[發明專利]一種基于云架構的大數據自我學習修正控制系統及方法

有效

• 申請號: 201710561265.2
• 申請日: 2017-07-11
• 公開（公告）號: CN107247407B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 趙旦;李鴻亮;肖春龍;吳宇;陳國朝;曾璘瑤
• 申請（專利權）人: 浙江中易慧能科技有限公司;浙江大學
• 主分類號: G05B13/02
• 分類號: G05B13/02;G05B13/04;G05D23/19
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

一種基于云架構的大數據自我學習修正控制系統，包括：供熱云平臺系統、供熱末端控制系統和服務器；供熱云平臺系統集成有大數據分析系統，供熱云平臺系統執行：對供熱末端控制系統所控的若干個房間分別進行房間屬性統計；針對選定房間的供水溫度、室外溫度進行周期性統計；在各個供水溫度和室外溫度條件下，根據供熱末端控制系統控制方式的影響因素對供熱末端控制系統的控制方式進行學習修正；供熱末端控制系統執行：根據房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正的控制方式對房間溫度進行調節控制。實現了不同房型、不同圍護結構、不同供水溫度及室外溫度條件下的自適應控制，以實現室溫的有效控制，達到節能效果。

技術領域

本發明涉及一種基于云架構的大數據自我學習修正控制系統及方法，屬于供熱平臺大數據分析應用、供暖末端控制技術等領域，為供暖末端房間溫度的有效、節能控制提供了新思路、新方法。

背景技術

目前，供暖系統末端室溫控制成果中，大部分是采用室溫反饋進行不同方式的控制，該控制方法都大同小異，均采用了PID控制算法思想，即根據系統的誤差，利用比例、積分、微分計算出控制量進行控制，控制效果不理想。同時，也有一些新穎的控制方法，比如有基于模糊神經網絡的控制方法，即把神經網絡的學習與計算功能融入模糊系統來實時調整控制器中可調參數，使之適應房間溫度變化并跟蹤溫度設定值；有通過反映供熱環境的變化以及由先前加熱所獲取的數據的變化到控制中，使溫度控制系統自身能夠與供熱環境(熱源的發熱量、負載的大小、設定溫度與室溫之間的溫差)相適應的控制方法等。

主要相關成果有：(1)水供暖系統控制室溫的方法和裝置(專利號：CN90100353.0)，該發明公開了一種用于水供暖系統的控制室溫的方法和裝置，涉及水供暖技術領域。方法的特征是：用室內溫度直接自動控制散熱器流量，克服目前樓層及陰陽面之間、區域之間溫度相差較大的缺點，實現恒溫和節能。裝置的特征是：由室溫控制和驅動工作，無需其它動力，無特殊工藝和材料，成本低，調整容易，控制散熱器的熱水流量，最終控制室內溫度。本發明可廣泛用于水暖系統類似的領域。(2)房間溫度控制方法(專利號：CN201210195290.0)，該發明公開了房間溫度控制方法，主要包括空房模式下的控制方法，進一步，還包括迎賓模式下的控制方式，以人員再次入住后，在設定的時間內獲得舒適溫度為控制目標，既能兼顧人員剛剛入住時的舒適度及滿意度又能實現空房模式下的科學控制室溫滿足空調系統的節能要求，該發明無需室外安裝傳感器，僅需采集空房模式下的空氣溫度及平均輻射溫度即可監測房間空氣得的得熱情況及預測開機后室溫降至舒適溫度的時間，該方法尤其適用于星級酒店客房空房模式下的室溫控制，亦可應用于其他居住建筑提前開關機時的空調預測控制。(3)基于模糊神經網絡的室溫控制算法(專利號：CN201410326973.4)，該發明公開了一種基于模糊神經網絡的室溫控制算法，設計一個雙輸入單輸出的模糊神經網絡控制器，通過實時檢測房間溫度跟蹤輸出與溫度設定值，結合在線學習機制實時調整控制器中可調參數，使之適應房間溫度變化并跟蹤溫度設定值。該發明把神經網絡的學習與計算功能融入模糊系統，將模糊系統類人的IF-Then規則嵌入神經網絡，在保持模糊控制系統較強的知識表達能力的同時又提高其自適應能力，并具有自學習能力。

總體來說，以上的這些控制方法對供暖系統末端房間室溫的控制有一定的指導意義及應用價值，但仍然存在一些不足，主要表現在供熱系統的實際使用過程中，由于受樓棟房型、房間圍護結構、供水溫度及室外溫度等復雜因素影響，對于現有的離線計算模型控制方法往往存在一定的局限性，不具備適用性。

發明內容

本申請提供一種基于云架構的大數據自我學習修正控制系統及方法

根據第一方面，一種實施例中提供一種基于云架構的大數據自我學習修正控制系統，包括供熱云平臺系統、供熱末端控制系統和服務器；

服務器分別與所述供熱云平臺系統和供熱末端控制系統網絡連接，供熱云平臺系統與供熱末端控制系統網絡連接；

供熱云平臺系統集成有大數據分析系統，供熱云平臺系統通過大數據分析系統執行：