【技术实现步骤摘要】
本专利技术涉及低功耗温度采集，具体为一种低功耗集中供热实时温度采集方法。
技术介绍
1、在过去几十年中，随着工业化和城镇化的迅速推进，城市人口的增加和居民生活水平的提高，对集中供热系统的质量和效率提出了更高的要求。传统的集中供热系统多采用恒定供热模式，无法实时监测和调整供热量，导致能源浪费和供热质量不均衡。此外，由于集中供热系统覆盖范围广，温度监测和数据采集成为保障供热质量的关键环节。然而，现有技术中的温度检测设备大多为单点测量，缺乏多点、多路实时温度监测的能力，无法满足现代集中供热系统对精确温控的需求。随着嵌入式系统技术和传感器技术的发展，低功耗、多路温度数据采集系统逐渐成为研究热点，通过提高温度数据的采集精度和响应速度，以期实现供热系统的智能化、精细化管理。
2、现有的温度检测系统普遍存在设备陈旧、精度低、功耗高等问题，无法满足现代集中供热系统的需求。传统温度传感器多采用电阻式或热电偶式，存在测量精度不足、响应速度慢、易受环境干扰等缺点，导致供热系统难以实现高效、精确的温度控制。此外，由于缺乏统一的温度检测标准和设备，各地区供热系统之间的数据无法兼容，增加了监管部门和供热公司的管理难度。对于用户来说，无法实时获取精确的室内温度数据，导致供热投诉频发，供需矛盾难以调和。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的温度检测方法存在精度较低，
3、功耗较高，以及如何为监管部门提供可靠的供热
4、为解决上述技术问题，本专利技术提供如下技术方案：一种低功耗集中供热实时温度采集方法，包括向温度传感器发送通道路选信号，对温度信息进行采集；对采集的信号进行数字滤波处理，得到滤波后的数字量计算温度值；通过以太网基于面向连接的套接字技术传输数据，并存储各路温度值。
5、作为本专利技术所述的低功耗集中供热实时温度采集方法的一种优选方案，其中：所述向温度传感器发送通道路选信号包括路径选择信号，为每一个温度传感器通道生成一个基础路径选择信号，通过预设温度范围和历史温度确定基础信号，基于温度范围的振幅调节和标准化处理生成信号，计算每个通道在温度范围内的相对位置，并加入预设温度的比值，产生归一化基础信号表示为：
6、
7、其中，si,base为第i路的基础温度采集信号，tmax和tmin分别为采集温度的最大值和最小值，tref为预设的标准温度，在生成基础路径选择信号后，进一步整合外部噪声和信号修正参数，形成完整选择信号，通过将修正参数叠加到基础信号上，并应用选择函数，当在面对多路温度传感器时，选择并激活当前需要采集的传感器通道，完整选择信号结合基础的温度范围和对外部干扰的修正和补偿，完整选择信号表示为：
8、
9、其中，si为选择第i路温度传感器的信号，n为温度传感器总数量，η为信号修正参数，δi,n为路径选择函数。
10、作为本专利技术所述的低功耗集中供热实时温度采集方法的一种优选方案，其中：所述对温度信息进行采集包括数据采集与修正，在路径选择信号确定后，对选定通道进行温度数据的采集，对传感器输出电压信号进行积分运算，积分过程结合信号的指数衰减特性和高阶调制影响，使采集到的温度数据确反映真实温度，积分的时间段由设计指标确定，并在时间段内均匀采集预设次数的数据，每次采集的数据经过信号调理后进行求和和平均，获取原始温度数据，表示为：
11、
12、其中，traw为未修正的温度数据，k为积分的时间周期，t0和t1分别为积分开始时间和结束时间，vout为温度传感器的输出电压，α为衰减因子，β为高阶调制参数，原始数据采集后，对采集的温度数据进行修正，根据每个温度传感器的静态误差参数，将预设温度修正值加入到原始温度数据中，预设温度修正值通过系统运行过程中对各传感器的校准得出，补偿传感器在测量过程中由于静态误差造成的偏差，最终输出温度数据表示为：
13、tj＝traw+δt
14、其中，tj为修正后第j路传感器的温度数据，δt为温度修正值。
15、作为本专利技术所述的低功耗集中供热实时温度采集方法的一种优选方案，其中：所述对采集的信号进行数字滤波处理包括综合滤波处理，通过高斯滤波对数据进行平滑处理，利用零均值和标准差参数，生成高斯加权函数，对温度数据的每个点进行加权平均，引入拉普拉斯滤波，通过时间衰减系数和拉普拉斯函数，对数据的高频成分进行衰减和调制，高斯拉普拉斯复合滤波表示为：
16、
17、其中，σ为高斯滤波的标准差，tj(x)为采集的温度数据，μ为高斯滤波的均值，λ为拉普拉斯滤波的衰减系数，lv为拉普拉斯滤波函数，τ为时间调制常数，对经过高斯拉普拉斯复合滤波后的温度数据进行希尔伯特-黄变换滤波，通过角频率和相位参数的复数正弦函数，对滤波信号的每个频率分量进行处理，细化信号的频率特性，通过希尔伯特变换，转换信号的实部和虚部，加入指数衰减项和正弦函数，对信号进行频率分离和时间调制，希尔伯特-黄变换滤波表示为：
18、
19、其中，ωn为n阶角频率，φn为n阶相位，αn为n阶调制系数，h(tj)为温度信号的希尔伯特变换，γ为正弦函数的角频率，对两个滤波结果的乘积进行时间积分，进一步细化信号的高频和低频成分，综合滤波处理表示为：
20、
21、其中，为希尔伯特-黄滤波信号的共轭，ρ和δ为高频衰减的系数，ζ为高频调制的系数。
22、作为本专利技术所述的低功耗集中供热实时温度采集方法的一种优选方案，其中：所述得到滤波后的数字量计算温度值包括非线性卷积温度计算，对综合滤波后的温度数据进行非线性卷积处理，使用伽玛函数作为卷积核，结合信号的时间变量和指数衰减项，对滤波信号进行卷积运算，捕捉信号的非线性特征，使卷积结果反映信号的复杂动态变化和时间特性，通过调整伽玛函数的参数，控制卷积结果的平滑程度和频率响应，非线性卷积表示为：
23、
24、其中，γ(β)为贝塔参数的伽玛函数，在得到卷积温度信号后，进行分数阶微分处理，分数阶微分通过对信号进行非整数阶的导数计算，捕捉信号的复杂动态特征，结合卷积信号的时间积分，通过分数阶微分算子，将信号的时间变化特性转换为温度信号的细节变化，分数阶微分表示为：
25、
26、其中，为α阶的微分算子，ξ为积分变量，c为调制函数的系数，κ为时间t的高阶调制参数，a和b为积分的上下限，通过对分数阶微分信号和卷积信号的对数修正，计算每个时间点的温度信号的对数值，再将其加权求和，得到最终温度值，最终温度计算表示为：
27、
28、其中，δ为校正增益，tfrac(ti)为第i个时间点的分数阶温度，tconv(ti)为第i个时间点的卷积温度，θ为对数修正的基准值，φ为最终温度的修正量。
29、作为本专利技术所述的低功耗集中供热实时温度采集方法本文档来自技高网...
【技术保护点】
1.一种低功耗集中供热实时温度采集方法，其特征在于，包括：
2.如权利要求1所述的低功耗集中供热实时温度采集方法，其特征在于：所述向温度传感器发送通道路选信号包括路径选择信号，为每一个温度传感器通道生成一个基础路径选择信号，通过预设温度范围和历史温度确定基础信号，基于温度范围的振幅调节和标准化处理生成信号，计算每个通道在温度范围内的相对位置，并加入预设温度的比值，产生归一化基础信号表示为：
3.如权利要求2所述的低功耗集中供热实时温度采集方法，其特征在于：所述对温度信息进行采集包括数据采集与修正，在路径选择信号确定后，对选定通道进行温度数据的采集，对传感器输出电压信号进行积分运算，积分过程结合信号的指数衰减特性和高阶调制影响，使采集到的温度数据确反映真实温度，积分的时间段由设计指标确定，并在时间段内均匀采集预设次数的数据，每次采集的数据经过信号调理后进行求和和平均，获取原始温度数据，表示为：
4.如权利要求3所述的低功耗集中供热实时温度采集方法，其特征在于：所述对采集的信号进行数字滤波处理包括综合滤波处理，通过高斯滤波对数据进行平滑处理，利用零
5.如权利要求4所述的低功耗集中供热实时温度采集方法，其特征在于：所述得到滤波后的数字量计算温度值包括非线性卷积温度计算，对综合滤波后的温度数据进行非线性卷积处理，使用伽玛函数作为卷积核，结合信号的时间变量和指数衰减项，对滤波信号进行卷积运算，捕捉信号的非线性特征，使卷积结果反映信号的复杂动态变化和时间特性，通过调整伽玛函数的参数，控制卷积结果的平滑程度和频率响应，非线性卷积表示为：
6.如权利要求5所述的低功耗集中供热实时温度采集方法，其特征在于：所述通过以太网基于面向连接的套接字技术传输数据包括数据传输流程，在服务器WinCE端，用soeket函数创建套接字，bind函数将套接字绑定到本地地址和端口，listen函数不断监听客户端，接收客户的请求，当收到客户端请求传输数据时，accept函数接受连接请求，建立连接，返回一个新的对应连接的套接字，通过send或recv函数，用返回的套接字和客户端进行通信，等待下一次客户请求，当预设时间内没有客户请求时，关闭连接套接字，在客户管理PC机端，用socket函数创建套接字，调用connect函数向服务器发出连接请求，通过send或recv函数和服务器进行通信，最后关闭套接字，客户端接收服务器端存储的各通道24个小时以天为单位的温度信息，转换为日报表格式，进行显示，并打印记录。
7.如权利要求6所述的低功耗集中供热实时温度采集方法，其特征在于：所述存储各路温度值包括存储判定标识，每次处理数据后，将转换结果放置到程序缓冲区和显示缓冲区中，程序设定存储判定标识位，在每小时的第0到5分钟之间将程序缓冲区中的数据保存到固定文件中，每天采集的各个时刻信息存储为文件，在数据存储过程中，对存储判定标识置位，根据当前时间对存储判定标识进行设置，在采集完64路温度时，对存储判定标识进行进一步设置，在固定周期检查存储判定标识，判断是否对文件执行存储操作，若执行存储操作，将程序缓冲区中的数据写入固定文件中，并重新对存储判定标识置位。
8.一种采用如权利要求1～7任一所述的低功耗集中供热实时温度采集方法的系统，其特征在于：包括路选采集模块、处理计算模块、传输存储模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的低功耗集中供热实时温度采集方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的低功耗集中供热实时温度采集方法的步骤。
...【技术特征摘要】
1.一种低功耗集中供热实时温度采集方法，其特征在于，包括：
2.如权利要求1所述的低功耗集中供热实时温度采集方法，其特征在于：所述向温度传感器发送通道路选信号包括路径选择信号，为每一个温度传感器通道生成一个基础路径选择信号，通过预设温度范围和历史温度确定基础信号，基于温度范围的振幅调节和标准化处理生成信号，计算每个通道在温度范围内的相对位置，并加入预设温度的比值，产生归一化基础信号表示为：
3.如权利要求2所述的低功耗集中供热实时温度采集方法，其特征在于：所述对温度信息进行采集包括数据采集与修正，在路径选择信号确定后，对选定通道进行温度数据的采集，对传感器输出电压信号进行积分运算，积分过程结合信号的指数衰减特性和高阶调制影响，使采集到的温度数据确反映真实温度，积分的时间段由设计指标确定，并在时间段内均匀采集预设次数的数据，每次采集的数据经过信号调理后进行求和和平均，获取原始温度数据，表示为：
4.如权利要求3所述的低功耗集中供热实时温度采集方法，其特征在于：所述对采集的信号进行数字滤波处理包括综合滤波处理，通过高斯滤波对数据进行平滑处理，利用零均值和标准差参数，生成高斯加权函数，对温度数据的每个点进行加权平均，引入拉普拉斯滤波，通过时间衰减系数和拉普拉斯函数，对数据的高频成分进行衰减和调制，高斯拉普拉斯复合滤波表示为：
5.如权利要求4所述的低功耗集中供热实时温度采集方法，其特征在于：所述得到滤波后的数字量计算温度值包括非线性卷积温度计算，对综合滤波后的温度数据进行非线性卷积处理，使用伽玛函数作为卷积核，结合信号的时间变量和指数衰减项，对滤波信号进行卷积运算，捕捉信号的非线性特征，使卷积结果反映信号的复杂动态变化和时间特性，通过调整伽玛函数的参数，控制卷积结果的平滑程度和频率响应，非线性卷积表示为：
6.如权利要求5所述的低功耗集中供热实时温度采集方法，其特征在于：所述通过以太网基于面向连接的套接字技术传输数据包括数据...
【专利技术属性】
技术研发人员：高德保，魏克强，闫永义，陈传孝，魏子峻，蔡瑞霞，高宇鑫，高天鑫，
申请(专利权)人：华能聊城热电有限公司，
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。