CN117436294A - 一种基于热平衡的状态分析方法及装置 - Google Patents

Abstract

本申请提供了一种基于热平衡的状态分析方法及装置，属于云上数据分析方法模型的领域，用于解决相关技术中小型供热系统因无法全面监控导致的可靠性偏低的问题，在该方法及装置中，根据供热系统预设时长内的热水温度和加热器状态，分析计算预设时长内供热系统的热量变化数据、理论电加热量数据、理论太阳能加热量数据，再基于累计热消耗数据确定预测偏差量数据，进而通过判断预测偏差量数据是否处于地理位置数据对应的偏差量阈值范围内，根据判断结果确定供热系统的运行状态是否正常。该方法及装置能够利用数据分析手段以有限的数据来分析供热系统整体的运行状态，有利于以较低的成本提高供热系统的可靠性。

Description

一种基于热平衡的状态分析方法及装置

技术领域

本申请涉及云上数据分析方法模型的领域，尤其涉及一种基于热平衡的状态分析方法及装置。

背景技术

热平衡理论是指一个不与外部发生热交换的系统，其总体热量保持不变，若系统与外部发生热交换，则系统的热量变化关联于外部输入到系统的热量以及系统输出至外部的热量，利用热平衡理论可以分析存在热交换的系统的工作状态，典型的存在热交换的系统例如供热系统。

供热系统是指实现热量供给的系统，在工业应用和民用上均较为广泛。供热系统根据具体应用需求的不同，表现形式也多种多样。目前一种较为常见的供热系统为以电锅炉为供热主体，并且为了节约电能，还耦合了太阳能模块，这种供热系统利于小规模化，已经开始在民用上推广。

民用的供热系统虽然规模较小，但是仍然是一个包含水、电两部分的相对复杂的系统，而且民用的供热系统出于成本考虑又无法如工业应用的供热系统一般以较为全面的监测器件布置实现供热系统的全面监测，如何改善民用的供热系统的可靠性，是本领域技术人员一直期待解决的问题。

发明内容

本申请提供了一种基于热平衡的状态分析方法及装置，其能够以一种基于热平衡理论和用户数据的云上分析模型实现对供热系统的运行状态分析，有利于改善供热系统的可靠性。

第一方面，本申请提供了一种基于热平衡的状态分析方法。所述方法应用于服务器，所述服务器连接多个监控终端，一监控终端用于采集一供热系统的热水温度数据和加热器状态数据；

所述方法包括：

获取每一监控终端在当前时刻之前预设时长内采集的热水温度数据和加热器状态数据，并获取每一监控终端对应的地理位置数据；

针对每一监控终端，根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据，以及根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据，以及根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据；

根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据；

判断预测偏差量是否处于与地理位置数据对应的偏差量阈值范围内；

若是，则返回运行状态正常结果；否则返回运行状态异常结果。

通过采用上述技术方案，实现了对供热系统的热产生量和热消耗量的估算，也实现了对供热系统热变化量的检测，根据估算结果和检测结果的偏差，利用数据分析的手段可以确定异常运行的供热系统。

进一步地，所述偏差量阈值范围的确定方法包括：

基于预获取的地理区域数据，确定监控终端对应的地理位置数据所处的地理区域；

利用聚类算法对每一地理区域的所有监控终端的预测偏差量数据进行分析，分别得到一所述偏差量阈值范围。

进一步地，所述根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据包括：

确定当前时刻的热水温度数据为第一温度数据，确定当前时刻之前预设时长时刻的热水温度数据为第二温度数据；

将第一温度数据和第二温度数据分别代入预获取的热量确定模型，分别得到第一热量数据和第二热量数据；

计算第一热量数据减去第二热量数据的结果为所述热量变化数据。

进一步地，所述根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据包括：

根据当前时刻之前预设时长内的加热器状态数据确定加热器在当前时刻之前预设时长内的累计启动时长；

将累计启动时长代入预获取的电热量计算模型中，得到理论电加热量数据。

进一步地，所述根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据包括：

将地理位置数据和预获取的时钟数据代入太阳能加热量计算模型，得到预设时长内每一单位时段的单位太阳能加热量；

计算预设时长内所有的单位太阳能加热量之和为所述理论太阳能加热量数据。

进一步地，所述根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据包括：

将热量变化数据、理论电加热数据、理论太阳能加热量数据以及累计热消耗数据代入预构建的热量平衡模型，得到预测偏差量数据；所述热量平衡模型中，热量变化量数据与累计热消耗数据之和等于理论电加热量数据、理论太阳能加热量数据和预测偏差量数据之和。

第二方面本申请提供了一种供热系统的运行状态分析装置，一监控终端用于采集一供热系统的热水温度数据和加热器状态数据；

所述装置包括：

数据获取模块，用于获取每一监控终端在当前时刻之前预设时长内采集的热水温度数据和加热器状态数据，并获取每一监控终端对应的地理位置数据；

数据处理模块，用于针对每一监控终端，根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据，以及根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据，以及根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据；

数据计算模块，用于根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据；以及

结果判断模块，判断预测偏差量是否处于与地理位置数据对应的偏差量阈值范围内；若是，则返回运行状态正常结果；否则返回运行状态异常结果。

进一步地，所述结果判断模块被进一步配置为：

基于预获取的地理区域数据，确定监控终端对应的地理位置数据所处的地理区域；

利用聚类算法对每一地理区域的所有监控终端的预测偏差量数据进行分析，分别得到一所述偏差量阈值范围。

进一步地，所述数据处理模块被进一步配置为：

确定当前时刻的热水温度数据为第一温度数据，确定当前时刻之前预设时长时刻的热水温度数据为第二温度数据；

将第一温度数据和第二温度数据分别代入预获取的热量确定模型，分别得到第一热量数据和第二热量数据；

计算第一热量数据减去第二热量数据的结果为所述热量变化数据；以及

根据当前时刻之前预设时长内的加热器状态数据确定加热器在当前时刻之前预设时长内的累计启动时长；

将累计启动时长代入预获取的电热量计算模型中，得到理论电加热量数据；以及

将地理位置数据和预获取的时钟数据代入太阳能加热量计算模型，得到预设时长内每一单位时段的单位太阳能加热量；

计算预设时长内所有的单位太阳能加热量之和为所述理论太阳能加热量数据。

进一步地，所述数据计算模块被进一步配置为：

将热量变化数据、理论电加热数据、理论太阳能加热量数据以及累计热消耗数据代入预构建的热量平衡模型，得到预测偏差量数据；所述热量平衡模型中，热量变化量数据与累计热消耗数据之和等于理论电加热量数据、理论太阳能加热量数据和预测偏差量数据之和。

综上所述，本申请至少包含以下有益效果：

提供了一种基于热平衡的状态分析方法及装置，其能够根据供热系统在预设时长内的热水温度数据和加热器状态数据，确定供热系统是否存在异常，有利于改善供热系统的可靠性。

应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了能够在其中实现本申请实施例的示例性运行环境的原理图；

图2示出了本申请实施例中的一种基于热平衡的状态分析方法的流程图；

图3示出了本申请实施例中的一种供热系统的运行状态分析装置的方框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

供热系统具备一定的复杂度。在本申请实施例中，以一种家用、小型的供热系统为例进行说明。供热系统包括电锅炉和太阳能发电模块，其中电锅炉连接市电网和太阳能发电模块，在太阳能发电模块的电量可以减少市电网的电量的消耗，以达到节约能耗的目的。电锅炉包含加热器、储热模块和监控模块，储热模块用于储存可供家用的热水，加热器配置于储热模块内，用于为储热模块内的热水进行加热，监控模块用于控制电锅炉的工作，其一般具备加热器的状态检测功能和储热模块内热水温度的检测功能。电锅炉还包含太阳能加热器，太阳能加热器也配置于储热模块内，利用太阳能发热模块产生的热量对储热模块内的热水进行加热。

电锅炉的作用在于保持储热模块内热水的水温，以满足家用供热需求。具体来说，电锅炉一般预设有热水温度阈值，例如65°C-75°C，利用热水温度检测功能来检测储热模块的热水温度，在热水温度低于65°C时启动加热器进行加热，使热水温度提升至75°C。

在本实施例中，供热系统连接家用地暖管网，实现对住宅的供热。

由于水、热、电多部分的耦合，导致供热系统的复杂度较高，可靠性本身偏低，然而家用的供热系统考虑到成本等因素一般不会进行全方位监测元件的布置，仅包含少量的监测功能，例如前述的热水温度检测和加热器状态检测，这些参数仅能体现供热系统部分的功能是否正常，而无法反应供热系统整体是否正常运行。若能够基于已有供热系统能够实现的监测功能，来实现对供热系统整体状态的评估，无疑能够在保障供热系统较低成本的前提下，来提高供热系统的可靠性。

基于前述内容，本申请提供了一种基于热平衡的状态分析方法及装置，其能够基于供热系统的热水为温度数据和加热器状态数据，实现对供热系统整体运行状态的分析。

第一方面，本申请提供了一种基于热平衡的状态分析方法。

图1示出了能够在其中实现本申请实施例的示例性运行环境的原理图。

参照图1，运行环境包括服务器110和多个监控终端120（图中仅示出一个），服务器110通讯连接多个监控终端120，监控终端120一一对应配置于供热系统，监控终端120用于采集供热系统的热水温度数据和加热器状态数据。

在本申请实施例中，供热系统为完全相同的产品，可以理解为统一厂家出产的相同型号的产品，以便于进行运行状态的汇总分析。

具体来讲，服务器110一般为云服务器。监控终端120可以利用供热系统中电锅炉本身的监控模块，仅需配置通讯模块，使监控所得的热水温度数据和加热器状态数据可以传输至服务器110即可。

图2示出了本申请实施例中的一种基于热平衡的状态分析方法的流程图。

参照图2，方法可以应用于图1中的服务器110中。方法具体包括以下步骤：

S210：获取每一监控终端120在当前时刻之前预设时长内采集的热水温度数据和加热器状态数据，并获取每一监控终端120对应的地理位置数据。

监控终端120与服务器110实时通讯连接，且监控终端120实时采集供热系统的热水温度数据和加热器状态数据，其中，热水温度数据反映供热系统的储热模块内的热水温度，加热器状态数据包括启动状态和关闭状态，加热出于启动状态时对储热模块内的热水进行加热，加热器处于关闭状态时停止对储热模块内热水的加热。

在本申请实施例中，加热器的加热功率恒定，即加热器启动时，以额定功率进行加热工作，关闭时即停止加热动作。

地理位置数据可以由监控终端120的终端标识确定，具体来讲，终端标识可以关联供热系统的产品编码，供热系统的售出一般包含安装服务，厂家可以记录供热系统与安装位置的对应关系，服务器110中预先存储供热系统的产品编码及安装位置的对应关系，通过监控终端120的终端标识，即可查询相应供热系统的安装位置，即能够确定监控终端120的地理位置数据。

当前时刻可以基于时钟数据确定，一般利用联网获取的世界时钟等参考时钟，预设时长预先存储于服务器110，预设时长一般不短于3天，在本申请实施例中，预设时长具体可以为120小时（5天）。

S220：针对每一监控终端120，根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据，以及根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据，以及根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据。

所述根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据包括：

确定当前时刻的热水温度数据为第一温度数据，确定当前时刻之前预设时长时刻的热水温度数据为第二温度数据；

将第一温度数据和第二温度数据分别代入预获取的热量确定模型，分别得到第一热量数据和第二热量数据；

计算第一热量数据减去第二热量数据的结果为所述热量变化数据。

所述根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据包括：

根据当前时刻之前预设时长内的加热器状态数据确定加热器在当前时刻之前预设时长内的累计启动时长；

将累计启动时长代入预获取的电热量计算模型中，得到理论电加热量数据。

所述根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据包括：

将地理位置数据和预获取的时钟数据代入太阳能加热量计算模型，得到预设时长内每一单位时段的单位太阳能加热量；

计算预设时长内所有的单位太阳能加热量之和为所述理论太阳能加热量数据。

在本步骤的方法中，热量确定模型、电热量计算模型、太阳能加热量计算模型均由预先通过数据训练得到。

具体来说，由于本申请实施例中所有供热系统均等同，供热系统储热模块的规格也等同，例如储水量，检测热水温度数据的原理也等同，故理论上热水温度数据已知时，基于比热容的理论，可以确定供热系统中储热模块中热水包含的热量，厂家基于对供热系统的测试，即可确定供热系统的热水温度与储热量的关系模型，即能够通过热水温度数据和热量数据的训练，得到热量确定模型，热量确定模型用于输入温度数据，得到热量数据，其作用在于已知供热系统的储热模块中热水温度时，确定储热模块存储的热量。

同理可知，在供热系统等同的前提下，储热模块规格等同，加热器对储热模块加热的原理等同，加热器的功率等同。故理论上加热器加热时间已知时，基于电热效应，可以确定加热器产生的热量。厂家基于对供热系统的测试，同样可以确定在加热器启动单位时间时，能够使储热模块提升的热量为多少，即能够确定加热器的启动时间与储热模块的热量提升量的关系模型，也就是说能够通过加热器启动时间和储热模块热量变化数据的训练，得到电热量计算模型。

同样的，在供热系统等同的前提下，供热系统的太阳能发电模块的规格、安装方式均相同，对同等辐照强度、辐照角度的太阳光的转化率也相同，转化得到同样的电量给储热模块带来的热量提升也相同。从地理位置数据和时钟数据角度出发，地理位置数据反映地理位置，时钟数据反映时间和季节，根据地理位置、时间和季节，厂家可以获取太阳光的辐照强度、辐照角度，例如通过联网获取特定位置的光照监测系统的实时数据，或者厂家预先配置光照监测系统获取实时数据，或者基于监控终端120中加热器处于关闭状态时储热模块中热水热量提升的速度（其为太阳能加热器工作的结果）来推算监控终端120所在地理位置在实时光照下产生的加热量。

在本申请实施例中，服务器110中预先存储有若干个地理区域数据，一个地理区域数据关联于一个实际的地理区域，地理区域数据与地理位置数据的关联关系也预先存储于服务器110中，即服务器110根据地理位置数据可以确定监控终端120处于所处的地理区域数据。通过合理的地理区域划分方式，在误差允许范围内，可以认为地理区域内的太阳光的辐照强度、辐照角度均等同。故服务器110可以通过自主布设于每一地理区域内的光照监测系统实时获取每个地理区域数据内太阳光的辐照强度、辐照角度，辐照强度（即光照强度）通过光强度传感器获取，辐照角度（即太阳高度角）通过太阳高度角测量仪测得，进而确定每一地理位置数据处太阳光的辐照强度、辐照角度。太阳能加热量计算模型包括两部分，第一部分为地理区域数据与地理位置数据的关联关系，第二部分为通过出厂前测试的不同辐照强度、辐照角度的太阳光使供热系统产生的热量相关数据训练的光电加热子模型，光电加热子模型用于输入单位时段的太阳光的辐照强度与辐照角度，输出单位时段的单位太阳能加热量。如此，服务器110实时获取每个地理区域数据的太阳光的辐照强度与辐照角度，并将每个单位时段的辐照强度与辐照角度代入光电加热子模型，即可得到单位太阳能加热量。具体检测时，单位时段可以为30min，单位时段内的辐照强度与辐照角度可以分别等于该段时间内辐照强度的平均值与辐照角度的平均值。在得到每一单位时段的单位太阳能加热量后，对预设时长内所有单位太阳能加热量进行累加，即可得到供热系统在预设时长内的理论太阳能加热量。

基于以上原理，即可针对每一监控终端120确定其对应供热系统的热量变化数据、理论电加热量数据以及理论太阳能加热量数据。

S230：根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据。

将热量变化数据、理论电加热数据、理论太阳能加热量数据以及预获取的累计热消耗数据代入预构建的热量平衡模型，得到预测偏差量数据；所述热量平衡模型中，热量变化量数据与累计热消耗数据之和等于理论电加热量数据、理论太阳能加热量数据和预测偏差量数据之和。

可以理解的，热量平衡模型基于热平衡原理构建，在供热系统中，储热模块的热量提升由加热器和太阳能加热器导致、热量降低由热消耗导致。

关于预获取的累计热消耗数据，供热系统的热消耗主要由于储热模块与地暖管网与外界的热交换导致，由于供热系统的规格、配置均相同，故可以认为供热系统的供热能力相同，即可以认为供热系统与外界热交换的速度相同。同样基于测试数据训练的思路，可以在出厂前得到供热系统在单位时间内的单位热消耗数据，在预设时长确定后，也可以确定预设时长供热系统的累计热消耗数据。

在热量变化数据、理论电加热量数据、理论太阳能加热量数据以及累计热消耗数据均计算得到后，即可得到预测偏差量数据。

预测偏差量数据=热量变化数据+累计热消耗数据-理论电加热量数据-理论太阳能加热量数据，其中，热量变化数据可能为正值、也可能为负值，累计热消耗数据、理论电热加热量数据和理论太阳能加热量数据均为正。

S240：根据地理位置数据对应的偏差量阈值范围与预测偏差量的关系生成运行状态结果。

在本步骤的方法中，判断预测偏差量是否处于与地理位置数据对应的偏差量阈值范围内；若是，则返回运行状态正常结果；否则返回运行状态异常结果。

所述偏差量阈值范围的确定方法包括：基于预获取的地理区域数据，确定监控终端120对应的地理位置数据所处的地理区域；利用聚类算法对每一地理区域的所有监控终端120的预测偏差量数据进行分析，分别得到一所述偏差量阈值范围。

在本申请实施例中，聚类算法具体可以采用K-means聚类算法。在一个示例中，预测偏差量数据可能为正，也可能为负，偏差阈值范围一般基于地理区域数据内所有监控终端120的预测偏差量数据由小到大进行排序后，去掉最大的20%预测偏差量数据和最小的20%预测偏差量数据，求剩余60%预测偏差量数据的中值、上限值和下限值，上限值与下限值与中值之间的数值距离基本相等，将该数值距离扩大40%（乘以1.40）得到增幅距离，继续以原始中值为中心，分别得到一个增幅下限值（中值减去增幅距离）和一个增幅上限值（中值加上增幅距离），确定增幅下限值和增幅上限值之间的数据范围为预测偏差量数据的偏差阈值范围。

综合上述，可以认为方法是部署于服务器110中的运行状态分析模型，其能够基于供热系统的运行数据来确定供热系统是否正常运行。该模型基于数据训练、分析得到，较为合理准确，允许各个部分的预测存在偏差量，但各部分的偏差量整体相互对抗，若供热系统整体处于正常状态，则其预测偏差量数据在各部分产生的微小偏差对抗下一般不会超出偏差阈值范围，若预测偏差量数据超出偏差阈值范围，则大概率供热系统运行状态存在异常，服务器110可进行预报警，可以由厂家的工作人员通知相关用户进行自主核查和上门检修等，以提高供热系统的可靠性。

在方法中，仅以热水温度数据和加热器状态数据，即可判断供热系统整体的运行状态情况，没有增加供热系统的监测成本，但也以客观合理的方式实现了对供热系统整体的分析。具体来说，若预测偏差量数据为正且向上超出偏差阈值范围上限，则说明加热器实际的加热量比计算得到的理论电加热量高、和/或太阳能加热产生的实际热量比计算得到的理论太阳能加热量高、和/或供热系统实际的热消耗比计算得到的累计热消耗数据低，若预测偏差量数据为负且向下超出偏差阈值范围下限，则说明加热器实际的加热量比计算得到的理论电加热量低、和/或太阳能加热产生的实际热量比计算得到的理论太阳能加热量低、和/或供热系统实际的热消耗比计算得到的累计热消耗数据高，即供热系统的检修人员也可以根据预测偏差量数据与偏差阈值范围数据的关系来确定检修方向。

在方法（运行状态分析模型）执行后，也可以根据检修结果数据（运行状态判断结果是否准确）来对方法进行进一步训练，以优化方法中的模型参数例如预设时长、地理区域划分方式、单位时段长度、聚类算法中去掉数据的百分比、增幅距离的百分比等，以期在方法的持续应用过程中不断提高自身分析结果的准确性。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

第二方面本申请提供了一种供热系统的运行状态分析装置。

图3示出了本申请实施例中的一种供热系统的运行状态分析装置的方框图。装置可以被实现为图1中的服务器110，或者包含于图1中的服务器110中。装置可以连接多个监控终端120，一监控终端120用于采集一供热系统的热水温度数据和加热器状态数据。

参照图3，所述装置包括：

数据获取模块310，用于获取每一监控终端120在当前时刻之前预设时长内采集的热水温度数据和加热器状态数据，并获取每一监控终端对应的地理位置数据；

数据处理模块320，用于针对每一监控终端120，根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据，以及根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据，以及根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据；

数据计算模块330，用于根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据；以及

结果判断模块340，判断预测偏差量是否处于与地理位置数据对应的偏差量阈值范围内；若是，则返回运行状态正常结果；否则返回运行状态异常结果。

进一步地，所述结果判断模块340被进一步配置为：

基于预获取的地理区域数据，确定监控终端120对应的地理位置数据所处的地理区域；

利用聚类算法对每一地理区域的所有监控终端120的预测偏差量数据进行分析，分别得到一所述偏差量阈值范围。

进一步地，所述数据处理模块320被进一步配置为：

确定当前时刻的热水温度数据为第一温度数据，确定当前时刻之前预设时长时刻的热水温度数据为第二温度数据；

将第一温度数据和第二温度数据分别代入预获取的热量确定模型，分别得到第一热量数据和第二热量数据；

计算第一热量数据减去第二热量数据的结果为所述热量变化数据；以及

根据当前时刻之前预设时长内的加热器状态数据确定加热器在当前时刻之前预设时长内的累计启动时长；

将累计启动时长代入预获取的电热量计算模型中，得到理论电加热量数据；以及

将地理位置数据和预获取的时钟数据代入太阳能加热量计算模型，得到预设时长内每一单位时段的单位太阳能加热量；

计算预设时长内所有的单位太阳能加热量之和为所述理论太阳能加热量数据。

进一步地，所述数据计算模块330被进一步配置为：

将热量变化数据、理论电加热数据、理论太阳能加热量数据以及累计热消耗数据代入预构建的热量平衡模型，得到预测偏差量数据；所述热量平衡模型中，热量变化量数据与累计热消耗数据之和等于理论电加热量数据、理论太阳能加热量数据和预测偏差量数据之和。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

综上所述，本申请至少包含以下有益效果：

提供了一种基于热平衡的状态分析方法及装置，其能够根据供热系统在预设时长内的热水温度数据和加热器状态数据，确定供热系统是否存在异常，有利于改善供热系统的可靠性。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种基于热平衡的状态分析方法，其特征在于，应用于服务器，所述服务器连接多个监控终端（120），一监控终端（120）用于采集一供热系统的热水温度数据和加热器状态数据；

所述方法包括：

获取每一监控终端（120）在当前时刻之前预设时长内采集的热水温度数据和加热器状态数据，并获取每一监控终端（120）对应的地理位置数据；

针对每一监控终端（120），根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据，以及根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据，以及根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据；

根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据；

判断预测偏差量是否处于与地理位置数据对应的偏差量阈值范围内；

若是，则返回运行状态正常结果；否则返回运行状态异常结果。

2.根据权利要求1所述的方法，其特征在于，所述偏差量阈值范围的确定方法包括：

基于预获取的地理区域数据，确定监控终端（120）对应的地理位置数据所处的地理区域；

利用聚类算法对每一地理区域的所有监控终端（120）的预测偏差量数据进行分析，分别得到一所述偏差量阈值范围。

3.根据权利要求2所述的方法，其特征在于，所述根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据包括：

确定当前时刻的热水温度数据为第一温度数据，确定当前时刻之前预设时长时刻的热水温度数据为第二温度数据；

将第一温度数据和第二温度数据分别代入预获取的热量确定模型，分别得到第一热量数据和第二热量数据；

计算第一热量数据减去第二热量数据的结果为所述热量变化数据。

4.根据权利要求3所述的方法，其特征在于，所述根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据包括：

根据当前时刻之前预设时长内的加热器状态数据确定加热器在当前时刻之前预设时长内的累计启动时长；

将累计启动时长代入预获取的电热量计算模型中，得到理论电加热量数据。

5.根据权利要求4所述的方法，其特征在于，所述根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据包括：

将地理位置数据和预获取的时钟数据代入太阳能加热量计算模型，得到预设时长内每一单位时段的单位太阳能加热量；

计算预设时长内所有的单位太阳能加热量之和为所述理论太阳能加热量数据。

6.根据权利要求5所述的方法，其特征在于，所述根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据包括：

将热量变化数据、理论电加热数据、理论太阳能加热量数据以及累计热消耗数据代入预构建的热量平衡模型，得到预测偏差量数据；所述热量平衡模型中，热量变化量数据与累计热消耗数据之和等于理论电加热量数据、理论太阳能加热量数据和预测偏差量数据之和。

7.一种供热系统的运行状态分析装置，其特征在于，所述装置连接多个监控终端（120），一监控终端（120）用于采集一供热系统的热水温度数据和加热器状态数据；

所述装置包括：

数据获取模块（310），用于获取每一监控终端（120）在当前时刻之前预设时长内采集的热水温度数据和加热器状态数据，并获取每一监控终端（120）对应的地理位置数据；

数据处理模块（320），用于针对每一监控终端（120），根据所述热水温度数据确定当前时刻之前预设时长内供热系统的热量变化数据，以及根据加热器状态数据确定当前时刻之前预设时长内供热系统的理论电加热量数据，以及根据地理位置数据确定当前时刻之前预设时长内供热系统的理论太阳能加热量数据；

数据计算模块（330），用于根据热量变化数据、理论电加热量数据、理论太阳能加热量数据以及预获取的累计热消耗数据计算预测偏差量数据；以及

结果判断模块（340），判断预测偏差量是否处于与地理位置数据对应的偏差量阈值范围内；若是，则返回运行状态正常结果；否则返回运行状态异常结果。

8.根据权利要求7所述的装置，其特征在于，所述结果判断模块（340）被进一步配置为：

基于预获取的地理区域数据，确定监控终端（120）对应的地理位置数据所处的地理区域；

利用聚类算法对每一地理区域的所有监控终端（120）的预测偏差量数据进行分析，分别得到一所述偏差量阈值范围。

9.根据权利要求8所述的装置，其特征在于，所述数据处理模块（320）被进一步配置为：

确定当前时刻的热水温度数据为第一温度数据，确定当前时刻之前预设时长时刻的热水温度数据为第二温度数据；

将第一温度数据和第二温度数据分别代入预获取的热量确定模型，分别得到第一热量数据和第二热量数据；

计算第一热量数据减去第二热量数据的结果为所述热量变化数据；以及

根据当前时刻之前预设时长内的加热器状态数据确定加热器在当前时刻之前预设时长内的累计启动时长；

将累计启动时长代入预获取的电热量计算模型中，得到理论电加热量数据；以及

将地理位置数据和预获取的时钟数据代入太阳能加热量计算模型，得到预设时长内每一单位时段的单位太阳能加热量；

计算预设时长内所有的单位太阳能加热量之和为所述理论太阳能加热量数据。

10.根据权利要求9所述的装置，其特征在于，所述数据计算模块（330）被进一步配置为：

将热量变化数据、理论电加热数据、理论太阳能加热量数据以及累计热消耗数据代入预构建的热量平衡模型，得到预测偏差量数据；所述热量平衡模型中，热量变化量数据与累计热消耗数据之和等于理论电加热量数据、理论太阳能加热量数据和预测偏差量数据之和。