CN119468508A 基于热负荷预测的热水锅炉智能控制系统及方法 （克拉玛依市独山子区晟通热力有限责任公司）

基于热负荷预测的热水锅炉智能控制系统本申请提供了一种基于热负荷预测的热水其使用基于人工智能的数据分析和处理方式来将传感器矩阵采集到的锅炉运行状态数据作为别从所述主变量和所述协变量中提取热负荷主变量时序编码特征和热负荷协变量时序编码特荷协变量时序编码特征之间的动态记忆交互表示来实现热负荷需求地智能估计并据此实时调2量时序编码特征和所述热负荷协变量时序编码特征进行动态记忆特征间注意力融合以得荷主变量时序编码特征和所述热负荷协变量时序编码特征进行注意力调制融合以得到所息按照时间维度进行数据整合以得到锅炉运行状态时序数据的序列和外部环境时序数据部环境时序数据的序列输入基于前向LSTM模型的时序编码器以得到热负荷主变量时序编码特征向量作为所述热负荷主变量时序编码特征和热负荷协变量时序编码特征向量作为荷主协变量时序隐含协同特征向量写入动态记忆单元以得到热负荷主协变量时序动态行动态调制优化以得到优化后热负荷主变量时序编码特征向量和优化后热负荷协变量时时序编码特征向量和所述优化后热负荷协变量时序编码特征向量进行特征加权交互以得到热负荷主协变量动态记忆时序交互融合向量作为所述热负荷主协变量动态记忆时序3态键向量进行基于第一转换器的特征注意力优化以得到所述优化后热负荷主变量时序编器的特征注意力优化以得到所述优化后热负荷协变量权系数和所述优化后热负荷协变量时序编码特征向量的加权系数之和为RNN模型的热负荷预测模块以得到所述热负荷炉运行状态数据和所述外部环境信息按照时间维度进行数据整合以得到锅炉运行状态时部环境时序数据的序列输入基于前向LSTM模型的时序编码器以得到热负荷主变量时序编码特征向量作为所述热负荷主变量时序编码特征和热负荷协变量时序编码特征向量作为4限的自适应能力限制了其在多变工况下的性能表现，使得锅炉可能在非最优状态下运行，[0006]根据本申请的一个方面，提供了一种基于热负荷预测的用于对所述热负荷主变量时序编码特征和所述热负荷协变量时序编码特征进行动态记忆量时序编码特征和所述热负荷协变量时序编码特征进行协同隐含特征提取以得到热负荷[0007]根据本申请的另一方面，提供了一种基于热负荷预测的5[0008]与现有技术相比，本申请提供的基于热负荷预测的热水锅炉智能控制系统及方编码特征和热负荷协变量时序编码特征之间的动态记忆交互表示来实现热负荷需求地智[0010]在附图中：图1为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统[0011]图2为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统中热负荷[0012]图3为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统中特征调制[0013]图4为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统中锅炉燃料6[0018]针对上述技术问题，本申请的技术构思为利用传感器矩阵采集锅炉运行状态数主变量时序编码特征和热负荷协变量时序编码特征之间的动态记忆交互表示来实现热负[0019]图1为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统的框图。如荷主变量时序编码特征和所述热负荷协变量时序编码特征进行动态记忆特征间注意力融[0021]利用传感器矩阵采集锅炉运行状态数据这一过程旨在通过精密的监测手段获取78[0028]收集外部环境信息的实施过程涵盖了多个关键环节，包括环境信息采集设备选9于前向LSTM模型的时序编码器以得到热负荷主变量时序编码特征向量作为所述热负荷主变量时序编码特征和热负荷协变量时序编码特征向量作为所述热负荷协变量时序编码特作状况和热负荷需求，这些参数的变化是决定锅炉性能和效率的关键因素，是决定热负荷度等）通常是不可控的或是间接影响因素，但它们会影响热负荷需求，属于因果链条中的反映系统的动态行为，而外部环境信息作为协变量，可以帮助模型更好地捕捉到那些不受述主变量和所述协变量提取热负荷主变量时序编码特征向量和热负荷协变量时序编码特部环境信息按照时间维度进行数据整合以将其按照时间维度进行排列，得到锅炉运行状态时序数据的序列和外部环境时序数据的序列。之后，将所述锅炉运行状态时序数据的序列和所述外部环境时序数据的序列输入基于前向LSTM模型的时序编码器以利用前向LSTM模型的捕捉长期时间数据的特性来提取并挖掘出锅炉运行状态和外部环境中的与热负荷影响相关的时序特征，得到热负荷主变量时序编码特征向量和热负荷协变量时序编码特征向量。负荷主变量时序编码特征和所述热负荷协变量时序编码特征进行动态记忆特征间注意力[0039]具体地，图2为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统中所述热负荷主变量时序编码特征和所述热负荷协变量时序编码特征进行注意力调制融合以得到所述热负荷主协变量动态记忆时序交互融合荷主变量时序编码特征向量和所述热负荷协变量时序编码特征向量进行多维度交互融合[0043]具体地，图3为根据本申请实施例的基于热负荷预测的热水锅炉智能控制系统中码特征向量和所述热负荷协变量时序编码特征向量进行动态调制优化以得到优化后热负优化以得到所述优化后热负荷主变量时序编码特征向量，该过程可表示为：的特征注意力优化以得到所述优化后热负荷协变量时序编码特征向量，该过程可表示为：v优化后热负荷协变量时序编码特征向量。不同时间步长下对热负荷主变量时序编码特征向量和热负荷协变量时序编码特征向量的为共同的注意力空间不仅增强了优化后特征向量中关键信息的表达,减少了噪声和无关信计算所述优化后热负荷主变量时序编码特征向量和所述优化后热负荷协变量时序编码特优化后热负荷主变量时序编码特征向量的加权系数和所述优化后热负荷协变量时序编码例的基于热负荷预测的热水锅炉智能控制系统中锅炉燃料供给量调整模块的框图。如图4变量时序编码特征向量和所述热负荷协变量时序编码特征向量进行动态记忆融合得到的序交互融合向量中的零特征值个数a和零特征因数值(a-1)，并将零特征因数值(a-1)和所述零特征值个数分别相乘和相除以获得第一热负荷主一协变量动态记忆权重值(a-1)xa和第二热负荷主一协变量动态记忆时序交互融合场权重值(a-1)/a。所述热负荷主协变量动态记忆时序交互融合向量的每个[0056]以所述零特征因数值(a-1)作为指数计算所述热负荷主一协变量动态记忆时序交交互融合场权重值(a-1)xa以得到第一热负荷主一协变量动态记忆时序交互融合中间值。二热负荷主协变量动态记忆时序交互融合场权重值(a-1)/a和所述热负荷主协变量动态主协变量动态记忆时序交互融合中间值va的加权差值组成优化的热负荷主[0059]将所述优化的热负荷主一协变量动态记忆时序交互融合向量输入基于RNN模型的变量动态记忆时序交互融合向量的特征值表示的局部坐标附近固定指向特征分布中心的升所述热负荷主一协变量动态记忆时序交互融合向量通过基于RNN模型的热负荷预测模块[0066]综上所述，基于本申请实施例的基于热负荷预测的热水锅炉智能控制系统100被序编码特征和热负荷协变量时序编码特征之间的动态记忆交互表示来实现热负荷需求地[0067]图5为根据本申请实施例的基于热负荷预测的热水锅炉智能控制方法的流程图。中的各个步骤的具体操作已经在上面参考图1到图4的基于热负荷预