CN115841188B - 一种基于用户行为分析的供热系统供需优化方法 - Google Patents
一种基于用户行为分析的供热系统供需优化方法 Download PDFInfo
- Publication number
- CN115841188B CN115841188B CN202211712474.XA CN202211712474A CN115841188B CN 115841188 B CN115841188 B CN 115841188B CN 202211712474 A CN202211712474 A CN 202211712474A CN 115841188 B CN115841188 B CN 115841188B
- Authority
- CN
- China
- Prior art keywords
- heating
- supply
- behavior
- demand
- user
- 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.)
- Active
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 250
- 238000005457 optimization Methods 0.000 title claims abstract description 66
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000006399 behavior Effects 0.000 claims abstract description 237
- 230000007246 mechanism Effects 0.000 claims abstract description 19
- 238000012098 association analyses Methods 0.000 claims abstract description 11
- 238000009825 accumulation Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 15
- 238000005485 electric heating Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 230000003542 behavioural effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108010074864 Factor XI Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于用户行为分析的供热系统供需优化方法，包括：采集供热系统所对应供热区域中每个取暖用户的用户行为，并对采集的用户行为进行分析，构建得到第一目标模型；获取供热系统向供热区域中不同供热位置点的供热输出以及供热系统的供热机制，构建得到第二目标模型；基于第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划；基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子；基于所有供需调整因子，确定供热系统的供需优化因子，并按照供需优化因子对供热系统进行供需优化。可以有效的满足用户的热负荷需求。
Description
技术领域
本发明涉及供热技术领域，特别涉及一种基于用户行为分析的供热系统供需优化方法。
背景技术
供热系统是指对一定区域内的建筑物群体,由热源、热网、用户三部分组成，由一个或者多个热源提供热量，通过区域统一供热管道输送给用户，满足用户的热负荷需求。
但是不同的取暖用户所对应的供暖需求是不一样的，但是，一般都是按照某个固定的热量进行热负荷提供，并不会针对用户本身去考虑，这样会导致不会很好满足用户的热负荷需求。
因此，本发明提出一种基于用户行为分析的供热系统供需优化方法。
发明内容
本发明提供一种基于用户行为分析的供热系统供需优化方法，用以通过对用户行为分析构建模型以及通过对供热系统分析构建模型，通过建立两者模型之间的关联，来确定取暖用户的供需规划，进而通过与初始规划的比较，来得到针对供热系统的供需优化因子，实现供需优化，可以有效的满足用户的热负荷需求。
本发明提供一种基于用户行为分析的供热系统供需优化方法，包括：
步骤1：采集供热系统所对应供热区域中每个取暖用户的用户行为，并对采集的用户行为进行分析，构建得到第一目标模型；
步骤2：获取所述供热系统向所述供热区域中不同供热位置点的供热输出以及所述供热系统的供热机制，构建得到第二目标模型；
步骤3：基于所述第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划；
步骤4：基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子；
步骤5：基于所有供需调整因子，确定所述供热系统的供需优化因子，并按照所述供需优化因子对所述供热系统进行供需优化。
优选的，对采集的用户行为进行分析，包括：
采集所述供热区域中每个取暖用户的用户行为，并构建对应取暖用户的行为集合；
按照预设取暖类型对所述行为集合进行行为分类，获取若干行为子集；
分别计算每个行为子集的行为权重，并向对应行为子集中的每个行为设置行为标签，其中，所述行为标签与对应行为的权重占比以及对应行为的取暖类型有关；
其中，G0表示对应行为子集的行为权重；n1表示对应行为子集中包含的行为个数；
表示对应行为子集中第i个行为的行为信息/>
与对应行为子集所匹配的取暖类型的标准行为信息/>
之间的相似函数；/>
表示对应行为子集的平均相似函数；/>
表示对应行为子集中第i个行为的比较结果；sum表示累加和符号；n2表示对应行为子集中满足/>
的总行为个数；其中，不同行为子集涉及到的行为个数、行为信息、标准行为信息以及行为权重是变量；
基于行为标签，从所述行为集合中筛选对应取暖用户的关键行为，并按照所述关键行为以及辅助行为，构建对应取暖用户的第一目标模型。
优选的，对应行为子集中每个行为的权重占比，计算如下：
其中，
表示对应行为子集中第i个行为的子权重；/>
表示对应行为子集中第i个行为的权重占比。
优选的，按照所述关键行为以及辅助行为，构建对应取暖用户的第一目标模型，包括：
基于同个取暖用户的行为集合，来拆分得到的关键行为集以及辅助行为集；
基于行为指标提取模型，对所述关键行为集进行关键指标提取以及对所述辅助行为集进行辅助指标提取；
基于关键指标提取结果g1，构建第一目标函数R1；
基于辅助指标提取结果g2，构建所述第一目标函数R1的延伸因子r1，并得到第一目标模型R01=R01(g1)+ r1(g2)。
优选的，获取所述供热系统向所述供热区域中不同供热位置点的供热输出以及所述供热系统的供热机制，构建得到第二目标模型，包括：
获取所述供热区域的供热位置点，并构建供热布局图，基于所述供热布局图获取所述供热系统到每个供热位置点的供热距离k1以及每个供热位置点当下可接收到来自所述供热系统的供热输出k2；
获取所述供热系统的供热机制并进行机制解析，获取得到所述供热系统向所述供热区域的供热级别k3以及供热系统向所述供热区域的供热控制方式k4；
基于k1、k2、k3以及k4，构建第二目标模型R02=R2(k1,k2,k3,k4)；
其中，R2表示第二目标函数。
优选的，基于所述第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划，包括：
根据参数关联机制，对所述第一目标模型中的模型参数与第二目标模型中的模型参数进行参数关联，得到关联分析结果；
基于关联分析结果，获取得到对应取暖用户的供需规划。
优选的，基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子，包括：
基于所述初始规划与供需规划，建立同个取暖用户的规划差异阵列，且所述规划差异阵列中包含若干差异数组，且每个差异数组包括初始规划中的第一规划参数以及供需规划中的第二规划参数；
获取每个差异数组中第一规划参数与第二规划参数的比较值；
当比较值大于0时，将对应差异数组进行第一标定；
当比较值等于0时，将对应差异数组进行第二标定；
当比较值小于0时，将对应差异数组进行第三标定；
基于预设差异组合映射数据库，获取所述规划差异阵列中第一标定结果对应的第一调整因子；
同时，基于预设差异组合映射数据库，获取所述规划差异阵列中第三标定结果对应的第二调整因子；
分析所述第一调整因子对第三标定结果的结果影响值以及所述第二调整因子对第三标定结果的结果影响值是否超出对应的预设影响范围；
若未超过，将所述第一调整因子、第二调整因子作为供需调整因子；
否则，按照第一标定结果的第一个数计算第一累加权重和、按照第二标定结果的第二个数计算第二累加权重和以及按照第三标定结果的第三个数计算第三累加权重和；
从所述第一累加权重和、第二累加权重和以及第三累加权重和中筛选最大累加权重和，若所述最大累加权重和大于剩余两个的和，则，从因子组合数据库中调取与最大累加权重和匹配的组合规划参数的第三调整因子；
否则，筛选第二大累计权重和，并从因子组合数据库中调取与第二大累计权重和以及最大累加权重和匹配的组合规划参数的第四调整因子。
优选的，基于所有供需调整因子，确定所述供热系统的供需优化因子，包括：
获取调整-优化数据表；
基于所述调整-优化数据表，匹配与所述供需调整因子一致的供需优化因子。
优选的，按照所述供需优化因子对所述供热系统进行供需优化，包括：
获取每个取暖用户对应的供需优化因子并进行取暖类型的分类；
获取不同取暖类型的第一优化因子进行因子重叠剔除，并对高频率集中因子进行锁定，确定锁定因子对应的第一供需调整值；
同时，获取剩余低频率因子的辅助值；
基于所述辅助值对所述第一供需调整值进行优化，得到第二供需调整值；
按照每个取暖类型的第二供需调整值，对所述供热系统进行优化控制。
优选的，所述预设取暖类型包括：电取暖、气取暖以及热取暖。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于用户行为分析的供热系统供需优化方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种基于用户行为分析的供热系统供需优化方法，如图1所示，包括：
步骤1：采集供热系统所对应供热区域中每个取暖用户的用户行为，并对采集的用户行为进行分析，构建得到第一目标模型；
步骤2：获取所述供热系统向所述供热区域中不同供热位置点的供热输出以及所述供热系统的供热机制，构建得到第二目标模型；
步骤3：基于所述第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划；
步骤4：基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子；
步骤5：基于所有供需调整因子，确定所述供热系统的供需优化因子，并按照所述供需优化因子对所述供热系统进行供需优化。
该实施例中，供热系统是包括一种或多种供热类型在内的，且供热类型包括电取暖类型、气取暖类型或者热取暖类型，如果是多种供热类型在内，在是将多种供热类型进行供热联动，进而构成的供热系统，如果是一种供热类型，则是单独的供热类型进行唯一供热。
该实施例中，用户行为指的是该取暖用户在取暖过程中所采取的一些列取暖措施，比如，进行的电供暖来获取点供暖的指标，比如，温度指标、该类型不同温度下的取暖时长等，通过对这些指标分析，来构建得到第一目标模型，且第一目标模型主要与用户的日常取暖行为紧密联系。
该实施例中，第二目标模型主要与供热系统的供热输出以及供热输出所对应的供热位置，还有该系统本身的供需规划（热负荷总供量、热负荷平均供应量等）有关，来构建得到的第二目标模型。
该实施例中，模型关联分析指的是为了基于第一目标模型也就是用户的取暖行为与供热系统的供需需求之间的联系，比如，供热系统的平均热负荷为0.5，但是该用户的热负荷为0.6，也就是高于平均热负荷的，而此时取暖用户的供需规划是热负荷为0.5，但是初始规划是0.6，那么就可以获取到供需调整一直，也就是供需规划差0.1，也就是供热系统是围绕用户的取暖行为等来进行的调节优化的。
该实施例中，由于不同供需调整因子反馈到系统上，由供热系统对该情况进行优化的，因此，需要获取与供需规划差相关的优化因子，比如是，该用户需要在供热的基础上，再调升0.1，那么就可以控制供热系统中有取暖用户相关的其他类型的取暖设备进行开启或者是对其相关的取暖设备进行输出调节等，实现热量的补充，达到用户的初始规划。
上述技术方案的有益效果是：通过对用户行为分析构建模型以及通过对供热系统分析构建模型，通过建立两者模型之间的关联，来确定取暖用户的供需规划，进而通过与初始规划的比较，来得到针对供热系统的供需优化因子，实现供需优化，可以有效的满足用户的热负荷需求。
本发明提供一种基于用户行为分析的供热系统供需优化方法，对采集的用户行为进行分析，包括：
采集所述供热区域中每个取暖用户的用户行为，并构建对应取暖用户的行为集合；
按照预设取暖类型对所述行为集合进行行为分类，获取若干行为子集；
分别计算每个行为子集的行为权重，并向对应行为子集中的每个行为设置行为标签，其中，所述行为标签与对应行为的权重占比以及对应行为的取暖类型有关；
其中，G0表示对应行为子集的行为权重；n1表示对应行为子集中包含的行为个数；
表示对应行为子集中第i个行为的行为信息/>
与对应行为子集所匹配的取暖类型的标准行为信息/>
之间的相似函数；/>
表示对应行为子集的平均相似函数；/>
表示对应行为子集中第i个行为的比较结果；sum表示累加和符号；n2表示对应行为子集中满足/>
的总行为个数；其中，不同行为子集涉及到的行为个数、行为信息、标准行为信息以及行为权重是变量；
基于行为标签，从所述行为集合中筛选对应取暖用户的关键行为，并按照所述关键行为以及辅助行为，构建对应取暖用户的第一目标模型。
优选的，所述预设取暖类型包括：电取暖、气取暖以及热取暖。
该实施例中，用户行为也就是包括不同的取暖温度调节行为、不同取暖类型的使用时长等在内的，可以构建得到行为集合。
该实施例中，对行为集合分类是按照预设取暖类型进行分类的，比如，行为集合中包括：行为1、2、01、02、4、12，此时，按照预设取暖类型分类之后会得到：行为子集：行为1、2、4，行为子集：行为01、02，行为子集：行为12。
该实施例中，行为权重是基于公式计算得到的。
该实施例中，行为标签是基于行为权重以及行为所对应的取暖类型来综合设置的，方便从行为集合中筛选关键行为。
该实施例中，在设置行为标签之后，筛选的关键行为可以是从每个行为子集筛选得到的，进而来对取暖用户在取暖过程中的关键行为和辅助行为进行有效确定，保证构建第一目标模型的精准性，保证后续确定供需调整因子的准确性。
该实施例中，关键行为指的是在取暖行为中作为主要参考的行为，辅助行为指的是在取暖行为中作为可忽略的行为，也就是存在参考价值，但是参考价值不大，比如，获取的关键行为为：行为1、2、01、12，辅助行为即为：4、02。
上述技术方案的有益效果是：通过获取用户行为，并按照预设取暖类型对集合分类，且通过对每个行为子集进行行为权重的计算，来设置行为标签，进一步通过标签筛选关键行为，可以有效合理的构建得到第一目标模型，为后续获取调整因子提供基础。
本发明提供一种基于用户行为分析的供热系统供需优化方法，对应行为子集中每个行为的权重占比，计算如下：
其中，
表示对应行为子集中第i个行为的子权重；/>
表示对应行为子集中第i个行为的权重占比。
上述技术方案的有益效果是：通过计算权重占比，为设置行为标签提供基础，进一步保证后续调整因子的获取，间接满足用户的热负荷需求。
本发明提供一种基于用户行为分析的供热系统供需优化方法，按照所述关键行为以及辅助行为，构建对应取暖用户的第一目标模型，包括：
基于同个取暖用户的行为集合，来拆分得到的关键行为集以及辅助行为集；
基于行为指标提取模型，对所述关键行为集进行关键指标提取以及对所述辅助行为集进行辅助指标提取；
基于关键指标提取结果g1，构建第一目标函数R1；
基于辅助指标提取结果g2，构建所述第一目标函数R1的延伸因子r1，并得到第一目标模型R01=R01(g1)+ r1(g2)。
该实施例中，关键行为集合是为了能够主要代表该用户的取暖行为在内的，也就是包含行为1、2、01、12在内的，辅助行为集合只是起到一个辅助作用，可忽略不计，且对应包含行为4、02。
该实施例中，关键指标指的是关键行为所存在的指标，且行为指标提取模型是基于不同的行为以及与行为匹配的指标为样本训练得到的，因此，可以获取到关键行为集以及辅助行为集的相关指标。
该实施例中，第一目标函数主要是基于关键指标构建得到的，其中r1(g2)的取值是趋于0的，且延伸因子r1是指的是对第一目标函数起到辅助作用的因子。
该实施例中，基于行为指标提取模型提取之后，获取的关键指标为01、02、03，且该关键指标都可以用提取结果g1表示，同理，辅助指标都可以用提取结果g2表示。
该实施例中，第一目标模型主要是为了将存在的行为指标进行合理的应用。
上述技术方案的有益效果是：通过对行为集合进行拆分，并按照行为指标提取模型来分别提取不同拆分集合存在的指标，进而来构建得到第一目标模型，为表达用户的行为提供基础，且方便后续能够较好的获取供需规划，为供需优化提供基础。
本发明提供一种基于用户行为分析的供热系统供需优化方法，获取所述供热系统向所述供热区域中不同供热位置点的供热输出以及所述供热系统的供热机制，构建得到第二目标模型，包括：
获取所述供热区域的供热位置点，并构建供热布局图，基于所述供热布局图获取所述供热系统到每个供热位置点的供热距离k1以及每个供热位置点当下可接收到来自所述供热系统的供热输出k2；
获取所述供热系统的供热机制并进行机制解析，获取得到所述供热系统向所述供热区域的供热级别k3以及供热系统向所述供热区域的供热控制方式k4；
基于k1、k2、k3以及k4，构建第二目标模型R02=R2(k1,k2,k3,k4)；
其中，R2表示第二目标函数。
该实施例中，供热位置点指的是该供热区域中需要被供热的位置，比如，住宅楼上每户家庭都需要被供热，且，每户家庭所处的位置就可以视为被供热位置点，所有被供热位置点在该供热区域的排布分裂即为供热布局图。
该实施例中，供热距离指的是供热系统到每个被供热位置点的距离，且该距离可以是供热渠道的距离，供热输出指的是供热系统向该被供热位置点所提供的热能。
该实施例中，供热机制是预先设置好的，是包括向供热区域中不同被供热位置点的供热级别（即供热能量大小），以及向该被供热位置点的供热方式（电供热、暖供热、气供热等）。
上述技术方案的有益效果是：通过获取与供热系统相关的供热参数，来有效的构建第二目标函数。
本发明提供一种基于用户行为分析的供热系统供需优化方法，基于所述第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划，包括：
根据参数关联机制，对所述第一目标模型中的模型参数与第二目标模型中的模型参数进行参数关联，得到关联分析结果；
基于关联分析结果，获取得到对应取暖用户的供需规划。
该实施例中，参数关联机制指的是该目标区域中每个取暖用户的取暖行为相关行为参数指标与供热系统本身的供热参数之间建立关联关系。
比如，取暖用户1的关键行为指标是电取暖时间长，且取暖温度为26摄氏度，而第二目标模型中所确定的模型参数为电取暖的平均输出使用时长为1h，但是取暖用户1的关键行为指标对应的电取暖时间长为2h，且对应的关联分析结果即为：为电取暖的平均输出使用时长为1h，对应的供需规划为：建议电取暖时间长为1h，而初始规划为2h。
上述技术方案的有益效果是：通过基于参数关联机制对模型进行行为与预先系统设定情况的关联分析，便于有效获取得到取暖用户的供需规划。
本发明提供一种基于用户行为分析的供热系统供需优化方法，基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子，包括：
基于所述初始规划与供需规划，建立同个取暖用户的规划差异阵列，且所述规划差异阵列中包含若干差异数组，且每个差异数组包括初始规划中的第一规划参数以及供需规划中的第二规划参数；
获取每个差异数组中第一规划参数与第二规划参数的比较值；
当比较值大于0时，将对应差异数组进行第一标定；
当比较值等于0时，将对应差异数组进行第二标定；
当比较值小于0时，将对应差异数组进行第三标定；
基于预设差异组合映射数据库，获取所述规划差异阵列中第一标定结果对应的第一调整因子；
同时，基于预设差异组合映射数据库，获取所述规划差异阵列中第三标定结果对应的第二调整因子；
分析所述第一调整因子对第二标定结果的结果影响值以及所述第二调整因子对第二标定结果的结果影响值是否超出对应的预设影响范围；
若未超过，将所述第一调整因子、第二调整因子作为供需调整因子；
否则，按照第一标定结果的第一个数计算第一累加权重和、按照第二标定结果的第二个数计算第二累加权重和以及按照第三标定结果的第三个数计算第三累加权重和；
从所述第一累加权重和、第二累加权重和以及第三累加权重和中筛选最大累加权重和，若所述最大累加权重和大于剩余两个的和，则，从因子组合数据库中调取与最大累加权重和匹配的组合规划参数的第三调整因子；
否则，筛选第二大累计权重和，并从因子组合数据库中调取与第二大累计权重和以及最大累加权重和匹配的组合规划参数的第四调整因子。
该实施例中，取暖用户的初始规划：{e1,e2,e3,e4}，供需规划：{p1,p2,p3,p4},其中，e1,e2,e3,e4与p1,p2,p3,p4都是指的相关的规划参数，规划差异阵列为：{（e1,p1）（e2,p2）（e3,p3）（e4,p4）}，对应的差异数组为：（e1,p1）、（e2,p2）、（e3,p3）以及（e4,p4）。
也就是获取用户的初始意愿（初始规划）来与供需规划进行比较，实现对供热系统进行调整，来进一步满足用户的初始规划。
该实施例中，分别将每个差异数组中的两个规划参数进行比较，来确定大小结果。
该实施例中，预设差异组合映射数据库是包括不同规划参数所存在差异下的不同组合与该组合对应的调整因子在内的，因此，可以基于该数据库获取得到对应的调整因子，一个是基于差值小于0的情况下获取到的，一个是基于差值大于0的情况下获取到的，且调整因子主要是为了能够将差值小于0的供需规划参数往靠近初始规划对应的参数，来进行向下调整，为了能够将差值大于0的供需规划参数往靠近初始规划对应的参数，来进行向上调整。
该实施例中，分析调整因子对标定结果的影响值，主要是为了确定在按照调整因子进行满足初始规划调整的过程中，是否会对不存在差异参数造成影响。
该实施例中，第一调整因子、第二调整因子，都是为了能够消除存在奶的差异数组，使得通过对供热系统的调整，能更好的满足用户规划需求。
该实施例中，预设影响范围是预先设置好的，取值范围一般为（0，1），且结果影响值是基于因子-结果模型，来对输入的调整因子以及标定结果进行分析，来输出得到结果影响值。
该实施例中，每个规划参数都有其对应的规划权重，都是预先规划好的，所以，可以计算出不同标定结果的累加权重和。
该实施例中，因子组合数据库包括不同的规划参数的组合以及与该不同规划参数的组合所匹配的调整因子在内的，因此，可以获取到相应的调整因子。
上述技术方案的有益效果是：通过初始规划和供需规划来建立差异阵列，并分别对每个差异数组进行比较分析，来获取该阵列不同标定组合所对应的累加和权重，进而来从数据库中匹配调整因子，作为供需调整因子，实现对供热系统的调整，使其更加满足用户的供需要求。
本发明提供一种基于用户行为分析的供热系统供需优化方法，基于所有供需调整因子，确定所述供热系统的供需优化因子，包括：
获取调整-优化数据表；
基于所述调整-优化数据表，匹配与所述供需调整因子一致的供需优化因子。
该实施例中，调整-优化数据表是预先设置好的，可以根据调整因子，来获取到针对该系统的优化因子，比如，调整因子1、2，对应优化因子01，调整因子1、3、4，对应优化因子02，那么在进行因子匹配映射之后，可以有效获取到供需优化因子。
上述技术方案的有益效果是：通过从数据表中来匹配映射调整因子，进而有效获取到优化因子，为后续对供需系统的合理调整提供有效基础。
本发明提供一种基于用户行为分析的供热系统供需优化方法，按照所述供需优化因子对所述供热系统进行供需优化，包括：
获取每个取暖用户对应的供需优化因子并进行取暖类型的分类；
获取不同取暖类型的第一优化因子进行因子重叠剔除，并对高频率集中因子进行锁定，确定锁定因子对应的第一供需调整值；
同时，获取剩余低频率因子的辅助值；
基于所述辅助值对所述第一供需调整值进行优化，得到第二供需调整值；
按照每个取暖类型的第二供需调整值，对所述供热系统进行优化控制。
该实施例中，取暖用户1：供需优化因子10、11、21；
取暖用户2：供需优化因子13、21；
取暖用户3：供需优化因子10、31；
同取暖类型因子：10、11、13、10，其中10是重叠因子，则进行重叠剔除，得到10、11、13。
同取暖类型因子：21、21，其中21是重叠因子，则进行重叠剔除，得到21；
同类型取暖因子：31。
比如是按照因子间的距离划分得到的，那么高频率集中因子指的是10、11，那么就需要获取第一供需调整值，该供需调整值是基于因子10、11与所匹配的供需规划对应的因子来进行匹配计算得到的；
比如：
得到一个值，该值即为第一供需调整值。
其中，c10为因子10对应的值；c11为因子11对应的值；c参为供需规划所匹配参考因子对应的值。
该实施例中，辅助值：若c13大于c参，则辅助值设定为0.2；
若c13等于c参，则辅助值设定为0；
若c13小于c参，则辅助值设定为-0.1。
该实施例中，最后会获取得到第二供需调整值。
该实施例中，每个第二供需调整值都会存在相应的系统控制调整指令，获取与值匹配的指令来对供热系统进行优化控制。
该实施例中，在对供热系统进行优化控制后，可以很大程度上满足各种用户的供需需求，但是还有一部分供需需求达不到满足，所以，按照这部分未达到满足的供需需求，来向用户的用户的端发送取暖设备的自动调控方案，实现自主调控，进而来达到用户的供需要求。
上述技术方案的有益效果是：通过对优化因子进行取暖类型的分类并将因子重叠剔除，来对高频率集中因子进行锁定，且通过获取第一供需调整值以及辅助值，便于得到与每个取暖类型相关的指令，实现对供热系统的优化控制，有效满足用户的需求。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于用户行为分析的供热系统供需优化方法，其特征在于，包括：
步骤1：采集供热系统所对应供热区域中每个取暖用户的用户行为，并对采集的用户行为进行分析，构建得到第一目标模型；
步骤2：获取所述供热系统向所述供热区域中不同供热位置点的供热输出以及所述供热系统的供热机制，构建得到第二目标模型；
步骤3：基于所述第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划；
步骤4：基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子；
步骤5：基于所有供需调整因子，确定所述供热系统的供需优化因子，并按照所述供需优化因子对所述供热系统进行供需优化；
其中，对采集的用户行为进行分析，包括：
采集所述供热区域中每个取暖用户的用户行为，并构建对应取暖用户的行为集合；
按照预设取暖类型对所述行为集合进行行为分类，获取若干行为子集；
分别计算每个行为子集的行为权重，并向对应行为子集中的每个行为设置行为标签，其中，所述行为标签与对应行为的权重占比以及对应行为的取暖类型有关；
其中，G0表示对应行为子集的行为权重；n1表示对应行为子集中包含的行为个数；/>
表示对应行为子集中第i个行为的行为信息/>
与对应行为子集所匹配的取暖类型的标准行为信息/>
之间的相似函数；
表示对应行为子集的平均相似函数；/>
表示对应行为子集中第i个行为的比较结果；sum表示累加和符号；n2表示对应行为子集中满足
的总行为个数；其中，不同行为子集涉及到的行为个数、行为信息、标准行为信息以及行为权重是变量；基于行为标签，从所述行为集合中筛选对应取暖用户的关键行为，并按照所述关键行为以及辅助行为，构建对应取暖用户的第一目标模型；
其中，按照所述关键行为以及辅助行为，构建对应取暖用户的第一目标模型，包括：
基于同个取暖用户的行为集合，来拆分得到的关键行为集以及辅助行为集；
基于行为指标提取模型，对所述关键行为集进行关键指标提取以及对所述辅助行为集进行辅助指标提取；
基于关键指标提取结果
，构建第一目标函数R1；/>
基于辅助指标提取结果g2，构建所述第一目标函数R1的延伸因子r1，并得到第一目标模型
；
其中，获取所述供热系统向所述供热区域中不同供热位置点的供热输出以及所述供热系统的供热机制，构建得到第二目标模型，包括：
获取所述供热区域的供热位置点，并构建供热布局图，基于所述供热布局图获取所述供热系统到每个供热位置点的供热距离k1以及每个供热位置点当下可接收到来自所述供热系统的供热输出k2；
获取所述供热系统的供热机制并进行机制解析，获取得到所述供热系统向所述供热区域的供热级别k3以及供热系统向所述供热区域的供热控制方式k4；
基于k1、k2、k3以及k4，构建第二目标模型
；
其中，
表示第二目标函数。
2.如权利要求1所述的基于用户行为分析的供热系统供需优化方法，其特征在于，对应行为子集中每个行为的权重占比，计算如下：
3.如权利要求1所述的基于用户行为分析的供热系统供需优化方法，其特征在于，基于所述第一目标模型以及第二目标模型进行模型关联分析，确定每个取暖用户的供需规划，包括：
根据参数关联机制，对所述第一目标模型中的模型参数与第二目标模型中的模型参数进行参数关联，得到关联分析结果；
基于关联分析结果，获取得到对应取暖用户的供需规划。
4.如权利要求1所述的基于用户行为分析的供热系统供需优化方法，其特征在于，基于同个取暖用户的初始规划与对应的供需规划，确定对应取暖用户的供需调整因子，包括：
基于所述初始规划与供需规划，建立同个取暖用户的规划差异阵列，且所述规划差异阵列中包含若干差异数组，且每个差异数组包括初始规划中的第一规划参数以及供需规划中的第二规划参数；
获取每个差异数组中第一规划参数与第二规划参数的比较值；
当比较值大于0时，将对应差异数组进行第一标定；
当比较值等于0时，将对应差异数组进行第二标定；
当比较值小于0时，将对应差异数组进行第三标定；
基于预设差异组合映射数据库，获取所述规划差异阵列中第一标定结果对应的第一调整因子；
同时，基于预设差异组合映射数据库，获取所述规划差异阵列中第三标定结果对应的第二调整因子；
分析所述第一调整因子对第三标定结果的结果影响值以及所述第二调整因子对第三标定结果的结果影响值是否超出对应的预设影响范围；
若未超过，将所述第一调整因子、第二调整因子作为供需调整因子；
否则，按照第一标定结果的第一个数计算第一累加权重和、按照第二标定结果的第二个数计算第二累加权重和以及按照第三标定结果的第三个数计算第三累加权重和；
从所述第一累加权重和、第二累加权重和以及第三累加权重和中筛选最大累加权重和，若所述最大累加权重和大于剩余两个的和，则，从因子组合数据库中调取与最大累加权重和匹配的组合规划参数的第三调整因子；
否则，筛选第二大累计权重和，并从因子组合数据库中调取与第二大累计权重和以及最大累加权重和匹配的组合规划参数的第四调整因子。
5.如权利要求1所述的基于用户行为分析的供热系统供需优化方法，其特征在于，基于所有供需调整因子，确定所述供热系统的供需优化因子，包括：
获取调整-优化数据表；
基于所述调整-优化数据表，匹配与所述供需调整因子一致的供需优化因子。
6.如权利要求1所述的基于用户行为分析的供热系统供需优化方法，其特征在于，按照所述供需优化因子对所述供热系统进行供需优化，包括：
获取每个取暖用户对应的供需优化因子并进行取暖类型的分类；
获取不同取暖类型的第一优化因子进行因子重叠剔除，并对高频率集中因子进行锁定，确定锁定因子对应的第一供需调整值；
同时，获取剩余低频率因子的辅助值；
基于所述辅助值对所述第一供需调整值进行优化，得到第二供需调整值；
按照每个取暖类型的第二供需调整值，对所述供热系统进行优化控制。
7.如权利要求1所述的基于用户行为分析的供热系统供需优化方法，其特征在于，所述预设取暖类型包括：电取暖、气取暖以及热取暖。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211712474.XA CN115841188B (zh) | 2022-12-30 | 2022-12-30 | 一种基于用户行为分析的供热系统供需优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211712474.XA CN115841188B (zh) | 2022-12-30 | 2022-12-30 | 一种基于用户行为分析的供热系统供需优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115841188A CN115841188A (zh) | 2023-03-24 |
| CN115841188B true CN115841188B (zh) | 2023-05-23 |
Family
ID=85577572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211712474.XA Active CN115841188B (zh) | 2022-12-30 | 2022-12-30 | 一种基于用户行为分析的供热系统供需优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115841188B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117436679B (zh) * | 2023-12-21 | 2024-03-26 | 四川物通科技有限公司 | 一种元宇宙资源匹配方法及其系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9037307B2 (en) * | 2010-01-12 | 2015-05-19 | Panasonic Intellectual Property Management Co., Ltd. | Supply-and-demand control apparatus, supply-and-demand control method, and supply-and-demand control system |
| FR3101452B1 (fr) * | 2019-09-26 | 2022-07-29 | Electricite De France | Procédé de pilotage d’équipements électriques |
| CN113537578A (zh) * | 2021-06-25 | 2021-10-22 | 国网江苏省电力有限公司信息通信分公司 | 一种电力用户行为预测方法 |
| CN115013859B (zh) * | 2022-05-27 | 2023-11-24 | 浙江英集动力科技有限公司 | 一种基于用户画像的供热二级网分户调控方法 |
| CN114780622B (zh) * | 2022-06-27 | 2022-09-02 | 天津能源物联网科技股份有限公司 | 一种基于大数据平台的供热数据的智能分析方法及系统 |
| CN115095907B (zh) * | 2022-07-15 | 2022-11-11 | 唐山学院 | 基于深度学习的智慧供热节能调控方法、系统及存储介质 |
-
2022
- 2022-12-30 CN CN202211712474.XA patent/CN115841188B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115841188A (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115841188B (zh) | 一种基于用户行为分析的供热系统供需优化方法 | |
| KR102139358B1 (ko) | 머신러닝 기반 플랫폼을 이용한 공정제어방법, 그를 수행하기 위한 컴퓨터 프로그램 매체 및 공정제어장치 | |
| CN104700152B (zh) | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 | |
| CN117270611B (zh) | 智慧运动场馆的环境智能控制系统及方法 | |
| CN111210023B (zh) | 数据集分类学习算法自动选择系统及方法 | |
| CN110750567A (zh) | 一种基于智能衣柜的穿搭数据生成方法及系统 | |
| CN112987666A (zh) | 电厂机组运行优化调控方法及系统 | |
| WO2020147353A1 (zh) | 一种边缘端的嵌入式时间序列决策树分类方法及系统 | |
| CN113570240B (zh) | 一种基于农作物全生命周期管理的智慧农场平台 | |
| CN108830649A (zh) | 用于电力营销的产权变更用电客户定位方法 | |
| KR102447048B1 (ko) | 에너지 시뮬레이션 모델 생성 장치 및 방법 | |
| US20030237058A1 (en) | Method and system for the automatic design of experiments | |
| CN117072338B (zh) | 柴油发动机自适应喷油控制策略系统及优化方法 | |
| CN117369302A (zh) | 一种基于模型预测控制的智能家居系统 | |
| CN112987590A (zh) | 基于环境规律智能分析的智慧家庭控制方法及系统 | |
| CN117037771A (zh) | 基于语音识别储存的零冷水控制方法及装置 | |
| CN116951780A (zh) | 一种智能中央热水器管理方法和系统 | |
| CN115933503A (zh) | 一种发电设备的智能调节控制方法及系统 | |
| CN109523136A (zh) | 一种面向智能制造的调度知识管理系统 | |
| JP7494390B2 (ja) | サイトのエネルギー効率を評価するための方法 | |
| CN116166886A (zh) | 向量指数平滑新分类法在季节时间序列预测中的应用系统 | |
| Tripathy et al. | Smart farming based on deep learning approaches | |
| CN114970348A (zh) | 一种基于虚拟运营的燃煤电厂经营智能决策方法及系统 | |
| Owda et al. | Using artificial neural network techniques for prediction of electric energy consumption | |
| CN117458917A (zh) | 应用于多种工况的电机控制系统及其控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |