[發明專利]基于SD-LSTMs的公寓獨立供熱系統需熱量預測及節能控制方法

有效

• 申請號: 202110540123.4
• 申請日: 2021-05-18
• 公開（公告）號: CN113237135B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 宮銘舉;孫嘉旺
• 申請（專利權）人: 天津理工大學
• 主分類號: F24D19/10
• 分類號: F24D19/10;G06N3/04;G06N3/08
• 代理公司: 天津市君硯知識產權代理有限公司 12239
• 代理人: 程昊

一種基于SD?LSTMs的公寓獨立供熱系統需熱量預測及節能控制方法，將相似日選取和長短時記憶網絡相結合，根據采集到的天氣信息，利用梯度提升算法選取與預測日具有相似天氣特征的歷史日作為相似日，從相似日中選取天氣、需熱量等特征結合建筑參數、供熱標準等特征搭建長短時記憶網絡來達到需熱量預測和節能控制的目的。本發明采用相似日和長短時記憶網絡相結合的模型設計，具有較強的實用性和創新性，其次，由于機器學習和深度學習算法功能強大且容錯能力強，模型準確性和可靠性較高，是一種合理、有效的熱量預測及節能控制解決方案。

(一)技術領域：

本發明應用于公寓獨立供熱相關領域，尤其是一種基于SD-LSTMs(Similar DayAnd Long Short-Term Memory Networks，相似日和長短時記憶網絡)的公寓獨立供熱系統需熱量預測及節能控制方法。

(二)技術背景：

在我們國家，供熱的主要形式為集中供熱和獨立供熱兩種。其中，集中供熱系統依賴于換熱站，它是連接鍋爐與熱用戶之間的橋梁，控制著熱量的傳送和再分配。而獨立供熱系統與此不同，它的整個熱量交換過程沒有換熱站的參與，由熱源產生的暖水或暖氣經傳輸管道流入各個房間，以此達到供暖的目的。相較于集中供暖而言，獨立供暖由于不涉及到換熱站的熱量中轉，由熱源產生的熱量能夠更快到達用戶所在房間，在這種情況下，熱量變化更加靈敏，熱量傳遞更加快速，因此，熱網的整體運行也就需要更加精準的預測和更加合理的控制，此專利中涉及的公寓獨立供熱系統結構如圖1所示。

在經濟條件充裕的前提下，人們對生活環境的要求越來越高，公寓逐漸成為了居住的首要選擇，由此也推動著獨立供熱系統的快速發展。公寓獨立供熱系統的合理調節和節能控制是一項跨學科、跨領域的綜合技術，是保證熱力設備平穩、有效運行的重要措施，是提供舒適供熱環境的根本保證，對提高熱網的整體運行質量有著十分重要的意義。隨著科學技術的高速發展，計算機在處理大數據的效能上展現出了顯著優勢，一系列有關機器學習和深度學習的算法依托計算機的高效運算能力逐漸發展起來，在預測和智能識別等方面展現出了較高的準確率。利用機器學習和深度學習的相關算法建立合適的模型來預測公寓獨立供熱系統在供暖期的逐時需熱量是一種科學且合理有效的技術方案。

隨著問題的明確及我國科技實力的大幅度提升，我國學者針對集中供熱系統中存在的各種問題進行了大量的研究和不斷地改造。針對供熱系統中存在的問題，兼顧節能措施，提出了基于雙啟發式動態規劃算法的熱源優化控制方法，通過建立熱源總熱量生產優化問題的數學描述，來獲取供水量及供水溫度的最優值。為了進一步提高預測效率，提出了基于供熱系統中時延的溫度預測模型，用最小二成意義上的時延來進行剪枝算法的求解和回水溫度的預測。為了更加精確地預測供熱系統中的熱負荷，對比了三種熱負荷預測模型，最終得出基于網格搜索優化支持向量機回歸(Grid Search Optimization SupportVector Machine Regression，GS-SVR)方法的預測結果明顯優于神經網絡和多元線性回歸。利用模糊推理來在線整定PID(Proportional Integral Differential，比例積分微分)控制器的參數，設計了基于參數自適應的Fuzzy-PID控制器，實現對供熱源的溫度控制等等。

本發明將結合機器學習中的極限梯度提升算法和深度學習中的長短時記憶網絡來構建模型，以期達到合理預測公寓獨立供熱系統在供暖期的逐時需熱量以及合理控制能耗和節約能源、指導供熱設備運行調度和提供經濟舒適供熱的目的。

(三)發明內容：

本發明的目的在于提供一種基于SD-LSTMs的公寓獨立供熱系統需熱量預測及節能控制方法，相較于現有技術的預測和控制方法，它克服了現有技術的不足，采用相似日(SD——Similar Day)選取和長短時記憶網絡(LSTMs——Long Short-Term MemoryNetworks)相結合的方式構建供熱系統的模型實現對所需熱量的預測及節能控制，該方法簡單、性能穩定且預測準確度較高，適合于公寓獨立供熱系統在供暖期逐時需熱量的預測，且能達到有效節約能源、提供合理節能控制的目的。