[发明专利]基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法

说明书

一种基于SD‑LSTMs的公寓独立供热系统需热量预测及节能控制方法，将相似日选取和长短时记忆网络相结合，根据采集到的天气信息，利用梯度提升算法选取与预测日具有相似天气特征的历史日作为相似日，从相似日中选取天气、需热量等特征结合建筑参数、供热标准等特征搭建长短时记忆网络来达到需热量预测和节能控制的目的。本发明采用相似日和长短时记忆网络相结合的模型设计，具有较强的实用性和创新性，其次，由于机器学习和深度学习算法功能强大且容错能力强，模型准确性和可靠性较高，是一种合理、有效的热量预测及节能控制解决方案。

(一)技术领域：

本发明应用于公寓独立供热相关领域，尤其是一种基于SD-LSTMs(Similar DayAnd Long Short-Term Memory Networks，相似日和长短时记忆网络)的公寓独立供热系统需热量预测及节能控制方法。

(二)技术背景：

在我们国家，供热的主要形式为集中供热和独立供热两种。其中，集中供热系统依赖于换热站，它是连接锅炉与热用户之间的桥梁，控制着热量的传送和再分配。而独立供热系统与此不同，它的整个热量交换过程没有换热站的参与，由热源产生的暖水或暖气经传输管道流入各个房间，以此达到供暖的目的。相较于集中供暖而言，独立供暖由于不涉及到换热站的热量中转，由热源产生的热量能够更快到达用户所在房间，在这种情况下，热量变化更加灵敏，热量传递更加快速，因此，热网的整体运行也就需要更加精准的预测和更加合理的控制，此专利中涉及的公寓独立供热系统结构如图1所示。

在经济条件充裕的前提下，人们对生活环境的要求越来越高，公寓逐渐成为了居住的首要选择，由此也推动着独立供热系统的快速发展。公寓独立供热系统的合理调节和节能控制是一项跨学科、跨领域的综合技术，是保证热力设备平稳、有效运行的重要措施，是提供舒适供热环境的根本保证，对提高热网的整体运行质量有着十分重要的意义。随着科学技术的高速发展，计算机在处理大数据的效能上展现出了显著优势，一系列有关机器学习和深度学习的算法依托计算机的高效运算能力逐渐发展起来，在预测和智能识别等方面展现出了较高的准确率。利用机器学习和深度学习的相关算法建立合适的模型来预测公寓独立供热系统在供暖期的逐时需热量是一种科学且合理有效的技术方案。

随着问题的明确及我国科技实力的大幅度提升，我国学者针对集中供热系统中存在的各种问题进行了大量的研究和不断地改造。针对供热系统中存在的问题，兼顾节能措施，提出了基于双启发式动态规划算法的热源优化控制方法，通过建立热源总热量生产优化问题的数学描述，来获取供水量及供水温度的最优值。为了进一步提高预测效率，提出了基于供热系统中时延的温度预测模型，用最小二成意义上的时延来进行剪枝算法的求解和回水温度的预测。为了更加精确地预测供热系统中的热负荷，对比了三种热负荷预测模型，最终得出基于网格搜索优化支持向量机回归(Grid Search Optimization SupportVector Machine Regression，GS-SVR)方法的预测结果明显优于神经网络和多元线性回归。利用模糊推理来在线整定PID(Proportional Integral Differential，比例积分微分)控制器的参数，设计了基于参数自适应的Fuzzy-PID控制器，实现对供热源的温度控制等等。

本发明将结合机器学习中的极限梯度提升算法和深度学习中的长短时记忆网络来构建模型，以期达到合理预测公寓独立供热系统在供暖期的逐时需热量以及合理控制能耗和节约能源、指导供热设备运行调度和提供经济舒适供热的目的。

(三)发明内容：

本发明的目的在于提供一种基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法，相较于现有技术的预测和控制方法，它克服了现有技术的不足，采用相似日(SD——Similar Day)选取和长短时记忆网络(LSTMs——Long Short-Term MemoryNetworks)相结合的方式构建供热系统的模型实现对所需热量的预测及节能控制，该方法简单、性能稳定且预测准确度较高，适合于公寓独立供热系统在供暖期逐时需热量的预测，且能达到有效节约能源、提供合理节能控制的目的。