[发明专利]基于LSTM时间序列的供暖户阀调节方法、系统及设备

说明书

本发明公开了一种基于LSTM时间序列的供暖户阀调节方法、系统及设备，所述调节方法包括以下步骤：步骤一：获取历史的供暖数据以及历史的气象数据，将上述数据以时间为基准进行数据合成获得序列数据，利用序列数据搭建LSTM时间序列模型；步骤二：对LSTM时间序列模型的模型参数进行调整，获得最优预测模型；步骤三：将待预测日的气象数据以及除供热流量以外的供暖数据进行处理后，输入到最优预测模型内，获取待预测日的预测供热流量；步骤四：将预测供热流量作为PID控制算法的设定值，控制供暖户阀所需的开度。

技术领域

本发明涉及供暖领域，具体涉及一种基于LSTM时间序列的供暖户阀调节方法、系统及设备。

背景技术

随着国民经济的发展和城镇化的推进，我国北方城镇建筑面积不断增长，其集中供热面积亦随之快速增长。

我国大部分供暖系统依然采用落后的粗放型调控方式，即仅仅依据室外温度或全凭经验确定换热站供水温度，依据回水温度进行反馈调节或根本不进行。

现有技术中大部分供暖户阀不具备流量调节功能。

较为先进的现有技术中，供暖户阀的开度主要通过PID控制算法进行调节，需要为PID控制算法设定追踪流量值；但该追踪流量值一般只能根据经验进行人工设定，导致该追踪流量值不准确，无法根据气象数据和供暖数据进行动态调整，也无法考虑用户的用热习惯差异对追踪流量值带来的影响。

发明内容

为解决上述技术问题，本发明提供一种基于LSTM时间序列的供暖户阀调节方法、系统及设备。

为解决上述技术问题，本发明采用如下技术方案：

一种基于LSTM时间序列的供暖户阀调节方法，包括以下步骤：

步骤一：获取历史的供暖数据以及历史的气象数据，将上述数据以时间为基准进行数据合成获得序列数据，利用序列数据搭建LSTM时间序列模型；

步骤二：对LSTM时间序列模型的模型参数进行调整，获得最优预测模型；

步骤三：将待预测日的气象数据以及除供热流量以外的供暖数据进行处理后，输入到最优预测模型内，获取待预测日的预测供热流量；

步骤四：将预测供热流量作为PID控制算法的设定值，控制供暖户阀所需的开度。

具体地，在步骤一和步骤三中：所述供暖数据包括静态供暖数据和动态供暖数据；所述动态供暖数据包括用户室内温度、用户阀开度、用户瞬时流量、用户瞬时热量、用户供水温度、用户回水温度；所述静态供暖数据包括用户楼层号；所述气象数据包括：室外温度和风速。

具体地，步骤一中将历史的供暖数据和历史的气象数据以时间为基准进行数据合成获得序列数据时，使得每条序列数据同时包含供暖数据以及气象数据。

具体地，步骤一中利用序列数据搭建LSTM时间序列模型之前，对序列数据进行异常数据处理。

具体地，步骤一中利用序列数据搭建LSTM时间序列模型前，将序列数据的每个维度分别进行标准化处理得到标准化数据。

具体地，步骤三中数据输入到最优预测模型后，首先获得模型输出结果，将模型输出结果进行反标准化处理得到所述预测供热流量。

具体地，步骤二中的模型参数包括序列长度、训练次数、学习率、dropout值、优化器类型以及激活函数的类型，所述序列长度为每次搭建LSTM时间序列模型所用的序列数据的条数，获得LSTM时间序列模型后计算其损失，并选取拥有最小损失的LSTM时间序列模型作为最优预测模型。

一种基于LSTM时间序列的供暖户阀调节系统，包括：