【技术实现步骤摘要】
本专利技术涉及集中供冷自动控制，更具体地说，它涉及一种基于svm模型的用户换热站自主决策方法。
技术介绍
1、换热站是热力集中、交换的地方，根据各个用户冷量需求的变化，需要人工手动控制各用户换热站一次侧、二次侧阀门开度，或者人工通过自动控制软件远程操作完成阀门开度的控制，仍然过多依赖处于环境中的用户。上述调节控制方式一般是通过负荷预测确认区域集中供冷中心的整体冷量生产需求，然后分配至各个用户，当用户需求有变化时，通过网络通话手段与区域集中供冷中心建立联系，进行用户侧流量的调整，这些调控并没有考虑到外界天气变化、用户人流量变化带来的冷量需求变化，调节结果具有滞后性和不准确性。
技术实现思路
1、为了有效利用外界环境信息、用户建筑人流数据，将冷量生产决策与调节由系统自动完成，提升用户换热站的执行效率，本专利技术的目的在于提供一种基于svm模型的用户换热站自主决策方法，通过不断采集和积累室外气象站数据、各用户建筑人流数据，建立svm预测模型，对各个用户的冷量需求进行判断，进而通过控制用户换热站一次侧和二次侧的阀门开度，最终达到利用辅助决策控制完成换热站的系统自主控制效果
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于svm模型的用户换热站自主决策方法，包括如下步骤：
4、步骤一：采集用户侧人流量数据、用户侧换热站侧阀门开度数据以及室外环境数据；
5、步骤二：对步骤一中采集得到的数据进行清洗处理，将处理后的数据按照时间序列整
6、步骤三：将每个数据组中各用户侧换热站的侧阀门开度属性标记为输出，将用户侧人流量数据、室外环境数据的属性标记为输入，导入数据，生成多个svm算法的预测模型，选择最优模型，结合使用较多的核函数以及适用于该情景模式预测的核函数，分别对rbf核函数、多项式核函数、二次项核函数以及线性核函数建立最终svm模型，获取超平面，通过多次机器学习辅助，得到最优的超平台，获得最终的辅助决策；
7、步骤四：模型预测根据最终的svm模型产生分类规则，采用对多法，通过将室外实时环境和各用户侧人流量数据带入到分类规则中，即可预测判断用户侧换热站的阀门开度，根据对当前时刻用户换热站的阀门开度实时监测，将对应的控制信号传送到相关电动阀门自动控制设备，并执行阀门的开度调节指令。
8、进一步的，用户侧人流量数据为用户建筑内停留的实时人数，用户侧换热站侧阀门开度数据是指进入板换式换热器前总管处的电动阀门的开度，室外环境数据包括室外温度、相对湿度、大气压力、光照强度、风速、风向和降雨量，采集间隔均为δk。
9、进一步的，svm算法的预测模型通过下述步骤生成：a.找到用户阀门开度的分类线；b.利用分类线找到当前模式下的分类超平面定义；一般模式的样本集如下：z＝{(xi,yi)||xi∈rn,yi∈{+1,-1},i＝1,2,…,m}；其中i表示某个样本点，xi代表该样本点的向量，即xi代表一个四维向量，它的四个维度分别代表用户侧人流量、用户侧阀门开度、环境湿球温度以及相对湿度，yi代表向量xi所属类别，即用户侧阀门开度；将svm模式的分类超平面定义为：w·x+b＝0；超平面的分类间隔为2/||w||，为了使分类间隔达到最大，使用凸二次规划:最后得到分类函数：其中，ai为拉格朗日系数，对于非支持向量ai的取值为0，由于非支持向量占全体样本的大多数，进而完成分类只需计算支持向量。
10、与现有技术相比，本专利技术具备以下有益效果：
11、本专利技术通过采集气象站各类环境传感器收集室外环境数据、换热站用户侧阀门开度数据和用户侧人流量数据，建立svm模型来响应用户侧冷量调整需求，自动驱动换热站阀门完成开度调节任务，该用户换热站阀门自动控制系统可以实现在无人操控的情况下，自动根据外界环境变化情况、用户侧人流量变化导致的冷量需求变化，引入svm模型自动控制模块，让集中供冷中心的所有用户换热站通过自主调节阀门开度，从而完成用户侧冷量需求的调整。
本文档来自技高网...【技术保护点】
1.一种基于SVM模型的用户换热站自主决策方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于SVM模型的用户换热站自主决策方法，其特征在于，用户侧人流量数据为用户建筑内停留的实时人数，采集间隔为ΔK。
3.根据权利要求2所述的一种基于SVM模型的用户换热站自主决策方法，其特征在于，用户侧换热站侧阀门开度数据是指进入板换式换热器前总管处的电动阀门的开度，采集间隔为ΔK。
4.根据权利要求3所述的一种基于SVM模型的用户换热站自主决策方法，其特征在于，室外环境数据包括室外温度、相对湿度、大气压力、光照强度、风速、风向和降雨量，采集间隔均为ΔK，采集间隔为ΔK。
5.根据权利要求4所述的一种基于SVM模型的用户换热站自主决策方法，其特征在于，SVM算法的预测模型通过下述步骤生成：a.找到用户阀门开度的分类线；b.利用分类线找到当前模式下的分类超平面定义；一般模式的样本集如下：Z＝{(xi,yi)|xi∈Rn,yi∈{+1,-1},i＝1,2,…,m}；将SVM模式的分类超平面定义为：w·x+b＝0；超平面的分类间隔为2/|
6.根据权利要求5所述的一种基于SVM模型的用户换热站自主决策方法，其特征在于，样本集中i表示某个样本点，xi代表该样本点的向量，即xi代表一个四维向量，它的四个维度分别代表用户侧人流量、用户侧阀门开度、环境湿球温度以及相对湿度，yi代表向量xi所属类别，即用户侧阀门开度。
7.根据权利要求6所述的一种基于SVM模型的用户换热站自主决策方法，其特征在于，分类函数中ai为拉格朗日系数，对于非支持向量ai的取值为0，由于非支持向量占全体样本的大多数，进而完成分类只需计算支持向量。
...【技术特征摘要】
1.一种基于svm模型的用户换热站自主决策方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于svm模型的用户换热站自主决策方法，其特征在于，用户侧人流量数据为用户建筑内停留的实时人数，采集间隔为δk。
3.根据权利要求2所述的一种基于svm模型的用户换热站自主决策方法，其特征在于，用户侧换热站侧阀门开度数据是指进入板换式换热器前总管处的电动阀门的开度，采集间隔为δk。
4.根据权利要求3所述的一种基于svm模型的用户换热站自主决策方法，其特征在于，室外环境数据包括室外温度、相对湿度、大气压力、光照强度、风速、风向和降雨量，采集间隔均为δk，采集间隔为δk。
5.根据权利要求4所述的一种基于svm模型的用户换热站自主决策方法，其特征在于，svm算法的预测模型通过下述步骤生成：a.找到用户阀门开度的分类线；b.利用...
【专利技术属性】
技术研发人员：肖健，滕林，林少平，辛志杰，
申请(专利权)人：广州珠江新城能源有限公司，
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。