[发明专利]真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法

权利要求书

1.一种真实热力数据的获取方法，其特征在于，所述获取方法为：

S1、获取热力站的历史热力数据，对所述历史热力数据进行预处理，得到室内设计温度、室内实际温度和供热监测数据；

S2、根据所述室内实际温度，得到平均室内实际温度；

S3、根据所述室内设计温度和所述平均室内实际温度，得到过量供热率；

S4、根据所述供热监测数据和过量供热率，得到真实热力数据。

2.根据权利要求1所述的一种真实热力数据的获取方法，其特征在于，所述步骤S1中的供热监测数据包括回水温度、流量变化值和压差值。

3.根据权利要求1所述的一种真实热力数据的获取方法，其特征在于，所述步骤S3中的过量供热率ε表示为：

其中，T_i，a为平均室内实际温度，T_i，d为室内设计温度，T₀为室外气温。

4.一种热力数据的神经网络模型构建方法，其特征在于，所述神经网络模型是采用权利要求1-3任意一项所述的真实热力数据获得的，所述构建方法为：

A1、建立人工神经网络，并对所述人工神经网络进行初始化，获得初始人工神经网络；

A2、设置所述初始人工神经网络的准确率和最大学习次数，获得准确率和最大学习次数；

A3、对所述初始人工神经网络进行赋予权重，并根据所述真实热力数据进行训练，获得人工神经网络的隐藏层各单元的输出值和输出层各单元的输出值；

A4、将所述输出层各单元的输出值和隐藏层各单元的输出值与最优值进行比较，从而对所述权重进行修正，获得所述人工神经网络的准确率；

A5、将所述人工神经网络的准确率与设置的准确率进行对比，获得所述人工神经网络的学习次数，将所述人工神经网络的学习次数与设置的最大学习次数进行比较；

A6、当所述人工神经网络的准确率和学习次数满足要求时，训练结束，获得热力数据的神经网络模型。

5.根据权利要求4所述的一种热力数据的神经网络模型构建方法，其特征在于，所述步骤A2中的准确率为10.95％，最大学习次数为2000。

6.根据权利要求4所述的一种热力数据的神经网络模型构建方法，其特征在于，所述步骤A3中的权重为-1到1之间的随机数。

7.一种热负荷预测方法，其特征在于，所述预测方法是采用热力数据的神经网络模型实现的，所述热力数据的神经网络模型由权利要求4-6任意一项所述的一种热力数据的神经网络模型构建方法获得，所述热负荷预测方法为：

将换热站的热力数据输入到所述神经网络模型中，获得换热站的真实热负荷数据。

8.一种热力数据的神经网络模型构建系统，其特征在于，所述系统包括：

用于建立人工神经网络，并对所述人工神经网络进行初始化，获得初始人工神经网络的存储装置；

用于设置所述初始人工神经网络的准确率和最大学习次数，获得准确率和最大学习次数的存储装置；

用于对所述初始人工神经网络进行赋予权重，并根据所述真实热力数据进行训练，获得人工神经网络的隐藏层各单元的输出值和输出层各单元的输出值的存储装置；

用于将所述输出层各单元的输出值和隐藏层各单元的输出值与最优值进行比较，从而对所述权重进行修正，获得所述人工神经网络的准确率的存储装置；

用于将所述人工神经网络的准确率与设置的准确率进行对比，获得所述人工神经网络的学习次数，将所述人工神经网络的学习次数与设置的最大学习次数进行比较的存储装置；

用于当所述人工神经网络的准确率和学习次数满足要求时，训练结束，获得热力数据的神经网络模型的存储装置。

9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行权利要求1-3任意一项所述的一种真实热力数据的获取方法或权利要求4-6任一项所述的一种热力数据的神经网络模型构建方法。

10.一种计算机设备，其特征在于，该设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行权利要求1-3任意一项所述的一种真实热力数据的获取方法或权利要求4-6任一项所述的一种热力数据的神经网络模型构建方法。