CN113606651A - 基于机器学习算法的室温软测量系统 - Google Patents
基于机器学习算法的室温软测量系统 Download PDFInfo
- Publication number
- CN113606651A CN113606651A CN202110838542.6A CN202110838542A CN113606651A CN 113606651 A CN113606651 A CN 113606651A CN 202110838542 A CN202110838542 A CN 202110838542A CN 113606651 A CN113606651 A CN 113606651A
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- user
- soft measurement
- room temperature
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 32
- 238000010801 machine learning Methods 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 40
- 238000012417 linear regression Methods 0.000 claims abstract description 19
- 238000004140 cleaning Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 5
- 238000009529 body temperature measurement Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种基于机器学习算法的室温软测量系统，属于供热终端用户控制技术领域；包括云平台、企业数仓、SCADA控制系统，所述SCADA控制系统用于采集实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述企业数仓用于存储数据；所述云平台用于利用线性回归机器学习算法建立不同房间的室内温度预测模型，实现对用户室内温度的软测量；结合大数据分析及机器学习方法实现对用户室内温度的软测量。
Description
技术领域
本发明涉及一种基于机器学习算法的室温软测量系统，属于供热终端用户控制技术领域。
背景技术
供热终端用户控制系统是一个兼具时滞性、非线性、强耦合等特性的复杂系统，传统的供热终端用户调控方法并不能实现供热用户室内温度的精准调控，
目前，供热终端用户的室内温度采集仅仅依靠供热企业入户测温或者采用安装室内温度采集传感器的方法，入户测温受外界影响因素较大，且入户测温需要较大的人力物力成本，测温数据误差较大且准确性较差，供热企业对用户侧室温采集装置安装量相对较少，单个换热站供热系统小区只有15％左右，且考虑室内温度采集装置入户及安装运维困难及软硬件成本较高等因素存在，对用户侧室内温度的分析及调控缺乏有效的数据支撑，无法实现对终端用热舒适度的合理化调控及用户用热满意度的持续提升。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种基于机器学习算法的室温软测量系统，结合大数据分析及机器学习方法实现对用户室内温度的软测量。
本发明所述基于机器学习算法的室温软测量系统，包括云平台、企业数仓、SCADA控制系统，所述SCADA控制系统用于采集实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述企业数仓用于存储数据；所述云平台用于利用线性回归机器学习算法建立不同房间的室内温度预测模型，实现对用户室内温度的软测量。
根据实时气象数据、用户侧历史供水温度、回水温度、户控阀开度等户控阀门调控数据，利用利用线性回归机器学习算法，分别建立不同类型房间的室内温度预测模型，实现对用户室内温度的软测量。减少硬件投资、节省成本，实现节能降耗的目的。
优选地，所述云平台包括样本数据获取模块、样本数据清洗模块、特征工程选取模块、模型训练模块、模型验证模块，所述样本数据获取模块用于获取所述企业数仓存储的实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述样本数据清洗模块用于对样本数据获取模块所得样本数据进行清洗治理，去除无效或不合理数据、补漏缺失数据、数据归一化处理；所述特征工程选取模块用于选取室外气温历史值、前固定时间室外气温历史值、前固定时间用户侧供回水温度历史值作为特征工程；所述模型训练模块用于采用多元线性回归预测模型训练模型并进行参数调优；所述模型验证模块用于利用测试集数据对上述模型进行验证及误差分析。
用于建立室内温度预测模型，便于实现对用户室内温度的软测量
优选地，所述固定时间为3*24h。
特征工程选取合理。
优选地，所述多元线性回归预测模型如下：
式中：
为因变量，即室内温度；
x1，x2，…xn，为不同自变量，即与因变量有紧密联系的影响因素；
a，b1，b2，…bn是线性回归方程的参数。
实际问题抽象成数学问题，这里将实际供暖质量问题抽象成如何在天气温度、用户侧回水温度、供水温度、阀门开度等参数已知的情况下，得出更合理有效的室内温度。在此，与因变量有紧密联系的影响因素即实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据。
优选地，a，b1，b2…bn是通过解下列的方程组来得到：
…
优选地，还包括企业室温数据展示系统，用于将通过机器学习算法软测量得到的室温数据实时呈现在BI展示页面上，动态展现各小区、楼宇、用户室内温度及平均温度。
实现公司与终端用热用户的深度交互，提升用户用热体验，减少投诉量，提升公司供热品牌形象。
与现有技术相比，本发明具有以下有益效果：
本发明所述基于机器学习算法的室温软测量系统，将实际供暖质量问题抽象成如何在天气温度、用户侧回水温度、供水温度、阀门开度等参数已知的情况下，得出更合理有效的室内温度，实现对用户室内温度的软测量；减少硬件投资、节省成本，实现节能降耗的目的，实现公司与终端用热用户的深度交互，提升用户用热体验，减少投诉量，提升公司供热品牌形象。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明实施方式作进一步地详细描述。
实施例1
基于机器学习算法的室温软测量系统，包括云平台、企业数仓、SCADA控制系统，所述SCADA控制系统用于采集实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述企业数仓用于存储数据；所述云平台用于利用线性回归机器学习算法建立不同房间的室内温度预测模型，实现对用户室内温度的软测量。
根据实时气象数据、用户侧历史供水温度、回水温度、户控阀开度等户控阀门调控数据，利用利用线性回归机器学习算法，分别建立不同类型房间的室内温度预测模型，实现对用户室内温度的软测量。减少硬件投资、节省成本，实现节能降耗的目的。
其中，所述云平台包括样本数据获取模块、样本数据清洗模块、特征工程选取模块、模型训练模块、模型验证模块，所述样本数据获取模块用于获取所述企业数仓存储的实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述样本数据清洗模块用于对样本数据获取模块所得样本数据进行清洗治理，去除无效或不合理数据、补漏缺失数据、数据归一化处理；所述特征工程选取模块用于选取室外气温历史值、前固定时间室外气温历史值、前固定时间用户侧供回水温度历史值作为特征工程；所述模型训练模块用于采用多元线性回归预测模型训练模型并进行参数调优；所述模型验证模块用于利用测试集数据对上述模型进行验证及误差分析。
用于建立室内温度预测模型，便于实现对用户室内温度的软测量
其中，所述固定时间为3*24h。
特征工程选取合理。
其中，所述多元线性回归预测模型如下：
式中：
为因变量，即室内温度；
x1，x2，…xn，为不同自变量，即与因变量有紧密联系的影响因素；
a，b1，b2，…bn是线性回归方程的参数。
实际问题抽象成数学问题，这里将实际供暖质量问题抽象成如何在天气温度、用户侧回水温度、供水温度、阀门开度等参数已知的情况下，得出更合理有效的室内温度。在此，与因变量有紧密联系的影响因素即实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据。
其中，a，b1，b2…bn是通过解下列的方程组来得到：
…
其中，所述云平台还包括温度计算模块，用于将企业数仓存储数据带入所述模型计算室内温度。
用于计算室内温度。
其中，还包括企业室温数据展示系统，用于将通过机器学习算法软测量得到的室温数据实时呈现在BI展示页面上，动态展现各小区、楼宇、用户室内温度及平均温度。
实现公司与终端用热用户的深度交互，提升用户用热体验，减少投诉量，提升公司供热品牌形象。
本发明所述基于机器学习算法的室温软测量系统，工作过程如下：
步骤1，样本数据获取模块获取所述企业数仓存储的实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；
步骤2，所述样本数据清洗模块对样本数据获取模块所得样本数据进行清洗治理，去除无效或不合理数据、补漏缺失数据、数据归一化处理；
步骤3，所述特征工程选取模块选取室外气温历史值、前固定时间室外气温历史值、前固定时间用户侧供回水温度历史值作为特征工程；
步骤4，所述模型训练模块采用多元线性回归预测模型训练模型并进行参数调优；
步骤5，所述模型验证模块利用测试集数据对上述模型进行验证及误差分析；
步骤6，将上述模型部署到温度计算模块，计算室内温度。
实施例2
与实施例1不同的是，所述多元线性回归预测模型采用二元线性回归分析预测法：
式中：
为因变量，即室内温度；
x1，x2为两个不同自变量，即与因变量有紧密联系的影响因素，即供水温度和回水温度；
a，b1，b2是线性回归方程的参数。
a，b1，b2是通过解下列的方程组来得到。
∑y＝na+b1∑x1+b2∑x2
实际问题抽象成数学问题，这里将实际供暖质量问题抽象成如何在天气温度、用户侧回水温度、供水温度、阀门开度等参数已知的情况下，得出更合理有效的室内温度。在此，与因变量有紧密联系的影响因素即实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据。
综上，本发明所述基于机器学习算法的室温软测量系统，将实际供暖质量问题抽象成如何在天气温度、用户侧回水温度、供水温度、阀门开度等参数已知的情况下，得出更合理有效的室内温度，实现对用户室内温度的软测量；减少硬件投资、节省成本，实现节能降耗的目的，实现公司与终端用热用户的深度交互，提升用户用热体验，减少投诉量，提升公司供热品牌形象。
Claims (7)
1.一种基于机器学习算法的室温软测量系统，其特征在于，包括云平台、企业数仓、SCADA控制系统，所述SCADA控制系统用于采集实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述企业数仓用于存储数据；所述云平台用于利用线性回归机器学习算法建立不同房间的室内温度预测模型，实现对用户室内温度的软测量。
2.根据权利要求1所述的基于机器学习算法的室温软测量系统，其特征在于，所述云平台包括样本数据获取模块、样本数据清洗模块、特征工程选取模块、模型训练模块、模型验证模块，所述样本数据获取模块用于获取所述企业数仓存储的实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述样本数据清洗模块用于对样本数据获取模块所得样本数据进行清洗治理，去除无效或不合理数据、补漏缺失数据、数据归一化处理；所述特征工程选取模块用于选取室外气温历史值、前固定时间室外气温历史值、前固定时间用户侧供回水温度历史值作为特征工程；所述模型训练模块用于采用多元线性回归预测模型训练模型并进行参数调优；所述模型验证模块用于利用测试集数据对上述模型进行验证及误差分析。
3.根据权利要求2所述的基于机器学习算法的室温软测量系统，其特征在于，所述固定时间为3*24h。
4.根据权利要求2所述的基于机器学习算法的室温软测量系统，其特征在于，所述多元线性回归预测模型如下：
式中：
为因变量，即室内温度；
x1，x2，…xn，为不同自变量，即与因变量有紧密联系的影响因素；
a，b1，b2，…bn是线性回归方程的参数。
5.根据权利要求4所述的基于机器学习算法的室温软测量系统，其特征在于，a，b1，b2…bn是通过解下列的方程组来得到：
∑y＝na+b1∑x1+b2∑x2+bm∑xn
∑x1y＝a∑x1+b1∑x1 2+b2∑x1x2…+bm∑x1xn
∑x2y＝a∑x2+b1∑x1x2+b2∑x2 2…+bm∑x2xn
…
6.根据权利要求5所述的基于机器学习算法的室温软测量系统，其特征在于，所述云平台还包括温度计算模块，用于将企业数仓存储数据带入所述模型计算室内温度。
7.根据权利要求5所述的基于机器学习算法的室温软测量系统，其特征在于，还包括企业室温数据展示系统，用于将通过机器学习算法软测量得到的室温数据实时呈现在BI展示页面上，动态展现各小区、楼宇、用户室内温度及平均温度。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110838542.6A CN113606651A (zh) | 2021-07-23 | 2021-07-23 | 基于机器学习算法的室温软测量系统 |
| ZA2022/06721A ZA202206721B (en) | 2021-07-23 | 2022-06-17 | Machine learning algorithm-based indoor temperature soft sensing system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110838542.6A CN113606651A (zh) | 2021-07-23 | 2021-07-23 | 基于机器学习算法的室温软测量系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113606651A true CN113606651A (zh) | 2021-11-05 |
Family
ID=78305314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110838542.6A Pending CN113606651A (zh) | 2021-07-23 | 2021-07-23 | 基于机器学习算法的室温软测量系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113606651A (zh) |
| ZA (1) | ZA202206721B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111520812A (zh) * | 2020-05-13 | 2020-08-11 | 济南普赛通信技术有限公司 | 一种供热住户室温估测方法及系统 |
| CN111578370A (zh) * | 2020-05-13 | 2020-08-25 | 济南普赛通信技术有限公司 | 一种供暖调控方法、系统、介质及电子设备 |
| CN112148578A (zh) * | 2020-10-12 | 2020-12-29 | 贵州电网有限责任公司 | 基于机器学习的it故障缺陷预测方法 |
| AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
| GB202105590D0 (en) * | 2020-05-22 | 2021-06-02 | Landmark Graphics Corp | Facilitating hydrocarbon exploration from earth system models |
-
2021
- 2021-07-23 CN CN202110838542.6A patent/CN113606651A/zh active Pending
-
2022
- 2022-06-17 ZA ZA2022/06721A patent/ZA202206721B/en unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111520812A (zh) * | 2020-05-13 | 2020-08-11 | 济南普赛通信技术有限公司 | 一种供热住户室温估测方法及系统 |
| CN111578370A (zh) * | 2020-05-13 | 2020-08-25 | 济南普赛通信技术有限公司 | 一种供暖调控方法、系统、介质及电子设备 |
| GB202105590D0 (en) * | 2020-05-22 | 2021-06-02 | Landmark Graphics Corp | Facilitating hydrocarbon exploration from earth system models |
| CN112148578A (zh) * | 2020-10-12 | 2020-12-29 | 贵州电网有限责任公司 | 基于机器学习的it故障缺陷预测方法 |
| AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
Also Published As
| Publication number | Publication date |
|---|---|
| ZA202206721B (en) | 2022-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
| Zhang et al. | An optimal and learning-based demand response and home energy management system | |
| CN102779228B (zh) | 商场建筑中央空调冷负荷在线预测方法及系统 | |
| CN107276069A (zh) | 一种地区电网居民温控负荷的近似聚合建模方法及系统 | |
| CN111486554A (zh) | 一种基于在线学习的空调温度无感化控制方法 | |
| CN110298104A (zh) | 一种采用数字模拟进行节能建筑设计信息处理系统及方法 | |
| CN110471301A (zh) | 一种基于用户行为的智能家居服务推荐系统及方法 | |
| CN114997508A (zh) | 基于多能互补的大棚用电优化方法及系统 | |
| Li et al. | Energy flexibility analysis and model predictive control performances of space heating in Japanese zero energy house | |
| CN108122067B (zh) | 一种建筑需求响应动态过程的建模方法和系统 | |
| CN113888202A (zh) | 一种电价预测模型的训练方法及应用方法 | |
| CN112365176A (zh) | 一种节能分析气象年计算方法、系统、装置和存储介质 | |
| CN113606651A (zh) | 基于机器学习算法的室温软测量系统 | |
| CN116951780A (zh) | 一种智能中央热水器管理方法和系统 | |
| CN113606650B (zh) | 基于机器学习算法的智慧供热室温调控系统 | |
| CN203385142U (zh) | 空调机组智能控制器 | |
| Chen et al. | Research on energy-saving optimization model based on building energy consumption data | |
| CN113606649A (zh) | 基于机器学习算法的智慧供热站控预测系统 | |
| CN113341792A (zh) | 一种基于bim的建筑数据采集方法及系统 | |
| CN113669845B (zh) | 一种基于数据模型伴生的中央空调节能控制系统及控制方法 | |
| CN114543278B (zh) | 空调室温控制方法及装置 | |
| CN116951672B (zh) | 中央空调能效分析方法、设备和可读存储介质 | |
| Zhang et al. | Design of aquaculture grid system based on Solor energy and Internet of Things | |
| Zou et al. | Research on public building energy consumption prediction method based on hybrid analysis of dynamic and static data | |
| CN117236650B (zh) | 一种水肥一体化智慧泵房控制方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211105 |