一种用于供热需求负荷自主预测的优化调节方法技术

本发明专利技术提供了一种用于供热需求负荷自主预测的优化调节方法，包括：获取对热负荷影响的目标影响因素，并对目标影响因素进行数据记录，确定第一样本数据；记录目标时间段内的热负荷数据，并将热负荷数据作为第二样本数据；根据所述第一样本数据与所述第二样本数据构建负荷预测模型；根据所述负荷预测模型对目标场景中的热负荷进行预测，并根据预测结果确定供热温度调节指令，同时，根据所述供热温度调节指令对所述目标场景的供热温度进行优化调节。通过预测模型对目标场景的热负荷进行准确可靠的预测，且根据预测结果对目标场景的供热温度进行实时优化，提高了对目标场景的供热负荷预测的准确率，保障了对目标场景的供热效果。果。果。

【技术实现步骤摘要】
一种用于供热需求负荷自主预测的优化调节方法


[0001]本专利技术涉及数据处理
，特别涉及一种用于供热需求负荷自主预测的优化调节方法。

技术介绍

[0002]目前，随着社会的进步和发展，人们生活水平不断提高，城市的集中供热发展迅猛；距统计城市集中供热的能耗已占到建筑能耗的65%。由于技术上的进步较慢，使我国的集中供热用能效率较低；近年来，在我国对集中供热的节能改造、精细化管理已取得了可喜的成绩；然而，对集中供热系统的节能问题还有很大潜力，特别是运行调节方面，还有很多工作要做，因此，为了提高对热负荷的管控效率以及供热的运行调节，本专利技术提供了一种用于供热需求负荷自主预测的优化调节方法。

技术实现思路

[0003]本专利技术提供一种用于供热需求负荷自主预测的优化调节方法，用以通过对热负荷的影响因素以及目标场景在目标时间段内的热负荷数据进行分析，实现对预测模型进行准确有效的搭建，并通过搭建的预测模型对目标场景的热负荷进行准确可靠的预测，且根据预测结果对目标场景的供热温度进行实时优化，提高了对目标场景的供热负荷预测的准确率，保障了对目标场景的供热效果。
[0004]本专利技术提供了一种用于供热需求负荷自主预测的优化调节方法，包括：步骤1：获取对热负荷影响的目标影响因素，并对目标影响因素进行数据记录，确定第一样本数据；步骤2：记录目标时间段内的热负荷数据，并将热负荷数据作为第二样本数据；步骤3：根据所述第一样本数据与所述第二样本数据构建负荷预测模型；步骤4：根据所述负荷预测模型对目标场景中的热负荷进行预测，并根据预测结果确定供热温度调节指令，且根据所述供热温度调节指令对所述目标场景的供热温度进行优化调节。
[0005]优选的，一种用于供热需求负荷自主预测的优化调节方法，步骤1中，获取对热负荷影响的目标影响因素，包括：获取对热负荷影响的第一影响因素集，并在所述第一影响因素集中确定每一个影响因素下对应的热负荷数据；基于所述每一个影响因素下对应的热负荷数据建立数据观测函数，同时，根据所述数据观测函数确定在所述第一影响因素集中热负荷数据的第一波动幅值；设定幅值区间，并在所述第一波动幅值中摘取在所述幅值区间内的第二波动幅值；获取所述第二波动幅值对应的第二影响因素集，并将所述第二影响因素集作为所
述对所述热负荷影响的目标影响因素。
[0006]优选的，一种用于供热需求负荷自主预测的优化调节方法，获取对热负荷影响的第一影响因素集，包括：获取供热系统的管理终端，并将所述热负荷作为目标标识；根据所述目标标识在所述供热系统的管理终端匹配对应的数据管理库；在所述数据管理库中调取关于对所述热负荷影响的第一影响因素集。
[0007]优选的，一种用于供热需求负荷自主预测的优化调节方法，步骤2中，记录目标时间段内的热负荷数据之后，包括：获取对所述热负荷数据进行记录的记录时段，并基于所述记录时段以及所述热负荷数据生成目标矩阵；对所述目标矩阵进行计算，确定所述目标矩阵的矩阵偏移率；获取经验值，并将所述矩阵偏移率与所述经验值进行比较，判断所述热负荷数据是否存在伪数据；当所述矩阵偏移率小于或等于所述经验值时，则判定所述热负荷数据不存在伪数据，同时，保留所述热负荷数据；否则，则判定所述热负荷数据中存在伪数据，并对所述伪数据进行修正。
[0008]优选的，一种用于供热需求负荷自主预测的优化调节方法，对所述伪数据进行修正，包括：当所述热负荷数据中存在伪数据时，获取所述热负荷数据的数据特征，并基于所述数据特征确定数据遍历条件；获取所述热负荷数据的数据量，同时，根据所述热负荷数据的数据量以及所述热负荷数据的数据特征确定对所述热负荷数据进行遍历的遍历步长；基于所述遍历条件与所述遍历步长确定遍历算法；根据所述遍历算法对所述热负荷数据进行数据遍历，并基于遍历结果确定所述伪数据，并将所述伪数据在所述热负荷数据中进行标注；基于标注结果确定所述伪数据在所述热负荷数据的目标位置；获取所述目标位置之前的第一热负荷数据与所述目标位置之后的第二热负荷数据；基于所述热负荷数据的数据特征并结合所述第一热负荷数据与所述第二热负荷数据对所述伪数据进行修正；基于修正结果更新所述热负荷数据。
[0009]优选的，一种用于供热需求负荷自主预测的优化调节方法，步骤3中，根据所述第一样本数据与所述第二样本数据构建负荷预测模型，包括：分别读取所述第一样本数据与所述第二样本数据，确定所述第一样本数据对应的第一数据类型以及所述第二样本数据对应的第二数据类型；对所述第一数据类型与所述第二数据类型进行第一分析，确定所述第一数据类型与所述第二数据类型之间的第一关联关系；基于所述第一关联关系，确定第一方式，并基于所述第一方式对所述第一样本数据与所述第二样本数据进行第二分析，分别获取所述第一样本数据的第一数据特征与所述
第二样本数据的第二数据特征；基于所述第一数据特征与所述第二数据特征，确定所述第一样本数据与所述第二样本数据的第二关联关系；获取与所述第一方式不同的第二方式，并基于所述第二方式对所述第一样本数据与所述第二样本数据进行第三分析，确定所述第一样本数据的第三数据特征与所述第二样本数据的第四数据特征；根据所述第三数据特征与所述第四数据特征确定所述第一样本数据与所述第二样本数据的第三关联关系；基于所述第一关联关系、第二关联关系以及所述第三关联关系生成对所述目标场景的热负荷进行预测的负荷预测模型。
[0010]优选的，一种用于供热需求负荷自主预测的优化调节方法，步骤3中，所述负荷预测模型包括：数据输入层、中间层以及数据输出层；其中，所述数据输入层，用于接收待预测数据；所述中间层，用于对所述待预测数据进行分析；所述数据输出层，用于基于分析结果输出预测数据。
[0011]优选的，一种用于供热需求负荷自主预测的优化调节方法，还包括：S1：获取第一历史时刻的环境影响数据以及第一热负荷数据，同时，确定第二历史时刻的第二热负荷数据，其中，所述第二历史时刻大于所述第一历史时刻；S2：基于所述负荷预测模型中的数据输入层对所述第一历史时刻中的环境影响数据与所述第一热负荷数据进行接收，并将所述环境影响数据与所述第一热负荷数据传输至所述中间层中进行数据分析，同时，将数据分析结果基于所述数据输出层输出第二历史时刻的预测热负荷数据；S3：将所述预测热负荷数据与所述第二热负荷数据进行比较，判断所述负荷预测模型是否存在偏差；当所述预测热负荷数据与所述第二热负荷数据一致时，则判定所述负荷预测模型不存在偏差；否则，则判定所述负荷预测模型存在偏差；S4：当负荷预测模型存在偏差时，将所述预测热负荷数据与所述第二热负荷数据反向传输至所述负荷预测模型的数据输出层，并根据误差梯度下降法确定所述数据输出层的第一权值、中间层的第二权值以及所述数据输入层的第三权值；S5：基于所述第一权值、第二权值以及所述第三权值分别对所述数据输出层、中间层以及所述数据输入层进行修正，并基于获得修正后的负荷预测模型；S6：将所述第一热负荷数据与所述环境影响数据重新输入至修正后的负荷预测模型中，并重复步骤S2
‑
S5，直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于供热需求负荷自主预测的优化调节方法，其特征在于，包括：步骤1：获取对热负荷影响的目标影响因素，并对目标影响因素进行数据记录，确定第一样本数据；步骤2：记录目标时间段内的热负荷数据，并将热负荷数据作为第二样本数据；步骤3：根据所述第一样本数据与所述第二样本数据构建负荷预测模型；步骤4：根据所述负荷预测模型对目标场景中的热负荷进行预测，并根据预测结果确定供热温度调节指令，且根据所述供热温度调节指令对所述目标场景的供热温度进行优化调节。2.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤1中，获取对热负荷影响的目标影响因素，包括：获取对热负荷影响的第一影响因素集，并在所述第一影响因素集中确定每一个影响因素下对应的热负荷数据；基于所述每一个影响因素下对应的热负荷数据建立数据观测函数，同时，根据所述数据观测函数确定在所述第一影响因素集中热负荷数据的第一波动幅值；设定幅值区间，并在所述第一波动幅值中摘取在所述幅值区间内的第二波动幅值；获取所述第二波动幅值对应的第二影响因素集，并将所述第二影响因素集作为对所述热负荷影响的目标影响因素。3.根据权利要求2所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，获取对热负荷影响的第一影响因素集，包括：获取供热系统的管理终端，并将所述热负荷作为目标标识；根据所述目标标识在所述供热系统的管理终端匹配对应的数据管理库；在所述数据管理库中调取关于对所述热负荷影响的第一影响因素集。4.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤2中，记录目标时间段内的热负荷数据之后，包括：获取对所述热负荷数据进行记录的记录时段，并基于所述记录时段以及所述热负荷数据生成目标矩阵；对所述目标矩阵进行计算，确定所述目标矩阵的矩阵偏移率；获取经验值，并将所述矩阵偏移率与所述经验值进行比较，判断所述热负荷数据是否存在伪数据；当所述矩阵偏移率小于或等于所述经验值时，则判定所述热负荷数据不存在伪数据，同时，保留所述热负荷数据；否则，则判定所述热负荷数据中存在伪数据，并对所述伪数据进行修正。5.根据权利要求4所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，对所述伪数据进行修正，包括：当所述热负荷数据中存在伪数据时，获取所述热负荷数据的数据特征，并基于所述数据特征确定数据遍历条件；获取所述热负荷数据的数据量，同时，根据所述热负荷数据的数据量以及所述热负荷数据的数据特征确定对所述热负荷数据进行遍历的遍历步长；基于所述遍历条件与所述遍历步长确定遍历算法；
根据所述遍历算法对所述热负荷数据进行数据遍历，并基于遍历结果确定所述伪数据，并将所述伪数据在所述热负荷数据中进行标注；基于标注结果确定所述伪数据在所述热负荷数据的目标位置；获取所述目标位置之前的第一热负荷数据与所述目标位置之后的第二热负荷数据；基于所述热负荷数据的数据特征并结合所述第一热负荷数据与所述第二热负荷数据对所述伪数据进行修正；基于修正结果更新所述热负荷数据。6.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤3中，根据所述第一样本数据与所述第二样本数据构建负荷预测模型，包括：分别读取所述第一样本数据与所述第二样本数据，确定所述第一样本数据对应的第一数据类型以及所述第二样本数据对应的第二数据类型；对所述第一数据类型与所述第二数据类型进行第一分析，确定所述第一数据类型与所述第二数据类型之间的第一关联关系；基于所述第一关联关系，确定第一方式，并基于所述第一方式对所述第一样本数据与所述第二样本数据进行第二分析，分别获取所述第一样本数据的第一数据特征与所述第二样本数据的第二数据特征；基于所述第一数据特征与所述第二数据特征，确定所述第一样本数据与所述第二样本数据的第二关联关系；获取与所述第一方式不同的第二方式，并基于所述第二方式对所述第一样本数据与所述第二样本数据进行第三分析，确定所述第一样本数据的第三数据特征与所述第二样本数据的第四数据特征；根据所述第三数据特征与所述第四数据特征确定所述第一样本数据与所述第二样本数据的第三关联关系；基于所述第一关联关系、第二关联关系以及所述第三关联关系生成对所述目标场景的热负荷进行预测的负荷预测模型。7.根据权利要求5所述的...

【专利技术属性】
技术研发人员：杨怀滨，邵鹏勇，孙淼，刘悦，曹嘉伟，刘梦丹，
申请(专利权)人：天津市津能滨海热电有限公司，
类型：发明
国别省市：