统图；
27.图2为本发明的能效提升优化方法流程图。
具体实施方式
28.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.实施例1
30.请参阅图1，为本发明的第一个实施例，该实施例提供一种能效提升优化系统，包括采集模块、处理模块、能效提升优化模型构建模块、优化模块、导入模块，其中：
31.采集模块与处理模块通信连接，采集模块用于采集能效数据，并将采集的数据通过处理模块进行处理；
32.能效提升优化模型构建模块与优化模块通信连接，能效提升优化模型构建模块用于构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；
33.导入模块分别与处理模块、最优模型通信连接，通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化。
34.本实施例中，优选的，能效提升优化模型的构建方法如下：确定神经网络各层的神经元个数和神经网络训练函数，建立用于能效提升的神经网络模型；对神经网络模型的初始权值和阈值初值进行优化，从而构建能效提升优化模型。
35.本实施例中，优选的，能效提升优化模型进行优化的方法如下：先进行训练，得到一个初始的结果，首先我们观察训练loss变化也就是目标函数值的变化，然后观察训练集和验证集的准确率，发现训练集准确率接近于1，验证集准确率稳定在70％，说明模型的泛化能力不强并且出现了过拟合情况，最后评估测试集；进行数据增强；使用批正则化进行改进，批正则化对神经网络的每一层的输入数据都进行正则化处理，这样有利于让数据的分布更加均匀，不会出现所有数据都会导致神经元的激活，或者所有数据都不会导致神经元的激活，这是一种数据标准化方法，能够提升模型的拟合能力；通过变化学习率提升模型性能；利用残差网络进行优化，随着网络深度增加,会出现一种退化问题,也就是当网络变得越来越深的时候,训练的准确率会趋于平缓,但是训练误差会变大,这明显不是过拟合造成的,因为过拟合是指网络的训练误差会不断变小,但是测试误差会变大，为了解决这种退化现象,resnet被提出，不再用多个堆叠的层直接拟合期望的特征映射,而是显式的用它们拟合一个残差映射，假设期望的特征映射为h(x),那么堆叠的非线性层拟合的是另一个映射,也就是f(x)＝h(x)-x，假设最优化残差映射比最优化期望的映射更容易,也就是f(x)＝h(x)-x比f(x)＝h(x)更容易优化,则极端情况下,期望的映射要拟合的是恒等映射，此时残差网络的任务是拟合f(x)＝0,普通网络要拟合的是f(x)＝x,明显前者更容易优化，残差网络与普通网络不同的地方就是引入了跳跃连接,这可以使上一个残差块的信息没有阻碍的流入到下一个残差块,提高了信息流通,并且也避免了由与网络过深所引起的消失梯度问题和退化问题，残差网络事实上是由多个浅的网络融合而成,它没有在根本上解决消失的梯度问题,只是避免了消失的梯度问题,因为它是由多个浅的网络融合而成，浅的网络在训练时不会出现消失的梯度问题,所以它能够加速网络的收敛。
36.本实施例中，优选的，数据增强包括图像切割、图像翻转、图像白化；图像切割：生
成比图像尺寸小一些的矩形框，对图像进行随机的切割，最终以矩形框内的图像作为训练数据；图像翻转：对图像进行左右翻转；图像白化：对图像进行白化操作，即将图像本身归一化成gaussian(0,1)分布，图像白化的效果好，其次是图像切割，再次是图像翻转，而如果同时使用这三种数据增强技术，不仅能使训练过程的loss更稳定，而且能使验证集的准确率提升，而对于测试集，准确率也提升，图像增强确实通过增加训练集数据量达到了提升模型泛化能力以及鲁棒性的效果。
37.本实施例中，优选的，变化学习率的具体实施如下：首先使用较大的学习率进行训练，观察目标函数值和验证集准确率的收敛曲线；如果目标函数值下降速度和验证集准确率上升速度出现减缓时，减小学习率；循环，直到减小学习率也不会影响目标函数下降或验证集准确率上升为止。
38.本实施例中，优选的，还包括查找模块，通过查找模块查找对应数据，使得可以精准的查找数据。
39.本实施例中，优选的，还包括查看终端，通过查看终端查看能效提升优化数据，增加查看的便利。
40.实施例2
41.请参阅图1和图2，为本发明的第二个实施例，该实施例基于上一个实施例，不同的是：
42.一种能效提升优化方法，包括如下步骤：
43.步骤一：通过采集模块采集能效数据，并将采集的数据通过处理模块进行处理；通过能效提升优化模型构建模块构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；
44.步骤二：通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化。
45.尽管已经示出和描述了本发明的实施例，详见上述详尽的描述，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种能效提升优化系统，其特征在于：包括采集模块、处理模块、能效提升优化模型构建模块、优化模块、导入模块，其中：所述采集模块与处理模块通信连接，采集模块用于采集能效数据，并将采集的数据通过处理模块进行处理；所述能效提升优化模型构建模块与优化模块通信连接，能效提升优化模型构建模块用于构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；所述导入模块分别与处理模块、最优模型通信连接，通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化。2.根据权利要求1所述的一种能效提升优化系统，其特征在于：所述能效提升优化模型的构建方法如下：确定神经网络各层的神经元个数和神经网络训练函数，建立用于能效提升的神经网络模型；对神经网络模型的初始权值和阈值初值进行优化，从而构建能效提升优化模型。3.根据权利要求1所述的一种能效提升优化系统，其特征在于：能效提升优化模型进行优化的方法如下：先进行训练，得到一个初始的结果；进行数据增强；使用批正则化进行改进；通过变化学习率提升模型性能；利用残差网络进行优化。4.根据权利要求3所述的一种能效提升优化系统，其特征在于：所述数据增强包括图像切割、图像翻转、图像白化。5.根据权利要求3所述的一种能效提升优化系统，其特征在于：所述变化学习率的具体实施如下：首先使用较大的学习率进行训练，观察目标函数值和验证集准确率的收敛曲线；如果目标函数值下降速度和验证集准确率上升速度出现减缓时，减小学习率；循环，直到减小学习率也不会影响目标函数下降或验证集准确率上升为止。6.根据权利要求1所述的一种能效提升优化系统，其特征在于：还包括查找模块，通过查找模块查找对应数据。7.根据权利要求1所述的一种能效提升优化系统，其特征在于：还包括查看终端，通过查看终端查看能效提升优化数据。8.一种能效提升优化方法，其特征在于：包括权利要求1-7任一项优化系统的模块，优化方法如下：步骤一：通过采集模块采集能效数据，并将采集的数据通过处理模块进行处理；通过能效提升优化模型构建模块构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；步骤二：通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化。

技术总结
本发明公开了一种能效提升优化系统，包括采集模块、处理模块、能效提升优化模型构建模块、优化模块、导入模块，其中：所述采集模块与处理模块通信连接，采集模块用于采集能效数据，并将采集的数据通过处理模块进行处理；所述能效提升优化模型与优化模块通信连接，能效提升优化模型构建模块用于构建能效提升优化模型，并通过优化模块对构建的能效提升优化模型进行优化，得到最优模型；本发明的有益效果是：通过导入模块将处理后的能效数据导入到最优模型中，通过最优模型实现能效提升优化，提高了能效提升优化的精确度；通过查找模块查找对应数据，使得可以精准的查找数据；通过查看终端查看能效提升优化数据，增加查看的便利。增加查看的便利。增加查看的便利。


技术研发人员：闫亚俊 吴宏波 赵光辉 高建莉 刘曼 潘阳 孙勇强 吴博 贺萌
受保护的技术使用者：国家电网有限公司
技术研发日：2023.05.21
技术公布日：2023/8/21