CN111520812A - 一种供热住户室温估测方法及*** - Google Patents
一种供热住户室温估测方法及*** Download PDFInfo
- Publication number
- CN111520812A CN111520812A CN202010402146.4A CN202010402146A CN111520812A CN 111520812 A CN111520812 A CN 111520812A CN 202010402146 A CN202010402146 A CN 202010402146A CN 111520812 A CN111520812 A CN 111520812A
- Authority
- CN
- China
- Prior art keywords
- temperature
- heat supply
- residents
- average
- heat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 94
- 238000012417 linear regression Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000010438 heat treatment Methods 0.000 claims description 74
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000009413 insulation Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000033228 biological regulation Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 230000003203 everyday effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
- Steam Or Hot-Water Central Heating Systems (AREA)
Abstract
本发明属于供热住户室温估测领域，提供了一种供热住户室温估测方法及***。其中，供热住户室温估测方法包括实时采集所有供热住户当前时刻对应的回水温度和室外温度；利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；其中，供热住户室温估测模型的构建过程为：获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；计算出供热住户在历史预设时间周期内有效供热温度数据平均集合，构建出线性回归方程并计算线性回归方程相关系数。
Description
技术领域
本发明属于供热住户室温估测领域，尤其涉及一种供热住户室温估测方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
供热企业在供暖运行中需要住户室温数据以监控小区的供暖质量，指导小区换热站的运行参数选择。理想情况下，每户均安装室温采集设备，将室温数据实时传输到热力公司监控中心，从而可以让供热企业根据每户的室温来确定小区供热参数，例如循环流量、供水温度等，从而在确保居民供暖质量的前提下实现节能降耗、提高经济效益的目标。但是在实际运行中，受制于经济预算，难以实现这样理想的运行情况。即便预算允许，实际运行使用中也有多种不尽人意之处。具体表现在以下三个方面：1)安装难：部分甚至多数住户因各种原因拒绝安装室温采集设备。有源供电的设备需在住户家里取电，安装复杂；电池供电的设备为了防止移动需要在墙上打孔，影响美观。2)设备移动和拆除：已经安装的设备住户因隐私顾虑、室内美观等原因可能会拆除或移动，导致数据中断和失真。3)设备故障难以检修：由于入户相对复杂，设备一旦发生故障难以入户检修，也容易招致住户的反感心理。
发明人发现，现有的相关推测技术，一般是基于整小区或者整栋楼的平均室温或者平均回水温度进行预测，但由于建筑结构(包括保温结构、阳光直射程度等)、住户使用习惯(包括开窗等)等的不同，造成不同住户间预测的差异巨大，与实际情况失真较大。另外部分设备传输不稳定、或者被用户拆除而停止上传。这些不可控因素均造成了根据室温进行精细化控制有巨大的困难。
发明内容
为了解决上述问题，本发明提供一种供热住户室温估测方法及***，其针对住户端的室温进行建模，通过剔除无效数据，根据每日最新上传的数据更新模型，实现准确的室温预测，给户端精细化调控能够提供可靠的依据。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种供热住户室温估测方法。
一种供热住户室温估测方法，包括：
实时采集所有供热住户当前时刻对应的回水温度和室外温度；
利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
作为一种实施方式，供热住户室温估测模型的线性回归方程为：
Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
作为一种实施方式，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
作为一种实施方式，以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
本发明的第二方面提供一种供热住户室温估测***。
一种供热住户室温估测***，包括：
采集模块，其用于：实时采集所有供热住户当前时刻对应的回水温度和室外温度；
估测模块，其用于：利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
作为一种实施方式，供热住户室温估测模型的线性回归方程为：Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
作为一种实施方式，在所述估测模块中，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
作为一种实施方式，在所述估测模块中，以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
实时接收所有供热住户当前时刻对应的回水温度和室外温度；
利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
实时接收所有供热住户当前时刻对应的回水温度和室外温度；
利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
本发明的有益效果是：
由于供暖具有滞后性，暖气开停对于室温的影响滞后，本发明采用了平均回水温度和上一次平均回水温度作为计算依据，针对住户端的室温进行建模，通过剔除无效数据，根据每日最新上传的数据更新模型，实现了准确的室温预测，给户端精细化调控能够提供可靠的依据。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的一种供热住户室温估测方法流程图；
图2是本发明实施例的供热住户室温估测模型的构建流程图；
图3是本发明实施例的一种供热住户室温估测***结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
图1给出了本实施例的一种供热住户室温估测方法，包括：
S101：实时采集所有供热住户当前时刻对应的回水温度和室外温度；
S102：利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数。
如图2所示，供热住户室温估测模型的构建过程为：
步骤(a)：获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
步骤(b)：剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
步骤(c)：计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
本实施例中，不仅仅根据现有历史数据进行回归分析，对于实时上传的新数据也会动态更新回归方程参数，使预测更为准确；实时参数更新的方式，对于数据传输不稳定不全的住户更有必要，随着数据量累积，预测会更精准。
其中，无效数据主要包括以下三类：
1、室温小于预设最低室温阈值时无效数据：一般是由于住户自行开窗散热造成温度短时间内急剧下降；而当用户关闭窗户后，温度又随之上升；
2、室温大于预设最高室温阈值时无效数据：一般是由于室温采集器安装位置导致白天某些时刻阳光直射到设备上，导致检测温度过高，当阳光不再直射时，温度随之下降；
3、回水温度小于预设最低回水温度阈值时无效数据：一般是由于用户自主关阀、过滤器堵塞、热力非正常停暖等引起，当供暖恢复时，温度随之上升。
下面预设时间周期为24小时为例：
以室内温度和回水温度为依据来剔除预设时间周期内所有住户的无效供热温度数据集合，得到所有住户的有效供热温度数据集合的过程为：
下面以室内温度为依据剔除：
T1＝t1
Tn＝kTn-1+(1-k)tn n>1
k为预设的预测参数，选定为0.9-0.95之间；
tn为第n个真实上传室温值；
Tn为前n个室温值的加权平均值；
其中，如果以上计算上传实际温度值距离上个值已经超过24小时，则重新开始计算。
令
Tow为开窗判断温差值，典型值为2℃；
Tow为关窗判断温差值，典型值为1℃；
Tow为光照开始判断温差值，典型值为3℃；
Tss为光照结束判断温差值，典型值为1℃；
当Tn-tn≥Tow时，判断进入开窗状态；开窗状态下Tn-tn<Tcw时，判断窗户关闭；开窗状态下的供热温度数据均判断为异常数据，且均予以剔除；
当满足在某一时间区间内，tn-Tn≥Tss时，且此温度数据时刻前6小时内无开窗异常的情况下，判断阳光开始直射；直射状态下tn-Tn<Tsf时，判断恢复正常；在无开窗异常的情况下且阳光直射状态下的供热温度数据均判断为异常数据，且均予以剔除。
其中：判断阳光直射的某一时间区间内，参照当地日出日落时间，一般选定典型值为上午十点至下午四点。
下面以回水温度为依据剔除：
根据全小区供暖报停状态计算出：
Tgavg为所有供热住户的平均回水温度；
Ttavg为所有供热报停户的平均回水温度。当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断为异常数据，进行剔除。其中k为判断参数，典型值取0.3。
本实施例对所有的供热数据进行处理，用于供热分析，并在处理中识别异常住户行为。
下面构建供热住户室温估测的线性回归模型：
针对已经剔除完毕的有效数据集合{室温，回水温度，室外温度}
第一步：取平均值；
计算所有住户一定时间周期内的平均值(包含平均室温、平均回水温度、平均室外温度)，典型计算一般按照0：00-24：00计算一日平均值。
第二步：训练集和测试集；
按照每户每采暖季数据集合，取p％为训练集，则剩余(1-p％)为测试集，p取值范围为0-100。
第三步：线性回归；
Tr＝f(Tn-1,Tn,Tout)
Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb
Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
按照以上公式进行回归计算，得出α1、α2、β、Tb四个参数。
第四步：有效性处理；
如果求出的α1、α2、β三个参数有小于等于零的指标，则令其等于零，重新做减少参数的线性回归，直至全部参数大于零。得出的参数即可得到供热用户的回归方程。
当选定训练集为80％时，根据20％的测试集可以验证，以上回归的预测结论可以实现95％以上预测误差在±0.5℃以内。
根据住户的回归参数，可以判断其楼宇保温情况(β反映)、热效率指标高低(α1、α2可反映)、供暖的行为(Tb可反映)；得出的回归方程可以准确的根据室外温度、回水温度对住户室温进行预测，对于室温测量装置出现故障后可以继续有效预测其室温。
本实施例可通过回归方程，根据预想住户应达到的室温，结合天气预报的室外温度，给予下一周期的回水温度指标，该指标可直接给到换热站调控***，可以直接将***调整为跟踪回水温度模式；或者更精细化的调控策略为将计算出的回水温度指标直接给定到住户的阀门，阀门会根据回水温度进行自动调控开度以实现达到该温度值(阀门操作原理如下：判断回水温度指标与当前回水温度值的大小，如果指标高于当前，则开大阀门，加大水流速，回水温度随之升高；反之亦然)，进而确定调控策略。
实施例二
如图3所示，本实施例提供了一种供热住户室温估测***，其包括：
(1)采集模块，其用于：实时采集所有供热住户当前时刻对应的回水温度和室外温度；
(2)估测模块，其用于：利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数。
如图2所示，本实施例的供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
其中，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
具体地，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合的过程与实施例一相同，此处不再累述。
以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
具体地，供热住户室温估测模型的线性回归方程为：Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
步骤1：实时接收所有供热住户当前时刻对应的回水温度和室外温度；
步骤2：利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
步骤2.1：获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
步骤2.2：剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
其中，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
步骤2.3：计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
具体地，供热住户室温估测模型的线性回归方程为：Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
由于供暖具有滞后性，暖气开停对于室温的影响滞后，本实施例采用了平均回水温度和上一次平均回水温度作为计算依据，针对住户端的室温进行建模，通过剔除无效数据，根据每日最新上传的数据更新模型，实现了准确的室温预测，给户端精细化调控能够提供可靠的依据。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
步骤1：实时接收所有供热住户当前时刻对应的回水温度和室外温度；
步骤2：利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
步骤2.1：获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
步骤2.2：剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
其中，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
步骤2.3：计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
具体地，供热住户室温估测模型的线性回归方程为：
Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
由于供暖具有滞后性，暖气开停对于室温的影响滞后，本实施例采用了平均回水温度和上一次平均回水温度作为计算依据，针对住户端的室温进行建模，通过剔除无效数据，根据每日最新上传的数据更新模型，实现了准确的室温预测，给户端精细化调控能够提供可靠的依据。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种供热住户室温估测方法，其特征在于，包括：
实时采集所有供热住户当前时刻对应的回水温度和室外温度；
利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
2.如权利要求1所述的供热住户室温估测方法，其特征在于，供热住户室温估测模型的线性回归方程为：Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
3.如权利要求1所述的供热住户室温估测方法，其特征在于，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
4.如权利要求1所述的供热住户室温估测方法，其特征在于，以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
5.一种供热住户室温估测***，其特征在于，包括：
采集模块，其用于：实时采集所有供热住户当前时刻对应的回水温度和室外温度；
估测模块，其用于：利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
6.如权利要求5所述的供热住户室温估测***，其特征在于，供热住户室温估测模型的线性回归方程为：Tr＝α1×Tn-1+α2×Tn+β×Tout+×Tb；
其中，Tr为所有供热住户平均室内温度；Tn-1为前一个平均回水温度；Tn为平均回水温度；Tout为平均室外温度；α1：供暖系数1；α2：供暖系数2；β：保温系数；Tb：停暖温度。
7.如权利要求5所述的供热住户室温估测***，其特征在于，在所述估测模块中，以室内温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
剔除开窗状态下的供热温度数据以及关窗状态下的阳光直射对应的供热温度数据；
其中，供热住户的开关窗状态以及关窗状态下的阳光直射状态是根据当前时刻的室内温度与当前时刻之前的平均室内温度之间的差值与相应预设温差值比较得到的。
8.如权利要求5所述的供热住户室温估测***，其特征在于，在所述估测模块中，以回水温度为依据剔除历史预设时间周期内住户的无效供热温度数据集合，其剔除依据为：
当某一时刻的回水温度Tout<kTgavg+(1-k)Ttavg时，判断相应时刻的回水温度为异常数据，进行剔除；其中k为判断参数，为已知参数；Tgavg为所有供热住户的平均回水温度；Ttavg为所有供热报停户的平均回水温度。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
实时接收所有供热住户当前时刻对应的回水温度和室外温度；
利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
实时接收所有供热住户当前时刻对应的回水温度和室外温度；
利用供热住户室温估测模型，估测出所有供热住户平均室内温度，以获取与当前平均室内温度相匹配的供热住户所属区域内换热站的运行参数；
其中，供热住户室温估测模型的构建过程为：
获取历史预设时间周期内各个时刻所有供热住户对应的供热温度数据集合{室内温度，回水温度，室外温度}；
剔除历史预设时间周期内供热住户的无效供热温度数据集合，得到供热住户的有效供热温度数据集合；
计算出供热住户在历史预设时间周期内有效供热温度数据平均集合{平均室内温度，平均回水温度，平均室外温度}，构建出线性回归方程并计算线性回归方程相关系数，进而得到供热住户室温估测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010402146.4A CN111520812B (zh) | 2020-05-13 | 2020-05-13 | 一种供热住户室温估测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010402146.4A CN111520812B (zh) | 2020-05-13 | 2020-05-13 | 一种供热住户室温估测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111520812A true CN111520812A (zh) | 2020-08-11 |
| CN111520812B CN111520812B (zh) | 2021-05-18 |
Family
ID=71912263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010402146.4A Active CN111520812B (zh) | 2020-05-13 | 2020-05-13 | 一种供热住户室温估测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111520812B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113531646A (zh) * | 2021-06-07 | 2021-10-22 | 青岛经济技术开发区海尔热水器有限公司 | 采暖设备控制方法、装置、设备及存储介质 |
| CN113606651A (zh) * | 2021-07-23 | 2021-11-05 | 淄博热力有限公司 | 基于机器学习算法的室温软测量*** |
| CN114543278A (zh) * | 2022-03-09 | 2022-05-27 | 朱建 | 空调室温控制方法及装置 |
| CN115186978A (zh) * | 2022-05-31 | 2022-10-14 | 河北工大科雅能源科技股份有限公司 | 一种供热***的供热效果的评价方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008099259A2 (en) * | 2007-02-16 | 2008-08-21 | Ariston Thermo S.P.A. | Boiler for a heating system, in particular for domestic use |
| CN107166504A (zh) * | 2017-04-18 | 2017-09-15 | 青岛海尔空调器有限总公司 | 供暖调节方法及装置 |
| CN109165418A (zh) * | 2018-08-01 | 2019-01-08 | 代傲表计（济南）有限公司 | 基于户用热量表数据的室温测量方法 |
| CN109668205A (zh) * | 2019-01-22 | 2019-04-23 | 于春光 | 一种高效精准供暖控热仪表 |
| CN110410854A (zh) * | 2019-07-16 | 2019-11-05 | 合肥瑞纳节能工程有限公司 | 一种换热站运行特性曲线自动修正调控方法及*** |
-
2020
- 2020-05-13 CN CN202010402146.4A patent/CN111520812B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008099259A2 (en) * | 2007-02-16 | 2008-08-21 | Ariston Thermo S.P.A. | Boiler for a heating system, in particular for domestic use |
| CN107166504A (zh) * | 2017-04-18 | 2017-09-15 | 青岛海尔空调器有限总公司 | 供暖调节方法及装置 |
| CN109165418A (zh) * | 2018-08-01 | 2019-01-08 | 代傲表计（济南）有限公司 | 基于户用热量表数据的室温测量方法 |
| CN109668205A (zh) * | 2019-01-22 | 2019-04-23 | 于春光 | 一种高效精准供暖控热仪表 |
| CN110410854A (zh) * | 2019-07-16 | 2019-11-05 | 合肥瑞纳节能工程有限公司 | 一种换热站运行特性曲线自动修正调控方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 张庆峰: "《基于大数据分析的供热二次管网异常监测的算法比较》", 《区域供热》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113531646A (zh) * | 2021-06-07 | 2021-10-22 | 青岛经济技术开发区海尔热水器有限公司 | 采暖设备控制方法、装置、设备及存储介质 |
| CN113531646B (zh) * | 2021-06-07 | 2024-02-09 | 青岛经济技术开发区海尔热水器有限公司 | 采暖设备控制方法、装置、设备及存储介质 |
| CN113606651A (zh) * | 2021-07-23 | 2021-11-05 | 淄博热力有限公司 | 基于机器学习算法的室温软测量*** |
| CN114543278A (zh) * | 2022-03-09 | 2022-05-27 | 朱建 | 空调室温控制方法及装置 |
| CN114543278B (zh) * | 2022-03-09 | 2024-01-09 | 朱建 | 空调室温控制方法及装置 |
| CN115186978A (zh) * | 2022-05-31 | 2022-10-14 | 河北工大科雅能源科技股份有限公司 | 一种供热***的供热效果的评价方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111520812B (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111520812B (zh) | 一种供热住户室温估测方法及*** | |
| CN111578370B (zh) | 一种供暖调控方法、***、介质及电子设备 | |
| JP7473690B2 (ja) | 冷却機器の制御方法、冷却機器制御装置、コンピュータ機器及びコンピュータ可読媒体 | |
| CN108168052B (zh) | 一种中央空调制冷***最优启停控制方法 | |
| CN115220351B (zh) | 一种基于云边端的建筑空调***智能节能优化控制方法 | |
| CN109059195A (zh) | 用于削减电网负荷峰值的中央空调的控制方法及控制*** | |
| CN111578470A (zh) | 空调***的喷淋控制方法 | |
| CN104390305A (zh) | 一种精密空调***控制方法 | |
| CN114264045A (zh) | 一种中央空调的能效调控***及方法 | |
| CN115630434A (zh) | 一种基于多智能体模拟的建筑碳排放预测方法和装置 | |
| CN114967804A (zh) | 配电房温度和湿度调控方法 | |
| CN114659237B (zh) | 一种基于物联网的空调能效监管方法 | |
| CN107247407B (zh) | 一种基于云架构的大数据自我学习修正控制***及方法 | |
| CN103062864B (zh) | 用于新风***中准确采集室外真实温度方法 | |
| CN110209649B (zh) | 基于关联规则知识库的中央空调***能效实时诊断方法 | |
| CN116307024A (zh) | 一种区域供热热负荷预测方法 | |
| CN108679703A (zh) | 一种基于分布式供热的同区域供热*** | |
| CN111664502B (zh) | 一种室温修正***的修正方法 | |
| CN115031314B (zh) | 用于无人值守机房的节能控制*** | |
| CN111578372B (zh) | 一种供暖住户室温估测方法、***、介质及电子设备 | |
| CN111928459B (zh) | 一种新型城市综合体供冷供热控制装置及其控制方法 | |
| CN116379576B (zh) | 基于大数据自学习的供热空调***节能底线的寻优方法 | |
| CN117329665B (zh) | 一种基于智能ai算法的空调室内联动控制方法及*** | |
| CN114543278B (zh) | 空调室温控制方法及装置 | |
| CN117346303A (zh) | 一种基于温度前馈调节的冷热平衡调节方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 250101 8th floor, Huantong building, 1257 Tianchen Road, high tech Zone, Jinan City, Shandong Province Applicant after: Shandong pusai Communication Technology Co.,Ltd. Address before: 250101 8th floor, Huantong building, 1257 Tianchen Road, high tech Zone, Jinan City, Shandong Province Applicant before: JINAN PUSAI COMMUNICATIONS TECHNOLOGY Co.,Ltd. |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Du Hongtao Inventor after: Zhao Wenxiu Inventor after: Lu Lu Inventor before: Chen Dongyan Inventor before: Du Hongtao Inventor before: Zhao Wenxiu Inventor before: Lu Lu |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for estimating room temperature of heating households Effective date of registration: 20211125 Granted publication date: 20210518 Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch Pledgor: Shandong pusai Communication Technology Co.,Ltd. Registration number: Y2021980013241 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230220 Granted publication date: 20210518 Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch Pledgor: Shandong pusai Communication Technology Co.,Ltd. Registration number: Y2021980013241 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method and System for Estimating Room Temperature of Heating Residents Effective date of registration: 20231113 Granted publication date: 20210518 Pledgee: Jinan Branch of Qingdao Bank Co.,Ltd. Pledgor: Shandong pusai Communication Technology Co.,Ltd. Registration number: Y2023370000128 |