一种企业生产状态用电分析方法及系统与流程

本发明涉及企业用电数据分析，具体为一种企业生产状态用电分析方法及系统。

背景技术：

1、随着全球能源消耗的不断增加，能源效率和成本控制成为企业面临的重要挑战。特别是在制造业领域，企业通常拥有大量设备，这些设备在生产过程中消耗大量的能源，直接影响到企业的运营成本。因此，对企业用电用能状态与生产状态之间的关系进行深入分析，对于优化能源使用、提高生产效率和降低成本具有重要意义。

2、现有的技术通常依赖于传统的统计方法和简单的线性回归模型来分析企业的用电数据和生产数据。这些方法在处理简单的线性关系时表现良好，但在面对复杂的非线性关系和多变量交互作用时，往往无法有效地揭示变量之间的复杂关系，这可能导致对企业用电用能状态与生产状态之间关系的理解不够全面和准确，影响整体成本效益。

技术实现思路

1、本发明的目的在于提供一种企业生产状态用电分析方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种企业生产状态用电分析方法，所述方法包括：

3、获取企业用电数据，所述企业用电数据包括设备用电数据和电费数据；

4、计算所述设备用电数据和所述电费数据之间的相关性统计量，得到第一相关性结果数据集；

5、根据所述第一相关性结果数据集，构建出特征数据集，通过所述特征数据集训练得到随机森林模型；

6、通过所述随机森林模型对所述特征数据集进行特征选择操作，得到特征子集；

7、根据所述特征子集，采用lasso算法建立企业用电评估模型；

8、根据所述企业用电评估模型进行预测，得到预测结果数据集；

9、获取企业生产信息，并采用数据分析方法对所述企业生产信息进行分析，得到关键生产信息数据集；

10、采用相关性分析方法对所述关键生产信息数据集和所述电费数据进行计算，得到第二相关性结果数据集；

11、采用多变量相关性算法，结合所述预测结果数据集和所述第二相关性结果数据集，对所述企业生产信息和所述设备用电数据进行分析，得到第三相关性结果数据集。

12、可选地，计算所述设备用电数据和所述电费数据之间的相关性统计量，得到第一相关性结果数据集，包括：计算所述设备用电数据和所述电费数据之间的方差矩阵和pearson相关系数，其中，所述方差矩阵用于确定所述设备用电数据和所述电费数据之间的线性关系强度和方向，所述pearson相关系数用于确定所述设备用电数据和所述电费数据的线性相关程度；

13、根据所述方差矩阵和pearson相关系数，计算得到所述第一相关性结果数据集。

14、可选地，所述随机森林模型由多个决策树组成，各所述决策树在构建过程中随机选择所述特征数据集的特征进行分裂。

15、可选地，计算所述随机森林模型训练过程中每个特征的重要性分数，得到多个特征重要性分数，所述特征重要性分数与所述特征一一对应；

16、将多个所述特征重要性分数进行排序，选择大于预定分数的所述特征重要性分数对应的特征，构建所述特征子集。

17、可选地，将所述特征子集分割为训练数据集和测试数据集；采用所述训练数据集训练lasso模型；采用所述测试数据集对所述lasso模型进行评估，计算所述lasso模型的模型评估指标，得到模型评估结果；根据所述模型评估结果，确定所述企业用电评估模型。

18、可选地，获取能源结构、总产能量以及产能效率，得到所述企业生产信息。

19、可选地，采用时间序列分析、多元回归分析以及聚类分析中的至少一种对所述企业生产信息进行分析，得到能源消耗数据、总产能力数据以及生产效率数据。

20、可选地，采用互信息或灰色关联分析对所述关键生产信息数据集和所述电费数据进行计算，得到所述第二相关性结果数据集。

21、可选地，计算互信息值、灰色关联度以及相关性矩阵，得到所述第二相关性结果数据集，其中，所述互信息值用于表示所述关键生产信息数据集中的数据与所述电费数据的共享信息程度，所述灰色关联度用于表示所述关键生产信息数据集中的数据与所述电费数据的相似性程度所述相关性矩阵用于表示所述关键生产信息数据集中的数据与所述电费数据的相关性。

22、另一方面，本发明还提供了一种企业生产状态用电分析系统，所述企业生产状态用电分析系统被配置为执行所述企业生产状态用电分析方法，所述企业生产状态用电分析系统包括：

23、获取企业用电数据模块，用于获取企业用电数据，所述企业用电数据包括设备用电数据和电费数据；

24、第一相关性结果数据集确定模块，用于计算所述设备用电数据和所述电费数据之间的相关性统计量，得到第一相关性结果数据集；

25、随机森林模型构建模块，用于根据所述第一相关性结果数据集，构建出特征数据集，通过所述特征数据集训练得到随机森林模型；

26、特征子集选择模块，用于通过所述随机森林模型对所述特征数据集进行特征选择操作，得到特征子集；

27、企业用电评估模型构建模块，用于根据所述特征子集，采用lasso算法建立企业用电评估模型；

28、预测结果模块，用于根据所述企业用电评估模型进行预测，得到预测结果数据集；

29、数据分析模块，其用于获取企业生产信息，并采用数据分析方法对所述企业生产信息进行分析，得到关键生产信息数据集；

30、第二相关性结果数据集确定模块，其用于采用相关性分析方法对所述关键生产信息数据集和所述电费数据进行计算，得到第二相关性结果数据集；

31、第三相关性结果数据集确定模块，其用于采用多变量相关性算法，结合所述预测结果数据集和所述第二相关性结果数据集，对所述企业生产信息和所述设备用电数据进行分析，得到第三相关性结果数据集。

32、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

33、与现有技术相比，本发明的有益效果是：本发明提供了一种企业生产状态用电分析方法，包括获取企业用电数据，所述企业用电数据包括设备用电数据和电费数据；计算所述设备用电数据和所述电费数据之间的相关性统计量，确定第一相关性结果数据集；根据第一相关性结果数据集，构建出特征数据集，通过特征数据集训练得到随机森林模型；通过随机森林模型对所述特征数据集进行特征选择操作，得到特征子集；根据所述特征子集，采用lasso算法建立企业用电评估模型；根据企业用电评估模型进行预测，得到预测结果数据集；获取企业生产信息；采用数据分析方法对所述企业生产信息进行分析，得到关键生产信息数据集；采用相关性分析方法对所述关键生产信息数据集和所述电费数据进行计算，得到第二相关性结果数据集；采用多变量相关性算法，结合所述预测结果数据集和第二相关性结果数据集，对所述企业生产信息和设备用电数据进行分析，得到第三相关性结果数据集。

34、本发明通过对企业用电数据和生产信息进行深入分析，本发明能够帮助企业识别能源采用的模式和趋势，从而更有效地管理能源消耗，减少浪费。本发明采用随机森林和lasso等先进的机器学习算法，这些算法能够处理复杂的非线性关系和变量间的交互作用，从而提供比传统统计方法更深入和全面的数据分析，为生产决策提供数据支持，帮助企业优化生产流程。通过对企业用电用能状态与生产状态之间的复杂关系进行准确分析，本发明能够帮助企业更有效地管理能源采用，从而提高能源效率，降低成本。