[发明专利]一种集中供热系统生产自动调节方法

权利要求书

1.一种集中供热系统生产自动调节方法，其特征在于，包括：

步骤一、通过传感器实时获取集中供热系统对应的所有用户端整体峰值消耗量，并将所述整体峰值消耗量记录为热负荷序列；

步骤二、基于时域与频域变换，时域与频域变换为快速傅里叶变换时，将获取到的热负荷序列分帧，利用快速傅里叶变换将所有热负荷序列分帧转换为频谱帧，将所有频谱帧的频段对齐并进行组合拼接得到频谱图；

步骤三、通过时间序列预测模型分别对频谱图的每个频段进行预测得到频域预测频谱图；

步骤四、分别提取获取到的频域预测频谱图中同一时间点的频域预测值得到频域预测值向量；利用快速傅里叶反变换将所有频域预测帧转换为时域预测帧；将第一个时域预测帧的前一半作为热负荷预测值序列的起始，计算第一个时域预测帧后一半和第二个时域预测帧前一半的逐元素均值并拼接到热负荷预测值序列，以此类推，直到计算倒数第二个时域预测帧后一半和最后一个时域预测帧前一半的逐元素均值并拼接到热负荷预测值序列，最终将最后一个时域预测帧的后一半作为热负荷预测值序列的结尾并拼接到热负荷预测值序列，得到热负荷预测值序列；

步骤五、根据热负荷预测值序列，动态调整集中供热系统中供暖设备输出功率，从而动态调整集中供热系统的峰值负载。

2.如权利要求1所述的方法，其特征在于，所述步骤一，包括：

传感器根据预设时间段实时获取所有用户端在该时间段内整体峰值消耗量，并记录为热负荷序列，将获取到的所有用户端整体峰值消耗量作为热负荷预测的历史数据。

3.如权利要求1所述的方法，其特征在于，所述步骤三中，使用的时间序列预测模型包括：线性回归模型、整合自回归滑动平均模型、支持向量回归模型、循环神经网络模型、混合高斯模型或长短时记忆模型。

4.如权利要求1或3所述的方法，其特征在于，使用的时间序列预测模型为长短时记忆模型时，所述步骤三，包括：

获取频谱图中同一频段的频谱值，将同一频段的所有频谱值进行拼接，得到频域序列；

分别利用频域序列训练每个频段的长短时记忆模型，将训练好的长短时记忆模型用于频域序列预测，得到每个频段对应的频域预测值序列；

将所有频域预测值序列的预测时间点对齐并进行组合拼接，得到频域预测频谱图。

5.如权利要求1所述的方法，其特征在于，所述步骤五，包括：

根据热负荷预测值序列，每小时动态调整集中供热系统的峰值负载，当集中供热系统的当前峰值负载高于预测负载值时降低集中供热系统中供暖设备的输出功率至预测负载水平，当集中供热系统的当前峰值负载低于预测负载值时提高集中供热系统中供暖设备的输出功率至预测负载水平。