CN119398913A 一种基于企业功率数据的企业经营状态监测方法 （广东浩迪智云技术有限公司）

道桂澜北路28号南海万达广场南6栋一种基于企业功率数据的企业经营状态监过对总用电功率时序数据进行特征分解和模态分量分析，结合主要生产设备的参考功率特征2A1.获取企业的总用电功率时序数据，并按预设的时间周期长度对所述总用电功率时A2.获取所述企业的各个主要生产设备的参考功率特征集；所述参考功率特征集包括A3.根据所述模态分量的特征熵确定各所述模态分量的有效性，并对有效的模态分量A4.提取各所述滤波后模态分量的时域特征和频域特征，形成各个所述滤波后模态分A5.根据各所述时间周期对应的匹配识别结果，获取各所述主要生产设备的工作状态A6.根据所述工作状态数据判断所述企业当前的A101.获取所述企业的预设时长的总用电功率时A102.根据所述时间周期长度对所述总用电功率时序数据进行划分，得到多个总用电A103.基于模态分解算法对每个所述总用电功率时序数据片段进行特征分解，得到每A302.对比各所述模态分量的特征熵和预设的特征熵阈值，把所述特征熵低于所述特3A401.提取各所述滤波后模态分量的所A402.基于FFT变换提取各所述滤波后模态分量的所A403.用提取到的所述时域特征和所述频域特征组成各所述滤波后模态分量的实际功A404.对比各所述滤波后模态分量的实际功率特征集和各所述主要生产设备的参考功根据各所述主要生产设备在各个所述时间周期内对应的所述滤波根据各所述主要生产设备在各个所述时间周期内对应的所述滤波后模态分量的特征根据所述开启时间、所述工作时长、所述停止时间和所述根据所述经营状态异常值判断所述企业当前的经营10.根据权利要求1所述的基于企业功率数据的企业经营状态监测方法，其特征在于，A7.若所述企业当前的经营状态正常，则根据所述总用电功率时序数据预测所述企业A8.根据所述估计用电功率时序数据评估所述企业的潜在经4[0005]目前常用的基于用电数据的企业经营状态判断方法通常利用企业过去一段时间A1.获取企业的总用电功率时序数据，并按预设的时间周期长度对所述总用电功5A2.获取所述企业的各个主要生产设备的参考功率特征集；所述参考功率特征集A3.根据所述模态分量的特征熵确定各所述模态分量的有效性，并对有效的模态A4.提取各所述滤波后模态分量的时域特征和频域特征，形成各个所述滤波后模A5.根据各所述时间周期对应的匹配识别结果，获取各所述主要生产设备的工作A6.根据所述工作状态数据判断所述企业当前的方法克服了传统方法仅依赖总用电量的局限性，能够更准确地反映企业的实际生产情况，A101.获取所述企业的预设时长的总用电功率时A102.根据所述时间周期长度对所述总用电功率时序数据进行划分，得到多个总A103.基于模态分解算法对每个所述总用电功率时序数据片段进行特征分解，得形因子中的至少一项；[0016]这些特征的结合使用实现了对功率数据特性的全面描述。通过标准化的特征定6A302.对比各所述模态分量的特征熵和预设的特征熵阈值，把所述特征熵低于所A401.提取各所述滤波后模态分量的所A402.基于FFT变换提取各所述滤波后模态分量的所A403.用提取到的所述时域特征和所述频域特征组成各所述滤波后模态分量的实A404.对比各所述滤波后模态分量的实际功率特征集和各所述主要生产设备的参根据各所述主要生产设备在各个所述时间周期内对应的所述滤波后模态分量的根据所述经营状态异常值判断所述企业当前的经营A7.若所述企业当前的经营状态正常，则根据所述总用电功率时序数据预测所述A8.根据所述估计用电功率时序数据评估所述企业的潜在经用电功率时序数据进行特征分解和模态分量分析，结合主要生产设备的参考功率特征集，业经营状态的监测提供了更可靠的技术手段。实现了对企业经营状态的实时监测和预警，7[0024]图1为本申请实施例提供的一种基于企业功率数据的企业经营状态监测方法的流[0025]图2为本申请实施例提供的另一种基于企业功率数据的企业经营状态监测方法的此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因8A1.获取企业的总用电功率时序数据，并按预设的时间周期长度对总用电功率时A2.获取企业的各个主要生产设备的参考功率特征集；参考功率特征集包括参考A3.根据模态分量的特征熵确定各模态分量的有效性，并对有效的模态分量进行A4.提取各滤波后模态分量的时域特征和频域特征，形成各个滤波后模态分量对方法克服了传统方法仅依赖总用电量的局限性，能够更准确地反映企业的实际生产情况，A101.获取企业的预设时长的总用电功率时A102.根据时间周期长度对总用电功率时序数据进行划分，得到多个总用电功率A103.基于模态分解算法对每个总用电功率时序数据片段进行特征分解，得到每于企业功率数据的企业经营状态监测方法的时间间隔分析周期可以根据实际需要设置，9o(r)为脉冲函数，表示求对时间的微分的微分函数，s.t.为约束条件符号。通过引入参考频率方差表征频率分量的离散程度；重心频率和参考重心频率反映功率谱的质心位[0051]这些特征的结合使用实现了对功率数据特性的全面描述。通过标准化的特征定A302.对比各模态分量的特征熵和预设的特征熵阈值，把特征熵低于特征熵阈值;r为第二参考量，N为模态分量的数据维数（即模态分量中包含的数据数量M为预设窗口长度（可根据实际需要设置X,为利用长要设置为利用长度为M+1的窗口以单个数据为步长对模态分量进行滑窗截取的第二数;Zy(i)为第i个第一数据序列，z(i)、z(i+1)、z(i+M-1)分别为模态分量中的;为第i个第一数据序列和第jj个第一数据序列之间的距离，z(i+)、z(j+k)分别为模态分量中的第i+k个、第jj+k个数据。;为第i个第二数据序列，z(i+M)为模态分量中的第i+M个数据。;为第i个第二数据序列和第jj个第二数据序列之间征熵低于特征熵阈值的模态分量作为有效的模态分量，用以进行后续的企业经营状态分A402.基于FFT变换提取各滤波后模态分量A403.用提取到的时域特征和频域特征组成各滤波后模态分量的实际功率特征A404.对比各滤波后模态分量的实际功率特征集和各主要生产设备的参考功率特特征描述的全面性和准确性。通过FFT变换提取频域特征，可以捕捉到信号中的周期性成模态分量转换为对应的频谱，然后可利用该频谱提取中心频率和带宽以及计算功率谱密;;其中，H,为频率方差，为重心频率，f为总用电功率时序数据的采样频率A501.根据各主要生产设备在各个时间周期内对应的滤波后模态分量，识别各主A502.根据各主要生产设备在各个时间周期内对应的滤波后模态分量的特征熵，当功率值从低于功率阈值突然上升到高于功率阈值时，可以将这个时间点标记为开启时算同一主要生产设备在各时间周期的滤波后模态分量的特征熵的方差或标准差作为对应A602.根据经营状态异常值判断企业当前的经营状态变化指数与平均稳态功率值变化指数的偏差的平均值（记为第四均值然后计算第一均对应主要生产设备的异常指数，最后根据各主要生产设备的异常指数计算经营状态异常A7.若企业当前的经营状态正常，则根据总用电功率时序数据预测企业的估计用电功率时序数据；估计用电功率时序数据为企业在未来的