CN109114664A - 一种基于自主学习的大数据蓄热供暖控制方法及系统 - Google Patents
一种基于自主学习的大数据蓄热供暖控制方法及系统 Download PDFInfo
- Publication number
- CN109114664A CN109114664A CN201810961644.5A CN201810961644A CN109114664A CN 109114664 A CN109114664 A CN 109114664A CN 201810961644 A CN201810961644 A CN 201810961644A CN 109114664 A CN109114664 A CN 109114664A
- Authority
- CN
- China
- Prior art keywords
- autonomous learning
- user
- heat
- heating
- heating plant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000009825 accumulation Methods 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 30
- 239000008400 supply water Substances 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000009413 insulation Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D3/00—Hot-water central heating systems
- F24D3/10—Feed-line arrangements, e.g. providing for heat-accumulator tanks, expansion tanks ; Hydraulic components of a central heating system
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D2220/00—Components of central heating installations excluding heat sources
- F24D2220/08—Storage tanks
Abstract
本发明公开了一种基于自主学习的大数据蓄热供暖控制方法,包括以下步骤:S1:以一段时间为单位设定供热站影响参数信息采集点,S2:建立天气状态曲线,将实际采集到的天气环境的温度信息输入至天气状态曲线;S3:设置PID调节模型调节供热站的出水温度,将供热站的管道流量设置为定值;S4:设置自主学习模型,将S1‑S3中采集到的数据信息输入至自主学习模型内,对供热站的放热量Q进行实时控制。
Description
技术领域
本发明涉及分布式供暖控制领域,尤其涉及在供回水温度、环境温湿度、供水流量、非确定因素等等共同作用的一种基于自主学习的大数据蓄热供暖控制方法。
背景技术
供暖系统首先要求在满足所有终端用户最低热需求的前提下,我们希望供热站能够最大限度的减少能耗,从而实现节约能量的目的。如果我们能够一直满足终端用户的室温都高于设置值,这样用户侧吸收的总热量最小,既满足了用户热需求,同时室内温度适宜,又能最大限度地节约供热站的热能消耗,节能节电。但是,由于供热站对大面积用户供热,供热的参数反应有严重的滞后性,而且影响室温的因素很多,包括供水温度、环境温度、供水流速、回水温度、管道热损失等,这些参数相互影响、非线性变化,所以通过常规的PID调节控制并不能达到理想的控制效果。蓄热供热系统与实时放热供热系统比较,更能灵活的调节放热量的大小,所以更容易实现终端用户恒温运行,即便如此,通过传统的方法也不能达到理想的控温效果。现在,蓄热供暖系统中常用调节方法有两种。方法一通过设计不同时段回水温度,调节回水温度来达到恒温室温的效果,但由于回水温度滞后现象很严重,控制算法复杂,且达不到预想的控制结果。方法二是设计不同时间段供水温度,调节控制供水温度,这种控制较容易,通过常规PID及一些辅助算法,能够很好地控制供水温度为设定值,但是供水温度与室温并不是对应关系,同样的供热温度下,室温可以在很大范围内变化,还是达不到调节的目的。目前的两种方法不能很好的控制终端用户的室温在设置值,且对出水/回水温度的设置值是凭借工艺运行人员的经验进行的,而且有些供暖场所,要求终端用户温度不同时间段有不同值或者要求分时间段供热,这种情况计算更复杂,常规方法对终端用户室温的实时控制更难,往往造成了热能较大的浪费。
发明内容
本发明解决了如何通过采集大量数据,分析出节能的运行配方,再通过自主学习模型计算出最优配方,从而指导系统运行,使供热站更高效节能节电地运行。
一种基于自主学习的大数据蓄热供暖控制方法,具体步骤为:
S1:以一段时间为单位设定供热站影响参数信息采集点,其中供热站影响参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息;
S2:建立天气状态曲线,将实际采集到的天气环境的温度信息输入至天气状态曲线;
S3:设置PID调节模型调节供热站的出水温度,将供热站的管道流量设置为定值;
S4:设置自主学习模型,将S1-S3中采集到的数据信息输入至自主学习模型内,对供热站的放热量Q进行实时控制。
进一步的,所述S4的具体方式为:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数。
一种基于自主学习的大数据蓄热供暖控制系统,包括:
用于采集影响供热站工作参数信息的采集模块,其中工作参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息;
用于将供热站的管道流量设定为定值的设置模块,所述设置模块建立天气状态曲线,将天气状态参数设置为变量;
还包括设置PID调节模型的控制模块,所述控制模块采用自主学习算法对供热站的放热量Q进行实时控制。
进一步的,所述控制模块的自主学习算法采用如下方式:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数。
由于采用了上述技术方案,本发明提供的一种基于自主学习的大数据蓄热供暖控制方法及系统,该方法通过大量数据的分析和计算,通过自主学习模型对供热站的数据进行自主分析,计算出能够满足不低于用户侧供热需求下,更高效节能的运行策略。
附图说明
为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法的流程图;
图2为本发明自主学习模型的工作原理图;
图3为本发明系统的结构示意图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
如图1所示的一种基于自主学习的大数据蓄热供暖控制方法,具体步骤为:
S1:以一段时间为单位设定供热站影响参数信息采集点,其中供热站影响参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息。实际过程中把时间分为以3小时段为单位。
S2:建立天气状态曲线,将实际采集到的天气环境的温度信息输入至天气状态曲线。将天气参数设定为变化的参数。
S3:设置PID调节模型调节供热站的出水温度,将供热站的管道流量设置为定值。
如图2所示,S4:设置自主学习模型,将S1-S3中采集到的数据信息输入至自主学习模型内,对供热站的放热量Q进行实时控制。
进一步的,所述S4的具体方式为:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数。
如图3所示,一种基于自主学习的大数据蓄热供暖控制系统,包括:
用于采集影响供热站工作参数信息的采集模块,其中工作参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息;
用于将供热站的管道流量设定为定值的设置模块,所述设置模块建立天气状态曲线,将天气状态参数设置为变量;
还包括设置PID调节模型的控制模块,所述控制模块采用自主学习算法对供热站的放热量Q进行实时控制。
进一步的,所述控制模块的自主学习算法采用如下方式:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数.
一种基于自主学习的大数据蓄热供暖控制系统,包括:
用于采集影响供热站工作参数信息的采集模块,其中工作参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息;
用于将供热站的管道流量设定为定值的设置模块,所述设置模块建立天气状态曲线,将天气状态参数设置为变量;
还包括设置PID调节模型的控制模块,所述控制模块采用自主学习算法对供热站的放热量Q进行实时控制。
进一步的,所述控制模块的自主学习算法采用如下方式:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数。
本发明公开的一种基于自主学习的大数据蓄热供暖控制方法及系统,通过采集供热站的多种参数信息以及天气参数信息输入至自主学习模型进行自适应闭环控制,使供电站的蓄热供暖系统满足大量用户的需求。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于自主学习的大数据蓄热供暖控制方法,其特征在于:包括以下步骤:
S1:以一段时间为单位设定供热站影响参数信息采集点,其中供热站影响参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息;
S2:建立天气状态曲线,将实际采集到的天气环境的温度信息输入至天气状态曲线;
S3:设置PID调节模型调节供热站的出水温度,将供热站的管道流量设置为定值;
S4:设置自主学习模型,将S1-S3中采集到的数据信息输入至自主学习模型内,对供热站的放热量Q进行实时控制。
2.根据权利要求1所述的一种基于自主学习的大数据蓄热供暖控制方法,其特征还在于:所述S4的具体方式为:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数。
3.一种基于自主学习的大数据蓄热供暖控制系统,其特征在于包括:
用于采集影响供热站工作参数信息的采集模块,其中工作参数信息包括供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、室内人数、打开关闭供热阀的数量信息;
用于将供热站的管道流量设定为定值的设置模块,所述设置模块建立天气状态曲线,将天气状态参数设置为变量;
还包括设置PID调节模型的控制模块,所述控制模块采用自主学习算法对供热站的放热量Q进行实时控制。
4.根据权利要求4所述的一种基于自主学习的大数据蓄热供暖控制系统,其特征还在于:所述控制模块的自主学习算法采用如下方式:
设置采集用户室温的采样时间点,分别是第一个用户的最底层T1和最高层T2,中间排名用户的底层和顶层T3、T4,排名最后的用户的底层和顶层T5和T6,
则放热量Q=∑4.2×(T供-T回)流量F
记录满足T5全部大于供热最低用户端温度需求的所有Q放热量值;
T差1=T2-T5
T差2=T5-TSET
瞬时损失Q=F流速×(T供-T回)
T供s=∫(K×T差1+dt×T差2+DN×瞬时损失Q;
F供s=∫K×瞬时损失Q
设计自主学习模型的自适应律,使得T供进行自我修正,固定F供值假设为不变量常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810961644.5A CN109114664A (zh) | 2018-08-22 | 2018-08-22 | 一种基于自主学习的大数据蓄热供暖控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810961644.5A CN109114664A (zh) | 2018-08-22 | 2018-08-22 | 一种基于自主学习的大数据蓄热供暖控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109114664A true CN109114664A (zh) | 2019-01-01 |
Family
ID=64860038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810961644.5A Pending CN109114664A (zh) | 2018-08-22 | 2018-08-22 | 一种基于自主学习的大数据蓄热供暖控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109114664A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109489117A (zh) * | 2018-11-21 | 2019-03-19 | 国网青海省电力公司 | 蓄热供暖系统的控制方法及装置、蓄热供暖系统 |
CN109977103A (zh) * | 2019-03-29 | 2019-07-05 | 山东浪潮云信息技术有限公司 | 一种基于大数据平台的供暖系统的调温方法 |
CN115933785A (zh) * | 2022-12-12 | 2023-04-07 | 扬州市职业大学(扬州开放大学) | 一种太阳能光热农业大棚的环境控制方法及系统 |
CN117170446A (zh) * | 2023-11-01 | 2023-12-05 | 江苏皓越真空设备有限公司 | 一种用于真空热压炉的循环水智能调节方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02267453A (ja) * | 1989-04-10 | 1990-11-01 | Matsushita Electric Ind Co Ltd | 給湯装置 |
CN102483247A (zh) * | 2010-07-26 | 2012-05-30 | 松下电器产业株式会社 | 供暖系统及供暖系统控制方法 |
CN102519083A (zh) * | 2011-12-19 | 2012-06-27 | 威海米特智能仪表有限公司 | 一种集中供暖控制系统及方法 |
CN102721104A (zh) * | 2012-06-11 | 2012-10-10 | 北京金房暖通节能技术有限公司 | 集中供热系统供水温度气候补偿算法和控制方法 |
CN103398417A (zh) * | 2013-08-06 | 2013-11-20 | 刘振 | 基于室内外温差的热计量控制系统与热量分摊计算及控制方法 |
CN103591637A (zh) * | 2013-11-19 | 2014-02-19 | 长春工业大学 | 一种集中供热二次网运行调节方法 |
CN203628816U (zh) * | 2013-11-19 | 2014-06-04 | 杭州国电机械设计研究院有限公司 | 烟气加热智能移动蓄热供热装置 |
CN104236015A (zh) * | 2014-06-20 | 2014-12-24 | 沈阳安新自动化控制有限公司 | 基于端口受控哈密顿气候补偿切换的节能控制方法及系统 |
CN206398828U (zh) * | 2016-12-06 | 2017-08-11 | 北京盛公达新能源科技有限公司 | 基于混合显热固体材料蓄热的自供热机组 |
CN107246602A (zh) * | 2017-04-28 | 2017-10-13 | 大唐东北电力试验研究所有限公司 | 热电联产机组采用电锅炉方式深度调峰的优化控制方法 |
-
2018
- 2018-08-22 CN CN201810961644.5A patent/CN109114664A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02267453A (ja) * | 1989-04-10 | 1990-11-01 | Matsushita Electric Ind Co Ltd | 給湯装置 |
CN102483247A (zh) * | 2010-07-26 | 2012-05-30 | 松下电器产业株式会社 | 供暖系统及供暖系统控制方法 |
CN102519083A (zh) * | 2011-12-19 | 2012-06-27 | 威海米特智能仪表有限公司 | 一种集中供暖控制系统及方法 |
CN102721104A (zh) * | 2012-06-11 | 2012-10-10 | 北京金房暖通节能技术有限公司 | 集中供热系统供水温度气候补偿算法和控制方法 |
CN103398417A (zh) * | 2013-08-06 | 2013-11-20 | 刘振 | 基于室内外温差的热计量控制系统与热量分摊计算及控制方法 |
CN103591637A (zh) * | 2013-11-19 | 2014-02-19 | 长春工业大学 | 一种集中供热二次网运行调节方法 |
CN203628816U (zh) * | 2013-11-19 | 2014-06-04 | 杭州国电机械设计研究院有限公司 | 烟气加热智能移动蓄热供热装置 |
CN104236015A (zh) * | 2014-06-20 | 2014-12-24 | 沈阳安新自动化控制有限公司 | 基于端口受控哈密顿气候补偿切换的节能控制方法及系统 |
CN206398828U (zh) * | 2016-12-06 | 2017-08-11 | 北京盛公达新能源科技有限公司 | 基于混合显热固体材料蓄热的自供热机组 |
CN107246602A (zh) * | 2017-04-28 | 2017-10-13 | 大唐东北电力试验研究所有限公司 | 热电联产机组采用电锅炉方式深度调峰的优化控制方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109489117A (zh) * | 2018-11-21 | 2019-03-19 | 国网青海省电力公司 | 蓄热供暖系统的控制方法及装置、蓄热供暖系统 |
CN109977103A (zh) * | 2019-03-29 | 2019-07-05 | 山东浪潮云信息技术有限公司 | 一种基于大数据平台的供暖系统的调温方法 |
CN115933785A (zh) * | 2022-12-12 | 2023-04-07 | 扬州市职业大学(扬州开放大学) | 一种太阳能光热农业大棚的环境控制方法及系统 |
CN115933785B (zh) * | 2022-12-12 | 2023-07-04 | 扬州市职业大学(扬州开放大学) | 一种太阳能光热农业大棚的环境控制方法及系统 |
CN117170446A (zh) * | 2023-11-01 | 2023-12-05 | 江苏皓越真空设备有限公司 | 一种用于真空热压炉的循环水智能调节方法及系统 |
CN117170446B (zh) * | 2023-11-01 | 2024-01-26 | 江苏皓越真空设备有限公司 | 一种用于真空热压炉的循环水智能调节方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109114664A (zh) | 一种基于自主学习的大数据蓄热供暖控制方法及系统 | |
CN104359195B (zh) | 基于动态响应末端总负荷变化的中央空调冷冻水控制方法 | |
Korkas et al. | Grid-connected microgrids: Demand management via distributed control and human-in-the-loop optimization | |
CN104964397B (zh) | 一种非智能空调节能监控的方法及物联网系统 | |
CN103162346B (zh) | 基于云服务的集中供暖监控系统及集中供暖系统调节方法 | |
CN108253563B (zh) | 一种空调热水一体机控制方法及装置 | |
CN102997265B (zh) | 烟气余热回收设备的冷源温度控制方法及装置 | |
CN106091105B (zh) | 监控终端设备和监控系统 | |
CN103631285A (zh) | 一种基于can总线的鸡舍环境温度控制系统 | |
CN215724029U (zh) | 一种中央空调自适应控制系统 | |
CN109523081A (zh) | 一种地源热泵系统运行温度调节优化方法 | |
CN104833038A (zh) | 多联机空调集中控制方法及集中控制器 | |
CN109960296A (zh) | 一种用于自适应环境变化温度预测的方法 | |
CN110471301A (zh) | 一种基于用户行为的智能家居服务推荐系统及方法 | |
CN112113314A (zh) | 一种实时温度数据采集系统及其基于学习模型的温度调节方法 | |
CN111102646A (zh) | 基于数据驱动的智能气候补偿方法及装置 | |
CN105402895A (zh) | 空气源热泵热水器的智能节能控制方法 | |
CN113065249B (zh) | 一种供热系统供回水温度预测方法及装置 | |
CN109489117A (zh) | 蓄热供暖系统的控制方法及装置、蓄热供暖系统 | |
CN109977103A (zh) | 一种基于大数据平台的供暖系统的调温方法 | |
CN205372751U (zh) | 换热站温度自动调节系统 | |
CN111367163B (zh) | 养殖场环境智能控制器及其应用 | |
CN211177306U (zh) | 基于神经网络的空调冷却系统智能节能控制系统 | |
CN105091234A (zh) | 基于手机的智能温湿度控制系统 | |
CN205563323U (zh) | 一种温室远程监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |
|
RJ01 | Rejection of invention patent application after publication |