电供暖温度变化常数估计算法制造技术

本发明专利技术属于建筑供暖技术领域，具体涉及电供暖温度变化常数估计算法，电供暖温度变化常数估计算法，将房间的属性参数输入估计算法并进行数据预处理，并将进行数据预处理后的输入值通过自适应神经网络模糊推理模型计算温度变化常数，其特征在于：所述自适应神经网络模糊推理模型包括模糊神经网络、模糊控制模型，通过模糊神经网络增强模糊控制模型，建立更加准确的模糊推理模型，减少居民房间供热不均，避免资源的极大浪费。避免资源的极大浪费。避免资源的极大浪费。

【技术实现步骤摘要】
电供暖温度变化常数估计算法


[0001]本专利技术属于建筑供暖
，具体涉及电供暖温度变化常数估计算法。

技术介绍

[0002]在电供暖建筑供热过程中，由于建筑内各房间的位置有所不同，会出现供热不均等问题。供热不均会极大影响居民的居住体验，同时也会造成资源的极大浪费，为了解决供暖不均问题，本算法选用温度变化常数作为衡量房间保温性能的指标，根据温度变化常数的大小制定供暖控制的原则，通过温度变化常数估计算法计算每个房间温度变化常数的大小，将影响房间热性能的不同因素作为算法的输入，温度变化常数作为输出，利用神经网络模糊推理方法分析输入输出的对应关系，从而计算电供暖建筑中所有房间的温度变化常数值，为后续供暖控制奠定数据基础。

技术实现思路

[0003]针对现有技术中存在的上述不足之处，本专利技术提供了电供暖温度变化常数估计算法，用以解决现有技术供热不均、模糊系统缺乏有效学习机制的不足，无法建立更加准确的模糊推理模型等问题。
[0004]为了解决上述技术问题，本专利技术采用了如下技术方案：
[0005]电供暖温度变化常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电供暖温度变化常数估计算法，将房间的属性参数输入估计算法并进行数据预处理，并将进行数据预处理后的输入值通过自适应神经网络模糊推理模型计算温度变化常数，其特征在于：所述自适应神经网络模糊推理模型包括模糊神经网络、模糊控制模型，通过模糊神经网络去增强模糊控制模型，所述模糊神经网络结合模糊控制模型具体步骤为：S1、模糊推理，将属性参数输入模糊控制模型，模糊控制模型将属性参数模糊化并制定隶属度函数后制定模糊规则，并将属性参数进行输出反模糊化后进行输出；S2、模型校正，模糊控制模型将属性参数进行输出反模糊化后进行输出时，模糊神经网络将输出量进行模型校正后重新输入模糊控制模型，模糊控制模型重复模糊计算获得最优参数；所述模糊神经网络包括前件网络与后件网络，所述前件网络用于匹配模糊规则，所述后件网络用于产生模糊规则。2.根据权利要求1所述的电供暖温度变化常数估计算法，其特征在于：所述自适应神经网络模糊推理模型输出表达式为：预先确定各个输入变量隶属度函数的数量，需要学习的参数为后件网络的连接权p
jk
(j＝1,2,
…
,m；k＝1,2,
…
,n)及前件网络中节点隶属度函数的形状参数；差代价函数的表达式为：其中r为检测数据集的数目。3.根据权利要求1所述的电供暖温度变化常数估计算法，其特征在于：所述前件网络依次包括输入层、模糊化层、适配层、数据处理层；所述输入层为两输入、单输出设置，所述输入层有两个节点；所述模糊化层根据输入层输入变量的隶属度函数，将输入值转换成对应的模糊变量值，为后续网络提供数据基础，所述隶属度的值大小是根据输入值在隶属度函数对应的大小决定，对应值最大的隶属度函数所属的模糊变量即为输入值的模糊量；所述适配层根据前两层计算得到的数据计算前件的适合度，第三层的节点的数量代表模糊规则的数量，每个节点表示一条模糊规则，用于对应模糊规则的前件，第三层输出的结果是每条规则的适合度；所述数据处理层用于计算整合适配层的所有数据，节点系数与第三层保持一致，所述数据处理层的神经元激发函数为：所述数据处理层的输出值设为P，P的表达式为：
4.根据权利要求2所述的电供暖温度变化常数估计算法，其特征在于：所述后件网络依次包括输入节点、常规神经元、规则适配层、输出计算层；所述输入节点为两输入、单输出设置，且输入层设有两个节点；所述常规神经元权系数为为p
jk
，输出值的表达式为：所...

【专利技术属性】
技术研发人员：汤永泉，张立星，赵学辉，孙毅，李明阳，
申请(专利权)人：黑龙江隆宇科技开发有限责任公司，
类型：发明
国别省市：