热源负荷预测方法、装置、设备、存储介质以及程序产品制造方法及图纸

本申请公开了热源负荷预测方法、装置、设备、存储介质以及程序产品，涉及人工智能、云计算技术领域。该方法的一具体实施方式包括：获取未来天气数据；获取供热系统的热源的实时数据和静态参数数据；利用预先训练的热源模型对未来天气数据、实时数据和静态参数数据进行处理，预测得到热源的未来负荷预测结果。该实施方式借助强大的人工智能预测能力，能够显著提高供热场景下的热源的负荷预测效果。

【技术实现步骤摘要】
热源负荷预测方法、装置、设备、存储介质以及程序产品
本申请涉及计算机
，具体涉及人工智能、云计算
，尤其涉及热源负荷预测方法、装置、设备、存储介质以及程序产品。
技术介绍
随着工业物联网的产业化升级和传统制造行业结构的转型，亟需传统工业行业快速向智能模式转换。当前众多供热公司和企业都在积极探索不同程度的智慧供热。然而，现有智慧供热平台更专注在数据层面的统一和监管，未能深入探索和适配复杂实际场景下的供热调度，对供热系统的热源的负荷预测效果不佳。
技术实现思路
本申请提供了一种热源负荷预测方法、装置、设备、存储介质以及程序产品。根据本申请的第一方面，提供了一种热源负荷预测方法，包括：获取未来天气数据；获取供热系统的热源的实时数据和静态参数数据；利用预先训练的热源模型对未来天气数据、实时数据和静态参数数据进行处理，预测得到热源的未来负荷预测结果。根据本申请的第二方面，提供了一种热源负荷预测装置，包括：第一获取单元，被配置成获取未来天气数据；第二获取单元，被配置成获取供热系统的热源的实时数据和静态参数数据本文档来自技高网...

【技术保护点】
1.一种热源负荷预测方法，包括：/n获取未来天气数据；/n获取供热系统的热源的实时数据和静态参数数据；/n利用预先训练的热源模型对所述未来天气数据、所述实时数据和所述静态参数数据进行处理，预测得到所述热源的未来负荷预测结果。/n

【技术特征摘要】
1.一种热源负荷预测方法，包括：
获取未来天气数据；
获取供热系统的热源的实时数据和静态参数数据；
利用预先训练的热源模型对所述未来天气数据、所述实时数据和所述静态参数数据进行处理，预测得到所述热源的未来负荷预测结果。


2.根据权利要求1所述的方法，其中，所述热源模型包括热量预测模型和供水温度模型；以及
所述利用预先训练的热源模型对所述未来天气数据、所述实时数据和所述静态参数数据进行处理，预测得到所述热源的未来负荷预测结果，包括：
将所述未来天气数据输入至所述热量预测模型，得到所述供热系统的换热站的拟合值；
基于所述换热站的拟合值、所述实时数据和所述静态参数数据，生成所述热源的未来设计温差；
将所述未来天气数据和所述未来设计温差输入至所述供水温度模型，得到所述热源的未来供水温度预测结果。


3.根据权利要求2所述的方法，其中，所述静态参数数据包括供热面积，所述实时数据包括实时流量；以及
所述基于所述换热站的拟合值、所述实时数据和所述静态参数数据，生成所述热源的未来设计温差，包括：
基于所述换热站的拟合值和所述供热面积，生成所述热耗拟合值；
基于所述热耗拟合值和所述实时流量，生成所述未来设计温差。


4.根据权利要求1所述的方法，其中，所述方法还包括：
从关系数据库获取所述供热系统的热源的静态参数数据、训练起止时间和采样频率；
基于所述训练起止时间和所述采样频率，从时序数据库获取所述供热系统的热源的历史实时数据；
从所述热源的静态参数数据和所述热源的历史实时数据抽取特征值，得到训练样本集；
基于所述训练样本集，训练得到所述热源模型。


5.根据权利要求4所述的方法，其中，在所述基于所述训练样本集，训练得到所述热源模型之后，还包括：
对所述热源模型进行持久化处理，以及生成所述热源模型的索引指针，其中，所述索引指针用于预测调用和模型追踪。


6.根据权利要求4所述的方法，其中，所述热源模型是体感模型或非体感模型，若所述热源模型是非体感模型，所述静态参数数据包括以下至少一项：热源标识、供热面积、热耗指标和热源设计温差；若所述热源模型是体感模型，所述热源静态参数数据还包括体感温度。


7.根据权利要求4所述的方法，其中，所述热源的历史实时数据包括以下至少一项：历史实时供水温度、历史实时供回水压力和历史实时流量。


8.一种热源负荷预测装置，包括：
第一获取单元，被配置成获取未来天气数据；
第二获取单元，被配置成获取供热系统的热源的实时数据和静态参数数据；
预测单元，被配置成利用预先训练的热源模型对所述未来天气数据、所述实时数据和所述静态参数数据进行处理，预测得到所述热源的未来负...

【专利技术属性】
技术研发人员：黄涛，朱鸿伟，闻雅兰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11