[發明專利]基于BP神經網絡預測模型的供熱負荷預測節能控制方法及系統

在審

• 申請號: 202011193036.8
• 申請日: 2020-10-30
• 公開（公告）號: CN113757781A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 朱冬雪;張帆;卞志勇;葛雪鋒
• 申請（專利權）人: 浙江正泰聚能科技有限公司
• 主分類號: F24D19/10
• 分類號: F24D19/10
• 代理公司: 北京卓言知識產權代理事務所(普通合伙) 11365
• 代理人: 王茀智;趙云

本發明涉及集中供熱技術領域，具體涉及一種基于BP神經網絡的集中供熱熱負荷預測節能控制方法，其利用BP神經網絡預測模型預測采暖建筑每個供熱周期的供暖負荷Q₃，得到供暖負荷預測值，依據供暖負荷預測值調整采暖建筑的智能平衡閥IBV的開度，有利于節約能源和提高采暖用戶的熱舒適性。本發明還涉及一種應用上述方法的基于BP神經網絡預測模型的供熱負荷預測節能控制系統。

技術領域

本發明涉及集中供熱技術領域，具體涉及一種基于BP神經網絡的集中供熱熱負荷預測節能控制方法及系統。

背景技術

當前世界各地在能源方面都面臨著巨大的挑戰，在我國能源問題業已成為社會發展的核心問題，能源的高效利用技術逐漸受到研究學者的關注。調查數據顯示，中國的建筑能耗占國家總能耗的20％～40％，并且每年還在以超過10％的速度不斷增長。其中，在建筑總能耗中約有40％的占比來自集中供熱系統，而現有的集中供熱系統因自動化水平不高以及缺乏先進的預測技術，既不能夠滿足用戶端按需供熱，導致采暖用戶舒適度降低，還造成大量的熱量損失。

發明內容

本發明的目的在于克服現有技術的缺陷，提供一種基于BP神經網絡預測模型的供熱負荷預測節能控制方法，其有利于節約能源和提高采暖用戶的熱舒適性；還提供一種基于BP神經網絡預測模型的供熱負荷預測節能控制系統，應用所述基于BP神經網絡預測模型的供熱負荷預測節能控制方法。

為實現上述目的，本發明采用了如下技術方案：

一種基于BP神經網絡預測模型的供熱負荷預測節能控制方法，其包括以下步驟：

步驟1，確定采暖建筑的供熱負荷影響因素并獲取所述采暖建筑的最近N₀年的供熱負荷影響因素的原始數據，作為模型訓練數據庫，N₀≥1；建立以供熱負荷影響因素的數據值為輸入變量、以采暖建筑的供熱負荷Q₃為輸出變量的BP神經網絡預測模型，并依據模型訓練數據庫對BP神經網絡預測模型進行訓練；

步驟2，獲取所述采暖建筑的下一供熱周期的供熱負荷影響因素的數據值，為當前輸入數據，BP神經網絡預測模型依據當前輸入數據預測下一供熱周期的采暖建筑的供暖負荷Q₃，得到供暖負荷預測值；

步驟3，依據步驟2中所得供暖負荷預測值，調整設置在采暖建筑的供暖進水端或供暖出水端的智能平衡閥IBV的開度。

優選的，所述供熱負荷影響因素包括采暖建筑所在環境的空氣相對濕度、風速、太陽輻射和室外平均溫度，以及采暖建筑的室內平均溫度。

優選的，在步驟1中，對BP神經網絡預測模型進行訓練之前，首先對模型訓練數據庫執行以下數據處理方法，數據處理方法包括以下步驟：

步驟1a，將所述采暖建筑的最近N₀年的供熱負荷影響因素的原始數據依照類別按行或按列排列，每一種所述供熱負荷影響因素的全部數據為一組原始數據；

步驟1b，計算每組原始數據的平均值、方差和偏離率，偏離率的計算公式如下：

公式一：

其中，ε為偏離率、λ為原始數據的實際值、E為原始數據的平均值；

所述ε的取值設定為ε₀，0＜ε₀＜2；在一組原始數據中，若某個原始數據的偏離率ε小于ε₀，則保留該原始數據的原始值，若該原始數據的偏離率ε大于ε₀，則選擇該原始數據兩側相鄰時刻的原始數據的平均值替代該原始數據的原始值。

優選的，ε₀＝1；同一組所述原始數據中，相鄰數據的時間間隔與采暖建筑的供熱周期相同。