[發明專利]一種基于AI機器學習的谷電固體蓄熱設備運維方法

在審

• 申請號: 202210801472.1
• 申請日: 2022-07-07
• 公開（公告）號: CN115127144A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 沈佳昱;于洋;鄒士奇
• 申請（專利權）人: 沈陽恒久安泰環保與節能科技有限公司
• 主分類號: F24D19/10
• 分類號: F24D19/10;F24D11/00;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：包括如下步驟：

步驟1、根據不同區域不同項目設置好相關的谷電時間段；

步驟2、根據不同區域不同項目通過歷史人工經驗的數據學習生成若干個運維模型，每個模型包含多個環境變量；

步驟3、每天不同區域不同項目將自動匹配的對應模型，并自動將當前和未來的環境變量填充入該模型，計算出谷電固體蓄熱設備的運維參數，并比對是否超出谷電時間段；

步驟4、當前項目自動執行該模型計算后的運維參數；

步驟5、當運行1天后，自動對這1天的運行數據進行評估分析，供暖達標效果與其他數據是否達到預期，如果達到，則保存數據用于下次學習，如果沒有達到預期，則修正數據并保存，用于下次改正學習；

步驟6、每天對歷史數據自動學習，每周自動升級迭代。

2.根據權利要求1所述的一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：所述的步驟2中每個模型專屬一個項目。

3.根據權利要求1所述的一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：所述的步驟3中每個模型每天晚上自動運行預測未來一天的谷電固體蓄熱設備的運維參數。

4.根據權利要求1所述的一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：所述的步驟3中每個模型運行時包含的環境變量有使用面積、蓄熱功率、蓄熱時間、換熱器功率、板換、室外溫度、剩余平均爐溫、室內平均溫度、氣候、光照、風雪、建筑形態、用能業態、設備特性及參數等相關數據，隨著系統的完善升級環境參數隨之增減。

5.根據權利要求1所述的一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：所述的步驟4中每個模型運行后計算出的谷電固體蓄熱設備的運維參數將會自動下發給當地設備使之按此自動運行。

6.根據權利要求1所述的一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：所述的步驟5中第二天的晚間會對本天的整個谷電蓄熱設備的運行自動進行供熱達標與節能效果評估，當達到了設定評估值，則保存當天運行總結數據，如果沒達到設定評估值，則進行相應數據修正，修正后保存當天運行總結數據。

7.根據權利要求1所述的一種基于AI機器學習的谷電固體蓄熱設備運維方法，其特征在于：所述的步驟6中每周進行系統的迭代升級，每個模型進行增量學習，學習內容為每天谷電蓄熱設備運行的保存總結數據。