一种能源项目管理方法、系统、终端设备及存储介质与流程

1.本技术涉及能源管理控制技术领域，尤其涉及一种能源项目管理方法、系统、终端设备及存储介质。


背景技术：

2.能源项目管理是指在能源领域中，对能源项目进行规划、组织、实施、监控和控制的一系列管理活动。能源项目管理旨在有效地管理和推进能源项目的进展，确保项目能够按时、按质、按量完成，并实现项目的预期目标。
3.在复合式地源热泵系统工程中，地源热泵是一种利用浅层地热能供热制冷的新型能源利用技术，其中浅层地温能是地热资源的一种。冬季从地下恒温带提取热量，通过热泵转移到房间，对建筑进行供暖，夏季将建筑的热量存入地下，从而解决建筑的制冷问题。地源热泵技术相当于把取热和排热的场所放在了地下，通过打井或钻孔的方式将换热器埋置在地下，能量提取后通过热泵机组进行置换，然后又经末端系统输送到建筑中。
4.在实际应用中，在对能源项目巡查的过程中，主要依赖于人工巡查以及人工记录数据，且在数据记录完成后没有一个对数据进行统一处理分析的系统或者设备，使得数据管理较为混乱，从而无法合理地对能源项目进行合理管理和调控，降低了能源项目的管理工作效率。


技术实现要素：

5.为了提升能源项目管理工作效率，本技术提供一种能源项目管理方法、系统、终端设备及存储介质。
6.第一方面，本技术提供一种能源项目管理方法，包括以下步骤：获取预设运行模式对应的数据分析项；若所述数据分析项为单数据分析类型，则获取对应的第一目标数据集；根据所述单数据分析类型对应的第一数据分析规则对所述第一目标数据集进行解析，形成对应的目标数据组；根据预设项目管理规范对所述目标数据组进行评估，生成所述目标数据组对应的评估分值；若所述评估分值未处于预设评估阈值区间，则获取所述目标数据组中对应的异常数据以及所述异常数据对应的异常检测反馈，并结合所述异常数据、所述异常检测反馈以及所述目标数据组，生成对应所述单数据分析类型的数据分析报告；若所述数据分析项为多数据分析类型，则分别获取所述数据分析项对应的第二目标数据集；根据所述多数据分析类型对应的第二数据分析规则对所述第二目标数据集进行分类解析组合，形成对应的目标数据类；若所述目标数据类对应的评测参数不符合预设评测标准，则根据所述目标数据类
中对应的异常评测数据生成对应的拟合曲线；结合所述拟合曲线以及所述拟合曲线对应趋势解析表作为对应所述多数据分析类型的所述数据分析报告。
7.通过采用上述技术方案，根据能源项目预设运行模式下选定的数据分析项，可预先对前述数据分析项对应的待分析数据进行分类整合管理，若数据分析项为单数据分析类型即对各类待分析数据进行单独分析，为了提升单数据类型分析的规范性，则将待分析数据对应的第一目标数据集按照第一数据分析规则进行解析，生成具有分析代表性的各个目标数据组，进一步根据预设项目管理规范对上述每个目标数据组进行评估，生成相应的评估信息作为单数据分析类型下待分析数据的数据分析报告，若数据分析项为多数据分析类型即多数据融合分析，则根据第二数据分析规则对待分析数据的第二目标数据集进行分类解析组合，并拟合出其相应的评测曲线以及该曲线的趋势解析作为多数据分析类型下待分析数据的数据分析报告，由于根据能源项目管理中不同数据分析项的需求，对相应待分析数据做出具体规范化解析评测，从而可根据该评测结果合理地对能源项目进行合理管理和调控，提升了能源项目的管理工作效率。
8.可选的，在根据所述单数据分析类型对应的第一数据分析规则对所述第一目标数据集进行解析，形成对应的目标数据组之后还包括以下步骤：若所述目标数据组为多个，则判断各个所述目标数据组中的目标数据是否属于同一数据类型；若各个所述目标数据组中的所述目标数据不属于同一所述数据类型，则获取各个所述目标数据组对应的项目评估等级；根据所述项目评估等级，对各个所述目标数据组进行排序并生成对应的评估排序表；根据所述评估排序表，输出各个所述目标数据组对应的数据走势图。
9.通过采用上述技术方案，根据目标数据组的项目评估等级对其进行排序并生成评估排序表，可以清晰地了解各个目标数据组在其对应具体预设运行模式下的重要性和优先级，有助于能源项目的决策和资源管理。
10.可选的，在若所述目标数据组为多个，则判断各个所述目标数据组中的目标数据是否属于同一数据类型之后还包括以下步骤：若各个所述目标数据组中的所述目标数据属于同一所述数据类型，则获取各个所述目标数据组中所述目标数据对应的数据分布；根据所述数据分析，形成对应各个所述目标数据组的数据折线图；对比所述数据折线图，获取对应各个所述目标数据组之间的差异信息；结合所述数据折线图和所述差异信息，生成对应所述第一目标数据集的差异分析报告。
11.通过采用上述技术方案，根据该差异分析报告，可以深入理解各个目标数据组之间的差异和规律，为优化第一目标数据集的表现提供有益的信息和建议，这将提升能源项目的数据分析效果和管理工作的效率，帮助项目做出更加准确和有效的决策。
12.可选的，在所述对比所述数据折线图，获取对应各个所述目标数据组之间的差异信息之后还包括以下步骤；
获取所述差异信息中对应所述目标数据组之间的数据差异值；若所述数据差异值超出预设差异阈值区间，则获取对应所述目标数据组之间的差异对比数据，并根据所述差异对比数据生成对应所述目标数据组的差异标记点位。
13.通过采用上述技术方案，数据差异值表示了不同目标数据组之间的差异程度，如果数据差异值超出了预设的差异阈值区间，说明目标数据组之间存在显著差异，则为了更好地可视化差异信息，可以在数据折线图上标记差异点位，这样可以直观地展示目标数据组之间的差异，更容易地发现和理解数据的差异特征。
14.可选的，在根据所述多数据分析类型对应的第二数据分析规则对所述第二目标数据集进行分类解析组合，形成对应的目标数据类之后还包括以下步骤：获取所述目标数据类中对应的所述目标数据组；对所述目标数据组中的所述目标数据进行时序性分析，生成对应的周期性分组；获取所述周期性分组中对应周期子序列的趋势线；根据所述趋势线，生成对应所述周期子序列的趋势特征。
15.通过采用上述技术方案，趋势特征描述了周期子序列在长期趋势下的变化趋势，包括上升趋势、下降趋势、平稳趋势等，通过对趋势特征的分析，可以深入了解周期子序列的变化规律，并为后续的预测和决策提供有益的信息和依据。
16.可选的，在获取所述目标数据类中对应的所述目标数据组之后还包括以下步骤：获取所述目标数据组之间的相关系数；计算所述相关系数对应置信区间，并根据所述置信区间获取对应所述目标数据组之间的波动值；若所述波动值超出预设波动幅度范围，则生成并执行所述目标数据组对应的干扰因素排查指令，获取对应的排查结果作为对应所述目标数据组的异常相关反馈。
17.通过采用上述技术方案，计算置信区间和波动值，可以评估目标数据组之间相关性的稳定性，进一步若波动值超出预设波动幅度范围，则执行相应的干扰因素排查指令可以深入了解和解决相关性异常的原因，提供数据质量的改进和决策支持。
18.可选的，在获取所述目标数据类中对应的所述目标数据组之后还包括以下步骤：确定所述目标数据组中的自变量组和因变量组；若同一所述自变量组对应多个所述因变量组，则对各个所述因变量组进行聚类分析，生成对应目标特征簇；根据所述目标特征簇，生成对应所述因变量组的特征解析信息。
19.通过采用上述技术方案，对目标特征簇的特征解析，可以对不同因变量组的特征进行解释说明，了解其对应的因变量的特点和影响因素，从而便于指导地源热泵系统的优化和改进。
20.第二方面，本技术提供一种能源项目管理系统，包括：获取模块，用于获取预设运行模式对应的数据分析项；第一数据标定获取模块，若所述数据分析项为单数据分析类型，则所述第一数据标定获取模块用于获取对应的第一目标数据集；解析模块，用于根据所述单数据分析类型对应的第一数据分析规则对所述第一目标数据集进行解析，形成对应的目标数据组；
评估模块，用于根据预设项目管理规范对所述目标数据组进行评估，生成所述目标数据组对应的评估分值；第一数据报告生成模块，若所述评估分值未处于预设评估阈值区间，则所述第一数据报告生成模块用于获取所述目标数据组中对应的异常数据以及所述异常数据对应的异常检测反馈，并结合所述异常数据、所述异常检测反馈以及所述目标数据组，生成对应所述单数据分析类型的数据分析报告；第二数据标定获取模块，若所述数据分析项为多数据分析类型，则所述第二数据标定用于获取模块分别获取所述数据分析项对应的第二目标数据集；组合模块，用于根据所述多数据分析类型对应的第二数据分析规则对所述第二目标数据集进行分类解析组合，形成对应的目标数据类；数据拟合模块，若所述目标数据类对应的评测参数不符合预设评测标准，则所述数据拟合模块用于根据所述目标数据类中对应的异常评测数据生成对应的拟合曲线；第二数据报告生成模块，用于结合所述拟合曲线以及所述拟合曲线对应趋势解析表作为对应所述数据分析项的所述数据分析报告。
21.通过采用上述技术方案，根据能源项目预设运行模式下选定的数据分析项，可预先对前述数据分析项对应的待分析数据进行分类整合管理，若数据分析项为单数据分析类型即对各类待分析数据进行单独分析，为了提升单数据类型分析的规范性，则通过解析模块将待分析数据对应的第一目标数据集按照第一数据分析规则进行解析，生成具有分析代表性的各个目标数据组，进一步通过评估模块根据预设项目管理规范对上述每个目标数据组进行评估，通过第一数据报告生成模块生成相应的评估信息作为单数据分析类型下待分析数据的数据分析报告，若数据分析项为多数据分析类型即多数据融合分析，则通过组合模块根据第二数据分析规则对待分析数据的第二目标数据集进行分类解析组合，并通过数据拟合模块拟合出其相应的评测曲线以及该曲线的趋势解析，并通过第二数据报告生成模块将上述评测曲线和趋势解析作为多数据分析类型下待分析数据的数据分析报告，由于根据能源项目管理中不同数据分析项的需求，对相应待分析数据做出具体规范化解析评测，从而可根据该评测结果合理地对能源项目进行合理管理和调控，提升了能源项目的管理工作效率。
22.第三方面，本技术提供一种终端设备，采用如下的技术方案：一种终端设备，包括存储器和处理器，所述存储器中存储有能够在处理器上运行的计算机指令，所述处理器加载并执行计算机指令时，采用了上述的一种能源项目管理方法。
23.通过采用上述技术方案，通过将上述的一种能源项目管理方法生成计算机指令，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便使用。
24.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器加载并执行时，采用了上述的一种能源项目管理方法。
25.通过采用上述技术方案，通过将上述的一种能源项目管理方法生成计算机指令，并存储于计算机可读存储介质中，以被处理器加载并执行，通过计算机可读存储介质，方便
计算机指令的可读及存储。
26.综上所述，本技术包括以下至少一种有益技术效果：根据能源项目预设运行模式下选定的数据分析项，可预先对前述数据分析项对应的待分析数据进行分类整合管理，若数据分析项为单数据分析类型即对各类待分析数据进行单独分析，为了提升单数据类型分析的规范性，则将待分析数据对应的第一目标数据集按照第一数据分析规则进行解析，生成具有分析代表性的各个目标数据组，进一步根据预设项目管理规范对上述每个目标数据组进行评估，生成相应的评估信息作为单数据分析类型下待分析数据的数据分析报告，若数据分析项为多数据分析类型即多数据融合分析，则根据第二数据分析规则对待分析数据的第二目标数据集进行分类解析组合，并拟合出其相应的评测曲线以及该曲线的趋势解析作为多数据分析类型下待分析数据的数据分析报告，由于根据能源项目管理中不同数据分析项的需求，对相应待分析数据做出具体规范化解析评测，从而可根据该评测结果合理地对能源项目进行合理管理和调控，提升了能源项目的管理工作效率。
附图说明
27.图1是本技术一种能源项目管理方法中步骤s101至步骤s109的流程示意图。
28.图2是本技术一种能源项目管理方法中步骤s201至步骤s204的流程示意图。
29.图3是本技术一种能源项目管理方法中步骤s301至步骤s304的流程示意图。
30.图4是本技术一种能源项目管理方法中步骤s401至步骤s402的流程示意图。
31.图5是本技术一种能源项目管理方法中步骤s501至步骤s504的流程示意图。
32.图6是本技术一种能源项目管理方法中步骤s601至步骤s603的流程示意图。
33.图7是本技术一种能源项目管理方法中步骤s701至步骤s703的流程示意图。
34.图8是本技术一种能源项目管理系统的模块示意图。
35.附图标记说明：1、获取模块；2、第一数据标定获取模块；3、解析模块；4、获取模块；5、第一数据报告生成模块；6、第二数据标定获取模块；7、组合模块；8、数据拟合模块；9、第二数据报告生成模块。
具体实施方式
36.以下结合附图1-8对本技术作进一步详细说明。
37.为了便于对本方案进行说明，能源项目以地源热泵为例展开详细阐述。为充分、科学、合理利用可再生能源及提高系统运行效率，本项目供热供冷均采用浅层地热能为主，其他清洁能源调峰和补充，系统形式包括浅层地热能、水蓄能、调峰冷热源多能耦合，其中浅层地热能装机容量占60%，供能量占85%，总设计热负荷140mw，冷负荷160mw，地埋管总设计孔数11082个，单孔140米，地埋孔钻孔区域面积约为25万平方米，按末端要求能源站设置低热、高热、低冷、高冷等双热源、双冷源系统，满足楼内温湿度独立控制要求。
38.其中，为保障项目的安全性和可持续性，共布置238个监测孔，对地埋运行状态和地下温度场开展监测，根据监测情况及时优化调整地源热泵系统运行策略，完善地下温度场监测，构建地质资源开发监测平台以及智慧能源管控平台，该平台可按需供能形势分析研判和预测预警，提高运行数据统计分析和决策支持能力，融合多能耦合、区域能源互联
网、能源调控、实时监测、智能化用户服务等功能。
39.本技术实施例公开一种能源项目管理方法，如图1所示，包括以下步骤：s101.获取预设运行模式对应的数据分析项；s102.若数据分析项为单数据分析类型，则获取对应的第一目标数据集；s103.根据单数据分析类型对应的第一数据分析规则对第一目标数据集进行解析，形成对应的目标数据组；s104.根据预设项目管理规范对目标数据组进行评估，生成目标数据组对应的评估分值；s105.若评估分值未处于预设评估阈值区间，则获取目标数据组中对应的异常数据以及异常数据对应的异常检测反馈，并结合异常数据、异常检测反馈以及目标数据组，生成对应单数据分析类型的数据分析报告；s106.若数据分析项为多数据分析类型，则分别获取数据分析项对应的第二目标数据集；s107.根据多数据分析类型对应的第二数据分析规则对第二目标数据集进行分类解析组合，形成对应的目标数据类；s108.若目标数据类对应的评测参数不符合预设评测标准，则根据目标数据类中对应的异常评测数据生成对应的拟合曲线；s109.结合拟合曲线以及拟合曲线对应趋势解析表作为对应多数据分析类型的数据分析报告。
40.在步骤s101中，预设运行模式是指针对能源项目预先设置的相关运行模式。例如，地源热泵系统的预设运行模式包括制冷模式、制热模式、热水模式、热回收模式以及辅助电加热模式等。
41.进一步，数据分析项是指在选定预设运行模式下需要对某类数据进行特定分析的项目。例如，地源热泵系统对应的预设运行模式为热水模式，当前需要对热水能效进行分析，则热水模式对应的数据分析项为热水温度数据相应的变化趋势分析，进而评估出地源热泵在热水模式下的加热效果。
42.需要说明的是，本方案提及的地源热泵系统所涉及的数据还包括地质勘探数据、气象数据、建筑能耗数据、设备数据、能源价格数据和运行监测数据。根据数据分析项将数据按照相应的指标和变量进行整合，从而可确保数据的准确性和一致性。
43.在步骤s102中，单数据分析类型是指对能源项目中的某类数据进行单独对比分析。例如，数据分析项为制冷模式下室内温度随时间变化情况以及室外温度变化情况，则分别对上述两类数据进行单独分析。
44.其中，第一目标数据集是指单数据分析类型所涉及各类数据的集合。例如，第一目标数据集为室内温度随时间变化数据的集合。需要说明的是，此处的第一目标数据集中记录的数据存量为能源项目系统可记录该类数据的最大库存量。
45.在步骤s103中，第一数据分析规则是指单数据分析类型对应数据分析项所规定的数据分析策略。例如，根据第一数据分析规则可得，需要对热回收模式下不同时间段内的热回收效率进行分析，随即将热回收模式所涉及第一目标数据集中的热回收效率数据进行解析，形成上述规定不同时间段内的目标数据组。
46.在步骤s104中，预设项目管理规范是指在能源项目管理中，所涉及各类数据的运行标准。例如，根据预设项目管理规范对目标数据组中显示某一时间段内热回收效率为70%的数据进行评估，其对应的评估分值为90分，则说明该时间段内的热回收效率较高，回收的热能量随时间的变化较为稳定。
47.在步骤s105中，当评估分值未达到预设评估阈值区间时，说明目标数据组中的数据存在异常情况。为了进一步分析异常原因并提出改进措施，则获取对应目标数据组中的异常数据和相应的异常检测反馈。
48.其中，预设评估阈值区间是指在项目管理中，事先针对各类目标数据组相应评估分值设定的一个标准范围或区间，该区间用于判断项目各个功能模块在日常运行过程中是否达到预期要求。例如，对于热回收效率的评估，可以设定一个预设评估阈值区间，例如70%到80%之间。如果热回收效率在该区间内，则可以认为是满足预期要求的；如果低于该区间，则认为存在异常情况需要进一步分析和改进。
49.进一步，异常数据是指与其正常数据相比有明显偏离的数据点或数据集。通过对异常数据的分析，可以发现潜在的问题或异常情况，并采取相应的措施进行纠正。异常检测反馈是指针对异常数据进行的分析和评估的结果，它可以提供有关异常原因和可能的解决方案的信息。
50.需要说明的是，根据异常数据、异常检测反馈和目标数据组生成的数据分析项的数据分析报告。该报告将包括以下内容：异常数据的描述：对异常数据进行详细描述，包括异常数据的特征、数量和分布情况等；异常检测反馈的解释：对异常检测反馈进行解释和分析，阐述异常原因和可能的解决方案，以帮助理解和处理异常情况；数据分析结果：对目标数据组进行分析，包括统计指标、趋势分析等，以评估整体数据的情况和趋势；建议和改进措施：根据数据分析结果和异常情况，提出相应的建议和改进措施，以提高热回收效率和解决异常问题。
51.再者，若评估分值处于预设评估阈值区间，则说明目标数据组中的数据处于正常情况，则分别对目标数据组中的数据进行可视化展示。
52.在步骤s106至步骤s107中，多数据分析类型是指需要对当前数据分析项所涉及的各类待分析数据即第二目标数据集进行对比融合分析。例如，数据分析项为供暖模式下室内的升温效果，其对应的第二目标数据集包括升温速度、升温幅度以及温度稳定性数据，分析室内升温效果需要对上述三类数据进行对比融合分析。
53.进一步，为了对数据更加具体化分析，则可根据数据分析项对应的第二数据分析规则对第二目标数据集进行分类解析组合，形成更具有分析代表性的目标数据类，第二数据分析规则是指多数据分析类型对应数据分析项所规定的数据分析策略。
54.例如，根据第二数据分析规则可得，升温效果需从升温速度稳定情况以及升温幅度稳定情况进行综合判定。其中，升温速度稳定情况是指单位时间内升温速度的快慢，升温幅度稳定情况是指单位时间内升温幅度的大小。随即可对升温速度和温度稳定性数据进行解析结合，形成对应的升温速度稳定情况数据类，对升温幅度以及温度稳定性数据进行解析结合，形成对应的升温幅度稳定情况数据类。
55.在步骤s108中，如果目标数据类对应的评测参数不符合预设评测标准，可以根据目标数据类对应的异常评测数据生成相应的拟合曲线，以更好地理解和解释异常数据的分
布情况。
56.其中，评测参数是用于衡量或评估某个目标数据类的特定属性或指标。它可以是数量化的，如数值、比率或百分比，也可以是非数量化的，如分类、等级或描述性的指标。评测参数用于描述和度量目标数据类的特征和性能，以便进行比较、分析和评估。
57.其次，预设评测标准是在进行数据评测或分析之前，事先设定的用于判断目标数据类是否符合特定要求或标准的标准或规范。它可以是定量的，如数值范围、阈值或统计指标，也可以是定性的，如描述性的要求或规则。预设评测标准可以根据具体的项目应用领域、需求或目标而定，用于对目标数据类进行质量评估、异常检测或决策依据。
58.进一步，可通过采集目标数据类的评测参数数据，并使用异常检测算法，如离群点检测或统计方法，检测出异常数据点，然后使用合适的拟合曲线方法，如多项式拟合、指数拟合或曲线拟合等，将异常数据点进行拟合，生成拟合曲线。拟合曲线可以通过最小二乘法或其他拟合算法，使得拟合曲线与异常数据点之间的误差最小化。
59.需要说明的是，生成拟合曲线后，需要对该其进行解释说明，包括拟合曲线的形状、拟合程度和异常数据点的偏离程度等。解释说明应该包括对拟合曲线的解释，比较拟合曲线与预设评测标准的差异，以及可能导致异常数据的原因。同时，可以利用拟合曲线进行进一步的分析和决策，即拟合曲线可以用于预测未来数据的趋势、优化评测参数或制定改进方案等。
60.在步骤s108中，若目标数据类对应的评测参数符合预设评测标准，则说明该目标数据类处于正常状态，则分别根据各个目标数据类以及其对应的评测参数生成相应的数据评测报告，通过该数据评测报告可更直观地展示目标数据类的实际情况。
61.在步骤s109中，趋势解析表是根据拟合曲线生成的，用于对数据的趋势和变化进行详细解释和分析的表格。它可以包括拟合曲线的相关参数和统计指标，如斜率、截距、r方值等。通过分析趋势解析表，可以得出一些结论和观察，比如数据的增长或下降趋势、趋势的强弱程度等。
62.本实施例提供的能源项目管理方法，根据能源项目预设运行模式下选定的数据分析项，可预先对前述数据分析项对应的待分析数据进行分类整合管理，若数据分析项为单数据分析类型即对各类待分析数据进行单独分析，为了提升单数据类型分析的规范性，则将待分析数据对应的第一目标数据集按照第一数据分析规则进行解析，生成具有分析代表性的各个目标数据组，进一步根据预设项目管理规范对上述每个目标数据组进行评估，生成相应的评估信息作为单数据分析类型下待分析数据的数据分析报告，若数据分析项为多数据分析类型即多数据融合分析，则根据第二数据分析规则对待分析数据的第二目标数据集进行分类解析组合，并拟合出其相应的评测曲线以及该曲线的趋势解析作为多数据分析类型下待分析数据的数据分析报告，由于根据能源项目管理中不同数据分析项的需求，对相应待分析数据做出具体规范化解析评测，从而可根据该评测结果合理地对能源项目进行合理管理和调控，提升了能源项目的管理工作效率。
63.在本实施例的其中一种实施方式中，如图2所示，在步骤s103即根据单数据分析类型对应的第一数据分析规则对第一目标数据集进行解析，形成对应的目标数据组之后还包括以下步骤：s201.若目标数据组为多个，则判断各个目标数据组中的目标数据是否属于同一
数据类型；s202.若各个目标数据组中的目标数据不属于同一数据类型，则获取各个目标数据组对应的项目评估等级；s203.根据项目评估等级，对各个目标数据组进行排序并生成对应的评估排序表；s204.根据评估排序表，输出各个目标数据组对应的数据走势图。
64.在步骤s201至步骤s202中，若目标数据组为多个，则需要判断各个目标数据组中的目标数据是否属于同一数据类型，这是因为不同的数据类型可能具有不同的属性和特征，需要采用不同的评估方法和标准进行分析和解释。
65.进一步，如果各个目标数据组中的目标数据不属于同一数据类型，可以根据各个目标数据组对应的项目评估等级对其进行侧重分析。项目评估等级是特定预设模式运行下目标数据组所包含数据的考量程度。
66.例如，在制冷模式初步阶段中，目标数据组分别为室内单位时间内降温速度和室内温度幅度，由于在制冷模式初步阶段下更为注重室内降温情况，故室内单位时间内降温速度的考量程度要比室内温度幅度高，即室内单位时间内降温速度的项目评估等级要比室内温度幅度高。
67.在步骤s203至步骤s204中，将上述记录的目标数据组按照其评估等级的高低进行排序，从高到低排列生成评估排序表，同时可将目标数据组的名称和对应的评估等级按照排序结果排列在表中。
68.进一步，根据上述评估排序表，可以输出各个目标数据组对应的数据走势图。数据走势图是一种可视化方式，以便于更直观地观察和分析目标数据组中数据的变化趋势。
69.具体地，根据评估排序表中的目标数据组，选择其中的若干个数据组进行数据走势图的绘制。可以根据需求选择绘制单个目标数据组的走势图，或者选择多个目标数据组进行对比分析，随即使用适当的数据可视化工具（如折线图、柱状图等）绘制各个目标数据组的数据走势图。横轴表示时间或其他相关的指标，纵轴表示目标数据的值。
70.其中，在数据走势图中可添加相应的标注、注释和图例，以提供更清晰的解释和理解。可以标注重要的时间点、事件或其他相关信息，以突出数据的特点和变化。
71.本实施方式提供的能源项目管理方法，根据目标数据组的项目评估等级对其进行排序并生成评估排序表，可以清晰地了解各个目标数据组在其对应具体预设运行模式下的重要性和优先级，有助于能源项目的决策和资源管理。
72.在本实施例的其中一种实施方式中，如图3所示，在步骤s201即若目标数据组为多个，则判断各个目标数据组中的目标数据是否属于同一数据类型之后还包括以下步骤：s301.若各个目标数据组中的目标数据属于同一数据类型，则获取各个目标数据组中目标数据对应的数据分布；s302.根据数据分析，形成对应各个目标数据组的数据折线图；s303.对比数据折线图，获取对应各个目标数据组之间的差异信息；s304.结合数据折线图和差异信息，生成对应第一目标数据集的差异分析报告。
73.在步骤s301至步骤s302中，若各个目标数据组中的目标数据属于同一数据类型，则说明当前仅对某一类数据进行特定分析，为了提升特定数据的分析效果，则获取各个目标数据组中目标数据对应的数据分布，数据分布是指在给定数据集中，各个取值的分布情
况。
74.进一步，数据折线图是一种数据可视化方式，可以清晰展示各个目标数据组中相应数据的走势和变化情况。
75.具体地，数据折线图的生成可包括以下步骤：根据数据分布的统计结果，在坐标系中选定合适的横轴和纵轴，横轴可表示时间或其他相关指标，纵轴可表示目标数据的实际取值。通过上述数据折线图可以描述每个目标数据组的数据变化趋势，进而可以分析折线的上升、下降、波动等。同时，还可以与其他目标数据组进行对比，分析它们之间的关系和差异。
76.在步骤s303至步骤s304中，差异信息是指数据折线图中不同目标数据组之间的具体数据差异。例如，通过数据折线图可以观测到两个目标数据组分别为上午10点至11点和下午1点至2点室内单位小时内温度的波动幅值，其中，上午10点至11点区间对应的温度波动幅值为
±
2度，下午1点至2点区间对应的温度波动幅值为
±
3度，两者之间的差异信息为
±
1度。
77.进一步，结合上述得到的数据折线图和差异信息，生成对应的差异分析报告。其中，差异分析报告包括差异信息总结，即总结各个目标数据组之间的差异信息，包括差异的大小、趋势、方向等；差异原因分析，即对差异的原因进行分析，考虑目标数据组的外部因素、内部因素或其他相关因素；差异总结，即根据差异分析结果，给出差异产生的结论和相应的处理措施。
78.本实施方式提供的能源项目管理方法，根据该差异分析报告，可以深入理解各个目标数据组之间的差异和规律，为优化第一目标数据集的表现提供有益的信息和建议，这将提升能源项目的数据分析效果和管理工作的效率，帮助项目做出更加准确和有效的决策。
79.在本实施例的其中一种实施方式中，如图4所示，在步骤s303即对比数据折线图，获取对应各个目标数据组之间的差异信息之后还包括以下步骤：s401.获取差异信息中对应目标数据组之间的数据差异值；s402.若数据差异值超出预设差异阈值区间，则获取对应目标数据组之间的差异对比数据，并根据差异对比数据生成对应目标数据组的差异标记点位。
80.在步骤s401至步骤s402中，对于每个目标数据组，计算其与其他组之间的差异值，可以使用差值、百分比差异等方法进行计算。其中，预设差异阈值区间是指在对目标数据组进行数据差异分析时所预先设定的一个标准差异范围，用于判断目标数据组之间的差异是否显著，该阈值区间可以根据具体需求和数据特点来确定。
81.进一步，若数据差异值超出预设差异阈值区间，则说明当前对比分析的两个数据组之间的差异较为显著，为了便于对该异常进行分析，则获取对应目标数据组之间的差异对比数据，该差异对比数据可以是具体数值、差异的趋势变化等。
82.其次，基于上述差异对比数据，生成对应目标数据组的差异标记点位。可以使用不同的符号、颜色或其他标记方式来表示差异点位，从而可以更直观地观测差异对比数据以及该差异对比数据的来源。
83.本实施方式提供的能源项目管理方法，数据差异值表示了不同目标数据组之间的差异程度，如果数据差异值超出了预设的差异阈值区间，说明目标数据组之间存在显著差
异，则为了更好地可视化差异信息，可以在数据折线图上标记差异点位，这样可以直观地展示目标数据组之间的差异，更容易地发现和理解数据的差异特征。
84.在本实施例的其中一种实施方式中，如图5所示，在步骤s107即根据多数据分析类型对应的第二数据分析规则对第二目标数据集进行分类解析组合，形成对应的目标数据类之后还包括以下步骤：s501.获取目标数据类中对应的目标数据组；s502.对目标数据组中的目标数据进行时序性分析，生成对应的周期性分组；s503.获取周期性分组中对应周期子序列的趋势线；s504.根据趋势线，生成对应周期子序列的趋势特征。
85.在步骤s501至步骤s502中，根据当前数据分析需要即第二数据分析规则，确定进行时序性分析的目标数据类，例如室内温度、室外温度、供暖负荷等。从系统中获取相应的目标数据组，这些数据组可以是不同时间段内的数据集合。对于每个目标数据组，进行时序性分析。其中可以使用各种统计方法和时间序列分析技术，例如平均值、方差、趋势分析、周期性分析等。
86.具体地，根据时序性分析的结果，将上述目标数据组进行周期性分组。根据数据的周期性特征，将数据分为不同的周期性组，例如日周期性、周周期性、月周期性等。可以根据具体需求和数据特点来确定周期性分组的方式。其中，周期性分组说明了每个周期性分组表示的是什么周期性特征，例如，日常温度波动、一周内的变化趋势等。
87.在步骤s503至步骤s504中，根据第二数据分析规则从周期性分组中选择一个周期子序列，该子序列代表了某个特定周期的数据变化情况，进一步生成相应的趋势线，即对选定的周期子序列进行趋势线拟合。例如，拟合方法包括线性回归、多项式拟合、指数平滑等，通过拟合得到的趋势线，可以反映出周期子序列中的整体趋势。
88.其次，根据生成的趋势线，可以计算出相应的趋势特征。例如，趋势特征包括上升趋势、下降趋势、平稳趋势等。可以通过计算斜率、变化率或拟合曲线的曲率等指标来判断趋势的方向和速度。通过趋势特征，可得出导致趋势特征产生的原因，如考虑季节变化、天气变化、系统运行状态等因素。
89.本实施方式提供的能源项目管理方法，趋势特征描述了周期子序列在长期趋势下的变化趋势，包括上升趋势、下降趋势、平稳趋势等，通过对趋势特征的分析，可以深入了解周期子序列的变化规律，并为后续的预测和决策提供有益的信息和依据。
90.在本实施例的其中一种实施方式中，如图6所示，在步骤s501即获取目标数据类中对应的目标数据组之后还包括以下步骤：s601.获取目标数据组之间的相关系数；s602.计算相关系数对应置信区间，并根据置信区间获取对应目标数据组之间的波动值；s603.若波动值超出预设波动幅度范围，则生成并执行目标数据组对应的干扰因素排查指令，获取对应的排查结果作为对应目标数据组的异常相关反馈。
91.在步骤s601至步骤s602中，可根据皮尔逊相关系数、斯皮尔曼相关系数等，计算目标数据组之间的相关系数，相关系数的取值范围为-1到1，表示数据之间的线性相关程度。
92.进一步，根据上述计算所得的相关系数，使用统计方法计算相关系数的置信区间。
常见的方法包括fisher变换法和bootstrap法。置信区间表示了相关系数的取值范围，可以用来判断相关系数的显著性和可靠性。
93.其中，根据相关系数的置信区间，可以计算目标数据组之间的波动值，置信区间越大目标数据组之间波动值也就越大。波动值可以用来表示相关系数的不确定性和变化范围。通常，波动值越大，相关系数的估计越不准确，反之亦然。
94.在步骤s603中，预设波动幅度范围是指待分析目标数据组之间的正常波动值幅度范围，若波动值超出预设波动幅度范围，则说明上述分析目标数据组可能受到某些异常因素的干扰，随即生成分析目标数据组对应的干扰因素排查指令，干扰因素排查指令可根据上述分析目标数据组中对应的数据属性，对其进行关联因素排查。
95.再者，若波动值未超出预设波动幅度范围，则在对目标数据组中数据进行可视化展示的同时附加其对应的实时波动值。
96.本实施方式提供的能源项目管理方法，计算置信区间和波动值，可以评估目标数据组之间相关性的稳定性，进一步若波动值超出预设波动幅度范围，则执行相应的干扰因素排查指令可以深入了解和解决相关性异常的原因，提供数据质量的改进和决策支持。
97.在本实施例的其中一种实施方式中，如图7所示，在步骤s501即获取目标数据类中对应的目标数据组之后还包括以下步骤：s701.确定目标数据组中的自变量组和因变量组；s702.若同一自变量组对应多个因变量组，则对各个因变量组进行聚类分析，生成对应目标特征簇；s703.根据目标特征簇，生成对应因变量组的特征解析信息。
98.在步骤s701中，自变量是独立于其他变量的，可以自由地改变其取值，自变量通常被认为是可能影响因变量的原因或解释变量；因变量是取值取决于自变量的变化，依赖于自变量而变化的变量。
99.例如，已知目标数据组包括室内温度、室外温度、地下水温度、室内温度变化和系统能效，进而可确定室内温度、室外温度、地下水温度为自变量，室内温度变化和系统能效为因变量。通过分析上述关系，可以优化地源热泵系统的运行，提高能效和舒适度，并减少能耗。
100.在步骤s702中，对于同一组自变量对应多个因变量的情况，可以利用聚类分析方法对不同因变量组进行聚类，从而生成目标特征簇。聚类分析是一种无监督学习方法，可以将相似的数据点分组在一起。
101.其中，聚类分析可以根据因变量之间的相似性将其划分为不同的簇。每个簇代表一组具有相似特征的因变量组。通过聚类分析，可以获得目标特征簇，即具有相似特征的因变量组的集合。
102.进一步，在得到目标特征簇后，可以对每个因变量组进行特征解析，以了解其具体特征和解释说明。特征解析信息包括对每个因变量组的统计特征、趋势分析、模型拟合结果等。根据不同因变量组的特征解析信息，可以解释其对应的含义和影响因素。
103.例如，对于地源热泵系统中的因变量组，可能会得到不同的目标特征簇，如能效簇、能耗簇和舒适度簇等。对于能效簇，特征解析信息可能包括不同因变量组的cop值、能源利用率等统计特征；对于能耗簇，特征解析信息可能包括不同因变量组的能耗水平、耗能趋
势等；对于舒适度簇，特征解析信息可能包括不同因变量组的室内温度波动情况、温度稳定性等。
104.本实施方式提供的能源项目管理方法，对目标特征簇的特征解析，可以对不同因变量组的特征进行解释说明，了解其对应的因变量的特点和影响因素，从而便于指导地源热泵系统的优化和改进。
105.本技术实施例公开一种能源项目管理系统，如图8所示，包括：获取模块1，用于获取预设运行模式对应的数据分析项；第一数据标定获取模块2，若数据分析项为单数据分析类型，则第一数据标定获取模块2用于获取对应的第一目标数据集；解析模块3，用于根据单数据分析类型对应的第一数据分析规则对第一目标数据集进行解析，形成对应的目标数据组；评估模块4，用于根据预设项目管理规范对目标数据组进行评估，生成目标数据组对应的评估分值；第一数据报告生成模块5，若评估分值未处于预设评估阈值区间，则第一数据报告生成模块5用于获取目标数据组中对应的异常数据以及异常数据对应的异常检测反馈，并结合异常数据、异常检测反馈以及目标数据组，生成对应单数据分析类型的数据分析报告；第二数据标定获取模块6，若数据分析项为多数据分析类型，则第二数据标定获取模块6用于分别获取数据分析项对应的第二目标数据集；组合模块7，用于根据多数据分析类型对应的第二数据分析规则对第二目标数据集进行分类解析组合，形成对应的目标数据类；数据拟合模块8，若目标数据类对应的评测参数不符合预设评测标准，则数据拟合模块8用于根据目标数据类中对应的异常评测数据生成对应的拟合曲线；第二数据报告生成模块9，用于结合拟合曲线以及拟合曲线对应趋势解析表作为对应多数据分析类型的数据分析报告。
106.通过采用上述技术方案，根据能源项目预设运行模式下选定的数据分析项，可预先对前述数据分析项对应的待分析数据进行分类整合管理，若数据分析项为单数据分析类型即对各类待分析数据进行单独分析，为了提升单数据类型分析的规范性，则通过解析模块3将待分析数据对应的第一目标数据集按照第一数据分析规则进行解析，生成具有分析代表性的各个目标数据组，进一步通过评估模块4根据预设项目管理规范对上述每个目标数据组进行评估，通过第一数据报告生成模块5生成相应的评估信息作为单数据分析类型下待分析数据的数据分析报告，若数据分析项为多数据分析类型即多数据融合分析，则通过组合模块7根据第二数据分析规则对待分析数据的第二目标数据集进行分类解析组合，并通过数据拟合模块8拟合出其相应的评测曲线以及该曲线的趋势解析，并通过第二数据报告生成模块9将上述评测曲线和趋势解析作为多数据分析类型下待分析数据的数据分析报告，由于根据能源项目管理中不同数据分析项的需求，对相应待分析数据做出具体规范化解析评测，从而可根据该评测结果合理地对能源项目进行合理管理和调控，提升了能源项目的管理工作效率。
107.需要说明的是，本技术实施例所提供的一种能源项目管理系统，还包括与上述任意一种能源项目管理方法的逻辑功能或逻辑步骤所对应的各个模块和/或对应的子模块，
实现与各个逻辑功能或者逻辑步骤相同的效果，具体在此不再累述。
108.本技术实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机指令，其中，处理器执行计算机指令时，采用了上述实施例中的任意一种能源项目管理方法。
109.其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。
110.其中，处理器可以采用中央处理单元（cpu），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（dsp）、专用集成电路（asic）、现成可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本技术对此不做限制。
111.其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡（smc）、安全数字卡（sd）或者闪存卡（fc）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机指令以及终端设备所需的其他指令和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本技术对此不做限制。
112.其中，通过本终端设备，将上述实施例中的任意一种能源项目管理方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，方便使用。
113.本技术实施例还公开一种计算机可读存储介质，并且，计算机可读存储介质存储有计算机指令，其中，计算机指令被处理器执行时，采用了上述实施例中的任意一种能源项目管理方法。
114.其中，计算机指令可以存储于计算机可读介质中，计算机指令包括计算机指令代码，计算机指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带计算机指令代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom）、随机存取存储器（ram）、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。
115.其中，通过本计算机可读存储介质，将上述实施例中的任意一种能源项目管理方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便上述方法的存储及应用。
116.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。

技术特征：
1.一种能源项目管理方法，其特征在于，包括以下步骤：获取预设运行模式对应的数据分析项；若所述数据分析项为单数据分析类型，则获取对应的第一目标数据集；根据所述单数据分析类型对应的第一数据分析规则对所述第一目标数据集进行解析，形成对应的目标数据组；根据预设项目管理规范对所述目标数据组进行评估，生成所述目标数据组对应的评估分值；若所述评估分值未处于预设评估阈值区间，则获取所述目标数据组中对应的异常数据以及所述异常数据对应的异常检测反馈，并结合所述异常数据、所述异常检测反馈以及所述目标数据组，生成对应所述单数据分析类型的数据分析报告；若所述数据分析项为多数据分析类型，则分别获取所述数据分析项对应的第二目标数据集；根据所述多数据分析类型对应的第二数据分析规则对所述第二目标数据集进行分类解析组合，形成对应的目标数据类；若所述目标数据类对应的评测参数不符合预设评测标准，则根据所述目标数据类中对应的异常评测数据生成对应的拟合曲线；结合所述拟合曲线以及所述拟合曲线对应趋势解析表作为对应所述多数据分析类型的所述数据分析报告。2.根据权利要求1所述的一种能源项目管理方法，其特征在于，在根据所述单数据分析类型对应的第一数据分析规则对所述第一目标数据集进行解析，形成对应的目标数据组之后还包括以下步骤：若所述目标数据组为多个，则判断各个所述目标数据组中的目标数据是否属于同一数据类型；若各个所述目标数据组中的所述目标数据不属于同一所述数据类型，则获取各个所述目标数据组对应的项目评估等级；根据所述项目评估等级，对各个所述目标数据组进行排序并生成对应的评估排序表；根据所述评估排序表，输出各个所述目标数据组对应的数据走势图。3.根据权利要求2所述的一种能源项目管理方法，其特征在于，在若所述目标数据组为多个，则判断各个所述目标数据组中的目标数据是否属于同一数据类型之后还包括以下步骤：若各个所述目标数据组中的所述目标数据属于同一所述数据类型，则获取各个所述目标数据组中所述目标数据对应的数据分布；根据所述数据分析，形成对应各个所述目标数据组的数据折线图；对比所述数据折线图，获取对应各个所述目标数据组之间的差异信息；结合所述数据折线图和所述差异信息，生成对应所述第一目标数据集的差异分析报告。4.根据权利要求3所述的一种能源项目管理方法，其特征在于，在所述对比所述数据折线图，获取对应各个所述目标数据组之间的差异信息之后还包括以下步骤；获取所述差异信息中对应所述目标数据组之间的数据差异值；
若所述数据差异值超出预设差异阈值区间，则获取对应所述目标数据组之间的差异对比数据，并根据所述差异对比数据生成对应所述目标数据组的差异标记点位。5.根据权利要求1所述的一种能源项目管理方法，其特征在于，在根据所述多数据分析类型对应的第二数据分析规则对所述第二目标数据集进行分类解析组合，形成对应的目标数据类之后还包括以下步骤：获取所述目标数据类中对应的所述目标数据组；对所述目标数据组中的所述目标数据进行时序性分析，生成对应的周期性分组；获取所述周期性分组中对应周期子序列的趋势线；根据所述趋势线，生成对应所述周期子序列的趋势特征。6.根据权利要求5所述的一种能源项目管理方法，其特征在于，在获取所述目标数据类中对应的所述目标数据组之后还包括以下步骤：获取所述目标数据组之间的相关系数；计算所述相关系数对应置信区间，并根据所述置信区间获取对应所述目标数据组之间的波动值；若所述波动值超出预设波动幅度范围，则生成并执行所述目标数据组对应的干扰因素排查指令，获取对应的排查结果作为对应所述目标数据组的异常相关反馈。7.根据权利要求5所述的一种能源项目管理方法，其特征在于，在获取所述目标数据类中对应的所述目标数据组之后还包括以下步骤：确定所述目标数据组中的自变量组和因变量组；若同一所述自变量组对应多个所述因变量组，则对各个所述因变量组进行聚类分析，生成对应目标特征簇；根据所述目标特征簇，生成对应所述因变量组的特征解析信息。8.一种能源项目管理系统，其特征在于，包括：获取模块（1），用于获取预设运行模式对应的数据分析项；第一数据标定获取模块（2），若所述数据分析项为单数据分析类型，则所述第一数据标定获取模块（2）用于获取对应的第一目标数据集；解析模块（3），用于根据所述单数据分析类型对应的第一数据分析规则对所述第一目标数据集进行解析，形成对应的目标数据组；评估模块（4），用于根据预设项目管理规范对所述目标数据组进行评估，生成所述目标数据组对应的评估分值；第一数据报告生成模块（5），若所述评估分值未处于预设评估阈值区间，则所述第一数据报告生成模块（5）用于获取所述目标数据组中对应的异常数据以及所述异常数据对应的异常检测反馈，并结合所述异常数据、所述异常检测反馈以及所述目标数据组，生成对应所述单数据分析类型的数据分析报告；第二数据标定获取模块（6），若所述数据分析项为多数据分析类型，则所述第二数据标定获取模块（6）用于分别获取所述数据分析项对应的第二目标数据集；组合模块（7），用于根据所述多数据分析类型对应的第二数据分析规则对所述第二目标数据集进行分类解析组合，形成对应的目标数据类；数据拟合模块（8），若所述目标数据类对应的评测参数不符合预设评测标准，则所述数
据拟合模块（8）用于根据所述目标数据类中对应的异常评测数据生成对应的拟合曲线；第二数据报告生成模块（9），用于结合所述拟合曲线以及所述拟合曲线对应趋势解析表作为对应所述多数据分析类型的所述数据分析报告。9.一种终端设备，包括存储器和处理器，其特征在于，所述存储器中存储有能够在所述处理器上运行的计算机指令，所述处理器加载并执行所述计算机指令时，采用了如权利要求1至7中任一项所述的一种能源项目管理方法。10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，其特征在于，所述计算机指令被处理器加载并执行时，采用了如权利要求1至7中任一项所述的一种能源项目管理方法。

技术总结
本申请涉及能源管理控制技术领域，尤其涉及一种能源项目管理方法、系统、终端设备及存储介质。其方法包括：若数据分析项为单数据分析类型，则根据单数据分析类型对应的第一数据分析规则对第一目标数据集进行解析，形成对应的目标数据组；然后根据预设项目管理规范对目标数据组进行评估；若数据分析项为多数据分析类型，则分别获取数据分析项对应的第二目标数据集；根据多数据分析类型对应的第二数据分析规则对第二目标数据集进行分类解析组合，形成对应的目标数据类。本申请提供的一种能源项目管理方法、系统、终端设备及存储介质可合理地对能源项目进行合理管理和调控，提升了能源项目的管理工作效率。目的管理工作效率。目的管理工作效率。


技术研发人员：王强 李海东 谢栋辉 杜红兵 杨永涛 薛敬辉 王岱 段凤华 李响 邵佳佳 张迅 王嘉琦 王海玲 张蕾
受保护的技术使用者：北京市华清地热开发集团有限公司
技术研发日：2023.08.11
技术公布日：2023/9/14