【技术实现步骤摘要】
本专利技术涉及智慧城市，尤其为基于人工智能的智慧供热负荷预报与调度方法。
技术介绍
1、随着全球对能源消耗和环境保护意识的增强，如何提高能源利用效率和减少环境污染成为重要议题。智慧供热系统通过精确控制和优化调度，有助于降低能源消耗和减少污染物排放。人工智能、大数据分析、物联网等现代信息技术的发展，为智慧供热提供了技术支持。这些技术能够处理和分析大量的供热数据，实现更准确的负荷预测和更优的调度策略。在现有技术中，传统的负荷预测忽视用户行为对供暖负荷的影响，未能根据用户实际需求进行适时调整，可能在不需要时过度供热，造成能源浪费；或者在用户需要时无法提供足够的热量，影响用户舒适度，没有对用户行为进行实时监控和预测，供热系统难以做到及时响应，不利于实现按需供热和精细化管理。
技术实现思路
1、本专利技术的主要目的在于提供基于人工智能的智慧供热负荷预报与调度方法，以解决相关技术中提出的负荷预测时忽视用户行为影响的问题。
2、为了实现上述目的，根据本专利技术的一个方面，提供了基于人工智能的智慧供热负荷预报与调度方法，包括如下步骤：
3、s1：从数据库中收集实时数据和历史数据；
4、其中，数据包括供热负荷数据、气象数据和建筑信息；
5、s2：将原始的历史数据转化为影响度特征数据；
6、s3：基于气象数据以及建筑信息分别建立关系模型，根据两个关系模型基于线性回归生成负荷预测模型；
7、s4：利用历史数据训练负荷预测模型，训练完
8、s5：结合预测结果和现有供热能力，制定供热设备的运行策略。
9、进一步地，实时数据进入数据库时需要进行实时过滤、转换以及标准化处理；数据库中设定历史数据的保留期限以及历史数据归档策略。
10、进一步地，s2的具体步骤如下：
11、s21：检查时间戳是否连续；
12、s22：检查并处理数据库中缺失数据；
13、s23：在处理后的数据中构造影响度特征组合。
14、进一步地，s23中，影响度特征组合包括平均室内外温差、日照强度和节假日特殊模式指标，表达式如下：
15、
16、
17、
18、其中，为平均室内外温差；为第i天的室内温度；为第i天的室外温度；i为光照强度；为第i天的日辐射总量；m为节假日特殊模式指标；n为统计天数；为节假日的平均供热负荷；为非节假日的平均供热负荷；为全年平均供热负荷。
19、进一步地，s3的具体步骤如下：
20、s31：建立气象参数与供热负荷之间的关系模型；
21、s32：基于建筑物理学原理以及建筑信息建立基础热损失模型；
22、s33：将上述两个模型进行融合，基于线性回归建立负荷预测模型。
23、进一步地，s31的表达式如下：
24、
25、其中，为气象的总热损失；为渗透风产生的热量；为空气比热容；为空气质量密度；为渗透风速；为平均室内外温差；为机械通风产生的热量；为换热系数；为风口面积；为送风温度；为室外空气的原始温度；为太阳辐射的热；为日照强度；为入射阳光面积因子；为太阳能透过窗户并转化为室内热能的效率；为玻璃窗面积；为内部热源产生的热量；为所有内部热源功率总和；为房间内对湿度、风速和降雪量的影响。
26、进一步地，s32的表达式如下：
27、
28、其中，为建筑的总热损失；为导热热损失；u为围护结构的传热系数；a为围护结构的面积；为平均室内外温差；为对流热损失；h为对流换热系数；为围护表面温度；为围护周围环境空气温度；为辐射热损失；为表面发射率；为斯蒂芬-玻尔兹曼常数；为围护周围环境的有效辐射度。
29、进一步地，s33的表达式如下：
30、
31、其中，为模型预测的负荷；和分别是气象和建筑对应的回归系数；为截距项；为随机误差项。
32、进一步地，在负荷预测模型中引入用户行为影响因素，计算表达式为：
33、
34、其中，为用户行为的总热损失；为用户行为对应的回归系数；
35、
36、 其中， 为基础供热需求； 为在时间t用户设定的室内温度目标值； 为供暖设备的开关状态； 为节假日特殊模式指标项；
37、
38、其中，为节假日的供热负荷增加量。
39、进一步地，s5中运行策略包括设备的启停时间、输出功率以及热量的调整、在低价时段储备能量、备用热源的合理利用和根据气象和建筑变化动态调整供热强度。
40、与现有技术相比，本专利技术具有以下有益效果：
41、本专利技术考虑了渗透风、机械通风以及太阳辐射对建筑内部热量平衡的影响，也就是对供热负荷的影响，大大提高了预测精度；还结合建筑物理学原理精确刻画了建筑本身的热工性能，使模型更加贴合实际情况；同时在模型中还引入了动态用户行为因素，使得负荷预测更加灵活且适应性强，能有效应对由于用户生活习惯、温度设定偏好等因素引起的供热需求变化。
42、
本文档来自技高网...【技术保护点】
1.基于人工智能的智慧供热负荷预报与调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，实时数据进入数据库时需要进行实时过滤、转换以及标准化处理；数据库中设定历史数据的保留期限以及历史数据归档策略。
3.根据权利要求1所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S2的具体步骤如下：
4.根据权利要求3所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S23中，影响度特征组合包括平均室内外温差、日照强度和节假日特殊模式指标，表达式如下：
5.根据权利要求4所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S3的具体步骤如下：
6.根据权利要求5所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S31的表达式如下：
7.根据权利要求6所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S32的表达式如下：
8.根据权利要求7所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S
9.根据权利要求8所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，在负荷预测模型中引入用户行为影响因素，计算表达式为：
10.根据权利要求1所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，S5中运行策略包括设备的启停时间、输出功率以及热量的调整、在低价时段储备能量、备用热源的合理利用和根据气象和建筑变化动态调整供热强度。
...【技术特征摘要】
1.基于人工智能的智慧供热负荷预报与调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，实时数据进入数据库时需要进行实时过滤、转换以及标准化处理；数据库中设定历史数据的保留期限以及历史数据归档策略。
3.根据权利要求1所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，s2的具体步骤如下：
4.根据权利要求3所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，s23中，影响度特征组合包括平均室内外温差、日照强度和节假日特殊模式指标，表达式如下：
5.根据权利要求4所述的基于人工智能的智慧供热负荷预报与调度方法，其特征在于，s3的具体步骤如下：
6...
【专利技术属性】
技术研发人员：李福泉，杨大易，王泳成，
申请(专利权)人：哈工智慧城市研究院哈尔滨有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。