【技术实现步骤摘要】
本申请涉及机器学习，特别涉及基于机器学习的供热温度个性化预测与控制方法及系统。
技术介绍
1、在当前的城市供热系统中，供热管网作为连接热源与用户的桥梁，其优化控制对于提高供热效率、确保供热质量以及实现节能减排具有至关重要的作用。供热系统一般分为一次网络和二次网络，一次网络是从热源到换热站的供热管网。这个过程中，热媒被输送到各个换热站，用以提供热能。二次网络是指从换热站到最终住户的供热管网。在换热站，一次侧的热量被转移到二次侧，然后输送给最终住户。
2、供热管网的二网平衡指的是供热系统中热水从供热源出发，通过管网输送到各个供热点，如住宅、工业区等，并最终返回热源的过程中，保持系统中热力平衡与流量平衡的状态。具体来说，这意味着供热系统需要调整管网中的流量分配，以确保每个供热点都能得到足够的热量满足需求，同时保证系统的高效运行。随着城市化的推进和居民生活水平的提高，对供热质量和供热效率的要求也越来越高，对二网平衡的需求也越来越高。
3、公开号为cn116306911a的中国专利，公开了一种基于分布式机器学习的热力站负荷预测及优化控制方法，包括：在多个热力站附近设置对应的边缘计算装置，基于热力站负荷特征和时间序列特征构建特征向量；云端服务器初始全局热负荷预测网络模型，并下发给每个边缘计算装置；边缘计算装置利用本地数据进行热负荷预测网络模型的训练，获得局部热负荷预测网络模型；云端服务器聚合多个边缘计算装置的局部热负荷预测网络模型，更新全局热负荷预测网络模型，并下发至每个边缘计算装置；在保持供热系统的总流量和二次网回
4、然而，传统的供热管网二网平衡优化方法虽然能够实现一定程度的热能分配和温度控制，但在应对气温变化和满足不同住户个性化供热需求方面，传统的二网平衡系统通常基于固定的调度计划和设定参数进行运行，这限制了它们在快速变化的气候条件下的适应性，也很难对每个单独的住户进行个性化的供热调整。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出基于机器学习的供热温度个性化预测与控制方法及系统，通过智能化调节满足了气温变化和不同住户的个性化供热需求。
2、本申请的一个方面提供了基于机器学习的供热温度个性化预测与控制方法，包括：
3、步骤s100：收集并绘制供热管网的拓扑结构模型，将供热管网划分成n个节点和m个管段，收集每个节点数据和管段的几何结构数据，收集供热时供热管网的管道内壁温度、水的运行参数和气温数据；
4、所述收集并绘制供热管网的拓扑结构模型，将供热管网划分成n个节点和m个管段，收集每个节点数据和管段的几何结构数据，收集供热时供热管网的管道内壁温度、水的运行参数和气温数据的具体方法为：
5、步骤s110：收集供热管网的拓扑结构并绘制拓扑结构模型，将供热管网划分为n个节点和m个管段，收集每个管段的几何结构数据得到每个管段的管段半径r、管段长度l和管段材质；
6、步骤s120：对于每个节点获取其节点数据，所述节点数据包括节点坐标、流经该节点的所有管段编号集合j和人体适宜温度tsp，所述节点表示住户的节点；
7、步骤s130：收集每个管段的管道内壁温度tω和每个节点的水的运行参数，收集对应时间的气温数据tout，所述水的运行参数包括水的流速v和水温t；
8、步骤s200：利用节点数据、管段的几何结构数据，以及供热时供热管网的管道内壁温度、水的运行参数和气温数据建立每个管段的热传递方程，将每个管段的热传递方程进行集成，得到整个供热管网的有限元方程组；
9、所述利用节点数据、管段的几何结构数据，以及供热时供热管网的管道内壁温度、水的运行参数和气温数据建立每个管段的热传递方程，将每个管段的热传递方程进行集成，得到整个供热管网的有限元方程组的具体方法为：
10、步骤s210：对于第j个管段，定义其管段半径为rj，管道长度为lj，管道内壁温度为tω，j；
11、步骤s220：建立每个管段的热传递方程，所述热传递方程的表达式为：qj＝αj×π×rj×lj×(tω，j-tout)，其中，qj表示第j管段的热传递量，αj为对流换热系数，π表示圆周率；
12、步骤s230：对于第i节点，获得流经该节点的所有管段得到管段编号集合ji，计算流入第i节点的总热传递量qi，计算所有节点的总热传递量得到节点的总热传递量序列{q1,q2,...,qn}，i∈[1，n]，qn为第n节点的总热传递量；
13、所述第i节点的总热传递量qi的计算公式为：
14、步骤s240：获取流经第i节点的管段编号集合ji中所有管段的管段体积之和vj，计算第i节点的热容系数ci；
15、所述第i节点的热容系数ci的计算公式为：其中，δt为时间步长；
16、步骤s250：获取供热管网上的第i节点和第k节点，得到连接第i节点和第k节点之间的供热管段截面积aik，获取第i节点和第k节点的水的流速vi、vk，计算得到第i节点与第k节点之间的传热系数dik；
17、所述第i节点与第k节点之间的传热系数dik的计算公式为：其中，ρ为水的密度，cω为水的比热容；
18、步骤s260：计算所有节点的热容系数得到热容系数序列{c1,c2,...,cn}，计算所有节点之间的传热系数得到传热系数矩阵cn为第n节点的热容系数，d1n为第1节点与第n节点之间的传热系数，d2n为第2节点与第n节点之间的传热系数；
19、步骤s270：将每个管段的热传递方程进行集成，并结合每个节点处的热容系数序列和传热系数矩阵，得到整个供热管网的有限元方程组；
20、所述有限元方程组为：
21、其中，∑d1k表示第1节点和相邻的所有节点k之间的传热系数，∑d2k表示第2节点和相邻的所有节点k之间的传热系数，tn为第n个节点的节点温度；
22、步骤s300：利用数值方法对有限元方程组进行求解，得到每个节点的节点温度，利用节点温度和人体适宜温度，计算出一次网最优供热温度；
23、所述利用数值方法对有限元方程组进行求解，得到每个节点的节点温度，利用节点温度和人体适宜温度，计算出一次网最优供热温度的具体方法为：
24、步骤s310：利用数值方法对有限元方程组进行求解，得到每个节点的每个单位时间的节点温度ti(t)；
25、步骤s320：结合节点温度和实际需要调整的温度差，计算得到一次网最优供热温度
26、所述一次网最优供热温度为：其中，δti表示实际需要调整的温度差，n0表示所有住户节点的集合；
27、所述实际需要调整的温度差δti为：δ本文档来自技高网...
【技术保护点】
1.基于机器学习的供热温度个性化预测与控制方法，其特征在于，包括：
2.如权利要求1所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述收集并绘制供热管网的拓扑结构模型，将供热管网划分成N个节点和M个管段，收集每个节点数据和管段的几何结构数据，收集供热时供热管网的管道内壁温度、水的运行参数和气温数据的具体方法为：
3.如权利要求2所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述利用节点数据、管段的几何结构数据，以及供热时供热管网的管道内壁温度、水的运行参数和气温数据建立每个管段的热传递方程，将每个管段的热传递方程进行集成，得到整个供热管网的有限元方程组的具体方法为：
4.如权利要求3所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述利用数值方法对有限元方程组进行求解，得到每个节点的节点温度，利用节点温度和人体适宜温度，计算出一次网最优供热温度的具体方法为：
5.如权利要求4所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述基于一次网最优供热温度为住户进行供热，收集住户反
6.如权利要求5所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述利用理想温度预测模型预测住户的理想温度和供热需求等级，住户通过在温控器输入理想温度和供热需求等级，调节阀门开合度将实时供热温度调节为理想温度的具体方法为：
7.如权利要求6所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述基于供热需求等级调整温差响应系数W的具体方法为：
8.基于机器学习的供热温度个性化预测与控制系统，用于实现如权利要求1-7任一项所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现如权利要求1-7任一项所述的基于机器学习的供热温度个性化预测与控制方法中的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-7任一项所述的基于机器学习的供热温度个性化预测与控制方法中的步骤。
...【技术特征摘要】
1.基于机器学习的供热温度个性化预测与控制方法，其特征在于，包括：
2.如权利要求1所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述收集并绘制供热管网的拓扑结构模型，将供热管网划分成n个节点和m个管段，收集每个节点数据和管段的几何结构数据，收集供热时供热管网的管道内壁温度、水的运行参数和气温数据的具体方法为：
3.如权利要求2所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述利用节点数据、管段的几何结构数据，以及供热时供热管网的管道内壁温度、水的运行参数和气温数据建立每个管段的热传递方程，将每个管段的热传递方程进行集成，得到整个供热管网的有限元方程组的具体方法为：
4.如权利要求3所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述利用数值方法对有限元方程组进行求解，得到每个节点的节点温度，利用节点温度和人体适宜温度，计算出一次网最优供热温度的具体方法为：
5.如权利要求4所述的基于机器学习的供热温度个性化预测与控制方法，其特征在于，所述基于一次网最优供热温度为住户进行供热，收集住户反馈数据，利用住户反馈数据、实时气温数据和一...
【专利技术属性】
技术研发人员：唐士明，范立杰，尹彦禄，苏凤昌，于涛，张同卫，陈振宇，李硕，郝宏志，田智伟，
申请(专利权)人：国能哈尔滨热电有限公司，
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。