一种用于独立式供热系统的自反馈调温方法及系统与流程

本公开涉及建筑供暖及控制技术领域，尤其涉及一种用于独立式供热系统的自反馈调温方法及系统。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前我国的供暖系统在末端热用户处基本没有自动控制装置，造成冷热分配不均，有些用户在室内穿短袖、开窗户，而有些用户在室内穿棉衣等现象。这种情况不仅用户的舒适度、满意度较差，而且不利于用户的身体健康，也造成供暖能源的浪费；因此，热负荷预测的精确度直接影响着住户供暖季的舒适度，对供热需热量进行准确预测是非常必要的；多年来国内外在该领域的研究人员做了大量的研究工作，提出了多方面的观点和预测方案。

其中，在国内的一些研究中，白雪亮等人分析研究了国内外城市综合体的功能和类型，通过调查研究分析居民室内的设备、灯具使用和人员活动等因素的变化规律，利用计算机对室内场景进行仿真模拟，并以此为基础建立模型，对热负荷进行预测；李琦等人认为室外温度对热负荷的影响比重较大，先是提出了一套改进的brp神经网络的滚动预测模型，而后又提出了一套基于遗传算法的动态k均值聚类神经网络预测模型。后者以bp神经网络建立模型，先是分析了室外温度与日期的特点，并对他们数量化，然后进行需热量，得到未来一天的逐时热负荷，利用此方法预测较为准确；白珊等人对室外天气变化情况为主要依据进行深入研究，以此建立热负荷计算模型。该方法以大量的实际气象数据为基础，对热负荷进行线性拟合。该模型在保证满足工程应用的误差下，预测准确率较高；杨帆等人以国内某工业园区为研究对象，先通过现场调研，然后使用系数法和典型日负荷叠加法分别得到最大、最小和平均热负荷，最终确定热负荷变化规律。

在国外的研究中，pederbacher等人在进行热负荷预测时，主要采用时间序列的方法来建立模型，并以独立的房间为研究对象进行研究的。但结果并不理想，不确定的天气情况及室内人员活动对需热量预测有很大影响，特别是太阳辐射；willianjstevenson最早使用神经网络来建立需热量预测模型。考虑了时间变化及各种室外气象条件。

综上所述，发明人发现，尽管在供热热负荷预测的研究上，国内外都取得了一定的成果，但发明人发现，现有技术中的各个系统都存在一些不足，需热量预测值与实际热负荷仍有较大误差；虽然计算时尽可能将各个影响因素考虑周全，但各个研究人员都是基于历史数据来进行热负荷的预测，但历史数据既无法替代年年变化的实际天气情况，更无法适用于不同地理位置的建筑。

技术实现要素：

本公开为了解决上述问题，提供了一种用于独立式供热系统的自反馈调温方法及系统，所述方案通过一种逐时热负荷计算模型，充分考虑各种室外及室内的影响因素，并考虑了人员作息情况及工作日节假日之分，以此建立需热量预测的数学模型；通过本公开中的自反馈调温系统，在保证预测需热量与实际热负荷相接近的同时获取有效数据；并使用该建筑主体的实体数据进行神经网络的训练，以此得到稳定高效的需热量预测值。

根据本公开实施例的第一个方面，提供了用于独立式供热系统的自反馈调温方法，包括：

预先将目标建筑的供热过程划分为预热、升温、自反馈调节以及保温阶段；

基于目标建筑所处环境构建建筑的逐时热负荷计算模型；

利用所述逐时热负荷计算模型计算逐时需热量并输出；

在自反馈调节阶段，根据设定温度与实际温度的温差动态调整所述逐时热负荷计算模型的系数，并进行热量输出，直至完成目标建筑的每日供热。

进一步的，所述逐时热负荷计算模型的构建充分考虑了各种室内及室外的影响因素，包括外墙温差传热耗热量、外窗温差传热耗热量、辐照度附加热负荷、灯具散热冷负荷、人体显热散热冷负荷、风力附加热负荷、冷风侵入附加热负荷、冷风渗透耗热量、邻间内墙温差传热耗热量、邻廊面温差传热耗热量、地面耗热量。

进一步的，所述自反馈调温阶段，根据设定温度与实际温度的温差动态调整所述逐时热负荷计算模型的系数，包括如下步骤：

比较室内实际温度与设定温度的温差，若实际温度高于设定温度0.5℃，则调低热负荷计算模型的系数；若实际温度低于设定温度，则热负荷计算模型的系数保持不变。

根据本公开实施例的第二个方面，提供了另一种用于独立式供热系统的自反馈调温方法，利用了上述的一种用于独立式供热系统的自反馈调温方法所输出的特定时刻的逐时需热量构建训练集，所述方法包括：

预先将目标建筑的供热过程划分为预热、升温、自反馈调节以及保温阶段；并采用所述训练集对神经网络模型进行训练；

利用预训练的神经网络模型输出的逐时需热量和调节系数的乘积，作为实际逐时需热量并输出；

在自反馈调节阶段，根据设定温度与实际温度的温差动态调整所述调节系数，并进行热量输出，直至完成目标建筑的每日供热；

其中，所述训练集利用所述神经网络模型的逐时输出结果进行扩充，并在特定时刻，利用扩充后的训练集对所述神经网络模型进行再训练。

进一步的，所述逐时热负荷计算模型的构建充分考虑了各种室内及室外的影响因素，包括外墙温差传热耗热量、外窗温差传热耗热量、辐照度附加热负荷、灯具散热冷负荷、人体显热散热冷负荷、风力附加热负荷、冷风侵入附加热负荷、冷风渗透耗热量、邻间内墙温差传热耗热量、邻廊面温差传热耗热量、地面耗热量。

进一步的，所述自反馈调温阶段，根据设定温度与实际温度的温差动态调整所述逐时热负荷计算模型的系数，包括如下步骤：

比较室内实际温度与设定温度的温差，若实际温度高于设定温度0.5℃，则调低热负荷计算模型的系数；若实际温度低于设定温度，则热负荷计算模型的系数保持不变。

进一步的，所述训练集的扩充包括：在自反馈调节阶段，选择调节参数保持不变，且满足预设的特定时刻时，将该时刻包括有逐时需热量的数据添加入训练集，用于神经网络模型的再训练。

根据本公开实施例的第三个方面，提供了一种用于独立式供热系统的自动反馈调温系统，其利用了上述的一种用于独立式供热系统的自反馈调温方法。

根据本公开实施例的第四个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种用于独立式供热系统的自反馈调温方法。

根据本公开实施例的第五个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种用于独立式供热系统的自反馈调温方法。

与现有技术相比，本公开的有益效果是：

(1)本公开提供一种应用于独立式供热系统的逐时需热量预测模型，该模型充分考虑各种室外及室内的影响因素，并考虑了人员作息情况及工作日节假日之分，以此建立需热量预测的数学模型。通过本公开中的自反馈调温系统，在保证预测需热量与实际热负荷相接近的同时获取有效数据。使用该建筑主体的实体数据进行神经网络的训练，以此得到稳定高效的需热量预测值。

(2)本公开所述方案建立了一套完整的既综合考虑建筑、气象、供热标准、人员作息规律等情况，又能预测供热期逐时热负荷的系统，以达到减少能源消耗的目的；在保证上述条件的前提下，通过利用神经网络模型来进行逐时热负荷计算，使该系统可以很好的应对节假日，作息规律突变等情况。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开实施例一中所述的楼层平面图及房间号示意图；

图2为本公开实施例一中所述的供暖过程阶段示意图；

图3为本公开实施例一中所述的自反馈调温系统结构示意图；

图4为本公开实施例一中所述的节假日逐时需热量预测系统结构示意图。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一：

本实施例的目的是一种用于独立式供热系统的自反馈调温方法。

一种用于独立式供热系统的自反馈调温方法，包括：

预先将目标建筑的供热过程划分为预热、升温、自反馈调节以及保温阶段；

基于目标建筑所处环境构建建筑的逐时热负荷计算模型；

利用所述逐时热负荷计算模型计算逐时需热量并输出；

在自反馈调节阶段，根据设定温度与实际温度的温差动态调整所述逐时热负荷计算模型的系数，并进行热量输出，直至完成目标建筑的每日供热。

具体的，以某供热公司实际案例为例，对本实施例所述方法进行详细描述，该公寓情况如下：

-项目总建筑面积为22356平方米；

-建筑主体分为地下一层，地上12层，高48.9米；

-该公司负责提供5-12层楼，共计14904平方米，240间房间的供暖系统方案。

为解决经济舒适供热，需要对公寓的供暖期逐时热负荷进行预测，用以指导供热设备的运行调度，使用本专利的需热量预测模型进行预测。

楼层平面图见图1。

(一)、建立需热量模型前的预备工作

1.使用房间内平均温度作为实际温度。

(1)平均温度的测量：在公寓正式供热之前将五个精准测温器置于屋内四个角落及中间位置，测得的温度构成公寓平均温度tmean。

tmean＝(tt1+tt2+tt3+tt4+tt5+t主)/6

t主：居民家庭用的测温器温度

(2)将得到的tmean与测温器实际所测温度t主进行一一配对，即正式供热时用于计算的室内温度ti,j为主测温器测得的温度t主所配对的tmean。

2.假设供热温度范围：ta～tb

3.假定公寓人员有中午和晚上两个居住时段：

[0,ta(i,j)]∪[tb(i,j),tc(i,j)]∪[td(i,j),1439]min

i＝5,…,12为楼层号

j＝1,…,30为房间号

ta、tb、tc、td：把一天的时间分成三个阶段，设置ta、tb、tc、td这四个端点。

4.假设供热时段：

t工：[0,ta(i,j)]∪[tb(i,j)-x,tc(i,j)]∪[td(i,j)-x,1439]min

x为延迟时间，即提前对公寓进行供热的时间，可取x为20min。

本专利将两次供热过程分别分解为四个阶段。

阶段一：预热阶段t设定为时间段为：

[tb(i,j)-x,tb(i,j)]∪[td(i,j)-x,td(i,j)]min

供热温度范围：ta～tb

阶段二：升温阶段t设定为0.618×(tb+ta)，时间段为：

[tb(i,j),tb(i,j)+x]∪[td(i,j),td(i,j)+x]min

阶段三：自反馈系统调温阶段：

[0,ta(i,j)-x]∪[tb(i,j)+x,tc(i,j)-x]∪[td(i,j)+x,1439]min

阶段四：保温阶段t设定为时间段为：

[ta(i,j)-x,ta(i,j)]∪[tc(i,j)-x,tc(i,j)]min

根据上述不同阶段设定的t可以得到逐时需热量qi,j(t)；将四个阶段各时刻的逐时需热量叠加可以得到逐日需热量qi,j。

(二)、建立房间(i,j)的逐时需热量模型

γ：自反馈调温系数，初始值为1

q1：外墙温差传热耗热量

q2：外窗温差传热耗热量

q3：辐照度附加热负荷

q4：灯具散热冷负荷

q5：人体显热散热冷负荷

q6：风力附加热负荷

q7：冷风侵入附加热负荷

q8：冷风渗透耗热量

q9：邻间内墙温差传热耗热量

q10：邻廊面温差传热耗热量

q11：地面耗热量

i：楼层号

j：房间号

t：时间

耗热产热参数具体计算如下：

(1)外墙温差传热耗热量q1

q1＝k1×f1×(t-t外)......i≠12,j≠1,15,16,30

k1：外墙传热系数w/m2·℃

f1：南北侧外墙面积m2；

ti,j：室内实际温度

注：i＝12时，外墙面积加入了屋顶的外墙面积。

q1＝k1×(f1+f7)×(ti,j-t外)

f7：屋顶面积

j＝1,15,16,30时，外墙面积加入了东西侧外墙面积

q1＝k1×(f1+f3)×(ti,j-t外)

f3：东西侧外墙及邻间屋面面积

(2)外窗温差传热耗热量q2

q2＝k2×f2×(ti,j-t外)×α

k2：外窗传热系数w/m2·℃

f2：外窗面积m2；

α：窗框修正系数，见《实用供热空调设计手册》

(3)辐照度附加热负荷q3

使用太阳辐照度对热负荷的附加进行实时计算，得到该建筑的辐照度附加热负荷q3。

q3＝q3¹+q3²

q3¹：辐照度引起的外窗热负荷

q3¹＝f2×xd1×xg1×j

xd1：外窗修正系数

xg1：外窗太阳辐射吸收率

j：太阳辐照度.w/m2；本专利的太阳辐照度给出的时间间隔为60s，取最近的前一次给出的辐照度作为每一时刻的辐照度。由于建筑东，南，西，北及水平面的辐照度有所不同，故j在不同的外墙面分别取不同的值j东，j西，j南，j北，j水平面

q3²：辐照度引起的外墙热负荷

q3²＝f1×xd2×xg2×j......i≠12；j≠1,15,16,30

xd2：外墙修正系数

xg2：外墙太阳辐射吸收率

注：

i＝12时，外墙面积加入了屋顶的外墙，屋顶外墙辐照度为水平面辐照度

q3²＝(f1×j+f7×j水平面)×xd2×xg2

j＝1,30时，外墙面积包含了西侧外墙，西侧外墙辐照度为西辐照度

q3²＝(f1×j+f3×j西)×xd2×xg2

j＝15,16时，外墙面积包含了东侧外墙，东侧外墙辐照度为东辐照度

q3²＝(f1×j+f3×j东)×xd2×xg2

(4)灯具散热冷负荷q4

北方冬季一般在六点左右达到傍晚时分，假设各公寓人员统一在18点开灯，23点熄灯，得到灯具散热冷负荷的分段函数。

m：照明灯具所需功率w

n1：镇流器消耗功率系数，取n1＝1.0

n2：灯罩隔热系数，当荧光灯罩上部穿有小孔(下部为玻璃板)，可利用自然通风散热于顶棚内时，取n2＝0.5～0.6；荧光灯罩无通风孔的n2＝0.6～0.8

cdj：照明散热冷负荷系数

参照《采暖通风与空气调节设计规范》，选取n1＝1.0，n2＝0.6，cdj＝0.37

(5)人体显热散热冷负荷q5

q5＝q×n×φ×crt

q：不同室温和劳动性质成年男子显热散热量w

n：屋内全部人数

φ：群集系数

crt：人体显热散热冷负荷系数

参照《采暖通风与空气调节设计规范》，选取q＝83，φ＝0.93，crt＝0.84

(6)高度附加热负荷：当民用建筑和工业企业辅助建筑的房间净高超过4m时，每增加1m，附加率为2％，最大附加率不超过15％。

本公司供暖楼层净高均不超过4m，不考虑高度附加热负荷。

(7)风力附加热负荷q6

q6＝βfl(i)×q1

βfl(i)：第i层风力附加率

在不避风的高地、河边、海岸、旷野上的建筑物以及城镇、厂区内特别高的建筑物，垂直的外围护结构热负荷附加5％～10％。令

第5层取5％的风力附加率，第12层取10％的风力附加率，中间的楼层按比例关系取风力附加率。

(8)冷风侵入附加热负荷q7

在冬季风压和热压的作用下，冷空气会通过开启的外门侵入，会造成室内热量的散失，使用传统热负荷计算方法中的冷风侵入耗热量计算公式。

q7＝q10¹×n

q10¹：外门温差传热耗热量

(9)冷风渗透耗热量q8

室外的冷空气会通过门缝，窗缝进入室内，渗入的冷空气被加热的过程会导致室内热量的损失。室外冷空气通过缝隙渗入到室内所造成的热量损失即冷风渗透耗热量。

q8＝0.278×cp×vlf×ρw×(ti,j-t外)

0.278为单位换算系数1kj/h＝0.278w

cp：定压比热容j/kg·℃；取cp＝1j/kg·℃

vlf：冷空气体积m3；

ρw：冷空气密度kg/m3；

vlf＝l×l×n3

l：单位长度渗透量m3/m

l：缝隙长度m

n3：渗透次数.次(容积小于500m3的房间换气次数设为0.7次/h)

(10)邻间内墙温差传热耗热量q9

邻间未处于供热状态时，观测房间与相邻房间存在温差，从而形成邻间内墙温差传热耗热

q9＝k3f3×[(ti,j-ti,j-1)+(ti,j-ti,j+1)]......j＝2,3,...,14

k3：邻间屋面传热参数w/m2·℃

注：东山西山的房间只有一面内墙与房间相邻，另一面与外界相邻产生热量交换，故

j＝1,30时，

q9＝k3f3×(ti,j-ti,j+1)

j＝15,16时，

q9＝k3f3×(ti,j-ti,j-1)

(11)邻廊面温差传热耗热量q10

邻廊面的温差耗热量包含了外门与墙面的耗热。

q10＝q10¹+q10²

q101：外门温差传热耗热量

q10¹＝k4×f4×(ti,j-t廊)

t廊：走廊温度

k4：外门传热系数w/m2·℃

f4：外门面积m2

q10²：邻廊墙面传热耗热量

q10²＝k3×f5×(ti,j-t廊)

f5：邻廊屋面面积m2

(12)地面耗热量q11

q11＝k5(f6+f7)×[(ti,j-ti-1,j)+(ti,j-ti+1,j)]......i＝5,6,...,11

k5：地面传热系数w/m2·℃

f6：下地面面积m2

注：顶层的地面耗热量仅由下地面产生，上地面耗热量为与外界的热量交换，故i＝12时，

q11＝kjdfjd×(ti,j-ti-1,j)

(三)自反馈调温系统

t反＝[0,ta(i,j)-x]∪[tb(i,j)+x,tc(i,j)-x]∪[td(i,j)+x,1439]min

自反馈调温系统详解(自反馈调温系统流程图见图3)：

第一步：输入γ＝1，t＝0，启动系统；

第二步：根据γ和t，计算逐时需热量并输出；

第三步：判断室内实际温度与设定温度的温差，根据设定的误差阈值进行判断，并调节γ(该阈值根据企业需要自行调整，本专利选取±0.5℃作为实例)。若实际温度比设定温度高0.5℃，则系数γ减小0.01(对γ调节的幅度可根据实际情况进行调整)；若实际温度低于设定温度0.5℃，则系数γ增大0.01；若实际温度与设定温度温差低于0.5℃，γ保持不变；

第四步：选取γ保持不变，即实际温度与设定温度温差在可接受范围内的，且满足t在特定时刻的(0分，10分，20分，30分，40分，50分)，将该时刻的逐时需热量等数据导出至用于神经网络训练的文件夹下，用于训练神经网络；

第五步：时间t更新为t+1；

第六步：判断若t属于t反，则回到第二步进行循环，若t不属于t反，进入下一流程；

第七步：判断t是否小于1440min。若t大于等于1440min，结束循环，即结束当天的自反馈调温阶段的调节。若t小于1440min，则返回第六步。

实施例二：

本实施例的目的是提供了另一种用于独立式供热系统的自反馈调温方法。

一种用于独立式供热系统的自反馈调温方法，包括：

利用了上述的一种用于独立式供热系统的自反馈调温方法所输出的特定时刻的逐时需热量构建训练集，所述方法包括：

预先将目标建筑的供热过程划分为预热、升温、自反馈调节以及保温阶段；并采用所述训练集对神经网络模型进行训练；

利用预训练的神经网络模型输出的逐时需热量和调节系数的乘积，作为实际逐时需热量并输出；

在自反馈调节阶段，根据设定温度与实际温度的温差动态调整所述调节系数，并进行热量输出，直至完成目标建筑的每日供热；

其中，所述训练集利用所述神经网络模型的逐时输出结果进行扩充，并在特定时刻，利用扩充后的训练集对所述神经网络模型进行再训练。

供热过程的动力学模型非常复杂，热量传输过程并不能用理想的方程和固定的参数高精度刻画，而且热网是大滞后系统，逐时输入的热负荷会从输入口进入，通过气流交换和空气传热，与整个公寓进行温度交换，控制效果会在一段时间后才会起作用。

为了更好地对整个供暖季进行需热量预测，建立基于神经网络预测逐时需热量的模型，专用于节假日或临时调休的情况。

在自反馈调温阶段，选取室内实际温度与设定温度温差0.5℃以内的实时数据，取自反馈调温系统给出的特定时刻(0分、10分、20分、30分、40分、50分)的室内实际温度ti,j、设定温度、调温后的逐时需热量、室外温度作为输入神经元，下一个时刻的调温后的逐时需热量作为输出神经元。每一组数据为一个训练样本。

将第一天得到的所有训练样本喂入神经网络；激活函数使用sigmoid激活函数，学习率设为0.1；输入神经元4个：室内实际温度、设定温度、调温后的逐时需热量、室外温度；隐含层暂定为5个；输出神经元1个即为下一个样本调温后的逐时需热量。

由于每天都有许多新的训练样本产生，每加入一个样本便对神经网络重新训练会使得复杂度过大，故每天的零点，使用用于神经网络训练的文件夹中的样本对神经网络重新训练。

步骤：

第一步：输入γ＝1，t＝0，启动系统；

第二步：输入输入神经元需要的上一时刻的变量值；

第三步：根据神经网络训练的模型计算逐时需热量，并输出系数γ和神经网络计算的逐时需热量的乘积作为实际逐时需热量；

第四步：判断室内实际温度与设定温度的温差，根据设定的误差阈值进行判断，并调节γ(该阈值根据企业需要自行调整，本专利选取±0.5℃作为实例)。若实际温度高于设定温度0.5℃，则系数γ减小0.01(对γ调节的幅度可根据实际情况进行调整)；若实际温度低于设定温度0.5℃，则系数γ增大0.01；若实际温度与设定温度温差低于0.5℃，γ保持不变；

第五步：选取γ保持不变，即实际温度与设定温度温差在可接受范围内的，且满足t在特定时刻的(0分，10分，20分，30分，40分，50分)，将该时刻的逐时需热量等数据导出至用于神经网络训练的文件夹下，用于训练神经网络；

第六步：时间t更新为t+1；

第七步：判断t是否小于1440min。若t大于等于1440min，结束循环，即结束当天的自反馈调温阶段的调节。若t小于1440min，则返回第二步。

实施例三：

本实施例的目的是提供一种用于独立供热系统的自反馈调温系统。

一种用于独立供热系统的自反馈调温系统，其利用了上述的一种用于独立式供热系统的自反馈调温方法。

实施例四：

本实施例的目的是提供一种电子设备。

一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述的一种用于独立式供热系统的自反馈调温方法。

实施例五：

本实施例的目的是提供一种非暂态计算机可读存储介质。

一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的一种用于独立式供热系统的自反馈调温方法。

上述实施例提供的一种用于独立式供热系统的自反馈调温方法及系统完全可以实现，具有广阔的应用前景。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。