CN115013861A - 一种基于供热系统的室内温度控制方法及装置 - Google Patents
一种基于供热系统的室内温度控制方法及装置 Download PDFInfo
- Publication number
- CN115013861A CN115013861A CN202210607715.8A CN202210607715A CN115013861A CN 115013861 A CN115013861 A CN 115013861A CN 202210607715 A CN202210607715 A CN 202210607715A CN 115013861 A CN115013861 A CN 115013861A
- Authority
- CN
- China
- Prior art keywords
- indoor temperature
- real
- control
- target
- time 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.)
- Granted
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011217 control strategy Methods 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Images
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
- F24D19/1015—Arrangement or mounting of control or safety devices for water heating systems for central heating using a valve or valves
-
- 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
- F24D19/1012—Arrangement or mounting of control or safety devices for water heating systems for central heating by regulating the speed of a pump
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Computational Linguistics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Feedback Control In General (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本公开涉及供热技术领域,提供了一种基于供热系统的室内温度控制方法及装置。该方法包括:通过获取目标温度范围、供热系统的实时数据,基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度,基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略,将控制策略下发至对应设备,监测当前室内温度,基于当前室内温度和目标温度范围,判断当前室内温度是否处于目标温度范围,若当前室内温度处于目标温度范围,则返回监测当前室内温度步骤。本发明大大缩短了供热系统的调控时间,从而降低能源消耗,节约供热成本,有利于提升供热系统的稳定性,实现供需平衡。
Description
技术领域
本公开涉及供热技术领域,尤其涉及一种基于供热系统的室内温度控制方法及装置。
背景技术
供热系统由热源、室外供热管网和散热器组成,通过调节阀门控制供热量,为了保障供热系统的流量不会突然增加或下降,目前主要利用增量式PID控制算法调节供热设备的参数,通过“先比例,再积分,后微分”的方式进行参数整定,直至达到理想的温度范围。
然而,现有PID控制方法采用单一的控制逻辑,通过PID下发控制指令修正温度,当干扰因素增加时,供热系统难以控制。由于供热网具有滞后性,指令下发后供热系统响应时间较长,室内温度变化缓慢,热量传递过程中大量损失,造成能源浪费,导致供热不稳定,供热系统提供的热量和用户需求无法匹配。
发明内容
有鉴于此,本公开实施例提供了一种基于供热系统的室内温度控制方法及装置,以解决控制系统响应时间较长,室内温度变化缓慢,供热不稳定的问题。
本公开实施例的第一方面,提供了一种基于供热系统的室内温度控制方法,包括:
获取目标温度范围;
获取供热系统的实时数据,其中,实时数据至少包括气象参数和供热参数;
基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度;
基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略;
将控制策略下发至对应设备,以使各设备基于控制策略进行调控;
监测当前室内温度;
基于当前室内温度和目标温度范围,判断当前室内温度是否目标温度范围;
若当前室内温度处于目标温度,则返回监测当前温度步骤。
本公开实施例的第二方面,提供了一种基于供热系统的室内温度控制装置,包括:
数据采集模块,被配置为获取目标温度范围;
数据采集模块还被配置为获取供热系统的实时数据,实时数据至少包括气象参数和供热参数;
室内温度预测模块,被配置为基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度;
寻优控制算法模块,被配置为基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略;
控制策略下发模块,被配置为将控制策略下发至对应设备,以使各设备基于控制策略进行调控;
实时监测模块,被配置为监测当前室内温度;
判断模块,被配置为基于当前室内温度和目标温度范围,判断当前温度是否落入目标温度范围;
若当前室内温度处于目标温度范围,则返回实时监测模块。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:通过获取目标温度范围,获取供热系统的实时数据,其中,实时数据至少包括气象参数和供热参数,基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度,基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略,将控制策略下发至对应设备,以使各设备基于控制策略进行调控,监测当前室内温度,基于当前室内温度和目标温度范围,判断当前室内温度是否处于目标温度范围,若当前室内温度处于目标温度范围,则返回监测当前室内温度步骤。本发明基于供热系统的实时数据,利用算法模型预测室内温度,针对供热设备进行调控。大大缩短了供热系统的调控时间,从而降低能源消耗,节约供热成本,保证供给效率,有利于提升供热系统的稳定性,实现供需平衡。
附图说明
为了更清楚地说明本公开实施例中的技术方案,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公开的一些实施例,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它的附图。
图1是本公开实施例提供的一种基于供热系统的室内温度控制系统的结构示意图;
图2是本公开实施例提供的一种基于供热系统的室内温度控制方法的流程示意图;
图3是本公开实施例提供的一种基于供热系统的室内温度控制装置的流程示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
目前的供热系统,大部分采用集中供热,通过热力管道将热量输送至用户端,通过调节PID进行控制,PID控制器包括比例P,积分I和导数D。其中,比例P取决于现有误差、积分I取决于过去误差的累积,导数D是对未来误差的预测。传统的控制方法利用工作人员的经验进行参数整定,调节过程耗时较长,室内温度变化较为缓慢,且无法对控制结果进行预测,不确定性较大,控制的逻辑较为单一,通过传感器控制参数进行调控。
实际应用中,PID控制器设置简单,由于供热系统具有热惯性,当外界干扰因素过多时,如室内外温差较大,PID容易出现超调现象,通过调节供水流量、阀门开度等方式控制室内温度存在滞后性,整体控制效果不佳。调节过程中时间延长导致能耗较大,热量损失严重,不能满足用户的供热需求。
本发明提供了一种全新的基于供热系统的室内温度控制方法及装置,通过获取目标温度范围,供热系统的实时数据,其中,实时数据至少包括气象参数、供热参数,基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度,基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略,将控制策略下发至设备,以使各设备基于控制策略进行调控,监测当前室内温度,基于当前室内温度和目标温度范围,判断是否处于目标温度范围,若当前室内温度处于目标温度范围,则返回监测当前室内温度步骤。本发明基于供热系统的实时数据,利用算法模型预测室内温度,通过控制供水流量、调节阀门开度、控制燃料消耗量等方式对设备进行调控,缩短了供热系统调控时间,解决了室内温度调节滞后的问题,避免能源浪费的情况发生,节约供热成本,保证供给效率,有利于提升供热系统的稳定性,实现了根据用户需求智能调节室内温度,保证供热系统的运行效率。。
下面将结合附图详细说明根据本公开实施例提供的一种供热系统的室内温度控制方法和装置。
图1是本公开实施例的一种基于供热系统的室内温度控制系统的示意图,如图1所示,一种室内温度控制系统包括:物联设备101、智能调控平台102、供热设备103。
物联设备101获取用户需要的目标温度范围,以及获取供热系统的实时数据。物联设备包括但不限于室温控制器、室外气象仪、温湿度传感器、阀门控制器等。
具体地,利用室温控制器获取目标温度范围,目标温度为采暖用户预先设置的期望供热温度。实时数据至少包括气象参数和供热参数,利用室外气象仪采集用户所处环境的室外气象参数,利用各类仪表传感器,采集当前室内温度、输水温度、阀门开度、供水流量等供热参数。将采集后的数据通过有线或无线传输至智能调控平台102。优选地,本实施例中,通过网关将数据上传至智能调控平台。
智能调控平台102包括数据采集单元、室内温度预测单元、寻优控制单元、策略下发单元、实时监测单元。
具体地,数据采集单元用于接收目标温度范围以及实时数据,室内温度预测单元利用预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度。寻优控制单元根据室内温度和实时数据,通过粒子群参数优化算法,得到最优的设备控制策略。策略下发单元用于将控制策略下发至供热设备控制器PLC中。实时监测单元用于监测各个单元的数据传输情况,获取执行策略的反馈结果,基于反馈结果确定是否继续进行调控,以使是室内温度处于目标温度范围内。供热设备103,接收智能调控平台下发的控制策略,将接收的控制策略利用设备中的PLC控制器转换为控制信号,通过控制线路对供热设备进行程序控制,供热设备至少包括供热锅炉、智能循环水泵、智能阀门。供热设备一般设置在供热单位为用户提供热量。例如,供热单位可以是热电厂、热电厂对应多个换热站,换热站和热电厂通过主管道进行热交换,每个换热站可以为多个用户提供热量。
作为示例,获取目标温度范围20-22℃,以及实时数据,通过长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度,基于预测室内温度和实时数据,得到针对不同设备的控制策略,供热设备执行相应的控制策略,监测得到当前的室内温度为18℃,此时当前室内温度未处于目标温度范围内,则智能调控平台更新实时数据,输出新的控制策略,调控供热设备,以使当前室内温度落入目标温度范围内,重复以上步骤,直至得到当前室内温度为处于目标温度范围内,则返回监测当前室内温度的步骤,继续监测当前的室内温度。
智能调控平台和供热设备,通过有线或无线的方式进行通信,优选地,无线通信的方式可以为Zigbee、蓝牙或Wifi中的一种方式,进行信息传输,通过通信接口完成数据的接收以及控制策略的发送,本公开实施例对此不作限制。
图2是本公开实施例提供的一种基于供热系统的室内温度控制方法的流程示意图。如图2所示,该室内温度控制方法包括:
S201,获取目标温度范围。
不同的用户群体需要的室内温度的不同,供热公司根据采暖用户的需要设置供热,用户利用室内温度控制器可以设置目标温度范围,目标温度范围可以设置为18-25℃,并传输至智能调控平台作为参考。低于目标温度范围,则认为供热量不足,高于目标温度范围,则认为过量供热。
S202,获取供热系统的实时数据,其中,实时数据至少包括气象参数、供热参数。实时数据可以通过设置在供暖设备上的传感器获取。采集的数据时间范围至少为一个月。具体地,安装在采暖用户建筑外的室外气象仪可以采集室外的气象参数,气象参数至少包括太阳辐射强度、风速、气压、室外温度,室外采集能够为预测算法模型提供更精确的气象参数。安装在供热设备上的各类仪表传感器能够获取供热参数,采集当前室内温度、输水温度、回水温度、供水流量等供热系统数据。作为示例,温度传感器可以用于采集当前时刻的室内温度,实时监测室内温度变化情况,并上传至智能调控平台以进行控制策略的调整。利用阀门控制器可以获取阀门开度,利用流量传感器采集管道中的供水流量。
S203,基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度。
将实时数据进行数据预处理,得到中间数据,数据预处理至少包括以下一种:数据清洗、数据缺失填充、数据合并和归一化处理。数据清洗,将获取的实时数据中的异常数据进行清洗,异常数据可能为用户未缴费、水泵供水异常等,以保证数据的真实性和可靠性。将缺失的数据进行填充、数据合并和归一化处理,以时间为基准进行数据合并,得到序列数据,利用序列数据搭建长短时记忆神经网络模型。
将中间数据输入至预设的长短时记忆网络模型中进行计算,得到目标时刻的预测室内温度,目标时刻为当前时刻的下一时刻。
S204,基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略。
基于预测室内温度、气象参数、供热系统的相关数据,进行粒子群初始化,计算各个参数粒子的适应度,同时设置粒子群参数优化终止条件,以迭代次数或目标温度最优值作为约束条件。
基于适应度函数和粒子群参数优化终止条件,通过粒子群参数优化算法进行优化,更新粒子参数、个体最优值、全局最优值,达到终止条件后优化结束,至少生成针对循环变频水泵、智能阀门、供热锅炉的各项控制策略。
S205,将控制策略下发至对应设备,以使各设备基于控制策略进行调控。供热设备至少包括循环变频水泵、智能阀门、供热锅炉。
针对循环变频水泵,控制策略为调节变频速率,控制变频器升速,增加供水流量,将更多的热量输送至用户,为了增加控制的灵活性,将流量划分为不同的等级,使用户的需求热量和水泵的供热量相对应。
针对智能阀门,控制策略为调节智能阀门的阀门开度,若智能阀门有多个,可以开启群控策略。优选地,可以将预测室内温度设置为多个阶段,确定不同的温度下的阀门开度。作为示例,若预测室内温度为18-20℃,则控制阀门开度为40%-70%,若阀门开度为20-22℃,则控制阀门开度为50%-80%,阀门开度的大小,根据实际供热效果进行调整。
针对供热锅炉,控制策略为通过调节燃料消耗量和送风量实现对供热锅炉的控制,以调节供热量进而实现调节室内温度。例如,将燃煤通过加料口投入到供热锅炉中,根据需要选择投入到锅炉中的燃料进量。基于烟气中的含氧量调节送风量,具体地,通过PLC控制器控制风机的转速和助燃泵的启停,当氧气含量过低时,PLC控制器控制风机加速,当氧气含量达标时,PLC控制风机减慢转速,助燃泵停止工作。
S206,监测当前室内温度。
利用物联设备采集当前室内温度,并将当前室内温度上传至智能调控平台智能调控平台对当前室内温度进行实时监测。
S207,基于当前室内温度和目标温度范围,判断当前室内温度是否落入目标温度范围。
若当前室内温度处于目标温度范围,则返回监测当前室内温度步骤S206,继续执行监测。
进一步地,若当前室内温度不处于目标温度范围,则返回获取供热系统的实时数据步骤S202,智能调控平台响应于当前室内温度不处于目标温度范围内,更新实时数据,生成新的控制策略后下发至供热设备,采集当前时刻的室内温度,再次判断当前室内温度是否处于目标温度范围内,若仍未处于目标温度范围内,则继续重复以上步骤,直至当前室内温度落入目标温度范围内。
进一步地,根据供热设备的供热效率,选择供热设备进行启停组合,生成多种控制策略,如同时调节供热锅炉和智能阀门,计算每个控制策略的供热效率和供热成本,通过设置相关评价指标确定最佳方案,评价指标可以为单次的运行费用最小,或能源消耗率最低,根据综合二者的评估效果进行选择,如在运行费用不超过特定的阈值时,能源消耗率最低的控制方案即为最优控制策略,这样能够针对供热系统进行灵活调节,满足用户需求的同时降低供热成本,节约能源小号。
根据本公开实施例提供的技术方案,通过获取目标温度范围,获取供热系统的实时数据,其中,实时数据至少包括气象参数、供热参数,基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度,基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略,将控制策略下发至对应设备,以使各设备基于控制策略进行调控,监测当前室内温度,基于当前室内温度和目标温度范围,判断是否处于目标温度范围,若当前室内温度处于目标温度范围,则返回监测当前室内温度步骤。本发明基于供热系统的实时数据,利用算法模型预测室内温度,针对供热设备进行调控。大大缩短了供热系统的调控时间,从而降低能源消耗,节约供热成本,保证供给效率,有利于提升供热系统的稳定性,实现供需平衡,进一步优化室内温度的调控效果。同时基于数字化技术建立供热系统的监测运行机制,有利于供热系统的动态管理,通过物联采集能够集中获取供热系统的能耗信息,根据采集信息进行供热系统的能源调配,为供热部门提供数据支持,实现数据化、信息化管理。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的一种基于供热系统的室内温度控制装置的示意图。如图3所示,该室内温度控制装置包括:数据采集模块301被配置为获取目标温度范围;数据采集模块301,还被配置为获取供热系统的实时数据,实时数据至少包括气象参数、供热参数;室内温度预测模块302,被配置为基于预设的长短时记忆神经网络模型对实时数据进行处理,得到目标时刻的预测室内温度;寻优控制算法模块303,被配置为基于预测室内温度和实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略;控制策略下发模块304,被配置为将控制策略下发至对应设备,以使各设备基于控制策略进行调控;监测模块305,监测当前室内温度;判断模块306,被配置为基于当前室内温度和目标温度范围,判断当前室内温度是否处于目标温度范围,若当前室内温度处于目标温度范围,则返回实时监测模块,若当前室内温度不处于目标温度范围,则返回数据采集模块。
进一步地,数据采集模块301,被具体配置为气象参数至少包括太阳辐射强度、风速、气压;供热参数至少包括室内温度、室外温度、供水流量、阀门开度、燃料消耗量、送风量、供水温度、回水温度。
进一步地,室内温度预测模块302,被具体配置为将实时数据进行数据预处理,得到中间数据,数据预处理至少包括以下一种:数据清洗、数据缺失填充、数据合并和归一化处理;将中间数据输入至预设的长短时记忆神经网络模型进行计算,得到目标时刻的预测室内温度,目标时刻为当前时刻的下一时刻。
进一步地,寻优控制算法模块303,被具体配置为基于预测室内温度和实时数据将粒子群初始化,确定适应度函数,同时设置粒子群参数优化终止条件,基于适应度函数和粒子群参数优化终止条件,通过粒子群参数优化算法进行优化,达到终止条件后优化结束,至少生成针对循环变频水泵、智能阀门、供热锅炉的各项控制策略。
进一步地,控制策略下发模块304,被具体配置为针对循环变频水泵,控制策略包括调节循环变频水泵的变频速率,以控制供水流量;针对智能阀门,控制策略包括调节智能阀门的阀门开度;针对供热锅炉,控制策略包括控制供热锅炉的燃料消耗量和送风量,以调节供热量。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备6的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器402还可以既包括电子设备6的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。
集成的模块/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存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于供热系统的室内温度控制方法,其特征在于,包括:
获取目标温度范围;
获取供热系统的实时数据,其中,所述实时数据至少包括气象参数和供热参数;
基于预设的长短时记忆神经网络模型对所述实时数据进行处理,得到目标时刻的预测室内温度;
基于所述预测室内温度和所述实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略;
将所述控制策略下发至对应设备,以使各所述设备基于控制策略进行调控;
监测当前室内温度;
基于所述当前室内温度和所述目标温度范围,判断所述当前室内温度是否处于所述目标温度范围;
若所述当前室内温度处于所述目标温度范围,则返回所述监测当前室内温度步骤。
2.根据权利要求1所述的方法,其特征在于,所述基于所述当前室内温度和所述目标温度范围,判断所述当前室内温度是否处于所述目标温度范围步骤后,还包括:
若所述当前室内温度不处于所述目标温度范围,则返回所述获取供热系统的实时数据步骤。
3.根据权利要求1所述的方法,其特征在于,所述气象参数至少包括太阳辐射强度、风速、气压;
所述供热参数至少包括室内温度、室外温度、供水流量、阀门开度、燃料消耗量、送风量、供水温度、回水温度。
4.根据权利要求1所述的方法,其特征在于,所述基于预设的长短时记忆神经网络模型对所述实时数据进行处理,得到目标时刻的预测室内温度,包括:
将所述实时数据进行数据预处理,得到中间数据,所述数据预处理至少包括以下一种:数据清洗、数据缺失填充、数据合并和归一化处理;
将所述中间数据输入至预设的长短时记忆神经网络模型进行计算,得到目标时刻的预测室内温度,所述目标时刻为当前时刻的下一时刻。
5.根据权利要求1所述的方法,其特征在于,所述基于所述预测室内温度和所述实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略,包括:
基于所述预测室内温度和所述实时数据将粒子群初始化,确定适应度函数,同时设置粒子群参数优化终止条件;
基于所述适应度函数和所述粒子群参数优化终止条件,通过粒子群参数优化算法进行优化,达到终止条件后优化结束,至少生成针对循环变频水泵、智能阀门、供热锅炉的各项控制策略。
6.根据权利要求5所述的方法,其特征在于,所述将所述控制策略下发至对应设备,以使各所述设备基于控制策略进行调控步骤中:
针对循环变频水泵,控制策略包括调节所述循环变频水泵的变频速率,以控制供水流量;
针对智能阀门,控制策略包括调节所述智能阀门的阀门开度;
针对供热锅炉,控制策略包括控制所述供热锅炉的燃料消耗量和送风量,以调节供热量。
7.一种基于供热系统的室内温度控制装置,其特征在于,包括:
数据采集模块,被配置为获取目标温度范围;
所述数据采集模块还被配置为获取供热系统的实时数据,所述实时数据至少包括气象参数和供热参数;
室内温度预测模块,被配置为基于预设的长短时记忆神经网络模型对所述实时数据进行处理,得到目标时刻的预测室内温度;
寻优控制算法模块,被配置为基于所述预测室内温度和所述实时数据,通过粒子群参数优化算法优化,得到针对不同设备的控制策略;
控制策略下发模块,被配置为将控制策略下发至对应设备,以使各所述设备基于控制策略进行调控;
实时监测模块,被配置为监测当前室内温度;
判断模块,被配置为基于所述当前室内温度和所述目标温度范围,判断所述当前室内温度是否处于所述目标温度范围;
若所述当前室内温度处于所述目标温度范围,则返回所述实时监测模块。
8.根据权利要求7所述的装置,其特征在于,若所述当前室内温度不处于所述目标温度范围,则返回所述数据采集模块。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607715.8A CN115013861B (zh) | 2022-05-31 | 2022-05-31 | 一种基于供热系统的室内温度控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607715.8A CN115013861B (zh) | 2022-05-31 | 2022-05-31 | 一种基于供热系统的室内温度控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115013861A true CN115013861A (zh) | 2022-09-06 |
CN115013861B CN115013861B (zh) | 2024-03-08 |
Family
ID=83070286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210607715.8A Active CN115013861B (zh) | 2022-05-31 | 2022-05-31 | 一种基于供热系统的室内温度控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115013861B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115914307A (zh) * | 2022-12-06 | 2023-04-04 | 中国建筑科学研究院有限公司 | 一种基于边缘计算的供热气象调控方法、系统及设备 |
CN116105223A (zh) * | 2023-01-31 | 2023-05-12 | 北京华通兴远供热节能技术有限公司 | 一种基于预测的智能供热控制系统及方法 |
CN116398932A (zh) * | 2023-04-25 | 2023-07-07 | 华能(天津)能源销售有限责任公司 | 一种供热管路智能管理方法及系统 |
US11698204B1 (en) * | 2022-06-05 | 2023-07-11 | Houshang Esmaili | Automation and optimization of fuel feed to heating elements of heating, ventilation, and air conditioning (HVAC) systems |
CN117249471A (zh) * | 2023-11-20 | 2023-12-19 | 哈尔滨哈东新春锅炉有限公司 | 一种锅炉负荷调节方法及系统 |
CN117709637A (zh) * | 2023-12-11 | 2024-03-15 | 武汉本物科技股份有限公司 | 基于气象与能源价格耦合的热能管理方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000031679A (ko) * | 1998-11-09 | 2000-06-05 | 장사윤 | 온수 온돌 난방 시스템용 다기능 온도 제어장치 |
CN104456972A (zh) * | 2014-12-03 | 2015-03-25 | 大连爱特流体控制有限公司 | 一种记忆型智能小型供热锅炉系统 |
CN104864568A (zh) * | 2015-05-28 | 2015-08-26 | 青岛海尔空调电子有限公司 | 空调睡眠模式控制方法及空调 |
CN106016447A (zh) * | 2016-06-02 | 2016-10-12 | 珠海格力电器股份有限公司 | 供热管网调控方法和系统 |
CN107907357A (zh) * | 2017-11-01 | 2018-04-13 | 清华大学 | 测试集中供热系统动态特性的方法及装置 |
CN114076343A (zh) * | 2020-08-19 | 2022-02-22 | 京东城市(北京)数字科技有限公司 | 换热站温度控制方法、装置、计算机设备和存储介质 |
CN114396646A (zh) * | 2021-12-27 | 2022-04-26 | 大连海心信息工程有限公司 | 一种基于用户有效室温的换热站智能控制方法 |
-
2022
- 2022-05-31 CN CN202210607715.8A patent/CN115013861B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000031679A (ko) * | 1998-11-09 | 2000-06-05 | 장사윤 | 온수 온돌 난방 시스템용 다기능 온도 제어장치 |
CN104456972A (zh) * | 2014-12-03 | 2015-03-25 | 大连爱特流体控制有限公司 | 一种记忆型智能小型供热锅炉系统 |
CN104864568A (zh) * | 2015-05-28 | 2015-08-26 | 青岛海尔空调电子有限公司 | 空调睡眠模式控制方法及空调 |
CN106016447A (zh) * | 2016-06-02 | 2016-10-12 | 珠海格力电器股份有限公司 | 供热管网调控方法和系统 |
CN107907357A (zh) * | 2017-11-01 | 2018-04-13 | 清华大学 | 测试集中供热系统动态特性的方法及装置 |
CN114076343A (zh) * | 2020-08-19 | 2022-02-22 | 京东城市(北京)数字科技有限公司 | 换热站温度控制方法、装置、计算机设备和存储介质 |
CN114396646A (zh) * | 2021-12-27 | 2022-04-26 | 大连海心信息工程有限公司 | 一种基于用户有效室温的换热站智能控制方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11698204B1 (en) * | 2022-06-05 | 2023-07-11 | Houshang Esmaili | Automation and optimization of fuel feed to heating elements of heating, ventilation, and air conditioning (HVAC) systems |
CN115914307A (zh) * | 2022-12-06 | 2023-04-04 | 中国建筑科学研究院有限公司 | 一种基于边缘计算的供热气象调控方法、系统及设备 |
CN115914307B (zh) * | 2022-12-06 | 2023-09-26 | 中国建筑科学研究院有限公司 | 一种基于边缘计算的供热气象调控方法、系统及设备 |
CN116105223A (zh) * | 2023-01-31 | 2023-05-12 | 北京华通兴远供热节能技术有限公司 | 一种基于预测的智能供热控制系统及方法 |
CN116105223B (zh) * | 2023-01-31 | 2023-10-27 | 北京华通兴远供热节能技术有限公司 | 一种基于预测的智能供热控制系统及方法 |
CN116398932A (zh) * | 2023-04-25 | 2023-07-07 | 华能(天津)能源销售有限责任公司 | 一种供热管路智能管理方法及系统 |
CN116398932B (zh) * | 2023-04-25 | 2024-01-23 | 华能(天津)能源销售有限责任公司 | 一种供热管路智能管理方法及系统 |
CN117249471A (zh) * | 2023-11-20 | 2023-12-19 | 哈尔滨哈东新春锅炉有限公司 | 一种锅炉负荷调节方法及系统 |
CN117249471B (zh) * | 2023-11-20 | 2024-01-16 | 哈尔滨哈东新春锅炉有限公司 | 一种锅炉负荷调节方法及系统 |
CN117709637A (zh) * | 2023-12-11 | 2024-03-15 | 武汉本物科技股份有限公司 | 基于气象与能源价格耦合的热能管理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115013861B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115013861B (zh) | 一种基于供热系统的室内温度控制方法及装置 | |
CN112128841B (zh) | 一种基于负荷预测和室温反馈修正的全网平衡调节方法 | |
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
CN107800157B (zh) | 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法 | |
CN111550861B (zh) | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 | |
CN112232980A (zh) | 一种区域能源供热系统热泵机组调控方法 | |
EP2394204A1 (en) | Distributed electrical power production system and method of control thereof | |
KR102194002B1 (ko) | 최적 물리 학습모델과 기계학습을 이용한 에너지 운영관리 시스템 | |
CN109284576B (zh) | 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统 | |
CN105244870B (zh) | 一种快速计算电网风电场弃风率及机组发电量的方法 | |
CN108800303B (zh) | 一种基于模式识别的精细化节能供热方法 | |
CN104037761A (zh) | 一种agc功率多目标随机优化分配方法 | |
CN108062025B (zh) | 基于终端热负荷非均一特性的电、热协同调度系统及其方法 | |
CN111555291A (zh) | 一种基于自适应粒子群的负荷集群控制方法 | |
CN114841410A (zh) | 一种基于组合策略的换热站负荷预测方法和系统 | |
CN115361841A (zh) | 一种适应数据中心全工况操作的屏蔽泵控制系统及其方法 | |
CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及系统 | |
CN113078629A (zh) | 一种用于集群温控负荷聚合商功率调控的聚合体功率分配模型及分布式一致性控制方法 | |
CN114517930A (zh) | 一种融合机理和数据的热网换热站供热调节方法和装置 | |
CN113112095A (zh) | 一种多模式多供热机组负荷实时优化调度方法及管理系统 | |
CN113591283B (zh) | 燃气锅炉的运行氧量调整方法、装置和计算机设备 | |
CN117555225B (zh) | 一种绿色建筑能源管理控制系统 | |
RU2818691C1 (ru) | Интеллектуальная система управления теплоснабжением | |
CN116841197B (zh) | 建筑物热源系统的运行调控方法及其装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |