[发明专利]一种高寒地区集中供热中供暖面积热指标辨识方法与系统有效

专利信息
申请号: 202211186579.6 申请日: 2022-09-27
公开(公告)号: CN115481916B 公开(公告)日: 2023-09-19
发明(设计)人: 冯琪;徐海涛;汪广慧;卜心明;郭鑫;姚国鹏;蔡浩飞;谢金芳;林佳捷 申请(专利权)人: 呼伦贝尔安泰热电有限责任公司海拉尔热电厂;中国华能集团清洁能源技术研究院有限公司
主分类号: G06Q10/0631 分类号: G06Q10/0631;G06N20/10;G06Q50/06;G06Q50/26
代理公司: 郑州博派知识产权代理事务所(特殊普通合伙) 41137 代理人: 荣永辉
地址: 021000 内蒙古*** 国省代码: 内蒙古;15
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 高寒 地区 集中供热 供暖 面积 指标 辨识 方法 系统
【权利要求书】:

1.一种高寒地区集中供热中供暖面积热指标辨识方法,其特征在于,具体包括:

S1从历史供暖数据中获取目标建筑物的供暖面积热指标、供水温度、室外温度、建筑物保暖系数、入住率,并基于所述供暖面积热指标、供水温度、室外温度、建筑物保暖系数、入住率构建训练集;

S2将所述训练集输入到基于SVM算法以及PSO-DBN算法的辨识模型中,对所述辨识模型进行训练,得到训练完成的辨识模型,其中所述供水温度、所述室外温度、所述建筑物保暖系数、所述入住率为输入量,以所述供暖面积热指标为输出量;

所述建筑物保暖系数的具体计算公式为:

T=K1PC+T1

其中T为建筑物保暖系数,K1为转换系数,所述K1为常数,P为保暖层材质,C为保暖层厚度,T1为房屋除去保暖层外的保温系数,所述T1为常数;

采用基于聚类算法和最小熵法相结合的方式对所述训练集进行去噪处理;

所述去噪处理的具体步骤为:

S21基于所述聚类算法对所述训练集进行去噪处理,得到聚类训练集;

S22基于所述最小熵法对所述聚类训练集进行进一步的去噪处理,得到去噪完成的训练集;

所述辨识模型的输出公式为:

H=a1H1+a2H2

其中H为辨识模型的输出即此时的供暖面积热指标,H1、H2分别为基于SVM算法的辨识模型的辨识结果和基于PSO-DBN算法的辨识模型的辨识结果,a1、a2分别为基于SVM算法的辨识模型的辨识结果的权值和基于PSO-DBN算法的辨识模型的辨识结果的权值,所述a1、a2均为常数;

S3将此时的室外温度、供水温度、建筑物保暖系数、入住率输入到所述训练完成的辨识模型中,得到此时的供暖面积热指标。

2.如权利要求1所述的一种高寒地区集中供热中供暖面积热指标辨识方法,其特征在于,所述供水温度包括当前供水温度、前24小时的平均供水温度、前一周相同时刻的平均供水温度。

3.如权利要求1所述的一种高寒地区集中供热中供暖面积热指标辨识方法,其特征在于,所述室外温度包括当前室外温度、前24小时的平均室外温度、前一周相同时刻的平均室外温度。

4.如权利要求1所述的一种高寒地区集中供热中供暖面积热指标辨识方法,其特征在于,所述建筑物保暖系数还包括老化系数k,对所述建筑物保暖系数进行修正,修正后的建筑物保暖系数的计算公式为:

TK=K(K1PC+T1)。

5.如权利要求4所述的一种高寒地区集中供热中供暖面积热指标辨识方法,其特征在于,所述老化系数根据建筑物年限、保暖层材质、保暖层厚度有关。

6.一种高寒地区集中供热中供暖面积热指标辨识系统,采用权利要求1-5任一项所述的高寒地区集中供热中供暖面积热指标辨识方法,包括数据获取模块,数据处理模块,模型训练模块,结果输出模块;

所述数据获取模块负责从历史供暖数据中获取目标建筑物的供暖面积热指标、供水温度、室外温度、建筑物保暖系数、入住率;

所述数据处理模块负责基于所述供暖面积热指标、供水温度、室外温度、建筑物保暖系数、入住率构建训练集;

所述模型训练模块负责将所述训练集输入到基于SVM算法以及PSO-DBN算法的辨识模型中,对所述辨识模型进行训练,得到训练完成的辨识模型,其中所述供水温度、所述室外温度、所述建筑物保暖系数、所述入住率为输入量,以所述供暖面积热指标为输出量;

所述结果输出模块负责将此时的室外温度、供水温度、建筑物保暖系数、入住率输入到所述训练完成的辨识模型中,得到此时的供暖面积热指标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于呼伦贝尔安泰热电有限责任公司海拉尔热电厂;中国华能集团清洁能源技术研究院有限公司,未经呼伦贝尔安泰热电有限责任公司海拉尔热电厂;中国华能集团清洁能源技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211186579.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top