[發明專利]基于神經網絡算法的供暖系統戶閥調控方法

在審

• 申請號: 202210409416.3
• 申請日: 2022-04-19
• 公開（公告）號: CN114777191A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 葉蔚;湯建泉;徐啟煜;張晶晶;魏棟
• 申請（專利權）人: 山東科技大學
• 主分類號: F24D19/10
• 分類號: F24D19/10;G06N3/04;G06N3/08
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙) 11641
• 代理人: 李莎莎

1.基于神經網絡算法的供暖系統戶閥調控方法，其特征在于，所述調控方法由供暖系統的上位機平臺、現場供暖數據采集器和安裝于用戶端的帶有電動執行器的戶閥實現，所述上位機平臺建立有基于神經網絡算法的調控模型，

(1)先建立供暖系統戶端建筑結構的物理模型，包含層數、單元數、戶數、建筑類型、散熱類型；

(2)根據建筑結構的物理模型計算出每個用戶的孤立程度、是否為頂樓/底樓、邊戶/中間戶、期望室內溫度、建筑類型、散熱類型情況；

(3)進行基于神經網絡算法模型的訓練，訓練過程包括信號的正向傳播，將步驟(2)得出的計算數據輸入到神經網絡模型的輸入層，經隱含層處理，傳入輸出層，得到預測的權重值，并通過供暖系統的上位機平臺轉發給戶閥；

(4)上位機平臺通過供暖數據采集器采集所有戶閥的實際回水溫度，計算出所有戶閥的平均回水溫度，并給戶閥下發調節指令，配置回水溫度，配置戶閥的調節間隔和調節次數，戶閥接收到配置回水溫度后，計算出目標回水溫度，目標回水溫度等于配置回水溫度加權重值，經過多次調節，戶閥的實際回水溫度逐漸趨近于目標回水溫度，此時各用戶的室內溫度接近設定的目標室內溫度，調節結束。

2.根據權利要求1所述的基于神經網絡算法的供暖系統戶閥調控方法，其特征在于，所述步驟(3)的基于神經網絡算法模型的訓練過程還包括誤差的反向傳播過程，具體為：若輸出層的實際輸出與期望輸出有較大的誤差值，則轉入誤差的反向傳播階段，誤差反向傳播是將輸出誤差通過隱含層向輸入層逐層反傳，并將誤差分攤給各層的所有單元，從而獲得各層單元的誤差信號，此誤差信號即作為修正各單元權值的依據，當實際輸出與目標輸出之間的誤差不滿足預設的精度要求時，神經網絡會不斷的調整權值，更新網絡，直到誤差小于預設精度，訓練結束。

3.根據權利要求2所述的基于神經網絡算法的供暖系統戶閥調控方法，其特征在于，所述步驟(3)中信號的正向傳播的具體過程為：根據之前采暖季記錄的歷史數據，包含用戶室內溫度、回水溫度、孤立程度、建筑結構以及室外溫度等參數，得到神經網絡的樣本數據，輸入層神經元d有6個，分別為孤立程度d₁、頂/底樓d₂、邊/中間戶d₃、室內溫度d₄、建筑類型d₅、散熱類型d₆；隱含層神經元O有9個；輸出神經元P有一個，為權重值，將樣本分成訓練集和測試集兩部分，記輸入樣本數據為：

d(m)＝[d₁(m),d₂(m),...d_n(m)]，其中，n為樣本個數，m為訓練學習次數；

數據初始化：

初始化輸入層與隱含層之間的權值V_ij和隱含層與輸出層之間的權值W_jk，以及隱含層的閾值a和輸出層的閾值b，給定學習速率和激活函數；

隱含層輸入：

其中，i為輸入層神經元個數，i＝1，2···，6；j為隱含層神經元個數，j＝1，2···，9；

隱含層輸出計算：

根據輸入樣本，正向計算隱含層的輸出，隱含層輸出為，

其中，i為輸入層神經元個數，i＝1，2···，6；j為隱含層神經元個數，j＝1，2···，9；

輸出層輸入：

其中k為輸出層神經元個數，k＝1；

輸出層輸出計算：

根據隱含層的輸出，進一步計算輸出層的輸出，輸出層的輸出為，

其中k為輸出層神經元個數，k＝1。