CN116817357B - 基于热力站、楼栋及户的供暖控制方法及装置 - Google Patents
基于热力站、楼栋及户的供暖控制方法及装置 Download PDFInfo
- Publication number
- CN116817357B CN116817357B CN202311104889.3A CN202311104889A CN116817357B CN 116817357 B CN116817357 B CN 116817357B CN 202311104889 A CN202311104889 A CN 202311104889A CN 116817357 B CN116817357 B CN 116817357B
- Authority
- CN
- China
- Prior art keywords
- heating
- target
- station
- household
- load
- 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.)
- Active
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 590
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000000354 decomposition reaction Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 description 27
- 230000000694 effects Effects 0.000 description 8
- 230000000630 rising effect Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Landscapes
- Steam Or Hot-Water Central Heating Systems (AREA)
Abstract
本公开是关于一种基于热力站、楼栋及户的供暖控制方法、基于热力站、楼栋及户的供暖控制装置、存储介质及供暖控制***。该基于热力站、楼栋及户的供暖控制方法包括将当前时间之后预定时长内的天气数据及预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下目标热力站未来预定时间段的负荷数据;基于目标热力站的负荷调整信号、目标热力站供暖的户阀调整信号及目标热力站供暖的楼阀调整信号,对目标热力站供暖的户温进行温度协同调控。本申请中,结合上述三个调整信号,确定当前的户温调控状态,对目标热力站供暖的户温进行温度协同调控,从而有利于提高户温调控精确度和调控效率。
Description
技术领域
本公开涉及新能源车技术领域,尤其涉及一种基于热力站、楼栋及户的供暖控制方法、基于热力站、楼栋及户的供暖控制装置、存储介质及供暖控制***。
背景技术
目前北方的城市集中供暖,热力站输送的负荷进入楼栋,然后进入每户。在供暖控制上,热力站的负荷预测及控制、楼栋间的水力平衡、户间的水力平衡都是一个单独模块。当热力站控制调度时,由于热水从热力站流到每个楼栋、每一户的时间都不一样,分别进行热力站、楼栋及户的调控时,一方调节后,会影响其他两方的调控效果,造成整体调控效果不理想。
发明内容
有鉴于此,本公开实施例期望提供一种基于热力站、楼栋及户的供暖控制方法、基于热力站、楼栋及户的供暖控制装置、存储介质及供暖控制***。
本公开的技术方案是这样实现的:
第一方面,本公开提供一种基于热力站、楼栋及户的供暖控制方法。
本公开实施例提供的基于热力站、楼栋及户的供暖控制方法,包括:
将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据;
基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号;
基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号;
基于当前时间所述目标热力站供暖的户阀开度及所述目标热力站供暖的楼阀开度,确定所述目标热力站供暖的楼阀调整信号;
基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控。
在一些实施例中,所述基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号,包括:
基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定热力站负荷变化率;
将所述热力站负荷变化率与第一预定值进行比较,确定所述目标热力站的负荷调整信号。
在一些实施例中,所述基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号,包括:
基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户温数据与所述目标室温间的户温失衡度;
基于所述户温失衡度与第二预定值进行比较,确定所述目标热力站供暖的户阀调整信号。
在一些实施例中,所述基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控,包括:
若所述目标热力站的负荷调整信号为需要进行热力站调整信号,则通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据;
基于所述目标热力站的二网供温预测数据及所述目标热力站的二网流量预测数据,对所述目标热力站当前时间输出的二网供温和二网流量进行调整;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号,则对目标户阀进行开度调节;或,
若所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对目标楼阀进行开度调节;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号及所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标户阀和所述目标楼阀进行开度调节;
若所述目标热力站的负荷调整信号为需要进行热力站调整信号、所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号且所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标热力站未来预定时间段的负荷数据进行平滑处理,并对所述目标户阀和所述目标楼阀进行开度调节。
在一些实施例中,所述将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据前,所述方法包括:
获取目标热力站的历史负荷数据、历史天气数据及所述目标热力站供暖的历史户温数据;
基于所述目标热力站的历史负荷数据、所述历史天气数据及所述目标热力站供暖的历史户温数据,进行模型训练,得到所述时序负荷预测模型。
在一些实施例中,所述通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据前,所述方法包括:
获取历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据;
基于所述历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据,进行模型训练,得到时序负荷分解模型。
在一些实施例中,所述未来预定时间段包括N个连续时间段;
所述将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据,包括:
将当前时间之后第N-1时间段内的天气数据及所述第N-1时间段内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来第N时间段内的负荷数据;其中,N≥1。
第二方面,本公开提供一种基于热力站、楼栋及户的供暖控制装置,包括:
数据预测模块,用于将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据;
第一信号确定模块,用于基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号;
第二信号确定模块,用于基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号;
第三信号确定模块,用于基于当前时间所述目标热力站供暖的户阀开度及所述目标热力站供暖的楼阀开度,确定所述目标热力站供暖的楼阀调整信号;
室温调节模块,用于基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控。
第三方面,本公开提供一种计算机可读存储介质,其上存储有基于热力站、楼栋及户的供暖控制程序,该基于热力站、楼栋及户的供暖控制程序被处理器执行时,实现上述第一方面所述的基于热力站、楼栋及户的供暖控制方法。
第四方面,本公开提供一种供暖控制***,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基于热力站、楼栋及户的供暖控制程序,所述处理器执行所述基于热力站、楼栋及户的供暖控制程序时,实现上述第一方面所述的基于热力站、楼栋及户的供暖控制方法。
根据本公开实施例的基于热力站、楼栋及户的供暖控制方法包括将当前时间之后预定时长内的天气数据及预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下目标热力站未来预定时间段的负荷数据;基于目标热力站未来预定时间段的负荷数据及目标热力站的当前实际负荷,确定目标热力站的负荷调整信号;基于当前时间目标热力站供暖的户温数据及目标室温,确定目标热力站供暖的户阀调整信号;基于当前时间目标热力站供暖的户阀开度及目标热力站供暖的楼阀开度,确定目标热力站供暖的楼阀调整信号;基于目标热力站的负荷调整信号、目标热力站供暖的户阀调整信号及目标热力站供暖的楼阀调整信号,对目标热力站供暖的户温进行温度协同调控。本申请中,在对户温进行调控时,确定目标热力站的负荷调整信号、目标热力站供暖的户阀调整信号以及目标热力站供暖的楼阀调整信号。然后结合上述三个调整信号,确定当前的户温调控状态,对目标热力站供暖的户温进行温度协同调控,从而有利于提高户温调控精确度和调控效率。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
图1是根据一示例性实施例示出的基于热力站、楼栋及户的供暖控制方法流程图;
图2是根据一示例性实施例示出的基于热力站、楼栋及户的关系结构示意图;
图3是根据一示例性实施例示出的基于热力站、楼栋及户的供暖控制装置结构示意图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
目前北方的城市集中供暖,热力站输送的负荷进入楼栋,然后进入每户。在供暖控制上,热力站的负荷预测及控制、楼栋间的水力平衡、户间的水力平衡都是一个单独模块。当热力站控制调度时,由于热水从热力站流到每个楼栋、每一户的时间都不一样,分别进行热力站、楼栋及户的调控时,一方调节后,会影响其他两方的调控效果,造成整体调控效果不理想。
针对上述情况,本公开提供一种基于热力站、楼栋及户的供暖控制方法。图1是根据一示例性实施例示出的基于热力站、楼栋及户的供暖控制方法流程图。如图1所示,该基于热力站、楼栋及户的供暖控制方法包括:
步骤10、将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据;
步骤11、基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号;
步骤12、基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号;
步骤13、基于当前时间所述目标热力站供暖的户阀开度及所述目标热力站供暖的楼阀开度,确定所述目标热力站供暖的楼阀调整信号;
步骤14、基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控。
在本示例性实施例中,天气数据包括天气气温、风力、风向等。目标热力站的负荷为目标热力站输出的热量。
在本示例性实施例中,目标热力站的负荷调整信号能够表征当前时间目标热力站的负荷调控状态。目标热力站供暖的户阀调整信号能够表征当前时间目标热力站的户阀调控状态。目标热力站供暖的楼阀调整信号能够表征当前时间目标热力站的楼阀调控状态。目标热力站供暖的户温数据为目标热力站供暖的预定区域内包含的住户室内的温度数据。
在本示例性实施例中,图2是根据一示例性实施例示出的基于热力站、楼栋及户的关系结构示意图。如图2所示,热力站与多个楼阀连通,一个楼阀与多个户阀连通。在对户温进行调控时,原有的分级调控属于一种相互独立的,不存在协同信号传递的情形,这会造成三级之间的调控的效果会相反。例如,上级调控向着温度升高方向调控,而下级调控向着温度降低方向调控,存在相互间温度抵消,导致调控到用户端的温度偏差较大,精度低。对此,本申请是一种整体式协同调控,使得热力站、楼阀、户阀相互信号协同传递,导致调节效果一致性更好,维持室内温度不变。首先确定目标热力站的负荷调整信号、目标热力站供暖的户阀调整信号以及目标热力站供暖的楼阀调整信号。然后结合上述三个调整信号,能够确定当前的户温整体调控状态。基于上述三个调整信号对目标热力站供暖的户温进行温度协同调控,从而有利于提高户温调控精确度和调控效率。
在一些实施例中,所述基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号,包括:
基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定热力站负荷变化率;
将所述热力站负荷变化率与第一预定值进行比较,确定所述目标热力站的负荷调整信号。
在本示例性实施例中,热力站负荷变化率r为:
;q1为目标热力站未来预定时间段的负荷数据,q为目标热力站的当前实际负荷;第一预定值可以自行设定,例如1%。
当r>=1%,输出目标热力站的负荷调整信号为TRUE,这时目标热力站未来预定时间段的负荷数据和当前的实际负荷相差较大,此时若不进行热力站二网供温和二网流量调整,对居民的户温影响很大。因此,此时需要进行二网供温和二网流量调整。具体二网流量可通过压差来调。通过PID算法,调整温控阀开度,自动调整二网供温。
当r<1%,输出目标热力站的负荷调整信号为FALSE,这对负荷的需求与当前的负荷相差不大,此时若不进行热力站二网供温和二网流量调整,对居民的室温影响不大。因此,此时可不需要进行二网供温和二网流量调整。
在一些实施例中,所述基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号,包括:
基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户温数据与所述目标室温间的户温失衡度;
基于所述户温失衡度与第二预定值进行比较,确定所述目标热力站供暖的户阀调整信号。
在本示例性实施例中,目标热力站供暖的户温数据与所述目标室温间的户温失衡度F为:
;其中,n 该热力站供暖的总户数;
指第i户目标热力站供暖的当前户温数据;
指所有的户的目标室温;第二预定值可自行设定,例如为1%。
当失衡度小于1%,这时总体上居民的室温和目标室温相差不大,输出户阀调节信号为FALSE。当失衡度大于等于1% 时,这时会有部分居民的室温和目标室温相差过大,所以这部分居民的户阀需要调整,输出户阀调节的信号为TRUE。
在一些实施例中,所述基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控,包括:
若所述目标热力站的负荷调整信号为需要进行热力站调整信号,则通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据;
基于所述目标热力站的二网供温预测数据及所述目标热力站的二网流量预测数据,对所述目标热力站当前时间输出的二网供温和二网流量进行调整;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号,则对目标户阀进行开度调节;或,
若所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对目标楼阀进行开度调节;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号及所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标户阀和所述目标楼阀进行开度调节;
若所述目标热力站的负荷调整信号为需要进行热力站调整信号、所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号且所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标热力站未来预定时间段的负荷数据进行平滑处理,并对所述目标户阀和所述目标楼阀进行开度调节。
在本示例性实施例中,如果目标热力站的负荷调整信号为需要进行热力站调整信号,即目标热力站的负荷调整信号为TRUE,此时说明需要对目标热力站的负荷进行调整,包括调整目标热力站的二网供温和二网流量。调整方法为:
通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据;
基于所述目标热力站的二网供温预测数据及所述目标热力站的二网流量预测数据,对所述目标热力站当前时间输出的二网供温和二网流量进行调整。例如,将目标热力站当前时间输出的二网供温调整为二网供温预测数据,将目标热力站当前时间输出的二网流量调整为二网流量预测数据。
同时,在不采用时序负荷分解模型的情况下,也可以进行负荷调整。例如,确定每个楼栋内户阀的开度分布,及各个楼栋平衡阀的开度分布,当某个楼栋的平衡阀100%开度且该楼栋下存在户阀开度100%的户内室温没有达到目标室温,这时可以判断热力站供给二网流量不足,即压差不足。此时可输出增大0.01Mpa热力站压差信号,来增大目标热力站的二网流量。
在本示例性实施例中,若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号,即目标热力站供暖的户阀调整信号为TRUE,则说明此时需要对目标户阀进行开度调节。例如,将户温没有达到目标室温的目标户阀开度增大。
在本示例性实施例中,若所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,即目标热力站供暖的楼阀调整信号为TRUE,则说明此时需要对目标楼阀进行开度调节。例如,将户温没有达到目标室温的楼阀开度增大。
在本示例性实施例中,若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号及所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则此时说明需要对所述目标户阀和所述目标楼阀进行开度调节。例如,目标热力站供暖的户温没有达到目标室温的情况下,目标户阀开度和楼阀开度均没有达到最大,此时可增大目标户阀开度和楼阀开度。
在本示例性实施例中,
若所述目标热力站的负荷调整信号为需要进行热力站调整信号、所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号且所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则此时说明需要对所述目标热力站未来预定时间段的负荷数据进行平滑处理,并对所述目标户阀和所述目标楼阀进行开度调节。
例如,当所有楼栋平衡阀阀门的最大开度(所有阀中开度最大的阀的开度)小于90%(该区间可取区间为85%-90%,可根据需要自行设定),且所有楼栋下户调节阀的开度都小于90%,此时可输出减小热力站0.01Mpa(该区间可取范围为0.0001~0.01Mpa,可根据设备精度自行设定)压差信号。阀门开度小,整个小区的内管网阻力就大,在流量不变的情况,循环泵扬程就需要增加,这会造成一定的电浪费。此时可增加各个阀的开度,降低热力站压差,这样内管网阻力就会减少。
或者,当一个楼栋内的户阀最大开度小于90%,可输出楼阀调整信号中的楼栋楼阀开度下降信号和下降开度值,此时可保持热力站压差不变;
或者,当一个楼栋内存在户阀100%开度的户内室温没有达到目标室温,且该楼栋内的楼阀开度没有100%开度,输出楼阀调整信号中的楼栋调节阀开度上升信号和上升开度值(对应的楼栋阀门调节信号为TURE)。如果当楼栋预测的开度超过100%,说明预测出现错误,实际楼阀开度是不会超过100%,此时为了保证达到目标室温,可输出增大0.01Mpa热力站压差信号,且楼栋单元开度设置为100%。
在本示例性实施例中,当热力站、楼栋阀门、户平衡阀的调节信号都为TRUE时,平滑热力站的负荷预测。输出的负荷只需要满足调整当前小时的运行参数,下一个小时热力站的负荷可保持不变,按平滑的负荷控制热力站,下小时只再调节楼栋和户阀。
当只有楼栋阀门和户平衡阀的调节信号都为TRUE,调整楼栋阀门和户阀门,满足楼栋的最大阀门开度在90%~100%和每个楼栋下的户的最大开度也在90%~100%。
在一些实施例中,在所述将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据前,所述方法包括:
获取目标热力站的历史负荷数据、历史天气数据及所述目标热力站供暖的历史户温数据;
基于所述目标热力站的历史负荷数据、所述历史天气数据及所述目标热力站供暖的历史户温数据,进行模型训练,得到所述时序负荷预测模型。
在本示例性实施例中,根据目标热力站的历史负荷数据、所述历史天气数据及所述目标热力站供暖的历史户温数据训练一个基于长短时记忆模型(LSTM)的时序负荷预测模型。
在一些实施例中,在所述通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据前,所述方法包括:
获取历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据;
基于所述历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据,进行模型训练,得到时序负荷分解模型。
在本示例性实施例中,由于热力站内的热水流到每户需要二十多分钟,在热力站二网供温或二网流量发生变化时,得20多分钟后热力站的二次回温才会稳定,所以构建基于长短时记忆模型(LSTM)的时序负荷分解模型。基于所述历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据,进行模型训练,得到时序负荷分解模型。其中,目标热力站的历史负荷数据可以为热力站负荷分钟级数据(间隔为一分钟采集的热力站负荷数据)。模型输出下一分钟的负荷。
在一些实施例中,所述未来预定时间段包括N个连续时间段;
所述将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据,包括:
将当前时间之后第N-1时间段内的天气数据及所述第N-1时间段内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来第N时间段内的负荷数据;其中,N≥1。
在本示例性实施例中,根据最近几小时的天气数据及热力站负荷数据代入到时序负荷预测模型,预测获取未来1小时的热力站负荷预测。再通过未来1小时的热力站负荷,预测下一小时的热力站负荷;一直迭代得到未来24小时的热力站负荷。
本公开提供一种基于热力站、楼栋及户的供暖控制装置。图3是根据一示例性实施例示出的基于热力站、楼栋及户的供暖控制装置结构示意图。如图3所示,基于热力站、楼栋及户的供暖控制装置包括:
数据预测模块30,用于将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据;
第一信号确定模块31,用于基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号;
第二信号确定模块32,用于基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号;
第三信号确定模块33,用于基于当前时间所述目标热力站供暖的户阀开度及所述目标热力站供暖的楼阀开度,确定所述目标热力站供暖的楼阀调整信号;
室温调节模块34,用于基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控。
在本示例性实施例中,天气数据包括天气气温、风力、风向等。目标热力站的负荷为目标热力站输出的热量。
在本示例性实施例中,目标热力站的负荷调整信号能够表征当前时间目标热力站的负荷调控状态。目标热力站供暖的户阀调整信号能够表征当前时间目标热力站的户阀调控状态。目标热力站供暖的楼阀调整信号能够表征当前时间目标热力站的楼阀调控状态。目标热力站供暖的户温数据为目标热力站供暖的预定区域内包含的住户室内的温度数据。
在本示例性实施例中,如图2所示,热力站与多个楼阀连通,一个楼阀与多个户阀连通。在对户温进行调控时,原有的分级调控属于一种相互独立的,不存在协同信号传递的调控方式,这会造成三级之间的调控的效果会相反。例如,上级调控向着温度升高方向调控,而下级调控向着温度降低方向调控,存在相互间温度抵消,导致调控到用户端的温度偏差较大,精度低。对此,本发明是一种整体式协同调控,使得热力站、楼阀、户阀相互信号协同传递,导致调节效果一致性更好,维持室内温度不变。首先确定目标热力站的负荷调整信号、目标热力站供暖的户阀调整信号以及目标热力站供暖的楼阀调整信号。然后结合上述三个调整信号,能够确定当前的户温整体调控状态。基于上述三个调整信号对目标热力站供暖的户温进行温度协同调控,从而有利于提高户温调控精确度和调控效率。
在一些实施例中,所述第一信号确定模块31,用于
基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定热力站负荷变化率;
将所述热力站负荷变化率与第一预定值进行比较,确定所述目标热力站的负荷调整信号。
在本示例性实施例中,热力站负荷变化率r为:
;q1为目标热力站未来预定时间段的负荷数据,q为目标热力站的当前实际负荷;第一预定值可以自行设定,例如1%。
当r>=1%,输出目标热力站的负荷调整信号为TRUE,这时目标热力站未来预定时间段的负荷数据和当前的实际负荷相差较大,此时不进行热力站二网供温和二网流量调整,对居民的户温影响很大。此时需要进行二网供温和二网流量调整。具体二网流量可通过压差来调。通过PID算法,调整温控阀开度,自动调整二网供温。
当r<1%,输出目标热力站的负荷调整信号为FALSE,这时负荷的需求与当前的负荷相差不大,此时不进行热力站二网供温和二网流量调整,对居民的室温影响不大。此时可不需要进行二网供温和二网流量调整。
在一些实施例中,所述第二信号确定模块32,用于
基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户温数据与所述目标室温间的户温失衡度;
基于所述户温失衡度与第二预定值进行比较,确定所述目标热力站供暖的户阀调整信号。
在本示例性实施例中,目标热力站供暖的户温数据与所述目标室温间的户温失衡度F为:
;其中,n 该热力站供暖的总户数;
指第i户目标热力站供暖的当前户温数据;
指所有的户的目标室温;第二预定值可自行设定,例如为1%。
当失衡度小于1%,这时总体上居民的室温和目标室温相差不大,输出户阀调节信号为FALSE。当失衡度大于等于1% 时,这时会有部分居民的室温和目标室温相差过大,所以这部分居民的户阀需要调整,输出户阀调节的信号为TRUE。
在一些实施例中,所述室温调节模块34,用于
若所述目标热力站的负荷调整信号为需要进行热力站调整信号,则通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据;
基于所述目标热力站的二网供温预测数据及所述目标热力站的二网流量预测数据,对所述目标热力站当前时间输出的二网供温和二网流量进行调整;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号,则对目标户阀进行开度调节;或,
若所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对目标楼阀进行开度调节;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号及所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标户阀和所述目标楼阀进行开度调节;
若所述目标热力站的负荷调整信号为需要进行热力站调整信号、所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号且所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标热力站未来预定时间段的负荷数据进行平滑处理,并对所述目标户阀和所述目标楼阀进行开度调节。
在本示例性实施例中,如果目标热力站的负荷调整信号为需要进行热力站调整信号,即目标热力站的负荷调整信号为TRUE,此时说明需要对目标热力站的负荷进行调整,包括调整目标热力站的二网供温和二网流量。调整方法为:
通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据;
基于所述目标热力站的二网供温预测数据及所述目标热力站的二网流量预测数据,对所述目标热力站当前时间输出的二网供温和二网流量进行调整。例如,将目标热力站当前时间输出的二网供温调整为二网供温预测数据,将目标热力站当前时间输出的二网流量调整为二网流量预测数据。
同时,在不采用时序负荷分解模型的情况下,也可以进行负荷调整。例如,确定每个楼栋内户阀的开度分布,及各个楼栋平衡阀的开度分布,当某个楼栋的平衡阀100%开度且该楼栋下存在户阀开度100%的户内室温没有达到目标室温,这时可以判断热力站供给二网流量不足,即压差不足。此时可输出增大0.01Mpa热力站压差信号,来增大目标热力站的二网流量。
在本示例性实施例中,若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号,即目标热力站供暖的户阀调整信号为TRUE,则说明此时需要对目标户阀进行开度调节。例如,将户温没有达到目标室温的目标户阀开度增大。
在本示例性实施例中,若所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,即目标热力站供暖的楼阀调整信号为TRUE,则说明此时需要对目标楼阀进行开度调节。例如,将户温没有达到目标室温的楼阀开度增大。
在本示例性实施例中,若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号及所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则此时说明需要对所述目标户阀和所述目标楼阀进行开度调节。例如,目标热力站供暖的户温没有达到目标室温的情况下,目标户阀开度和楼阀开度均没有达到最大,此时可增大目标户阀开度和楼阀开度。
在本示例性实施例中,
若所述目标热力站的负荷调整信号为需要进行热力站调整信号、所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号且所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则此时说明需要对所述目标热力站未来预定时间段的负荷数据进行平滑处理,并对所述目标户阀和所述目标楼阀进行开度调节。
例如,当所有楼栋平衡阀阀门的最大开度(所有阀中开度最大的阀的开度)小于90%(该区间可取区间为85%-90%,可根据需要自行设定),且所有楼栋下户调节阀的开度都小于90%,此时可输出减小热力站0.01Mpa(该区间可取范围为0.0001~0.01Mpa,可根据设备精度自行设定)压差信号。阀门开度小,整个小区的内管网阻力就大,在流量不变的情况,循环泵扬程就需要增加,这会造成一定的电浪费。此时可增加各个阀的开度,降低热力站压差,这样内管网阻力就会减少。
或者,当一个楼栋内的户阀最大开度小于90%,可输出楼阀调整信号中的楼阀开度下降信号和下降开度值,此时可保持热力站压差不变;
或者,当一个楼栋内存在户阀100%开度的户内室温没有达到目标室温,且该楼栋内的楼阀开度没有100%开度,输出这个楼栋调节阀开度上升信号和上升开度值(对应的楼栋阀门调节信号为TURE)。如果当楼栋预测的开度超过100%,说明预测出现错误,实际楼阀开度是不会超过100%,此时为了保证达到目标室温,可输出增大0.01Mpa热力站压差信号,且将楼栋单元开度设置为100%。
在本示例性实施例中,当热力站、楼栋阀门、户平衡阀的调节信号都为TRUE时,平滑热力站的负荷预测。输出的负荷只需要满足调整当前小时的运行参数,下一个小时热力站的负荷可保持不变,按平滑的负荷控制热力站,下小时只再调节楼栋和户阀。
当只有楼栋阀门和户平衡阀的调节信号都为TRUE,调整楼栋阀门和户阀门,满足楼栋的最大阀门开度在90%~100%和每个楼栋下的户的最大开度也在90%~100%。
在一些实施例中,所述供暖控制装置包括模型训练模块;所述基于当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据前,模型训练模块,用于
获取目标热力站的历史负荷数据、历史天气数据及所述目标热力站供暖的历史户温数据;
基于所述目标热力站的历史负荷数据、所述历史天气数据及所述目标热力站供暖的历史户温数据,进行模型训练,得到所述时序负荷预测模型。
在本示例性实施例中,根据目标热力站的历史负荷数据、所述历史天气数据及所述目标热力站供暖的历史户温数据训练一个基于长短时记忆模型(LSTM)的时序负荷预测模型。
在一些实施例中,所述通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据前,模型训练模块,用于
获取历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据;
基于所述历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据,进行模型训练,得到时序负荷分解模型。
在本示例性实施例中,由于热力站内的热水流到每户需要二十多分钟,在热力站二网供温或二网流量发生变化时,得20多分钟后热力站的二次回温才会稳定,所以构建基于长短时记忆模型(LSTM)的时序负荷分解模型。基于所述历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据,进行模型训练,得到时序负荷分解模型。其中,目标热力站的历史负荷数据可以为热力站负荷分钟级数据(间隔为一分钟采集的热力站负荷数据)。模型输出下一分钟的负荷。
在一些实施例中,所述未来预定时间段包括N个连续时间段;
所述数据预测模块30,用于
将当前时间之后第N-1时间段内的天气数据及所述第N-1时间段内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来第N时间段内的负荷数据;其中,N≥1。
在本示例性实施例中,根据最近几小时的天气数据及热力站负荷数据代入到时序负荷预测模型,预测获取未来1小时的热力站负荷预测。再通过未来1小时的热力站负荷,预测下一小时的热力站负荷;一直迭代得到未来24小时的热力站负荷。
本公开提供一种计算机可读存储介质,其上存储有基于热力站、楼栋及户的供暖控制程序,该基于热力站、楼栋及户的供暖控制程序被处理器执行时,实现上述各实施例所述的基于热力站、楼栋及户的供暖控制方法。
本公开提供一种供暖控制***,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基于热力站、楼栋及户的供暖控制程序,所述处理器执行所述基于热力站、楼栋及户的供暖控制程序时,实现上述各实施例所述的基于热力站、楼栋及户的供暖控制方法。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本公开的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本公开和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本公开的限制。
此外,本公开实施例中所使用的“第一”、“第二”等术语,仅用于描述目的,而不可以理解为指示或者暗示相对重要性,或者隐含指明本实施例中所指示的技术特征数量。由此,本公开实施例中限定有“第一”、“第二”等术语的特征,可以明确或者隐含地表示该实施例中包括至少一个该特征。在本公开的描述中,词语“多个”的含义是至少两个或者两个及以上,例如两个、三个、四个等,除非实施例中另有明确具体的限定。
在本公开中,除非实施例中另有明确的相关规定或者限定,否则实施例中出现的术语“安装”、“相连”、“连接”和“固定”等应做广义理解,例如,连接可以是固定连接,也可以是可拆卸连接,或成一体,可以理解的,也可以是机械连接、电连接等;当然,还可以是直接相连,或者通过中间媒介进行间接连接,或者可以是两个元件内部的连通,或者两个元件的相互作用关系。对于本领域的普通技术人员而言,能够根据具体的实施情况理解上述术语在本公开中的具体含义。
在本公开中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于热力站、楼栋及户的供暖控制方法,其特征在于,包括:
将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据;
基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号;
基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号;
基于当前时间所述目标热力站供暖的户阀开度及所述目标热力站供暖的楼阀开度,确定所述目标热力站供暖的楼阀调整信号;
基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控。
2.根据权利要求1所述的基于热力站、楼栋及户的供暖控制方法,其特征在于,所述基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号,包括:
基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定热力站负荷变化率;
将所述热力站负荷变化率与第一预定值进行比较,确定所述目标热力站的负荷调整信号。
3.根据权利要求1所述的基于热力站、楼栋及户的供暖控制方法,其特征在于,所述基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号,包括:
基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户温数据与所述目标室温间的户温失衡度;
基于所述户温失衡度与第二预定值进行比较,确定所述目标热力站供暖的户阀调整信号。
4.根据权利要求1所述的基于热力站、楼栋及户的供暖控制方法,其特征在于,所述基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控,包括:
若所述目标热力站的负荷调整信号为需要进行热力站调整信号,则通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据;
基于所述目标热力站的二网供温预测数据及所述目标热力站的二网流量预测数据,对所述目标热力站当前时间输出的二网供温和二网流量进行调整;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号,则对目标户阀进行开度调节;或,
若所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对目标楼阀进行开度调节;或,
若所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号及所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标户阀和所述目标楼阀进行开度调节;
若所述目标热力站的负荷调整信号为需要进行热力站调整信号、所述目标热力站供暖的户阀调整信号为需要进行户阀调整信号且所述目标热力站供暖的楼阀调整信号为需要进行楼阀调整信号,则对所述目标热力站未来预定时间段的负荷数据进行平滑处理,并对所述目标户阀和所述目标楼阀进行开度调节。
5.根据权利要求1所述的基于热力站、楼栋及户的供暖控制方法,其特征在于,在所述将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据前,所述方法包括:
获取目标热力站的历史负荷数据、历史天气数据及所述目标热力站供暖的历史户温数据;
基于所述目标热力站的历史负荷数据、所述历史天气数据及所述目标热力站供暖的历史户温数据,进行模型训练,得到所述时序负荷预测模型。
6.根据权利要求4所述的基于热力站、楼栋及户的供暖控制方法,其特征在于,所述通过时序负荷分解模型将所述目标热力站未来预定时间段的负荷数据分解为所述目标热力站的二网供温预测数据和所述目标热力站的二网流量预测数据前,所述方法包括:
获取历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据;
基于所述历史天气数据、所述目标热力站的二网供温历史数据、所述目标热力站的二网流量历史数据及所述目标热力站的历史负荷数据,进行模型训练,得到时序负荷分解模型。
7.根据权利要求1所述的基于热力站、楼栋及户的供暖控制方法,其特征在于,所述未来预定时间段包括N个连续时间段;
所述将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据,包括:
将当前时间之后第N-1时间段内的天气数据及所述第N-1时间段内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来第N时间段内的负荷数据;其中,N≥1。
8.一种基于热力站、楼栋及户的供暖控制装置,其特征在于,包括:
数据预测模块,用于将当前时间之后预定时长内的天气数据及所述预定时长内的目标热力站的负荷数据,输入至时序负荷预测模型,预测目标室温下所述目标热力站未来预定时间段的负荷数据;
第一信号确定模块,用于基于所述目标热力站未来预定时间段的负荷数据及所述目标热力站的当前实际负荷,确定所述目标热力站的负荷调整信号;
第二信号确定模块,用于基于当前时间所述目标热力站供暖的户温数据及所述目标室温,确定所述目标热力站供暖的户阀调整信号;
第三信号确定模块,用于基于当前时间所述目标热力站供暖的户阀开度及所述目标热力站供暖的楼阀开度,确定所述目标热力站供暖的楼阀调整信号;
室温调节模块,用于基于所述目标热力站的负荷调整信号、所述目标热力站供暖的户阀调整信号及所述目标热力站供暖的楼阀调整信号,对所述目标热力站供暖的户温进行温度协同调控。
9.一种计算机可读存储介质,其特征在于,其上存储有基于热力站、楼栋及户的供暖控制程序,该基于热力站、楼栋及户的供暖控制程序被处理器执行时,实现权利要求1-7中任一项所述的基于热力站、楼栋及户的供暖控制方法。
10.一种供暖控制***,其特征在于,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基于热力站、楼栋及户的供暖控制程序,所述处理器执行所述基于热力站、楼栋及户的供暖控制程序时,实现权利要求1-7中任一项所述的基于热力站、楼栋及户的供暖控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311104889.3A CN116817357B (zh) | 2023-08-30 | 2023-08-30 | 基于热力站、楼栋及户的供暖控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311104889.3A CN116817357B (zh) | 2023-08-30 | 2023-08-30 | 基于热力站、楼栋及户的供暖控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116817357A CN116817357A (zh) | 2023-09-29 |
CN116817357B true CN116817357B (zh) | 2023-11-17 |
Family
ID=88117026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311104889.3A Active CN116817357B (zh) | 2023-08-30 | 2023-08-30 | 基于热力站、楼栋及户的供暖控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116817357B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117267782B (zh) * | 2023-11-22 | 2024-02-20 | 瑞纳智能设备股份有限公司 | 供热控制方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103115395A (zh) * | 2013-03-01 | 2013-05-22 | 卓旦春 | 一种暖通***及其流量调试方法 |
KR20130122195A (ko) * | 2012-04-30 | 2013-11-07 | 에스케이텔레콤 주식회사 | 난방용 온수 공급온도 제어를 통한 건물의 에너지 관리 방법 및 이를 위한 에너지관리장치 |
EP3082010A1 (en) * | 2015-04-17 | 2016-10-19 | Fourdeg Oy | A system for dynamically balancing a heat load and a method thereof |
CN109268929A (zh) * | 2018-09-26 | 2019-01-25 | 西安煜鼎中实环境能源有限公司 | 一种供热***节能调节***及方法 |
CN114576698A (zh) * | 2022-03-03 | 2022-06-03 | 天津大学 | 基于多目标监控主动抗扰源网末端协同自趋优供热调控方法 |
CN114811713A (zh) * | 2022-04-22 | 2022-07-29 | 常州英集动力科技有限公司 | 基于混合深度学习的二级网户间均衡供热调控方法 |
-
2023
- 2023-08-30 CN CN202311104889.3A patent/CN116817357B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130122195A (ko) * | 2012-04-30 | 2013-11-07 | 에스케이텔레콤 주식회사 | 난방용 온수 공급온도 제어를 통한 건물의 에너지 관리 방법 및 이를 위한 에너지관리장치 |
CN103115395A (zh) * | 2013-03-01 | 2013-05-22 | 卓旦春 | 一种暖通***及其流量调试方法 |
EP3082010A1 (en) * | 2015-04-17 | 2016-10-19 | Fourdeg Oy | A system for dynamically balancing a heat load and a method thereof |
CN109268929A (zh) * | 2018-09-26 | 2019-01-25 | 西安煜鼎中实环境能源有限公司 | 一种供热***节能调节***及方法 |
CN114576698A (zh) * | 2022-03-03 | 2022-06-03 | 天津大学 | 基于多目标监控主动抗扰源网末端协同自趋优供热调控方法 |
CN114811713A (zh) * | 2022-04-22 | 2022-07-29 | 常州英集动力科技有限公司 | 基于混合深度学习的二级网户间均衡供热调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116817357A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111550861B (zh) | 一种热泵与电蓄热设备自适应优化控制方法、***及装置 | |
Pfeiffer et al. | Control of temperature and energy consumption in buildings-a review. | |
CN116817357B (zh) | 基于热力站、楼栋及户的供暖控制方法及装置 | |
CN107726442A (zh) | 一种热网平衡调控方法 | |
Tarragona et al. | Model predictive control applied to a heating system with PV panels and thermal energy storage | |
CN107192097A (zh) | 空调冷冻水***的控制方法和装置 | |
Yu et al. | Online tuning of a supervisory fuzzy controller for low-energy building system using reinforcement learning | |
CN102818332B (zh) | 控制多联机空调***中辅助电加热的方法及装置 | |
Yang et al. | Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing | |
CN103904664B (zh) | 一种基于有效静态安全域的agc机组实时调度方法 | |
CN112994036B (zh) | 一种基于模型预测的温控负荷参与微电网调控方法及*** | |
CN113110056B (zh) | 一种基于人工智能的供热智能决策方法及智能决策机 | |
CN111915107A (zh) | 一种基于动态聚类的负荷分群控制方法 | |
CN114216149B (zh) | 一种采暖装置 | |
CN115051374B (zh) | 电采暖设备参与电力调峰的控制方法、装置和存储介质 | |
CN116105212A (zh) | 一种免增容电锅炉***及其控制方法 | |
CN111043720B (zh) | 负荷不确定性下制冷***低成本鲁棒性调适策略制定方法 | |
KR102520100B1 (ko) | 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법 및 장치 | |
Heidari et al. | Reinforcement learning for occupant-centric operation of residential energy system: Evaluating the adaptation potential to the unusual occupants´ behavior during COVID-19 pandemic | |
CN105758028A (zh) | 一种应用于太阳能中央热水***的热水储量控制方法 | |
CN116841197B (zh) | 建筑物热源***的运行调控方法及其装置 | |
CN117249471B (zh) | 一种锅炉负荷调节方法及*** | |
Yoshida et al. | An optimal predictive control of 0.75 kW PEM fuel cell cogeneration with home appliances for efficient PV utilization | |
Mahdavi et al. | Quantifying maximum controllable energy demand in ensembles of air conditioning loads | |
CN116772283A (zh) | 一种热网调节方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |