基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法技术方案

一种基于SD‑LSTMs的公寓独立供热系统需热量预测及节能控制方法，将相似日选取和长短时记忆网络相结合，根据采集到的天气信息，利用梯度提升算法选取与预测日具有相似天气特征的历史日作为相似日，从相似日中选取天气、需热量等特征结合建筑参数、供热标准等特征搭建长短时记忆网络来达到需热量预测和节能控制的目的。本发明专利技术采用相似日和长短时记忆网络相结合的模型设计，具有较强的实用性和创新性，其次，由于机器学习和深度学习算法功能强大且容错能力强，模型准确性和可靠性较高，是一种合理、有效的热量预测及节能控制解决方案。

【技术实现步骤摘要】
基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法(一)
：本专利技术应用于公寓独立供热相关领域，尤其是一种基于SD-LSTMs(SimilarDayAndLongShort-TermMemoryNetworks，相似日和长短时记忆网络)的公寓独立供热系统需热量预测及节能控制方法。(二)技术背景：在我们国家，供热的主要形式为集中供热和独立供热两种。其中，集中供热系统依赖于换热站，它是连接锅炉与热用户之间的桥梁，控制着热量的传送和再分配。而独立供热系统与此不同，它的整个热量交换过程没有换热站的参与，由热源产生的暖水或暖气经传输管道流入各个房间，以此达到供暖的目的。相较于集中供暖而言，独立供暖由于不涉及到换热站的热量中转，由热源产生的热量能够更快到达用户所在房间，在这种情况下，热量变化更加灵敏，热量传递更加快速，因此，热网的整体运行也就需要更加精准的预测和更加合理的控制，此专利中涉及的公寓独立供热系统结构如图1所示。在经济条件充裕的前提下，人们对生活环境的要求越来越高，公寓逐渐成为了居住的首要选择，由此也推动着独立供本文档来自技高网...

【技术保护点】
1.一种基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法，其特征在于它主要包括以下步骤：/n(1)收集公寓独立供热系统的公寓建筑数据、气象数据、供热标准、人员作息规律、供热温度、回水温度以及热水管流量；/n(2)对公寓建筑的实际需热量的计算：/n从步骤(1)的原始数据中提取公寓建筑的供热温度、回水温度和热水管流量三个特征按照公式2.1进行结合，并计算出公寓建筑的实际的需热量；/nP＝C*ρ*Q*(Sup_Tem-Ret_Tem) (2.1)/n其中，P代表计算得到的单位时间内的公寓建筑的实际需热量，单位为J/h，C为水的比热容，其值为4.2×1...

【技术特征摘要】
1.一种基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法，其特征在于它主要包括以下步骤：
(1)收集公寓独立供热系统的公寓建筑数据、气象数据、供热标准、人员作息规律、供热温度、回水温度以及热水管流量；
(2)对公寓建筑的实际需热量的计算：
从步骤(1)的原始数据中提取公寓建筑的供热温度、回水温度和热水管流量三个特征按照公式2.1进行结合，并计算出公寓建筑的实际的需热量；
P＝C*ρ*Q*(Sup_Tem-Ret_Tem)(2.1)
其中，P代表计算得到的单位时间内的公寓建筑的实际需热量，单位为J/h，C为水的比热容，其值为4.2×103J/(kg·℃)，ρ为水的密度，其值为1.0×103kg/m3，Q为热水管流量，单位为m3/h，Sup_Tem为供热温度，Ret_Tem为回水温度，单位均为摄氏度；
(3)利用极限梯度提升XGBoost算法计算公寓建筑的室外温度、辐照度、风速及前一时刻的需热量这四个特征的权重以选择相似日；
(4)根据步骤(3)中通过XGBoost算法所确定的特征权重系数ω1,ω2,ω3,ω4，采用经过XGBoost算法加权改进的欧几里得范数EN进行相似日的选取；
(5)在步骤(4)确定相似日的过程中，是通过计算预测日和历史日天气数据之间的欧几里德范数EN来进行相似日选择的，考虑到天气状况的不确定性，若找不到与预测日天气特征相似的历史日，则会出现按照步骤(4)的方法根据天气数据计算出的欧几里德范数EN是一个较大的值的情况，因此，设置一个欧几里德范数EN的阈值Tmin，在选取相似日之后，先对根据公式4.1得到的欧几里德范数EN的大小进行判断，如果超过阈值Tmin，则启动报警装置，提醒工作人员进行人工操作供热；
(6)将能够描述公寓建筑情况的参数作为XGBoost算法的输入特征，利用XGBoost算法可以计算出输入特征的权重系数，对所得到的权重系数按照数值大小进行排序，选择出数值较大的三个特征，即为对实际需热量影响最大的三个特征；
(7)对供热标准的特征处理：
将供热标准中的供热时段特征根据具体时间段进行量化，量化范围为0-1之间且数值越大代表该时间段对供热的需求量越大；将量化之后的数据作为新的供热标准特征；针对供热温度范围特征，选择温度范围的中位数作为新的特征量；
(8)居住人员作息规律特征处理：
将居住人员的居住时间段根据具体时段进行量化，将8点到18点认为是工作时段，此时段公寓人较少，量化为0，18点之后认为是休息时段，此时段公寓人较多，量化为1，并将量化之后的数据作为新的人员作息规律特征；
(9)根据能耗制约和节能要求对LSTMs的真实输出结果进行选取：
(10)建立LSTMs的模型，包含输入层、隐含层和输出层；其中，所述输入层的输入特征与公寓建筑情况、居住人员的作息规律、供热标准以及预测日和相似日的温度信息有关；所述隐含层是两层结构；所述输出层包含1个神经元。


2.根据权利要求1所述一种基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法，其特征在于所述步骤(1)中公寓独立供热系统的公寓建筑数据可以从公寓设计结构图或公寓建筑工程师处获取，包括外墙参数、外窗参数、缝隙参数、外门参数、地面参数、屋面参数；所述气象数据则从中国天气官网上获取，包括温度、辐照度和风速；所述供热标准是国家或行业政策以及相关规定；所述人员作息规律是指周一至周五白天上班，晚上7点下班，周六周日休息；所述供水温度、回水温度通过温度传感器获取；所述热水管流量通过压力传感器获取。


3.根据权利要求1所述一种基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法，其特征在于所述步骤(3)中相似日的选择具体是指：将公寓建筑的室外温度、辐照度、风速及前一时刻的需热量作为XGBoost算法模型的输入特征，则通过XGBoost算法即可确定对应于公寓建筑的室外温度、辐照度、风速及前一时刻的需热量的特征权重系数ω1,ω2,ω3,ω4，用于接下来相似日的选取；


4.根据权利要求1所述一种基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法，其特征在于所述步骤(4)中相似日的选...

【专利技术属性】
技术研发人员：宫铭举，孙嘉旺，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：天津;12