换热站温度控制方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种换热站温度控制方法、装置、计算机设备和存储介质。所述方法通过室温预测模型对获取到的目标数据(气象数据、换热站供热数据和室内的温度数据)进行分析，预测出采用当前供热温度(供温)时，室内的温度(预测室温)，判断预测室温和目标室温之间的差异是否满足对应的调节条件，若不满足，则直接采用当前时刻的供温输出，反之，则按照预测设置的供温调节策略执行对应的调节，最小化调节后预测室温与目标室温的差异值。通过自动检测的方式实现温度的自动补偿，且可以有效的节约资源。避免人为补偿时，因补偿人员的经验不足，而补偿不合理以及资源浪费的问题。补偿不合理以及资源浪费的问题。补偿不合理以及资源浪费的问题。

【技术实现步骤摘要】
换热站温度控制方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，尤其涉及一种换热站温度控制方法、装置、计算机设备和存储介质。

技术介绍

[0002]冬季的供暖问题与人们的生活密切相关。目前在北方城市，集中供热系统是基础设施之一。供热系统包括热源、供热管网、热用户(建筑物)三部分组成。其中，一次供回水和二次供回水不联通，二者通过换热站进行热量交换。二次供水的热量通过散热器传递给热用户之后变成二次回水。供热的核心目标在于使供热量与散热量始终处于平衡状态，从而维持适宜的室内气温。为了维持适宜的室内气温，通常需要室温气候补偿器进行室温补充，传统的室温气候补偿器是通过人工辅助调整补偿曲线，而每个人的经验不同，经验不佳者无法准确判断是否需要进行温度调节，若在不需要调节的时候进行调节，导致资源浪费。

技术实现思路

[0003]为了解决上述技术问题，本申请提供了一种换热站温度控制方法、装置、计算机设备和存储介质。
[0004]本申请提供了一种换热站温度控制方法，包括：
[0005]获取当前时刻的目标数据，目标数据包括换热站的供热数据、室内的温度数据和气象数据，供热数据包括供温；
[0006]输入目标数据至室温预测模型，输出当前时刻的预测室温；
[0007]计算预测室温与目标室温的差异值；
[0008]当差异值大于第一阈值，且小于第二阈值时，获取待调节温度数据，根据待调节温度数据和供温生成调节指令，执行调节指令。
[0009]在其中一个实施例中，所述室温预测模型包括供热子模型、散热子模型和预测子模型，所述目标数据包括供热类数据和散热类数据，所述输入所述目标数据至室温预测模型，输出当前时刻的预测室温，包括：输入所述供热类数据至所述供热子模型，输出所述供热子模型的多个隐含变量；输入所述散热类数据所述至所述散热子模型，输出所述散热子模型的多个隐含变量；将所述散热子模型的多个隐含变量和所述供热子模型，输入所述预测子模型，输出当前时刻的所述预测室温。
[0010]在其中一个实施例中，所述换热站的供热数据还包括回温、所述供温与所述回温的差值、所述差值和流量的乘积，所述室内的温度数据包括室温和湿度，所述气象数据包括室外温度、室外湿度、风向、风速、光照和天气，所述供热类数据包括所述供温、所述回温、所述供温与所述回温的差值、所述差值和流量的乘积和光照，所述室外温度、所述室外湿度、所述风向、所述风速、所述天气、所述室温和所述湿度。
[0011]在其中一个实施例中，所述供热子模型和所述散热子模型均为全连接网络，所述预测子模型的激活函数为Sigmoid函数。
[0012]在其中一个实施例中，所述室内的温度数据包括室温，所述获取当前时刻的目标数据之前，还包括：接收各个传感器采集的初始温度数据，每个所述传感器分布在不同的房屋；根据户型分布构造初始矩阵，所述初始矩阵中的每一个矩阵元素对应一个房屋，且部分房屋设置有所述传感器；根据各个所述传感器采集的初始温度数据更新所述初始矩阵，得到第一矩阵；采用非负矩阵分解的填补算法填补所述第一矩阵的矩阵元素，得到目标矩阵，所述目标矩阵的各个矩阵元素为所述室内的温度数据中的所述室温。
[0013]在其中一个实施例中，当所述差异值小于所述第一阈值时，以使所述换热站直接输出所述供温。
[0014]在其中一个实施例中，当所述差异值大于所述第二阈值时，以使所述换热站直接输出所述供温。
[0015]本申请提供了一种换热站温度控制装置，包括：
[0016]数据获取模块，用于获取当前时刻的目标数据，所述目标数据包括换热站的供热数据、室内的温度数据和气象数据，所述供热数据包括供温；
[0017]室温预测模块，用于输入所述目标数据至室温预测模型，输出当前时刻的预测室温；
[0018]差异值计算模块，用于计算所述预测室温与目标室温的差异值；
[0019]温控模块，用于当所述差异值大于第一阈值，且小于第二阈值时，获取待调节温度数据，根据所述待调节温度数据和所述供温生成调节指令，执行所述调节指令。
[0020]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0021]获取当前时刻的目标数据，目标数据包括换热站的供热数据、室内的温度数据和气象数据，供热数据包括供温；
[0022]输入目标数据至室温预测模型，输出当前时刻的预测室温；
[0023]计算预测室温与目标室温的差异值；
[0024]当差异值大于第一阈值，且小于第二阈值时，获取待调节温度数据，根据待调节温度数据和供温生成调节指令，执行调节指令。
[0025]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0026]获取当前时刻的目标数据，目标数据包括换热站的供热数据、室内的温度数据和气象数据，供热数据包括供温，室内的温度数据包括室温；
[0027]输入目标数据至室温预测模型，输出当前时刻的预测室温；
[0028]计算预测室温与目标室温的差异值；
[0029]当差异值大于第一阈值，且小于第二阈值时，获取待调节温度数据，根据待调节温度数据和供温生成调节指令，执行调节指令。
[0030]上述换热站温度控制方法、装置、计算机设备和存储介质，所述方法包括：获取当前时刻的目标数据，目标数据包括换热站的供热数据、室内的温度数据和气象数据，供热数据包括供温，室内的温度数据包括室温；输入目标数据至室温预测模型，输出当前时刻的预测室温；计算预测室温与目标室温的差异值；当差异值大于第一阈值，且小于第二阈值时，获取待调节温度数据，根据待调节温度数据和供温生成调节指令，执行调节指令。通过室温
预测模型对获取到的目标数据(气象数据、换热站供热数据和室内的温度数据)进行分析，预测出采用当前供热温度(供温)时的室内温度(预测室温)，判断预测室温和目标室温之间的差异是否满足对应的调节条件，若不满足，则换热站直接采用当前时刻的供温进行输出，反之，则按照预测设置的供温调节策略执行对应的调节，最小化调节后预测室温与目标室温的差异值。通过自动检测的方式实现温度的自动补偿，且可以有效的节约资源。避免人为补偿时，因补偿人员的经验不足，而补偿不合理以及资源浪费的问题。
附图说明
[0031]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为一个实施例中换热站温度控制方法的应用环境图；
[0034]图2为一个实施例中换热站温度控制方法的流程示意图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种换热站温度控制方法，其特征在于，所述方法包括：获取当前时刻的目标数据，所述目标数据包括换热站的供热数据、室内的温度数据和气象数据，所述供热数据包括供温；输入所述目标数据至室温预测模型，输出当前时刻的预测室温；计算所述预测室温与目标室温的差异值；当所述差异值大于第一阈值，且小于第二阈值时，获取待调节温度数据，根据所述待调节温度数据和所述供温生成调节指令，执行所述调节指令。2.根据权利要求1所述的方法，其特征在于，所述室温预测模型包括供热子模型、散热子模型和预测子模型，所述目标数据包括供热类数据和散热类数据，所述输入所述目标数据至室温预测模型，输出当前时刻的预测室温，包括：输入所述供热类数据至所述供热子模型，输出所述供热子模型的多个隐含变量；输入所述散热类数据所述至所述散热子模型，输出所述散热子模型的多个隐含变量；将所述散热子模型的多个隐含变量和所述供热子模型，输入所述预测子模型，输出当前时刻的所述预测室温。3.根据权利要求2所述的方法，其特征在于，所述换热站的供热数据还包括回温、所述供温与所述回温的差值、所述差值和流量的乘积，所述室内的温度数据包括室温和湿度，所述气象数据包括室外温度、室外湿度、风向、风速、光照和天气，所述供热类数据包括所述供温、所述回温、所述供温与所述回温的差值、所述差值和流量的乘积和光照，所述室外温度、所述室外湿度、所述风向、所述风速、所述天气、所述室温和所述湿度。4.根据权利要求2所述的方法，其特征在于，所述供热子模型和所述散热子模型均为全连接网络，所述预测子模型的激活函数为Sigmoid函数。5.根据权利要求1所述的方法，其特征在于，所述室内的温度数据包括室温，所述获...

【专利技术属性】
技术研发人员：易修文，齐德康，李鹏，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：