[发明专利]一种智能供热阀门控制知识图谱的构建方法和系统

说明书

本发明公开了一种智能供热阀门控制知识图谱的构建方法和系统，包括数据采集模块、知识图谱模块、深度学习模块、数据存储模块，所述数据采集模块包括历史数据模块、网络知识模块、实时数据模块，所述知识图谱模块包括数据分类模块、知识沉淀模块、知识应用模块，所述深度学习模块包括在线学习模块、增量学习模块、关联分析模块，所述数据储存模块包括关系型数据模块、图数据模块、数据仓库模块，供热阀门控制知识图谱是供热知识领域的一个典型应用场景，知识图谱能被多种领域业务系统调用，提供专家级知识支撑，知识图谱构建在云环境或独立数据环境中，数据的分析、处置独立于业务系统，不消耗业务系统任何资源。

技术领域

本发明涉及智能供热阀门控制技术领域，具体为一种智能供热阀门控制知识图谱的构建方法和系统。

背景技术

城市环境的日渐改善，居民对冬日用暖的舒适度也提出了更高的要求。为了提高热能利用效率，提升居民的用暖满意度，当前部分建筑物内已经开始采用了分户供热系统。远控电动阀门是分户供热系统在用户处安装的主要部件，承担了控制热水流量，调节用户室温的重要任务。

居民建筑物位置、结构存在差异，会导致不同位置的居民建筑物达到标准供热室内温度需要的热能是不一致的。例如：边户和中间户，阳面和阴面，顶层和中间层，砖混结构和整体浇筑结构，有外墙保温和没有外墙保温。

热量自身的特点，也会导致不同位置的居民建筑物达到标准供热室内温度需要的热能是不一致的。例如：热水在上。

因此现有的具备远控能力的分户供热系统往往需要实时采集分户温度，来控制远控电动阀门开度。因为分户温度的变化不是断崖式，具有时间周期。不同分户环境下，同一开度变化对温度的影响不一致。造成了分户供热系统对远控电动阀门的开度调节是一种盲目的尝试过程。

现有技术1：《基于神经网络预测的供热节能控制方法与系统》。通过支持向量机神经网络结构来预测室温到达指定温度需要的时间消耗。神经网络最著名的缺点，就是“黑匣子”性质。这意味着不知道神经网络将会如何产出结果，更不知道为什么会产生这种结果。具有不可控性的技术应用在供暖的民生工程实用性差。其次神经网络需要更多的数据。数十万、甚至数百万的标记样本才够基本保证预测结果相对准确。当前分户供暖的应用场景提供不出需要的大数据样本。基于神经网络技术故有缺陷，需要有效解决。

现有技术2：《用于智慧城市供暖的温度控制面积法热计量系统及方法》提出了一种供热计量收费方式，与本发明不属于同一技术领域。

现有技术3：《分户供暖阀门自动控制方法、装置及系统》提出了一种自动控制阀门开度的方式，与本发明属于同一技术领域。其自动控制方法是通过系统步进阀门开度，尝试逼近室温要求。首先温度采集法调节阀门具有时间周期，需要等待温度变化后，判断阀门开度是否需要进一步调节。其次采集室内温度需要加装室内温度采集器，采集回水温度、供水温度需要加装温度传感器，加大了项目成本。

现有技术4：当前分户供暖普遍采用的方式是供热公司人工操作阀门。当用户反馈温度不达标，由供热公司专人去现场测温，手动调节阀门开度，然后一段时间后继续现场测温，直到温度达标。当供热过热时，用户不会反馈，往往会选择开窗通风。人工手动调节温度过高会造成能源的浪费。

对现有技术的分析，综合因素影响下的供热过程中建筑物分户控制阀门开度预测，缺乏一种完善的知识体系指导，亟待解决。

发明内容

解决的技术问题

针对现有技术的不足，本发明提供了一种智能供热阀门控制知识图谱的构建方法和系统，解决了分户控制阀门反复尝试开度控制室内温度带来的供热能源消耗大、安装费时费力成本高、不同地域不同环境下推广难度大的问题，同时有效提高了指定室温要求下，阀门开度的准确性。

技术方案