城市高耗能企业监测筛选方法
【技术领域】
[0001] 本发明涉及耗能监测技术领域，特别是指一种城市高耗能企业监测筛选方法。
【背景技术】
[0002] 为了实现辅助政府有效控制高耗能高污染行业过快增长，加快淘汰落后生产能 力，大力发展循环经济完善体制和政策体系，要深化改革加大节能减排的投入更具指导性 的编制计划，科学合理贴合当地区域的节能减排科技推进出台政策，指导企业改善经营模 式，帮助高耗能企业进行节能减排工作，推广银监会限制"双高"贷款同时，贯彻银行业金 融机构对节能减排重点工程和重点污染防治工程贷款要"积极支持"。针对于筛选出高耗 能行企业（行业和/或企业），我们通常会借助传统定义的六类高耗能行业：煤炭开采和洗 选、石油加工、炼焦及核燃料、化学原料及化学制造品制造业、非金属矿物制造、黑色金属加 工、有色金属加工，进行行业内部的重点企业监管，途径主要是根据电力公司上报的重点行 企业（行业和/或企业）的用电量，以及行企业（行业和/或企业）产值的统计数据进行 上报给政府或相关机构的调查统计资料来进行监管，以电力公司上报用电数据以及各行企 业（行业和/或企业）上报产值信息为依据，从而进行分析，计算分析出六类高耗能行业用 能情况及产值情况，是否属于高耗能行企业（行业和/或企业），进而实现强化节能减排监 督管理，促进能源节约和环境保护，建立政府引导、企业为主和社会参与的节能减排投入机 制。
[0003] 对于是否属于节能减排先进行企业（行业和/或企业），关系到很多的国家政策支 持以及资金支持，社会口碑品牌建设利益，企业的一些衡量数据被人为修改、隐瞒，使得国 家监测高耗能企业的指标不具有真实性，由于缺乏真实的指标数据，金融机构往往从国家 能源部门得到筛选名单，而这些筛选名单，主要由各行企业（行业和/或企业）报表、汇报， 以及相关部门进行抽查得来，不具有时效性和真实性。
[0004] 电力系统的优势在于，像一个巨大的网络，触角遍及整个城市的角落，随着交叉学 科支撑的智能电网的飞速发展，电力光纤入户的深入性，供电营业厅服务项目的普遍性，大 至整个社会用电状态，大型行企业（行业和/或企业）运行状态，小至行企业（行业和/或 企业）居民用电设备用电量，电力系统内部数据已然成为了最具权威性、最具实时性、最具 真实性、最具完整性的大数据集中器之一，伴随着电力设备上的传感装置，像是触角一般， 敏锐的搜集者来自社会角落的各个信号。有效的解决了行企业（行业和/或企业）用能数 据相关问题，为了避免数据的不安全因素，借助于电力系统的数据进行用能分析，促进节能 减排，造福社会，已经成为电力系统内部的使命。
[0005] 每个城市乃至每个小区域，都有着自己特色的发展方式，只有通过电力数据才能 更真实的反映出当地的情况，所以对于电力数据挖掘存在这重大意义，基于电力数据的高 耗能行企业（行业和/或企业）监测筛选系统既相应辅助国家提高对高耗能企业的监管力 度，又真正实现辅助政府更具指导性的针对城市进行编制计划，科学合理的出台节能减排 政策，指导当地企业改善运行模式，提高行企业（行业和/或企业）耗能的透明度。
[0006] 电力系统内部的大数据服务平台，设定重点企业是使用电量监控功能模块，目的 通过实施用电量监控，进行用电量统计。因为没有给重点企业提供更多的服务功能，所以鲜 有大中型企业愿意主动介入该平台中，使得电力系统和国家对于重点行企业（行业和/或 企业）实时有效的用电量情况不透明。
【发明内容】
[0007] 有鉴于此，本发明的目的在于提出一种城市高耗能企业监测筛选方法，能够实现 预测产值功能、实时监控用电量功能、高耗能行企业（行业和/或企业）筛选监测功能等。
[0008] 基于上述目的本发明提供的城市高耗能企业监测筛选方法，包括：
[0009] 基于电力系统的大数据平台，结合电力系统特有的行企业（行业和/或企业）用 电数据，以及部分重点大型企业的实时用电量，用电客户信息，重点企业的主营业务的年产 值，结合交叉学科的技术研宄，分析耗能设备潜在的提升点，从而用于对城市耗能行业和/ 或企业进行研宄筛选；
[0010] 运用数据挖掘算法，包括聚类分析、关联分析、时序分析等方法，利用预测网络建 立城市行业和/或企业耗能投入与年终产值关系分析模型从而实现耗能行业和/或企业监 测及筛选功能模块；其中输入数据为重点行业的历年季度用电量，输出数据为该行业的季 度⑶P ;
[0011] 对搭建行业和/或企业能耗投入与产值的分析模型进行研宄和优化，通过常用的 分析预测方法，选择精度较高、运算速度较快的小波算法进行改进，并通过鼓励企业接入电 力系统中的实时电量监控模块，设置用电量高低门限，进行报警，帮助企业进行耗能大设备 的运行监控，并提供行企业（行业和/或企业）历史能耗可视化设计方案；
[0012] 使用matlab仿真软件的建模工具箱，选择小波算法的预测神经网络，输入主要为 行企业（行业和/或企业）用电量，输出为该行业的产值；得出此模型后，进行相对能耗和 绝对能耗的排名；
[0013] 运用小波算法优化的BP神经网络进行行企业（行业和/或企业）投入能耗以产 值的关系预测；在用电行企业（行业和/或企业）能耗投入与产值关系的预测过程中，输入 为2个，分别为：该行业大型企业工厂用电量及主流行业发展状态；输出为1个，即该城市 行企业（行业和/或企业）投入能耗与产值关系网络；
[0014] 通过进行BP神经网络建模，建立普遍行业的投入能耗及产值之间的关系模型，实 现筛选并预测出能耗较高的行业，并通过鼓励该行业内的重点企业介入电力系统用电量实 时监测系统中，进行实时电量检测，季度用电量统计，年度历史用电量统计，结合该行企业 (行业和/或企业）季度，年产值数据，通过用电量和产值之间的关系，进行绝对能耗和相 对能耗的分析，进行不同行企业（行业和/或企业）之间的耗能横向对比，以及同一行企业 (行业和/或企业）的纵向历史对比及未来预测。
[0015] 较佳的，所述利用预测网络建立城市行业和/或企业耗能投入与年终产值关系分 析模型的步骤还包括：
[0016] 为了具有行业内不同企业的横向对比结果，运用聚类分析，设置两类行业和/或 企业能耗模型包括相对能耗模型和绝对能耗模型；
[0017] 其中，相对能耗模型的建立包括：针对于不同行业内的，运用聚类分析，将相同域 内的行业季度或年终总产值进行划分，通过不同行业间的对比排名，可以得出该年度的总 行业耗能排名，结合该行业历年耗能的历史数据，进行未来走势预测，提前为国家提供总行 业能耗走势图；
[0018] 绝对能耗模型的建立包括：针对于同一行业内不同企业的，主营业务的用电量单 位产值排名，主要锁定相对能耗较高的行业中的重点企业进行研宄；对于企业之间，进行横 比；对于企业自身，进行纵比。
[0019] 从上面所述可以看出，本发明提供的城市高耗能企业监测筛选方法，可以针对不 同的面相用户提供不同程度的可公开价值数据，基于电力内部营销数据，结合数据分析进 行的，通过用电量结合电力系统数据平台上的实时用电量监控，进行大型设备运行监测，统 计行企业（行业和/或企业）不同颗粒度的能耗数据资料，实现预测产值功能，实时监控用 电量功能，高耗能行企业（行业和/或企业）筛选监测功能；可面向政府提供宏耗能行企业 (行业和/或企业）与产值之间的分析关系，高耗能行企业（行业和/或企业）排行，高耗 能行企业（行业和/或企业）用电规律，大型设备的运行状态等；面对银监会可以直接提供 高耗能行企业（行业和/或企业）名单，降低银行房贷风险；面对行企业（行业和/或企 业），横向相互对比，取长补短，找到自己行企业（行业和/或企业）内部的高耗能问题所 在，纵向对比自身行企业（行业和/或企业）的节能减排整改效果。
【附图说明】
[0020] 图1为本发明提供的城市高耗能企业监测筛选方法实施例的流程示意图；
[0021] 图2为本发明提供的城市高耗能企业监测筛选方法实施例中