【技术实现步骤摘要】
暖通空调预测供暖规律算法
[0001]本专利技术属于供暖控制
,具体涉及暖通空调预测供暖规律算法
。
技术介绍
[0002]房间的温度变化常数是不随时间变化而变化的
。
温度变化常数的大小反映房间保温性能的好坏,在实际应用过程中,室外温度
、
风向等外界因素会随时间变化而变化,影响每个房间的保温性能,即影响房间优先级的变化
。
当室外温度升高时,房间的耗热量会减少,温度下降速率降低,保温性能增强,室外温度降低时,房间耗热量增加,温度下降速率升高,保温性能减弱
。
当风向为南风时,位于南向的房间比位于北向的房间的耗热量增加,温度下降速率升高,保温性能减弱
。
[0003]决策网络算法利用房间加热频率反映房间的保温性能好坏,而加热频率是通过一段时间的供暖数据计算的,具有一定的延时特性,在外界时变因素的影响下,不能正确反映房间真实的优先级大小
。
技术实现思路
[0004]针对现有技术中存在的上述不足之处,本专利技术提供了暖通空调预测供暖规律算法,用以解决现有技术具有一定的延时特性,不能正确反映房间真实的优先级大小等问题
。
[0005]为了解决上述技术问题,本专利技术采用了如下技术方案:
[0006]暖通空调预测供暖规律算法,包括决策网络算法
、
预测供暖规律算法,预测供暖规律算法用历史供暖数据预测当前房间的优先级的大小,优先级取当前计算数值与预测优先级数值的均值, ...
【技术保护点】
【技术特征摘要】
1.
暖通空调预测供暖规律算法,包括决策网络算法
、
预测供暖规律算法,所述预测供暖规律算法用历史供暖数据预测当前房间的优先级的大小,优先级取当前计算数值与预测优先级数值的均值,通过均值对决策网络算法修正实现整体电供暖控制优化,其特征在于:所述预测供暖规律算法包括神经网络模型
、
隐含层神经网络,通过调整隐含层节点数对神经网络模型进行调整,所述隐含层神经网络神经元个数的经验公式如下:所述神经网络模型表达式如下:
y(t)
=
a0+a1y(t
‑
1)+a2y(t
‑
2)+
…
a
n
y(t
‑
n)+e(t)
;所述神经网络模型包括非线性层
、
自学习层
、
自稳定层,所述非线性层将神经元构成神经网络,使每个神经元可以处于激活或抑制状态,所述自学习层通过数据的训练和学习,使神经网络向贴合输入输出数据关系的结构进行调整,所述自稳定层稳定非线性层中的神经元,使神经元相互作用稳定构成神经网络
。2.
根据权利要求1所述的暖通空调预测供暖规律算法,其特征在于:所述隐含层神经网络以
x
i
作为时间序列的输入,根据输入的数据,输入与隐含层之间连接的权值
w...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。