© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
桐乡泰爱斯环保能源有限公司
企业桐乡泰爱斯环保能源有限公司成立于2015年，位于浙江省。所属行业为电力、热力生产和供应业。经营范围包括热力生产和供应；陆地管道运输；石灰和石膏销售；技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广。
高新技术企业小微企业专精特新企业电力、热力生产和供应业
数据集列表
桐乡市纺织企业管道蒸汽用量智慧管控数据
通过收集和分析纺织企业管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解纺织行业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其生产过程中的用热量，以便更好地进行能源管理和成本控制，利于纺织类企业自我管控。将该模型应用于纺织企业实际生产中，每天根据当天的生产计划和设备运行参数，预测当天的蒸汽用量。企业可以根据预测结果合理安排能源供应，优化生产调度，降低能源成本。同时，通过对蒸汽用量的实时监测和分析，及时发现能源浪费和管道故障等问题，提高能源利用效率和生产效益，实现绿色生产，对纺织业类的企业生产过程有指导作用。科研机构可以利用纺织企业的管道蒸汽用量智慧管控数据，开展能源管理技术的研究和创新。通过对大量数据的分析和挖掘，科研机构可以深入了解纺织企业的蒸汽用量规律和节能潜力，研发出更适合纺织行业的能源管理技术和设备。构建神经网络模型，步骤1：采用多层感知机（MLP）结构，包括一个输入层、两个隐藏层和一个输出层。输入层节点数为9，分别对应时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流。两个隐藏层分别有64个和32个节点，激活函数采用ReLU。输出层节点数为1，对应预测的蒸汽用量。步骤2：选择损失函数和优化算法。使用均方误差（MSE）作为损失函数，优化算法选择Adam，学习率设置为0.001。步骤3：将数据集划分为训练集、验证集和测试集，比例为7:2:1。使用训练集对神经网络进行训练，设置训练轮数为100轮，批次大小为32。在训练过程中，实时监控验证集的损失，当验证集损失连续 10 轮没有下降时，提前停止训练，防止过拟合。步骤4：对模型进行超参数调整，尝试不同的隐藏层节点数、学习率和批次大小等参数，找到最佳的模型性能。步骤5：神经网络模型输出预测蒸汽流量值和最高临界值为22.01t/h，当预测蒸汽流量值>22.01t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤22.01t/h，显示“管道正常”。
浙江省数据知识产权登记平台2025-01-08 更新290
废轮胎胶粒热解油气分离效率智慧控制数据
废橡胶胶粒无氧热解中，热解出口油气温度、热解出口油气压力、热解出口油气流量、冷凝塔压力、热解油喷淋流量、高闪点油产率、低闪点油产率会对热解油气分离效率产生影响。该智慧控制模型通过对油气分离效率数据的实时监测和分析，可以精确调整热解过程中的温度、压力、流量、闪点油产率等参数，优化热解工艺，使得热解油气分离效率稳定提升，最大限度地回收利用油气中的能量，提高能源利用效率，节能高效，符合绿色生产的环境保护要求，也对其他企业稳定提高热解油气分离效率提供指导意义，降低对传统能源和资源的依赖，减少废弃物的产生，实现经济、环境和社会效益的统一，推动可持续发展。步骤一：采集数据，通过DCS系统，采集热解出口油气温度、热解出口油气压力、热解出口油气流量、冷凝塔压力、热解油喷淋流量、热解油气分离效率、高闪点油产率、低闪点油产率数据，其中热解油气分离效率数据由DCS系统直接监测存储。步骤二：利用Eviews分析软件，构建多元线性回归模型，设热解出口油气温度为X1，热解出口油气压力为X2，热解出口油气流量为X3，冷凝塔压力为X4，热解油喷淋流量为X5，高闪点油产率为X6，低闪点油产率为X7，热解油气分离效率为y，设多元线性回归函数为y=β0+β1*X1+β2*X2+β3*X3+β4*X4+β5*X5+β6*X6+β7*X7，其中β0为截距项，β1、β2、β3、β4、β5、β6、β7为其回归系数，得出拟合优度最优解，以实时调整各参数，最大程度减少能源的消耗，在工艺稳定的同时使得热解油气分离效率得到提高。
浙江省数据知识产权登记平台2024-12-11 更新220
桐乡市医药企业管道蒸汽用量智慧管控数据
通过收集和分析医药企业管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解医药行业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其生产过程中的用热量，以便更好地进行能源管理和成本控制，利于医药类企业自我管控。将该模型应用于医药企业实际生产中，每天根据当天的生产计划和设备运行参数，预测当天的蒸汽用量。企业可以根据预测结果合理安排能源供应，优化生产调度，降低能源成本。同时，通过对蒸汽用量的实时监测和分析，及时发现能源浪费和管道故障等问题，提高能源利用效率和生产效益，实现绿色生产，对医药业类的企业生产过程有指导作用。科研机构可以利用医药企业的管道蒸汽用量智慧管控数据，开展能源管理技术的研究和创新。通过对大量数据的分析和挖掘，科研机构可以深入了解医药企业的蒸汽用量规律和节能潜力，研发出针对医药行业的能源管理技术和设备。根据医药企业对医药安全的严格把控，生产的环节严格管控，选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为17.11t/h，当预测蒸汽流量值>17.11/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤17.11t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-12-05 更新100
桐乡市生物企业管道蒸汽用量智慧管控数据
通过收集和分析生物企业管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解生物企业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其生产过程中的用热量，以便更好地进行能源管理和成本控制，利于生物类企业自我管控。将该模型应用于生物企业实际生产中，每天根据当天的生产计划和设备运行参数，预测当天的蒸汽用量。企业可以根据预测结果合理安排能源供应，优化生产调度，降低能源成本。同时，通过对蒸汽用量的实时监测和分析，及时发现能源浪费和设备故障等问题，提高能源利用效率和生产效益，实现绿色生产，对生物业类的企业生产过程有指导作用。科研机构可以利用生物企业的管道蒸汽用量智慧管控数据，开展能源管理技术的研究和创新。通过对大量数据的分析和挖掘，科研机构可以深入了解生物企业的蒸汽用量规律和节能潜力，研发出针对生物行业的能源管理技术和设备。选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为13.71t/h，当预测蒸汽流量值>13.71t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤13.71t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-11-25 更新190
桐乡市医院管道蒸汽用量智慧管控数据
通过收集和分析医院管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解医院对用热量的需求，以及对医院用热量影响分析，能够更准确地预测医院未来的用热量，以便更好地进行能源管理和成本控制，利于医院自我管控。医院管理者可以直观地看到蒸汽用量的高峰和低谷时期，从而合理调整能源采购计划。医院管道蒸汽用量智慧管控数据可以为医院的资源分配提供参考。医院管理者可以合理安排资金用于设备更新和维护，也使得社会医疗资源得到更合理的利用，提高了医疗资源的投入产出比，促进智慧医疗行业的发展。选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为16.4t/h，当预测蒸汽流量值>16.4t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤16.4t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-11-25 更新210
桐乡市包装企业管道蒸汽用量智慧管控数据
通过收集和分析包装企业管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解包装行业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其生产过程中的用热量，以便更好地进行能源管理和成本控制，利于包装类企业自我管控。将该模型应用于包装企业实际生产中，每天根据当天的生产计划和设备运行参数，预测当天的蒸汽用量。企业可以根据预测结果合理安排能源供应，优化生产调度，降低能源成本。同时，通过对蒸汽用量的实时监测和分析，及时发现能源浪费和管道故障等问题，提高能源利用效率和生产效益，实现绿色生产，对包装业类的企业生产过程有指导作用。科研机构可以利用包装企业的管道蒸汽用量智慧管控数据，开展能源管理技术的研究和创新。通过对大量数据的分析和挖掘，科研机构可以深入了解包装企业的蒸汽用量规律和节能潜力，研发出更适合包装行业的能源管理技术和设备。构建神经网络模型，步骤1：采用多层感知机（MLP）结构，包括一个输入层、两个隐藏层和一个输出层。输入层节点数为9，分别对应时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流。两个隐藏层分别有64个和32个节点，激活函数采用ReLU。输出层节点数为1，对应预测的蒸汽用量。步骤2：选择损失函数和优化算法。使用均方误差（MSE）作为损失函数，优化算法选择Adam，学习率设置为0.001。步骤3：将数据集划分为训练集、验证集和测试集，比例为7:2:1。使用训练集对神经网络进行训练，设置训练轮数为100轮，批次大小为32。在训练过程中，实时监控验证集的损失，当验证集损失连续 10 轮没有下降时，提前停止训练，防止过拟合。步骤4：对模型进行超参数调整，尝试不同的隐藏层节点数、学习率和批次大小等参数，找到最佳的模型性能。步骤5：神经网络模型输出预测蒸汽流量值和最高临界值为17.12t/h，当预测蒸汽流量值>17.12t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤17.12t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-12-18 更新130
桐乡市低压电器企业管道蒸汽用量智慧管控数据
通过收集和分析低压电器企业管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解低压电器行业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其生产过程中的用热量，以便更好地进行能源管理和成本控制，利于低压电器类企业自我管控。将该模型应用于低压电器企业实际生产中，每天根据当天的生产计划和设备运行参数，预测当天的蒸汽用量。企业可以根据预测结果合理安排能源供应，优化生产调度，降低能源成本。同时，通过对蒸汽用量的实时监测和分析，及时发现能源浪费和管道故障等问题，提高能源利用效率和生产效益，实现绿色生产，对低压电器业类的企业生产过程有指导作用。科研机构可以利用低压电器企业的管道蒸汽用量智慧管控数据，开展能源管理技术的研究和创新。通过对大量数据的分析和挖掘，科研机构可以深入了解低压电器企业的蒸汽用量规律和节能潜力，研发出针对低压电器行业的能源管理技术和设备。选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为25.18t/h，当预测蒸汽流量值>25.18/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤25.18t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-12-05 更新210
桐乡市企业食堂管道蒸汽用量智慧管控数据
通过收集和分析企业食堂管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，企业可以根据历史蒸汽用量智慧管控数据来制定更加精准的食堂成本预算。通过分析过去的蒸汽用量波动情况构建卷积神经网络模型，合理预估下一阶段（季度、年度）的蒸汽费用预算。如果发现某一时期蒸汽用量异常增加，可能预示着管道老化导致蒸汽泄漏或者烹饪流程的改变等情况，企业可以及时调整预算分配。通过该模型，食堂管理人员可以提前预测蒸汽需求高峰，合理安排烹饪时间和菜品供应顺序。在就餐人数较多的时段，保证有足够的蒸汽用于快速加热饭菜，避免顾客长时间等待，也可以根据蒸汽用量数据来调整食堂服务窗口的开放数量和服务速度，提高就餐效率。该模型对其他企业食堂提供借鉴价值，通过管控蒸汽用量和相关参数，实现社会资源的合理配置、经济的精准调控，有助于社会向低碳经济转型。根据企业食堂对食品安全的严格把控，生产的环节严格管控，选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。该模型让企业食堂实现精准地控制蒸汽的产生和使用，减少蒸汽浪费的现象。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为17.03t/h，当预测蒸汽流量值>17.03t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤17.03t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-12-05 更新160
桐乡市皮革企业管道蒸汽用量智慧管控数据
通过收集和分析皮革企业管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解皮革行业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其生产过程中的用热量，以便更好地进行能源管理和成本控制，利于皮革类企业自我管控。将该模型应用于皮革企业实际生产中，每天根据当天的生产计划和设备运行参数，预测当天的蒸汽用量。企业可以根据预测结果合理安排能源供应，优化生产调度，降低能源成本。同时，通过对蒸汽用量的实时监测和分析，及时发现能源浪费和设备故障等问题，提高能源利用效率和生产效益，实现绿色生产，对皮革业类的企业生产过程有指导作用。科研机构可以利用皮革企业的管道蒸汽用量智慧管控数据，开展能源管理技术的研究和创新。通过对大量数据的分析和挖掘，科研机构可以深入了解皮革企业的蒸汽用量规律和节能潜力，研发出针对皮革行业的能源管理技术和设备。选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为18.6t/h，当预测蒸汽流量值>18.6t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤18.6t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-11-25 更新60
桐乡市酒店管道蒸汽用量智慧管控数据
通过收集和分析酒店管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流等相关数据，了解酒店行业对用热量的需求，以及对客户的用热量影响分析，能够更准确地预测其运营中的用热量，以便更好地进行能源管理和成本控制，利于酒店自我管控。酒店管道蒸汽用量智慧管控模型利用积累的蒸汽用量等数据，酒店可以进行详细的能耗分析，提前做好能源采购计划，降低采购成本。
准确的蒸汽用量数据有助于进行成本核算，从而合理调整服务价格，提高经济效益。该模型对其他酒店有借鉴意义，推动整个酒店行业向智慧化方向发展，提升酒店行业的整体服务水平和竞争力。选用卷积神经网络模型进行构建。步骤1：数据进行收集处理，整理为一个形状为(n_samples, 9)的numpy数组，管道蒸汽用量的时间、总累积质量、总累积热量、瞬时流量、瞬时热量、瞬时温度、瞬时压力、密度、输入电流分别为9个特征，再进行标准化处理，使得每个特征的均值为0，标准差为1。步骤2：利用python创建模型，添加一维卷积层、最大池化层，添加第二个卷积层、最大池化层，将卷积层的输出展平，添加全连接层，最后添加输出层，模型核心为使用一维卷积层来提取特征，然后通过最大池化层降低特征维度，将卷积层的输出展平后连接全连接层，最后输出一个预测值。步骤3：对模型进行编译，划分训练集、验证集和测试集，最后对输入数据进行形状调整，以适应卷积层的输入要求，再训练该模型。步骤4：测试和评估模型性能，绘制训练和验证损失曲线，观察训练过程，防止过拟合。步骤5：卷积神经网络模型输出预测蒸汽流量值和最高临界值为15.3t/h，当预测蒸汽流量值>15.3t/h，管道状态显示“管道异常”，当0≤预测蒸汽流量值≤15.3t/h，显示“管道正常”。
浙江省数据知识产权登记平台2024-11-25 更新210