CN109489117A - 蓄热供暖系统的控制方法及装置、蓄热供暖系统 - Google Patents

蓄热供暖系统的控制方法及装置、蓄热供暖系统 Download PDF

Info

Publication number
CN109489117A
CN109489117A CN201811393575.9A CN201811393575A CN109489117A CN 109489117 A CN109489117 A CN 109489117A CN 201811393575 A CN201811393575 A CN 201811393575A CN 109489117 A CN109489117 A CN 109489117A
Authority
CN
China
Prior art keywords
accumulation
heating system
heat heating
water temperature
training data
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
Application number
CN201811393575.9A
Other languages
English (en)
Inventor
徐文
王国强
张节潭
王蔚青
郭树锋
耿琴兰
李国旺
刘晓刚
李文明
王有虎
马文珍
张小博
李增伟
隆文喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Energy Explorer Energy Co ltd
Qinghai Green Energy Data Co ltd
State Grid Corp of China SGCC
State Grid Qinghai Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd
Original Assignee
Energy Development Ltd By Share Ltd
State Grid Corp of China SGCC
State Grid Qinghai Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Energy Development Ltd By Share Ltd, State Grid Corp of China SGCC, State Grid Qinghai Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Qinghai Electric Power Co Ltd filed Critical Energy Development Ltd By Share Ltd
Priority to CN201811393575.9A priority Critical patent/CN109489117A/zh
Publication of CN109489117A publication Critical patent/CN109489117A/zh
Pending legal-status Critical Current

Links

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
    • F24D2220/00—Components of central heating installations excluding heat sources
    • F24D2220/10—Heat storage materials, e.g. phase change materials or static water enclosed in a space

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Steam Or Hot-Water Central Heating Systems (AREA)

Abstract

本发明公开了一种蓄热供暖系统的控制方法及装置、蓄热供暖系统。其中，该方法包括：获取目的用户设定的出水温度；通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；根据控制策略对蓄热供暖系统的运行状态进行控制。本发明解决了相关技术中用于对供暖系统进行控制的方式无法实现供暖系高效节能运行的技术问题。

Description

蓄热供暖系统的控制方法及装置、蓄热供暖系统
技术领域
本发明涉及数据分析技术领域，具体而言，涉及一种蓄热供暖系统的控制方法及装置、蓄热供暖系统。
背景技术
供暖系统首先要求在满足所有终端用户的最低热需求，在这样的前提条件下，我们希望供热站能够最大限度的减少能耗，节约能量。如果我们能够做到始终使用户室温都在设置值上，这样用户侧吸收的总热量最小，既满足了用户热需求，室内不热不冷，又能最大限度地节约供热站的热能消耗，节能节电。如果控制不好则不能很好的做到高效率节能运行。但是，由于供热站对大面积用户供热，供热的参数反馈有严重的滞后。另外，影响室温的因素有很多，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。往往终端用户室温时高时低，不能调节在舒适的温度，这样也造成大量的热量浪费和电能的浪费。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存在对应关系，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，通常方法二效果比方法一差。
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。
针对上述相关技术中用于对供暖系统进行控制的方式无法实现供暖系高效节能运行的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种蓄热供暖系统的控制方法及装置、蓄热供暖系统，以至少解决相关技术中用于对供暖系统进行控制的方式无法实现供暖系高效节能运行的技术问题。
根据本发明实施例的一个方面，提供了一种蓄热供暖系统的控制方法，包括：获取目的用户设定的出水温度；通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，所述控制模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；根据所述控制策略对所述蓄热供暖系统的运行状态进行控制。
可选地，在通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略之前，该蓄热供暖系统的控制方法还包括：采集历史时间段内的多组历史训练数据，其中，所述历史训练数据包括：历史出水温度和该历史出水温度对应的历史控制策略；对采集的所述多组历史训练数据进行训练，得到所述控制模型。
可选地，所述多组历史训练数据是从多个用户端采集的历史数据中的一部分。
可选地，所述历史数据中的另一部分作为验证数据，其中，所述验证数据用于对所述控制模型进行验证。
可选地，对采集的所述多组历史训练数据进行训练，得到所述控制模型包括：对所述多组历史训练数据进行预处理；其中，对所述多组历史训练数据进行预处理包括：确定所述蓄热供暖系统的最佳工况，其中，所述最佳工况为所述蓄热供暖系统的放热量最小的状态；确定所述最佳工况下所述蓄热供暖系统的运行参数；利用所述运行参数对所述多组历史训练数据进行预处理。
可选地，确定所述蓄热供暖系统的最佳工况包括：通过第一公式确定所述蓄热供暖系统的放热量，其中，所述第一公式为Q＝∑4.2*(T供-T回)*F，Q表示放热量，T供为所述蓄热供暖系统的供热水温度，T回为所述蓄热供暖系统的回水温度，F表示所述蓄热供暖系统的水流量；确定通过所述第一公式确定的放热量中最小的放热量；将最小的放热量对应的运行状态作为最佳工况。
根据本发明实施例的另外一个方面，还提供了一种蓄热供暖系统的控制装置，包括：获取单元，用于获取目的用户设定的出水温度；确定单元，用于通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，所述控制模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；控制单元，用于根据所述控制策略对所述蓄热供暖系统的运行状态进行控制。
可选地，该蓄热供暖系统的控制装置还包括：采集单元，用于在通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略之前，采集历史时间段内的多组历史训练数据，其中，所述历史训练数据包括：历史出水温度和该历史出水温度对应的历史控制策略；训练单元，用于对采集的所述多组历史训练数据进行训练，得到所述控制模型。
可选地，所述多组历史训练数据是从多个用户端采集的历史数据中的一部分。
可选地，所述历史数据中的另一部分作为验证数据，其中，所述验证数据用于对所述控制模型进行验证。
可选地，所述训练单元包括：处理单元，用于对所述多组历史训练数据进行预处理；其中，所述处理单元包括：第一确定模块，用于确定所述蓄热供暖系统的最佳工况，其中，所述最佳工况为所述蓄热供暖系统的放热量最小的状态；第二确定模块，用于确定所述最佳工况下所述蓄热供暖系统的运行参数；处理模块，用于利用所述运行参数对所述多组历史训练数据进行预处理。
可选地，所述第一确定模块包括：第一确定子模块，用于通过第一公式确定所述蓄热供暖系统的放热量，其中，所述第一公式为Q＝∑4.2*(T供-T回)*F，Q表示放热量，T供为所述蓄热供暖系统的供热水温度，T回为所述蓄热供暖系统的回水温度，F表示所述蓄热供暖系统的水流量；第二确定子模块，用于确定通过所述第一公式确定的放热量中最小的放热量；第三确定子模块，用于将最小的放热量对应的运行状态作为最佳工况。
根据本发明实施例的另外一个方面，还提供了一种蓄热供暖系统，所述蓄热供暖系统使用上述中任一项所述的蓄热供暖系统的控制方法。
根据本发明实施例的另外一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述中任意一项所述的蓄热供暖系统的控制方法。
根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的蓄热供暖系统的控制方法。
在本发明实施例中，采用获取目的用户设定的出水温度；然后通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；再根据控制策略对蓄热供暖系统的运行状态进行控制，通过本发明实施例提供的蓄热供暖系统的控制方法可以实现通过采集大量数据，分析出蓄热供暖系统节能的控制策略的目的，达到了提高蓄热供暖系统的运行更加节能的技术效果，进而解决了相关技术中用于对供暖系统进行控制的方式无法实现供暖系高效节能运行的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的蓄热供暖系统的控制方法的流程图；
图2是根据本发明实施例的蓄热供暖系统的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将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、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述，下面对本发明实施例中出现的部分名词或术语进行详细说明。
比例-积分-微分控制器(proportion integration differentiation，简称PID控制器)：是由比例单元P、积分单元I和微分单元D组成，通过Kp，Ki和Kd三个参数的设定，主要适用于基本线性和动态特性不随时间变化的系统。
实施例1
根据本发明实施例，提供了一种蓄热供暖系统的控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的蓄热供暖系统的控制方法的流程图，如图1所示，该蓄热供暖系统的控制方法包括如下步骤：
步骤S102，获取目的用户设定的出水温度。
步骤S104，通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略。
步骤S106，根据控制策略对蓄热供暖系统的运行状态进行控制。
通过上述步骤，可以获取目的用户设定的出水温度；然后通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；并根据控制策略对蓄热供暖系统的运行状态进行控制。相对于相关技术中有些供暖场所，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的弊端，通过本发明实施例提供的蓄热供暖系统的控制方法可以实现通过采集大量数据，分析出蓄热供暖系统节能的控制策略的目的，达到了提高蓄热供暖系统的运行更加节能的技术效果，进而解决了相关技术中用于对供暖系统进行控制的方式无法实现供暖系高效节能运行的技术问题。
作为一种可选的实施例，在通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略之前，该蓄热供暖系统的控制方法还可以包括：采集历史时间段内的多组历史训练数据，其中，历史训练数据包括：历史出水温度和该历史出水温度对应的历史控制策略；对采集的多组历史训练数据进行训练，得到控制模型。
需要说明的是，多组历史训练数据是从多个用户端采集的历史数据中的一部分。
优选的，为了使得采用上述方式得到的控制模型的效果更好，即提供的控制策略不仅可以实现节能的目的，同时也可以满足用户的需求，历史数据中的另一部分作为验证数据，其中，验证数据用于对控制模型进行验证。
作为一种可选的实施例，对采集的多组历史训练数据进行训练，得到控制模型可以包括：对多组历史训练数据进行预处理；其中，对多组历史训练数据进行预处理包括：确定蓄热供暖系统的最佳工况，其中，最佳工况为蓄热供暖系统的放热量最小的状态；确定最佳工况下蓄热供暖系统的运行参数；利用运行参数对多组历史训练数据进行预处理。
其中，确定蓄热供暖系统的最佳工况包括：通过第一公式确定蓄热供暖系统的放热量，其中，第一公式为Q＝∑4.2*(T供-T回)*F，Q表示放热量，T供为蓄热供暖系统的供热水温度，T回为蓄热供暖系统的回水温度，F表示蓄热供暖系统的水流量；确定通过第一公式确定的放热量中最小的放热量；将最小的放热量对应的运行状态作为最佳工况。
本发明实施例中提供的蓄热供暖系统的控制方法涉及分布式供暖系统供回水温度、环境温湿度、供水流量、非确定因素等等共同作用通过大数据自学习计算寻求系统高效节能运行的方法。
根据本发明实施例的另外一个方面，还提供了一种蓄热供暖系统，该蓄热供暖系统使用上述中的蓄热供暖系统的控制方法。该蓄热供暖系统首先要求在满足所有终端用户的最低热需求，寻找到一种方法能够在满足供暖需求的前提下，供热站能够更大限度的减少能耗，节约能量，节能节电。在蓄热供暖系统中，绕开传统的通过PID控制调节放热量的方法，而是通过采集大量数据，分析出节能的控制策略，再通过支持自学习公式计算出控制策略，从而指导蓄热供暖系统运行，使供热站更高效节能节电地运行。该蓄热供暖系统的控制方法取得了很好的运行效果，且自我学习，运行时间越长，越能够取得更优的运行策略。
本发明实施例中提供的蓄热供暖系统的控制方法主要是在蓄热供暖系统中，如何通过采集大量数据，分析出节能的控制策略，再通过支持自学习公式计算出最优控制策略，从而知道蓄热供暖系统运行，使蓄热供暖系统更高效节能节电运行。
首先，把时间分为以3小时为单位，建立一个天气状态曲线。供热站能耗影响因素很多也很复杂，放热量的影响因素有供水温度、回水温度、管道水流速、环境温湿度、用户室温、房屋保温状况、在室内人数、打开关闭供热阀的数量等等，而供热站供热对象是一大片面积的用户，同样的供热站对于几千户甚至上万的用户来说，可以认为用户室温、房屋保温状况、在室内人数、打开关闭供热阀的数量这些偶然因素是可以达到一个动态平衡，可以认为是不变量，那变化的可以看成只有天气参数了。
然后，设置用于PID调节的设定的出水温度，假设不变值管道流量，出水温度的调节方法使用PID和修正算法进行调节。
取用户侧温度测量点共6个采样点，分别是第一个用户设定的最低温度T1和最高温度T2，中间排名用户设定的最低温度T3和最高温度T4，排名最后的用户设定的最低温度T5和最高温度顶层T6。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。N条最高温度差值在0.1度且相似度90％的曲线时间段，Q放热量最小的工况被认为是最佳工况，记录此工况的参数供下面使用。
接下来，可以通过以下自学习确定的到处更高效的控制策略。
T差1＝T2-T5，T差2＝T5-TSET，Q瞬时损失＝F流速×(T供-T回)，TSET为用户设定的出水温度，Q瞬时损失表示蓄热供暖系统的瞬时损失热量，F流速表示蓄热供暖系统的管道水流速，T供表示蓄热供暖系统的供热温度，T回表示蓄热供暖系统的回水温度。
其中，F供s＝∫K×Q瞬时损失，通过该方式设计的控制器和参数自适应律，使得供热温度自我修正，固定蓄热供暖系统的管道水流速，假设为不变量常数，控制解决了滞后问题。
实施例2
根据本发明实施例还提供了一种蓄热供暖系统的控制装置，需要说明的是，本发明实施例的蓄热供暖系统的控制装置可以用于执行本发明实施例所提供的蓄热供暖系统的控制方法。以下对本发明实施例提供的蓄热供暖系统的控制装置进行介绍。
图2是根据本发明实施例的蓄热供暖系统的控制装置的示意图，如图2所示，该蓄热供暖系统的控制装置可以包括：获取单元21，确定单元23以及控制单元25。下面对该蓄热供暖系统的控制装置进行详细说明。
获取单元21，用于获取目的用户设定的出水温度。
确定单元23，与上述获取单元21连接，用于通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略。
控制单元25，与上述确定单元23连接，用于根据控制策略对蓄热供暖系统的运行状态进行控制。
需要说明的是，该实施例中的获取单元21可以用于执行本发明实施例中的步骤S102，该实施例中的确定单元23可以用于执行本发明实施例中的步骤S504，该实施例中的控制单元25可以用于执行本发明实施例中的步骤S106。上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
在该实施例中，利用获取单元21获取目的用户设定的出水温度；然后利用确定单元23通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；并利用控制单元25根据控制策略对蓄热供暖系统的运行状态进行控制。相对于相关技术中有些供暖场所，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的弊端，通过本发明实施例提供的蓄热供暖系统的控制装置可以实现通过采集大量数据，分析出蓄热供暖系统节能的控制策略的目的，达到了提高蓄热供暖系统的运行更加节能的技术效果，进而解决了相关技术中用于对供暖系统进行控制的方式无法实现供暖系高效节能运行的技术问题。
作为一种可选的实施例，该蓄热供暖系统的控制装置还可以包括：采集单元，用于在通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略之前，采集历史时间段内的多组历史训练数据，其中，历史训练数据包括：历史出水温度和该历史出水温度对应的历史控制策略；训练单元，用于对采集的多组历史训练数据进行训练，得到控制模型。
作为一种可选的实施例，多组历史训练数据是从多个用户端采集的历史数据中的一部分。
优选的，历史数据中的另一部分作为验证数据，其中，验证数据用于对控制模型进行验证。
作为一种可选的实施例，训练单元包括：处理单元，用于对多组历史训练数据进行预处理；其中，处理单元包括：第一确定模块，用于确定蓄热供暖系统的最佳工况，其中，最佳工况为蓄热供暖系统的放热量最小的状态；第二确定模块，用于确定最佳工况下蓄热供暖系统的运行参数；处理模块，用于利用运行参数对多组历史训练数据进行预处理。
作为一种可选的实施例，第一确定模块包括：第一确定子模块，用于通过第一公式确定蓄热供暖系统的放热量，其中，第一公式为Q＝∑4.2*(T供-T回)*F，Q表示放热量，T供为蓄热供暖系统的供热水温度，T回为蓄热供暖系统的回水温度，F表示蓄热供暖系统的水流量；第二确定子模块，用于确定通过第一公式确定的放热量中最小的放热量；第三确定子模块，用于将最小的放热量对应的运行状态作为最佳工况。
上述蓄热供暖系统的控制装置包括处理器和存储器，上述获取单元21，确定单元23以及控制单元25等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数根据控制策略对蓄热供暖系统的运行状态进行控制。
上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
根据本发明实施例的另外一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述中任意一项的蓄热供暖系统的控制方法。
根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的蓄热供暖系统的控制方法。
在本发明实施例中还提供了一种设备，该设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目的用户设定的出水温度；通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；根据控制策略对蓄热供暖系统的运行状态进行控制。
在本发明实施例中还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目的用户设定的出水温度；通过控制模型，确定与出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，控制模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；根据控制策略对蓄热供暖系统的运行状态进行控制。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种蓄热供暖系统的控制方法，其特征在于，包括：
获取目的用户设定的出水温度；
通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，所述控制模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；
根据所述控制策略对所述蓄热供暖系统的运行状态进行控制。
2.根据权利要求1所述的方法，其特征在于，在通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略之前，还包括：
采集历史时间段内的多组历史训练数据，其中，所述历史训练数据包括：历史出水温度和该历史出水温度对应的历史控制策略；
对采集的所述多组历史训练数据进行训练，得到所述控制模型。
3.根据权利要求2所述的方法，其特征在于，所述多组历史训练数据是从多个用户端采集的历史数据中的一部分。
4.根据权利要求3所述的方法，其特征在于，所述历史数据中的另一部分作为验证数据，其中，所述验证数据用于对所述控制模型进行验证。
5.根据权利要求2所述的方法，其特征在于，对采集的所述多组历史训练数据进行训练，得到所述控制模型包括：
对所述多组历史训练数据进行预处理；
其中，对所述多组历史训练数据进行预处理包括：
确定所述蓄热供暖系统的最佳工况，其中，所述最佳工况为所述蓄热供暖系统的放热量最小的状态；
确定所述最佳工况下所述蓄热供暖系统的运行参数；
利用所述运行参数对所述多组历史训练数据进行预处理。
6.根据权利要求5所述的方法，其特征在于，确定所述蓄热供暖系统的最佳工况包括：
通过第一公式确定所述蓄热供暖系统的放热量，其中，所述第一公式为Q＝∑4.2*(T供-T回)*F，Q表示放热量，T供为所述蓄热供暖系统的供热水温度，T回为所述蓄热供暖系统的回水温度，F表示所述蓄热供暖系统的水流量；
确定通过所述第一公式确定的放热量中最小的放热量；
将最小的放热量对应的运行状态作为最佳工况。
7.一种蓄热供暖系统的控制装置，其特征在于，包括：
获取单元，用于获取目的用户设定的出水温度；
确定单元，用于通过控制模型，确定与所述出水温度对应的用于对蓄热供暖系统进行控制的控制策略，其中，所述控制模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组数据均包括：出水温度和该出水温度对应的控制策略；
控制单元，用于根据所述控制策略对所述蓄热供暖系统的运行状态进行控制。
8.一种蓄热供暖系统，其特征在于，所述蓄热供暖系统使用权利要求1至6中任一项所述的蓄热供暖系统的控制方法。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的蓄热供暖系统的控制方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的蓄热供暖系统的控制方法。
CN201811393575.9A 2018-11-21 2018-11-21 蓄热供暖系统的控制方法及装置、蓄热供暖系统 Pending CN109489117A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811393575.9A CN109489117A (zh) 2018-11-21 2018-11-21 蓄热供暖系统的控制方法及装置、蓄热供暖系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811393575.9A CN109489117A (zh) 2018-11-21 2018-11-21 蓄热供暖系统的控制方法及装置、蓄热供暖系统

Publications (1)

Publication Number Publication Date
CN109489117A true CN109489117A (zh) 2019-03-19

Family

ID=65697290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811393575.9A Pending CN109489117A (zh) 2018-11-21 2018-11-21 蓄热供暖系统的控制方法及装置、蓄热供暖系统

Country Status (1)

Country Link
CN (1) CN109489117A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110230842A (zh) * 2019-03-25 2019-09-13 国网辽宁省电力有限公司 一种基于多智能体的蓄热式电锅炉“削峰填谷”控制方法
CN110779155A (zh) * 2019-11-12 2020-02-11 珠海格力电器股份有限公司 空调的控制方法及装置
CN111442344A (zh) * 2020-02-25 2020-07-24 发速金属制品(上海)有限公司 一种智能地暖的系统及其方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009041266A1 (de) * 2009-09-11 2011-03-24 Robert Bosch Gmbh Wärmeenergieversorgungssystem, Steuereinrichtung, Steuerungsverfahren sowie Computerprogramm und Computerprogrammprodukt zur Steuerung einer Wärmeenergieversorgung
CN103453580A (zh) * 2013-08-22 2013-12-18 鞍山市海汇自动化有限公司 换热站综合智能控制方法
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
CN105805822A (zh) * 2016-03-24 2016-07-27 常州英集动力科技有限公司 基于神经网络预测的供热节能控制方法与系统
WO2018060157A1 (fr) * 2016-09-27 2018-04-05 Electricite De France Procédé d'auto-paramétrage auto-adaptatif d'un système de chauffage et de production d'eau chaude sanitaire
CN108087943A (zh) * 2017-12-13 2018-05-29 长安大学 一种集中供热方法及系统
CN108376294A (zh) * 2018-01-18 2018-08-07 国网辽宁省电力有限公司 一种供能反馈与气象因素的热负荷预测方法
CN109114664A (zh) * 2018-08-22 2019-01-01 能拓能源股份有限公司 一种基于自主学习的大数据蓄热供暖控制方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009041266A1 (de) * 2009-09-11 2011-03-24 Robert Bosch Gmbh Wärmeenergieversorgungssystem, Steuereinrichtung, Steuerungsverfahren sowie Computerprogramm und Computerprogrammprodukt zur Steuerung einer Wärmeenergieversorgung
CN103453580A (zh) * 2013-08-22 2013-12-18 鞍山市海汇自动化有限公司 换热站综合智能控制方法
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
CN105805822A (zh) * 2016-03-24 2016-07-27 常州英集动力科技有限公司 基于神经网络预测的供热节能控制方法与系统
WO2018060157A1 (fr) * 2016-09-27 2018-04-05 Electricite De France Procédé d'auto-paramétrage auto-adaptatif d'un système de chauffage et de production d'eau chaude sanitaire
CN108087943A (zh) * 2017-12-13 2018-05-29 长安大学 一种集中供热方法及系统
CN108376294A (zh) * 2018-01-18 2018-08-07 国网辽宁省电力有限公司 一种供能反馈与气象因素的热负荷预测方法
CN109114664A (zh) * 2018-08-22 2019-01-01 能拓能源股份有限公司 一种基于自主学习的大数据蓄热供暖控制方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110230842A (zh) * 2019-03-25 2019-09-13 国网辽宁省电力有限公司 一种基于多智能体的蓄热式电锅炉“削峰填谷”控制方法
CN110779155A (zh) * 2019-11-12 2020-02-11 珠海格力电器股份有限公司 空调的控制方法及装置
CN111442344A (zh) * 2020-02-25 2020-07-24 发速金属制品(上海)有限公司 一种智能地暖的系统及其方法

Similar Documents

Publication Publication Date Title
US11371739B2 (en) Predictive building control system with neural network based comfort prediction
US11675322B2 (en) Predictive building control system with discomfort threshold adjustment
CN109489117A (zh) 蓄热供暖系统的控制方法及装置、蓄热供暖系统
CN110726218B (zh) 空调器及其控制方法、装置、存储介质和处理器
CN111609534B (zh) 温度控制方法、装置及中央温度控制系统
CN107223195A (zh) 用于hvac系统的可变风量建模
CN109189190A (zh) 一种基于温度预测的数据中心热量管理方法
CN108413588B (zh) 一种基于热成像及bp神经网络的个性化空调控制系统及方法
CN108734321A (zh) 一种基于改进ABC算法的Elman神经网络的短期负荷预测方法
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
Hilliard et al. Development of a whole building model predictive control strategy for a LEED silver community college
US20210190349A1 (en) Building control system with zone grouping based on predictive models
CN209431511U (zh) 供热调节装置及供热系统
Bianchini et al. An integrated MPC approach for demand-response heating and energy storage operation in smart buildings
Häring et al. Comparison of the impact of different household occupancies on load matching algorithms
CN114909945A (zh) 冷却塔节能智控方法、装置、电子装置及介质
CN105180454B (zh) 热水器及其控制方法和装置
Naug et al. Data driven methods for energy reduction in large buildings
CN103939968B (zh) 多热源环网供热系统循环水泵设置及管网参数调整方法
Chen et al. A new multiplexed optimization with enhanced performance for complex air conditioning systems
CN104930672B (zh) 冷冻水的供水温度的控制方法及装置
Zhu et al. A hybrid intelligent control based cyber-physical system for thermal comfort in smart homes
CN114060902B (zh) 供暖预测模型建立方法、供暖系统及其控制方法
Alimuddin et al. A supervisory control system for temperature and humidity in a closed house model for broilers
CN108826597A (zh) 空调设备的控制方法及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20200717

Address after: 810008 No. 89 Shengli Road, Chengxi District, Qinghai, Xining

Applicant after: STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant after: ENERGY EXPLORER ENERGY Co.,Ltd.

Applicant after: INFORMATION & TELECOMMUNICATION COMPANY OF STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: Qinghai green energy data Co.,Ltd.

Address before: 810008 No. 89 Shengli Road, Chengxi District, Qinghai, Xining

Applicant before: STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant before: ENERGY EXPLORER ENERGY Co.,Ltd.

Applicant before: INFORMATION & TELECOMMUNICATION COMPANY OF STATE GRID QINGHAI ELECTRIC POWER Co.

Applicant before: STATE GRID CORPORATION OF CHINA

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20190319

RJ01 Rejection of invention patent application after publication