CN115095907B 基于深度学习的智慧供热节能调控方法、系统及存储介质 （唐山学院）

本发明公开的一种基于深度学习的智慧供标区域内热用户的历史供热数据信息及目标区据信息通过热负荷预测模型获取目标区域的热2获取目标区域内热用户行为数据信息、历史供热数据信息及目标区域的气象数据信基于深度学习构建热负荷预测模型，根据所述历史供根据目标区域内预设时间后的热负荷预测值通过模糊获取目标区域内的室温分布图及供热数据变化曲所述的基于深度学习构建热负荷预测模型，根据所述历史供热根据目标区域内各小区地域分布将目标区域划分为基于LSTM模型建立热负荷预测模型，并将所述各子区通过所述不同时间尺度的训练集对所述热负荷预测模对优化后的热负荷预测模型进行评价，当优化后热负荷根据优化后热负荷预测模型对预设时间后的热负获取目标区域内的室温分布图及参数变化曲线，获取目标区域内热用户的室温分布图及供热数据变根据所述时序序列获取热用户的反馈信息，通过反馈在数据库中构建检索任务，将所述运行报表和数据库内历史供热数据信息进行相似度对3若数据库内历史供热数据信息与运行报表的相似度均小于相似度阈根据不同供热时期的热耗量与历史同期数据对比计算获取预设时间内的目标区域内实际耗热量，并根据不同供热时期的热负荷对目标区域中各子区域的供热温度调控时间段进行规划，通过热负荷预测模型对目标区域内各子区域的不同供热时期热负荷进行预测生成不获取不同供热时期供热温度调控时间段内目标区符合预设条件的历史气象数据对应的供热温度调控时间段作为当前供热时期的供热温度述的获取目标区域内热用户行为数据信息、历史供热数据信息及目标区域的气象数据信通过调查问卷获取目标区域内热用户的供热末端形式获取目标区域内热源站的历史供热数据信息，将所述历史供4将所述供热数据时序序列与目标区域气象信息进根据所述热用户行为数据信息结合气象数据信息变化导致供热数据的差异生成目标将目标区域热网系统的二次网供热温度的设定值与实际值的差值及差值变化率作为通过所述输入信息的模糊语言变量根据模糊规则获取初始化粒子种群，随机赋予粒子速度和位置信息，进行若干次粒子速度及位置信息的更新后，获取每一个通过所述最优量化因子及参数因子对输出语言变量于深度学习的智慧供热节能调控方法程序被所述处获取目标区域内热用户行为数据信息、历史供热数据信息及目标区域的气象数据信基于深度学习构建热负荷预测模型，根据所述历史供根据目标区域内预设时间后的热负荷预测值通过模糊获取目标区域内的室温分布图及供热数据变化曲所述的基于深度学习构建热负荷预测模型，根据所述历史供热根据目标区域内各小区地域分布将目标区域划分为5基于LSTM模型建立热负荷预测模型，并将所述各子区通过所述不同时间尺度的训练集对所述热负荷预测模对优化后的热负荷预测模型进行评价，当优化后热负荷根据优化后热负荷预测模型对预设时间后的热负获取目标区域内的室温分布图及参数变化曲线，获取目标区域内热用户的室温分布图及供热数据变根据所述时序序列获取热用户的反馈信息，通过反馈在数据库中构建检索任务，将所述运行报表和数据库内历史供热数据信息进行相似度对若数据库内历史供热数据信息与运行报表的相似度均小于相似度阈根据不同供热时期的热耗量与历史同期数据对比计算获取预设时间内的目标区域内实际耗热量，并6根据不同供热时期的热负荷对目标区域中各子区域的供热温度调控时间段进行规划，通过热负荷预测模型对目标区域内各子区域的不同供热时期热负荷进行预测生成不获取不同供热时期供热温度调控时间段内目标区符合预设条件的历史气象数据对应的供热温度调控时间段作为当前供热时期的供热温度将目标区域热网系统的二次网供热温度的设定值与实际值的差值及差值变化率作为通过所述输入信息的模糊语言变量根据模糊规则获取初始化粒子种群，随机赋予粒子速度和位置信息，进行若干次粒子速度及位置信息的更新后，获取每一个通过所述最优量化因子及参数因子对输出语言变量76.一种计算机可读存储介质，其特征在于：所述8供热系统的控制和运行进行优化调节,能够提高室内舒适度和降低系统能耗，对于供热系9[0014]根据所述热用户行为数据信息结合气象数据信息变化导致供热数据的差异生成[0023]将目标区域热网系统的二次网供热温度的设定值与实际值的差值及差值变化率[0033]当所述相似度大于等于所述相似度阈值时，将对应历史供热所述一种基于深度学习的智慧供热节能调控方法程序被所述处理器[0049]根据所述热用户行为数据信息结合气象数据信息变化导致供热数据的差异生成[0058]将目标区域热网系统的二次网供热温度的设定值与实际值的差值及差值变化率[0068]当所述相似度大于等于所述相似度阈值时，将对应历史供热[0087]S106，根据目标区域内预设时间后的热负荷预测值通过模糊据信息变化导致供热数据的差异生成目标区域基于时间步长引入注意力机制对所述热负荷[0103]将目标区域热网系统的二次网供热温度的设定值与实际值的差值及差值变化率二次网供热温度进行调节。[0120]通过热负荷预测模型对目标区域内各子区域的不同供热时期热负荷进行预测生似度符合预设条件的历史气象数据对应的供热温度调控时间段作为当前供热时期的供热[0127]本发明第二方面还提供了一种基于深度学习的智慧供热节能调控系统4，该系统据信息变化导致供热数据的差异生成目标区域[0139]所述建筑热惰性特征的物理意义是某一类型建筑房间面积和建筑综合传热系数[0145]将目标区域热网系统的二次网供热温度的设定值与实际值的差值及差值变化率二次网供热温度进行调节。[0150]当所述相似度大于等于所