CN109165418A - 基于户用热量表数据的室温测量方法 - Google Patents

Abstract

本发明公开了一种基于户用热量表数据的室温测量方法，属于采暖供热技术领域。本发明的基于户用热量表数据的室温测量方法，在住户供热入口处安装热量表，利用热量表测量的供热数据对室内温度进行计算。该发明的基于户用热量表数据的室温测量方法维护方便，成本较低，不需要进入用户家中，具有很好的推广应用价值。

Description

基于户用热量表数据的室温测量方法

技术领域

本发明涉及采暖供热技术领域，具体提供一种基于户用热量表数 据的室温测量方法。

背景技术

随着我国经济社会的快速发展，我国社会能源消耗保持了快速增 长的势头。庞大的能源消耗不仅给我国能源供给和经济稳定发展带来 了巨大的压力，还简介造成了环境污染加剧等严重的社会问题。

其中建筑能耗是社会能源消耗的重要组成部分。据统计，2014 年我国建筑的总能耗约为8.19亿吨标准煤，约占我国社会能源消费 总量的20％。而集中供热是我国北方区域冬季采暖的主要方式，据有 关资料统计，我国北方采暖地区供热采暖能耗占建筑总能耗的65％ 以上，有的地区甚至高达90％。因此，降低供热采暖能耗对于国家的 节能减排具有重大意义。降低采热供暖能耗的一个重要手段是防止过 度供暖。根据国家标准GB50019—2003《采暖通风与空气调节设计规 范》中规定设计集中采暖时，对民用建筑主要房间的室内计算温度宜 采用16℃—24℃之间，具有一定的波动量。国家现行标准《室内空 气质量标准》(GB/T 18883)要求，把民用建筑主要房间的室内温度 定在16℃以上作为合格温度，18℃为标准室温。但集中供暖过程中， 由于热力公司无法得知真实的室内温度，又要保证居民室内温度达标， 往往出现过度供暖的情况。远远超过22℃，超过25℃，这就造成了 过渡供暖。室内温度过高，一方面对不利于身体健康。科学研究表明， 当供暖温度超过22℃，室内空气会显得干燥，并由此影响人体自身 的体温调节功能，造成体温上升、血管扩张、心率加快、内分泌紊乱 等。另一方面，温度过高也造成了能耗的大量浪费，据统计，室温超 过18℃以后，每增加1℃，能耗就会增加超过10％。因此，获取居民 室内温度，根据居民室内温度进行精准供热负荷调节，是实现供热节 能的重要手段。

有热力公司曾试图通过往居民室内安装温度传感器以获取居民 室温数据，但是大多以失败告终。一方面由于每户安装温度传感器成 本压力过大，另一方面居民非常排斥来自热力公司的测温设备常年安 装在家中。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种维护方便， 成本较低，不需要进入用户家中的基于户用热量表数据的室温测量方 法。

为实现上述目的，本发明提供了如下技术方案：

一种基于户用热量表数据的室温测量方法，所述室温测量方法在 住户供热入口处安装热量表，利用热量表测量的供热数据对室内温度 进行计算。

通过热量表测量的供热数据对室内温度进行计算，从而使热力公 司能根据室内的实时温度来调整供暖，能够有效的保证室内温度不会 过低，也不会过渡供暖。

作为优选，该室温测量方法具体包括以下步骤：

S1：在住户供热入口处安装热量表，热量表测量供热数据：供水 流量q、供水温度T_in和回水温度T_out；

S2：在住户室内活动区域安装室内温度传感器，测量室内实时温 度T；

S3：在室外背阴处安装室外温度传感器，测量室外实时温度T₀；

S4：对测量的供水流量q、供水温度T_in、回水温度T_out、室内温 度T、室外温度T₀进行数据分析，得出供热数据、室外温度与室内 温度的关系如下公式(1)：T＝f(q,T_in,T_out,T₀)(1)；

S5：拆除室内温度传感器；

S6：热量表继续采集供热数据，室外温度传感器继续采集室外实 时温度，并利用已获取的关系对室内温度进行预测。

首先在住户室内活动区域安装室内温度传感器，采集室内实时温 度T，得出室内温度与供热数据、室外温度的关系后，将室内温度传 感器拆除，通过热量表采集的供热数据和室外温度对室内实时温度进 行计算即可。一方面能够避免居民排斥来自热力公司的测温设备常年 安装在家中，另一方面能够根据供热数据和室外温度得出实时室内温 度。

作为优选，步骤S4中利用机理建模进行数据分析，建立机理模型， 对T建立能量守恒过程：

其中，T为室内温度，T_in为供水温度，T_out为回水温度，T₀为室外温 度，c_p1为室内空气比热，V为室内取暖面积，c_p2为供水的比热，q 为供水流量，h₁和A₁分别为换热系数和换热面积，将式(2)简化有

采用最小二乘法对参数a和b进行优化。

采用辨识数据对机理模型参数a和b进行辨识，方法是采用最小 二乘法进行非线性模型参数优化，优化方程为：

U＝[u₁ u₂ u₃ u₄]^T＝[T_in T_out T₀ q]^T

式中，y为室温T，y_m为室温的模型值，T_s为采样时间，这里T_s为30min。θ表示所求参数。

对上述最小化问题采用无约束非线性优化，利用matlab中的优 化求解器fminunc，得到最优参数为：θ＝[0.004 0.004]。该值是取采 样时间为30min的结果，如果按1min为单位，需要将参数值除以30。

所述辨识数据为30min一次采样，共采集331组辨识数据，利用 采集的辨识数据计算出θ，得到最优参数。

利用得到的最优参数，采集1395组验证数据，对参数进行验证。

其中，辨识数据为最初采样数据，验证数据是利用求得的参数采 集的数据，用来验证参数的正确性，验证数据采样时间与求参数时的 采样时间相同，均为30min。

根据得到的最优参数，将式(2)写成离散形式为：

y_m(k+1)＝0.004q(k)(T_in(k)-T_out(k))-0.004(y(k)-T₀(k))+y(k)

以上值均建立在采样时间为30min一次，如果改变采样时间，则 需要相应修改参数。例如本发明中的采样时间为30min一次，若采样 时间改为1min一次，则参数值除以30；采样时间改为1h一次，则 参数值乘以2。

作为优选，所述数据分析还包括对T_out建立能量守恒过程

其中，T为室内温度，T_in为供水温度，T_out为回水温度，T₀为室外温 度，c_p2为供水的比热，V₂为换热器内热水体积，q为供水流量，h₂和A₂分别为换热器与室内对流换热的换热系数与为换热系数与换热 面积，将式(3)简化有

采用最小二乘法对参数c和d优化。

在进行虚拟仿真时，模拟闭环控制需要T_out作为干扰，但是T_out与T₀不同，它是随着供热温度和室内温度以及压差而变化的。因此， 为了更好的模拟出供热过程，对T_out进行建模，对原有模型进行扩充。

在式(3)中，假设换热器内的热水温度等于T_out，即供水从T_in瞬间降到T_out，再与室内温度T由于差值进行换热。按照与对式(2) 同样的辨识方法，对式(3)中的参数c和d进行计算，有c＝0.968， d＝0.0852。将式(3)写成离散形式为：

T_out(k+1)＝0.096Sq(k)(T_in(k)-T_out(k))-0.0S52(y(k)-T₀(k))+T_out(k)

作为优选，步骤S4中利用线性模型ARX模型进行数据分析。

作为优选，所述ARX模型中，将T₀、T_in、T_out和q四个值作为 输入，y＝T作为输出，得到

对输入输出的数据进行辨识，得参数a₁、a₂、b₁₁、b₁₂、b₂₁、b₂₂、 b₃₁、b₃₂、b₄₁和b₄₂。

采用辨识数据，经过计算得a₁＝-1.4684，a₂＝0.5279，b₁₁＝0.0259， b₁₂＝-0.0423，b₂₁＝0.0745，b₂₂＝-0.0360，b₃₁＝0.0497，b₃₂＝-0.0438， b₄₁＝0.2536，b₄₂＝0.1116。

式(4)为：y(k)＝1.4684y(k-1)-0.5279y(k-2)+0.0259T_in(k-1) -0.0423T_in(k-2)+0.0745T_out(k-1)-0.0360T_out(k-2)+0.0497T₀(k-1) -0.0438T₀(k-2)+0.2536q(k-1)+0.1116q(k-2)。

采用验证数据对上式进行验证。

其中，辨识数据为初始数据，利用辨识数据求得参数，再进行 辨识得到验证数据，与初始辨识数据对比用来验证参数的正确性。

阶跃响应模型可以直观地显示出各输入量对室温的影响，用 matlab仿真得到阶跃响应模型，ARX模型包含输入输出，输入量对 输出的影响与阶跃响应模型对应，ARX模型有不同个数的输入值时， 对应不同个数的阶跃响应模型。采用阶跃响应模型对ARX模型中，将T₀、T_in、T_out和q四个值作为输入，y＝T作为输出时，显示出各输 入量对室温的影响。

作为优选，所述ARX模型中，T_in和T₀两个值作为输入，y＝T 作为输出，得到

对输入输出的数据进行辨识，得参数a₁、a₂、b₁₁、b₁₂、b₂₁和b₂₂。

采用辨识数据，经过计算得a₁＝-1.5156，a₂＝0.5417，b₁₁＝0.0477， b₁₂＝-0.0384，b₂₁＝0.0492，b₂₂＝-0.0416。

式(6)为：y(k)＝1.5156y(k-1)-0.5417y(k-2)+0.0477T_in(k-1)-0. 0.0384T_in(k-2)+0.0492T_out(k-1)-0.0416T_out(k-2)。

采用验证数据对上式进行验证。

其中，辨识数据为初始数据，利用辨识数据求得参数，再进行 辨识得到验证数据，与初始辨识数据对比用来验证参数的正确性。

阶跃响应模型可以直观地显示出各输入量对室温的影响，用 matlab仿真得到阶跃响应模型，ARX模型包含输入输出，输入量对 输出的影响与阶跃响应模型对应，ARX模型有不同个数的输入值时， 对应不同个数的阶跃响应模型。采用阶跃响应模型对ARX模型中，将T₀、T_in、T_out和q四个值作为输入，y＝T作为输出时，显示出各输 入量对室温的影响。

与现有技术相比，本发明的基于户用热量表数据的室温测量方 法具有以下突出的有益效果：所述基于户用热量表数据的室温测量方 法，不需要在住户室内安装温度传感器即可获取居民室内的温度数据， 从而使热力公司能够根据居民室内的温度调节供暖量，既能保证居民 室内温度不会过低，影响居民的正常取暖，又不会使居民室内温度过 高，造成能源浪费，具有良好的推广应用价值。

附图说明

图1是本发明实施例一中对T建立能量守恒过程的辨识数据的采 集过程示意图；

图2是本发明实施例一中对T建立能量守恒过程的验证数据的采 集过程示意图；

图3是本发明实施例一中对T_out建立能量守恒过程的辨识数据的 采集过程示意图；

图4是本发明实施例一中对T_out建立能量守恒过程的验证数据的 采集过程示意图；

图5是本发明实施例二中ARX模型为四个输入，y＝T时对应的 阶跃响应模型示意图；

图6是本发明实施例二中ARX模型为两个输入，y＝T时对应的 阶跃响应模型示意图；

图7为本发明实施例二中ARX模型为两个输入，y＝T输出的开 环分析对应的阶跃响应模型示意图。

具体实施方式

下面将结合附图和实施例，对本发明的基于户用热量表数据的室 温测量方法作进一步详细说明。

本发明的基于户用热量表数据的室温测量方法，在住户供热入口 处安装热量表，利用热量表采集供热数据对室内温度进行计算。具体 包括以下步骤：

S1：在住户供热入口处安装热量表，热量表测量供热数据：供水 流量q、供水温度T_in和回水温度T_out。

S2：在住户室内活动区域安装室内温度传感器，测量室内实时温 度T。

S3：在室外背阴处安装室外温度传感器，测量室外实时温度T₀。

S4：对测量的供水流量q、供水温度T_in、回水温度T_out、室内温 度T、室外温度T₀进行数据分析，得出供热数据、室外温度与室内 温度的关系如下公式(1)：T＝f(q,T_in,T_out,T₀)(1)。

S5：拆除室内温度传感器。

S6：热量表继续采集供热数据，室外温度传感器继续采集室外实 时温度，并利用已获取的关系对室内温度进行预测。

本发明中采用两种方法对步骤S4进行数据分析，得出室内温度 T与室外温度T₀、供水流量q、供水温度T_in和回水温度T_out的具体关 系。

实施例1

利用机理建模进行数据分析，建立机理模型。该数据分析过程包 括对T和T_out分别建立能量守恒过程。

1、对T建立能量守恒过程：

其中，T为室内温度，T_in为供水温度，T_out为回水温度，T₀为室外温 度，c_p1为室内空气比热，V为室内取暖面积，c_p2为供水的比热，q 为供水流量，h₁和A₁分别为换热系数和换热面积，将式(2)简化有

采用辨识数据对机理模型参数进行辨识，方法为采用最小二乘法 进行非线性模型参数a和b进行优化。优化方程为：

U＝[u₁ u₂ u₃ u₄]^T＝[T_in T_out T₀ q]^T

式中，y为室温T，y_m为室温的模型值，T_s为采样时间，这里T_s为30min，θ表示所求参数。

对上述最小化问题采用无约束非线性优化，利用matlab中的优 化求解器fminunc，得到最优参数为：θ＝[0.004 0.004]。辨识数据为 30min一次采样，共采集331组辨识数据，如图1所示为采集过程示 意图，图中数据代表室温的采样值，模型代表室温的模型值。利用辨 识数据计算出参数θ。如果辨识数据取采样时间为1min，则需要将 所得到的参数值除以30。

利用得到的最优参数，采集1395组验证数据，如图2所示为采 集过程示意图，得到验证结果。图2中，数据代表对最优参数进行验 证时得到的室温采样值，模型代表对最优参数进行验证时得到的模型 值。

如表1所示，为辨识数据和验证数据的统计结果。

表1

统计结果	均值	均方差
			辨识数据331组	-0.0016	0.1
验证数据1395组	0.0042	0.1108

根据得到的最优参数，将式(2)写成离散形式为：

y_m(k+1)＝0.004q(k)(T_in(k)-T_out(k))-0.004(y(k)-T₀(k))+y(k)

2、在进行虚拟仿真时，模拟闭环控制需要T_out作为干扰，但是 T_out与T₀不同，它是随着供热温度和室内温度以及压差而变化的。因 此，为了更好的模拟出供热过程，对T_out进行建模，对原有模型进行 扩充。

对T_out建立能量守恒过程：

其中，T为室内温度，T_in为供水温度，T_out为回水温度，T₀为室外温 度，c_p2为供水的比热，V₂为换热器内热水体积，q为供水流量，h₂和A₂分别为换热器与室内对流换热的换热系数与为换热系数与换热 面积。式(3)中，架设换热器内的热水温度等于T_out，即供水从T_in瞬间降到T_out，再与室内温度T由于差值进行换热。将式(3)简化 有

按照与对T同样的辨识方法，对该方程中的参数c和d进行计算， 如图3为辨识数据的采集过程示意图，图中数据代表室温的采样值， 模型代表室温的模型值。根据采集的辨识数据，经过计算，得到参数 c＝0.0968，d＝0.0852。根据得到的最优参数，将式(3)写成离散形式 为：

T_out(k+1)＝0.096Sq(k)(T_in(k)-T_out(k))-0.0S52(y(k)-T₀(k))+T_out(k)。

取验证数据进行模型验证，如图4为验证数据的采集过程示意图。 图4中，数据代表对最优参数进行验证时得到的室温采样值，模型代 表对最优参数进行验证时得到的模型值。

实施例2

利用线性模型ARX模型进行数据分析

1、ARX模型中，将T₀、T_in、T_out和q四个值作为输入，y＝T作 为输出，得到

对输入输出的数据进行辨识，得参数a₁、a₂、b₁₁、b₁₂、b₂₁、b₂₂、 b₃₁、b₃₂、b₄₁和b₄₂。如表2所示，为采用辨识数据计算得到的a₁、a₂、 b₁₁、b₁₂、b₂₁、b₂₂、b₃₁、b₃₂、b₄₁和b₄₂值及辨识数据、验证数据的统 计结果。

表2

a1	a2	b11	b12	b21	b22
						-1.4684	0.5279	0.0259	-0.0423	0.0745	-0.0360
b31	b32	b41	b42
						0.0497	-0.0438	0.2536	0.1116
	辨识数据	验证数据
						偏差均值	-0.0059	1.2616
偏差均方根	0.2635	1.0366

由此得式(4)为：y(k)＝1.4684y(k-1)-0.5279y(k-2)+0.0259T_in(k-1) -0.0423T_in(k-2)+0.0745T_out(k-1)-0.0360T_out(k-2)+0.0497T₀(k-1) -0.0438T₀(k-2)+0.2536q(k-1)+0.1116q(k-2)。

如图5所示，为T₀、T_in、T_out和q四个值作为输入，y＝T作为输 出时的ARX模型对应的阶跃响应模型，该图中u1为供热温度、u2 为输出温度、u3为户外温度、u4为流量，阶跃响应模型中，u1供热 温度上升，室内温度下降，与实际不符。另外，供热温度与回水温度 对室内温度的静态增益太小，仅为0.3和0.1。

2、ARX模型中，T_in和T₀为两个输入，y＝T作为输出，得到

对输入输出的数据进行辨识，得参数a₁、a₂、b₁₁、b₁₂、b₂₁和b₂₂。 如表4所示，为采用辨识数据计算得到的a₁、a₂、b₁₁、b₁₂、b₂₁、b₂₂、 b₃₁和b₃₂值及辨识数据、验证数据的统计结果。

a1	a2	b11	b12	b21	b22
						-1.5156	0.5417	0.0477	-0.0384	0.0492	-0.0416
	辨识数据	验证数据
						偏差均值	-0.0255	1.5740
偏差均方根	0.3996	1.3087

如图6所示，T_in和T₀为两个输入，y＝T作为输出时的ARX模型 对应的阶跃响应模型，该图中u1为供热温度、u2为输出温度，阶跃 响应模型中供热温度与室外温度对室内温度的增益太小:0.35和0.3， 响应时间，仅为0.05和0.15。

4、对ARX模型中，两个输入，y＝T输出的进一步开环分析

离散模型形式：

y(k)+a₁y(k-1)+a₂y(k-2)＝b₁₁u₁(k-1)+b₁₂u₁(k-2)+b₂₁u₂(k-1)+b₂₂u₂(k-2)

采样时间为半个小时，相应的取值为0.5，得到连续传递函数：

0.11465(s+0.4349)

--------------------

(s+1.099)(s+0.1273)

Zero/pole/gain from input 2to output:

0.12113(s+0.3393)

--------------------

(s+1.099)(s+0.1273)

如图7所示，阶跃响应模型中，横坐标为分钟，与图6按程序得 到的阶跃响应一致。说明两个传递函数

和均为近似一阶惯 性环节。

由图7所示阶跃响应模型可知：

●供热温度上升1摄氏度，室内温度30h后上升至0.35摄氏度 至稳定，10h后可上升至接近0.3度。

●室外温度上升1摄氏度，室内温度30h后上升至0.3度稳定， 10h后可上升至0.25度。

由阶跃响应模型可判断MPC(Model Predictive Control模型预测 控制)参数：预测时域应大致到达稳态时间，因此预测时域P应取 20到100之间。初步取60，即将来30个小时的时间，预测模型可到 达稳态。

以上所述的实施例，只是本发明较优选的具体实施方式，本领域 的技术人员在本发明技术方案范围内进行的通常变化和替换都应包 含在本发明的保护范围内。

Claims (7)

1.基于户用热量表数据的室温测量方法，其特征在于：在住户供热入口处安装热量表，利用热量表测量的供热数据对室内温度进行计算。

2.根据权利要求1所述的基于户用热量表数据的室温测量方法，其特征在于：该室温测量方法具体包括以下步骤：

S1：在住户供热入口处安装热量表，热量表测量供热数据：供水流量q、供水温度T_in和回水温度T_out；

S2：在住户室内活动区域安装室内温度传感器，测量室内实时温度T；

S3：在室外背阴处安装室外温度传感器，测量室外实时温度T₀；

S4：对测量的供水流量q、供水温度T_in、回水温度T_out、室内温度T、室外温度T₀进行数据分析，得出供热数据、室外温度与室内温度的关系如下公式(1)：T＝f(q,T_in,tT_uo,T₀)(1)；

S5：拆除室内温度传感器；

S6：热量表继续采集供热数据，室外温度传感器继续采集室外实时温度，并利用已获取的关系对室内温度进行预测。

3.根据权利要求2所述的基于户用热量表数据的室温测量方法，其特征在于：步骤S4中利用机理建模进行数据分析，建立机理模型，对T建立能量守恒过程：

其中，T为室内温度，T_in为供水温度，T_out为回水温度，T₀为室外温度，c_p1为室内空气比热，V为室内取暖面积，c_p2为供水的比热，q为供水流量，h₁和A₁分别为换热系数和换热面积，将式(2)简化有

采用最小二乘法对参数a和b进行优化。

4.根据权利要求3所述的基于户用热量表数据的室温测量方法，其特征在于：所述数据分析还包括对T_out建立能量守恒过程：

其中，T为室内温度，T_in为供水温度，T_out为回水温度，T₀为室外温度，c_p2为供水的比热，V₂为换热器内热水体积，q为供水流量，h₂和A₂分别为换热器与室内对流换热的换热系数与换热面积，将式(3)简化有

采用最小二乘法对参数c和d进行优化。

5.根据权利要求2所述的基于户用热量表数据的室温测量方法，其特征在于：步骤S4中利用线性模型ARX模型进行数据分析。

6.根据权利要求5所述的基于户用热量表数据的室温测量方法，其特征在于：所述ARX模型中，将T₀、T_in、T_out和q四个值作为输入，y＝T作为输出，得到

采用批量法辨识得参数a₁、a₂、b₁₁、b₁₂、b₂₁、b₂₂、b₃₁、b₃₂、b₄₁和b₄₂。

7.根据权利要求6所述的基于户用热量表数据的室温测量方法，其特征在于：所述ARX模型中，T_in和T₀两个值作为输入，y＝T作为输出，得到

采用批量法辨识得参数a₁、a₂、b₁₁、b₁₂、b₂₁和b₂₂。