供热预警方法、装置、计算设备和存储介质与流程

1.本技术涉及人工智能技术领域，特别涉及一种供热预警方法、装置、计算设备和存储介质。


背景技术：

2.供热作为城市服务的重要组成部分，对民生有着重要影响。目前的供热系统包括：热源(电厂、自有燃煤锅炉/燃气锅炉、热泵)、一次管网、部署于各区域的换热站以及二次管网，热源产生高温热水或高温蒸汽，经一次管网输送到各换热站，经换热站中布设的换热片，将热量交换到二次侧热水中，二次侧热水再经由二次管网输送到各居民家中，通过地暖管/暖气片/风机盘管等采暖设备加热室内空气，来提升室温。对于供热来说，如何能够获知直观、实时的供热质量，以提高供热监管效率，是一个值得研究的方向。


技术实现要素：

3.本技术提供一种提供热预警方法、装置、计算设备和存储介质，该供热预警方法能够为供热监管系统提供预警信息以提高供热监管效率。
4.第一方面，本技术提供了一种供热预警方法，由云平台执行，该云平台与供热监管系统关联，该方法包括：
5.获取多个换热站的预测热量，每个换热站的预测热量由每个换热站对应的热需模型对该换热站的气象数据以及目标室温进行处理得到，每个换热站对应的热需模型基于训练数据集对人工智能模型进行训练得到，该训练数据集包括该换热站的历史气象数据、历史室温以及历史分配热量；
6.确定该多个换热站的预测热量的总和与热源的产热量之间的第一热量差异；
7.若该第一热量差异达到第一预警条件，基于该第一热量差异，向该供热监管系统发送第一预警信息，该第一预警信息表示该多个换热站存在供热异常。
8.在该供热预警方法中，云平台根据每个换热站对应的热需模型，计算得到每个换热站的预测热量，然后，云平台根据多个换热站的预测热量总和与热源的产热量之间的热量差异，来判断多个换热站是否存在供热异常，从而向供热监管系统发送预警信息，以便供热监管系统及时获知供热质量。上述方法利用了云平台庞大的计算能力，使得供热监管系统不必基于人工经验或单纯依赖原始供热数据来了解供热质量，而且，由于每个换热站都有各自的热需模型，因此得到的换热站的预测热量的准确性较高，从而确保了预警信息的准确性，有效发挥了数据价值，提高了供热监管效率。
9.在一些实施例中，该若该第一热量差异达到第一预警条件，基于该第一热量差异，向该供热监管系统发送第一预警信息，包括：
10.若该第一热量差异大于第一差异阈值，且该多个换热站的预测热量的总和小于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一过热预警信息，该第一过热预警信息表示该多个换热站存在过热异常；
11.若该第一热量差异大于第二差异阈值，且该多个换热站的预测热量的总和大于或等于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一欠热预警信息，该第一欠热预警信息表示该多个换热站存在欠热异常。
12.通过上述可选实施方式，云平台向供热监管系统发送第一过热预警信息，以告知供热监管系统当前多个换热站存在过热异常，使得供热监管系统能够根据该第一过热预警信息，及时通过供热控制系统控制热源减少产热，实现了实时供热预警，提高了供热监管效率，同时，在换热站不需要过多热量时，及时减少热源产热，节约了产能资源；云平台向供热监管系统发送第一欠热预警信息，以告知供热监管系统当前多个换热站存在欠热异常，使得供热监管系统能够根据该第一欠热预警信息，及时通过供热控制系统控制热源增加产热，实现了实时供热预警，提高了供热监管效率，同时，在换热站需要较多热量时，及时增加热源产热，满足供热系统中热用户的供热需求。
13.在一些实施例中，该供热预警方法还包括：
14.对于该多个换热站中的第一换热站，获取该第一换热站的实际供热量与该第一换热站的预测热量之间的第二热量差异；
15.若该第二热量差异达到第二预警条件，基于该第二热量差异，向该供热监管系统发送第二预警信息，该第二预警信息表示该第一换热站存在供热异常。
16.通过上述可选实施方式，云平台能够从单个换热站的角度为供热监管系统提供供热预警服务，从而有效发挥了数据价值，使得供热监管系统可以及时获知每个换热站的供热质量，提高了供热监管效率。
17.在一些实施例中，该若该第二热量差异达到第二预警条件，基于该第二热量差异，向该供热监管系统发送第二预警信息，包括：
18.若该第二热量差异大于第三差异阈值，且该第一换热站的实际供热量大于或等于该第一换热站的预测热量，则基于该第二热量差异，向该供热监管系统发送第二过热预警信息，该第二过热预警信息表示该第一换热站存在过热异常；
19.若该第二热量差异大于第四差异阈值，且该第一换热站的实际供热量小于该第一换热站的预测热量，则基于该第二热量差异，向该供热监管系统发送第二欠热预警信息，该第二欠热预警信息表示该第一换热站存在欠热异常。
20.通过上述可选实施方式，云平台通过向供热监管系统发送第二过热预警信息，以告知供热监管系统当前第一换热站存在过热异常，使得供热监管系统能够根据该第二过热预警信息，及时通过供热控制系统控制第一换热站减少供热量，实现了实时供热预警，提高了供热监管效率，同时，在第一换热站不需要过多热量时，及时减少供热量，节约产能资源；云平台通过向供热监管系统发送第二欠热预警信息，以告知供热监管系统当前第一换热站存在过热异常，使得供热监管系统能够根据该第二欠热预警信息，及时通过供热控制系统控制第一换热站增加供热量，实现了实时供热预警，提高了供热监管效率，同时，在第一换热站需要更多热量时，及时增加供热量，以满足热用户的供热需求。
21.在一些实施例中，该供热预警方法还包括：
22.对于该多个换热站中的第二换热站，获取该第二换热站对应的多个被供热单元的室温，该室温由该被供热单元内所设置的温度传感器测量得到，基于该多个被供热单元的室温，确定该第二换热站的供热平衡信息，该第二换热站的供热平衡信息用于指示该第二
换热站对应的多个被供热单元的室温之间的差异，基于该第二供热站的供热平衡信息，向该供热监管系统发送第一供热提示信息，该第一供热提示信息提示按照第一供热策略控制该第二换热站进行供热。
23.通过上述可选实施方式，对于多个换热站中的任一换热站，云平台根据该换热站对应的多个被供热单元的室温，来为供热监管系统提供供热预警服务。这一过程也可以理解为云平台根据接收到的供热实时数据，计算各换热站的内部平衡度(简称为各站内部平衡度)，在各站内部平衡度达到预警条件时，及时告知供热监管系统，从而提高供热监管效率。
24.在一些实施例中，该供热预警方法还包括：
25.确定该多个换热站的调节优先级，该调节优先级基于该多个换热站的预分配热量和该多个换热站的当前已供应热量确定，基于该调节优先级，向该供热监管系统发送第二供热提示信息，该第二供热提示信息提示按照该调节优先级控制该多个换热站进行供热。
26.通过上述可选实施方式，云平台根据多个换热站的调节优先级，为供热监管系统提供供热预警服务。在这一过程中，云平台将多个换热站的调节优先级发送给供热监管系统，使得供热监管系统能够及时获知哪些换热站的调整紧迫性较高，以便及时通过供热控制系统来调整多个换热站的供热情况，从而提高了供热监管效率。
27.在一些实施例中，该供热预警方法还包括：
28.向该供热监管系统发送投诉风险预警信息，或者，热源负荷预警信息，其中，该投诉风险预警信息包括存在投诉风险的换热站的信息，该存在投诉风险的换热站在目标时间段内的已供应热量与理论需热量之间存在差异，该热源负荷预警信息表示该多个换热站的预测热量总和超过热源的负荷范围。
29.通过这种方式，云平台能够及时通知供热监管系统有哪些供热站存在被投诉的风险，使得供热监管系统根据投诉风险预警信息，及时通过供热控制系统控制换热站调整供热策略，以满足热用户的供热需求，从而提高了供热监管效率；同时，云平台能够及时通知供热监管系统当前换热站的需热量是否在热源的合理负荷范围内，使得供热监管系统根据热源负荷预警信息，及时通过供热控制系统控制换热站调整供热策略，以减缓热源的负荷压力，从而提高了供热监管效率。
30.在一些实施例中，该供热预警方法还包括：
31.向该供热监管系统发送供温预警信息，或者，室温预警信息，其中，该供温预警信息包括该多个供热站中存在供热温度异常的供热站的信息，该供热温度异常的供热站由该供热站的供热温度和目标供热温度之差确定，该室温预警信息包括该多个供热站中存在内部室温不平衡的供热站的信息，该内部室温不平衡的供热站由该供热站中多个被供热单元的实测室温确定。
32.通过这种方式，云平台能够及时通知供热监管系统哪些换热站的供热温度存在异常，使得供热监管系统根据供温预警信息，及时通过供热控制系统控制换热站调整供热策略，从而提高了供热监管效率；同时，云平台能够及时通知供热监管系统哪些换热站的内部室温不平衡，使得供热监管系统根据室温预警信息，及时通过供热控制系统控制换热站调整供热策略，以平衡内部室温，提高了供热监管效率。
33.第二方面，提供了一种供热预警装置，该供热预警装置与供热监管系统关联，该装
置包括：
34.第一获取模块，用于获取多个换热站的预测热量，每个换热站的预测热量由每个换热站对应的热需模型对该换热站的气象数据以及目标室温进行处理得到，每个换热站对应的热需模型基于训练数据集对人工智能模型进行训练得到，该训练数据集包括该换热站的历史气象数据、历史室温以及历史分配热量；
35.确定模块，用于确定该多个换热站的预测热量的总和与热源的产热量之间的第一热量差异；
36.第一发送模块，用于若该第一热量差异达到第一预警条件，基于该第一热量差异，向该供热监管系统发送第一预警信息，该第一预警信息表示该多个换热站存在供热异常。
37.在一些实施例中，该第一发送模块用于：
38.若该第一热量差异大于第一差异阈值，且该多个换热站的预测热量的总和小于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一过热预警信息，该第一过热预警信息表示该多个换热站存在过热异常；
39.若该第一热量差异大于第二差异阈值，且该多个换热站的预测热量的总和大于或等于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一欠热预警信息，该第一欠热预警信息表示该多个换热站存在欠热异常。
40.在一些实施例中，该装置还包括：
41.第二获取模块，用于对于该多个换热站中的第一换热站，获取该第一换热站的实际供热量与该第一换热站的预测热量之间的第二热量差异；
42.第二发送模块，用于若该第二热量差异达到第二预警条件，基于该第二热量差异，向该供热监管系统发送第二预警信息，该第二预警信息表示该第一换热站存在供热异常。
43.在一些实施例中，该第二发送模块用于：
44.若该第二热量差异大于第三差异阈值，且该第一换热站的实际供热量大于或等于该第一换热站的预测热量，则基于该第二热量差异，向该供热监管系统发送第二过热预警信息，该第二过热预警信息表示该第一换热站存在过热异常；
45.若该第二热量差异大于第四差异阈值，且该第一换热站的实际供热量小于该第一换热站的预测热量，则基于该第二热量差异，向该供热监管系统发送第二欠热预警信息，该第二欠热预警信息表示该第一换热站存在欠热异常。
46.在一些实施例中，该装置还包括：
47.第三发送模块，用于对于该多个换热站中的第二换热站，获取该第二换热站对应的多个被供热单元的室温，该室温由该被供热单元内所设置的温度传感器测量得到，基于该多个被供热单元的室温，确定该第二换热站的供热平衡信息，该第二换热站的供热平衡信息用于指示该第二换热站对应的多个被供热单元的室温之间的差异，基于该第二供热站的供热平衡信息，向该供热监管系统发送第一供热提示信息，该第一供热提示信息提示按照第一供热策略控制该第二换热站进行供热。
48.在一些实施例中，该装置还包括：
49.第四发送模块，用于确定该多个换热站的调节优先级，该调节优先级基于该多个换热站的预分配热量和该多个换热站的当前已供应热量确定，基于该调节优先级，向该供热监管系统发送第二供热提示信息，该第二供热提示信息提示按照该调节优先级控制该多
个换热站进行供热。
50.在一些实施例中，该装置还包括：
51.第五发送模块，用于向该供热监管系统发送投诉风险预警信息，或者，热源负荷预警信息，其中，该投诉风险预警信息包括存在投诉风险的换热站的信息，该存在投诉风险的换热站在目标时间段内的已供应热量与理论需热量之间存在差异，该热源负荷预警信息表示该多个换热站的预测热量总和超过热源的负荷范围。
52.在一些实施例中，该装置还包括：
53.第六发送模块，用于向该供热监管系统发送供温预警信息，或者，室温预警信息，其中，该供温预警信息包括该多个供热站中存在供热温度异常的供热站的信息，该供热温度异常的供热站由该供热站的供热温度和目标供热温度之差确定，该室温预警信息包括该多个供热站中存在内部室温不平衡的供热站的信息，该内部室温不平衡的供热站由该供热站中多个被供热单元的实测室温确定。
54.第三方面，本技术还提供一种计算设备，该计算设备包括存储器和处理器，该存储器用于存储一组计算机指令；该处理器执行该存储器存储的一组计算机指令，以使得该计算设备执行第一方面或第一方面的任意一种可能的实现方式提供的供热预警方法。
55.第四方面，本技术提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序代码，当该计算机程序代码被计算设备执行时，该计算设备执行前述第一方面或第一方面的任意一种可能的实现方式中提供的供热预警方法。该存储介质包括但不限于易失性存储器，例如随机访问存储器，非易失性存储器，例如快闪存储器、硬盘(hard disk drive，hdd)、固态硬盘(solid state drive，ssd)。
56.第五方面，本技术提供一种计算机程序产品，该计算机程序产品包括计算机程序代码，在该计算机程序代码被计算设备执行时，该计算设备执行前述第一方面或第一方面的任意可能的实现方式中提供的供热预警方法。该计算机程序产品可以为一个软件安装包，在需要使用前述第一方面或第一方面的任意可能的实现方式中提供的供热预警方法的情况下，可以下载该计算机程序产品并在计算设备上执行该计算机程序产品。
附图说明
57.图1为本技术实施例提供的一种供热预警方法的应用场景的示意图；
58.图2为本技术实施例提供的一种供热预警方法的系统架构的示意图；
59.图3为本技术实施例提供的一种云平台210的结构示意图；
60.图4为本技术实施例提供的一种部署云平台210的计算设备400的结构示意图；
61.图5为本技术实施例提供的一种供热预警方法的流程示意图；
62.图6为本技术实施例提供的一种供热预警装置的结构示意图；
63.图7是本技术实施例提供的一种计算设备的结构示意图。
具体实施方式
64.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
65.随着工业物联网的产业化升级和传统制造行业结构的转型，传统工业行业正在快
速向智能模式转换。其中，供热作为城市服务的重要组成部分，对民生有着重要影响，目前，众多供热公司和企业都在积极探索不同程度的智慧供热。对此，本技术实施例提供了一种供热预警方法，利用人工智能(artificial intelligence，ai)高效便捷的特性以及云计算强大的计算能力，来实现智能供热预警。示意性地，该供热预警方法能够应用在城市民用建筑供热预警、城市公共建筑供热预警以及城市工业建筑供热预警等需要通过获知直观、实时的供热质量，以提高供热监管效率的供热预警场景中。
66.为了方便理解，下面先对本技术涉及的关键术语和关键概念进行说明。
67.热源，是供热系统的热量来源，通过产生高温热水或高温蒸汽的方式来实现供热。例如，热源为热电厂、自有燃煤锅炉/燃气锅炉以及热泵等。
68.热用户，是供热系统的供热对象，也称为被供热单元，包括民用建筑、公共建筑以及工业建筑等。例如，热用户为某一栋居民楼、某一小区或者某一企业大厦等，本技术实施例对此不作限定。
69.换热站，也称为热力站，是供热系统中热力集中、交换的地方，换热站将热源产生的高温热水或高温蒸汽通过转换，将转换后的热水输送给热用户。其中，将换热站与热源之间的输送管网称为一次管网(也可以称为一级管网)，将换热站与热用户之间的输送管网称为二次管网(也可以称为二级管网)。
70.热媒，是供热系统中热量的载体。在一些实施例中，供热系统为民用建筑和公共建筑供热时优先选择热水作为热媒，其次是选择低压蒸汽作为热媒；而供热系统为工业建筑供热时，由于用热要求在时间上往往比较集中，且有工业用汽要求，因此选择蒸汽作为热媒，本技术实施例对此不作限定。
71.热媒参数，是表征热媒所处状态的宏观物理量。如供水温度、回水温度、供回水温差、热媒平均温度、供汽压力以及凝结水背压力等。
72.热媒平均温度，是指供热系统中供热装置(例如散热器等)进口和出口处热媒温度的平均值，主要用于供热装置的供热量计算。在一些实施例中，热媒平均温度也称为目标二均温，本技术实施例对此不作限定。
73.云平台，是云计算平台的简称，是指基于硬件资源和软件资源的服务，提供计算、网络和存储能力。通过网络“云”将庞大的数据计算处理在远端进行处理和分析后返回给用户，具有大规模、分布式、虚拟化、高可用性、扩展性、按需服务以及安全性等特点。云平台可以以较小的管理代价，或者用户与业务提供者较低的交互复杂度，实现可配置计算资源的快速发放与发布。应理解，云平台能够提供多种类型的服务，例如，将云平台与供热控制系统关联，为供热控制系统提供热量分配的计算服务等，又例如，将云平台与供热监管系统关联，为供热监管系统提供供热预警服务等，本技术实施例对此不作限定。
74.窄带物联网(narrow band internet of things，nb-iot)，是一种基于蜂窝通信3g/4g演进的物联网通信技术，主要应用于低吞吐量、海量连接的场景，其特点包括大容量、高覆盖、低功耗、低成本、低速率以及高安全等。在一些实施例中，将nb-iot技术应用于供热场景中，采用基于nb-iot技术的室温采集设备来采集热用户的室温数据。
75.机器学习(machine learning，ml)，是一门多领域交叉学科，涉及概率论、统计学、逼近论、图分析、算法复杂度理论等多门学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
76.ai模型，是一类用机器学习思想解决实际问题的数学算法模型，ai模型中包括大量的参数和计算公式(或计算规则)，ai模型中的参数是可以通过训练数据集对初始ai模型进行训练获得的数值，例如，ai模型的参数是ai模型中的计算公式或计算因子的权重。ai模型还包含一些超(hyper)参数，超参数是无法通过训练数据集对ai模型进行训练获得的参数，超参数可用于指导ai模型的构建或者ai模型的训练，超参数有多种。例如，ai模型训练的迭代(iteration)次数、学习率(leaning rate)、批尺寸(batch size)、ai模型的层数、每层神经元的个数。换而言之，ai模型的超参数与参数的区别在于：ai模型的超参数的值无法通过对训练数据集中的训练数据进行分析获得，而ai模型的参数的值可根据在训练过程中对训练数据集中的训练数据进行分析进行修改和确定。
77.神经网络模型，是一类模仿生物神经网络(动物的中枢神经系统)的结构和功能的数学算法ai模型。一个神经网络模型可以包括多种不同功能的神经网络层，每层包括参数和计算公式。根据计算公式的不同或功能的不同，神经网络模型中不同的层有不同的名称。例如，进行卷积计算的层称为卷积层，卷积层常用于对输入数据进行特征提取。一个神经网络模型也可以由多个已有的神经网络模型组合构成。不同结构的神经网络模型可用于不同的场景(如热需预测、阀门调节参数预测等)或在用于同一场景时提供不同的效果。神经网络模型结构不同具体包括以下一项或多项：神经网络模型中网络层的层数不同、各个网络层的顺序不同、每个网络层中的权重、参数或计算公式不同。
78.线性回归模型，是一种确定变量之间的相关关系的一种数学回归模型。在一些实施例中，以供热场景为例，通过建立线性回归模型来进行热需预测，具体地，以一种线性加权的方式，对热需预测涉及的各个变量进行组合，得到需热量与各个变量之间的线性回归方程，从而根据该线性回归方程得到需热量的预测结果。
79.在介绍了上述关键术语和关键概念的基础上，下面结合图1，对本技术实施例提供的供热预警方法的应用场景进行介绍。
80.图1为本技术实施例提供的一种供热预警方法的应用场景的示意图。如图1所示，以城市民用建筑供热预警场景为例，该供热预警场景中包括以下五部分：热源、部署在各个区域的换热站、供热公司供热控制系统(以下简称供热控制系统)、供热监管系统以及居民楼。其中，热源与换热站之间通过一次管网连接，换热站与居民楼之间通过二次管网连接。示意性地，对基于上述场景的供热过程进行介绍：热源产生高温热水或高温蒸汽，经一次管网输送到各个换热站，经换热站中布设的换热片，将热量交换到二次侧热水中，二次侧热水经二次管网输送到居民楼各居民家中，经地暖管/暖气片/风机盘管等采暖设备加热家中空气，在寒冬中提升居民室温，提升舒适度。在这一过程中，供热控制系统会将供热实时数据上报给供热监管系统，以便供热监管系统获知供热质量，实现供热监管。
81.本技术实施例提供了一种供热预警方法，例如可以应用于上述图1所示的供热预警场景中，利用云平台庞大的计算能力，通过训练数据集对ai模型进行训练，得到每个换热站对应的热需模型，由云平台基于各个换热站对应的热需模型来预测各个换热站的需热量，并根据各个换热站的需热量总和与热源的产热量之间的热量差异，及时判断换热站是否存在供热异常，当换热站存在供热异常时，向供热监管系统发送预警信息，以便供热监管系统快速获取实时供热质量，从而有效发挥了数据价值，提高了供热监管效率。
82.下面对本技术实施例提供的供热预警方法的系统架构进行介绍。
83.图2为本技术实施例提供的一种供热预警方法的系统架构的示意图。如图2所示，该系统200包括但不限于：云平台210和供热系统220，该供热系统220包括：供热监管系统221、供热控制系统222、换热站223、热源224以及热用户225。
84.云平台210用于接收供热控制系统221发送的供热实时数据，对供热实时数据进行数据处理，根据每个换热站对应的热需模型，计算每个换热站的需热量，确定供热系统220中多个换热站的需热量的总和与热源224的产热量之间的热量差异，在热量差异达到预警条件时及时向供热监管系统221发送预警信息，该预警信息表示多个换热站存在供热异常。其中，供热实时数据包括换热站223、热源224以及热用户225的实时数据。换热站的实时数据包括换热站当前的供热热量以及气象数据；热源的实时数据包括热源当前的实际产热量；热用户的实时数据包括热用户的室温数据。在一些实施例中，云平台210用于接收换热站223、热源224以及热用户225发送的实时数据，并对实时数据进行数据处理，计算各个换热站的需热量，向供热监管系统221发送预警信息，本技术实施例对此不作限定。在一些实施例中，云平台210将上述预警信息同步发送给供热监管系统221和供热控制系统222，本技术实施例对此不作限定。
85.供热监管系统221用于接收云平台210发送的预警信息，根据预警信息调整供热策略，或者安排运维人员对症解决等。在一些实施例中，供热监管系统221在接收到云平台210发送的预警信息后，根据预警信息生成供热策略信息(包括供热调整策略和供热维修策略)，将预警信息和供热策略信息发送给供热控制系统222，本技术实施例对此不作限定。需要说明的是，在一些实施例中，供热监管系统221部署于供热公司的供热监管平台中，与供热控制系统222共同工作，实现供热预警，提高企业供热监管效率；在另一些实施例中，供热监管系统221部署于政府的供热监管平台中，对目标区域内的多个换热站的供热情况进行监管，实现供热预警，提高政府供热监管效率，本技术实施例对此不作限定。
86.供热控制系统222用于接收换热站223、热源224以及热用户225发送的实时数据，将供热实时数据发送给云平台210。在一些实施例中，供热控制系统220用于接收云平台210发送的预警信息，根据该预警信息调整供热情况。在一些实施例中，供热控制系统220用于接收供热监管系统221发送的预警信息和供热策略信息，并根据供热策略信息，控制换热站223为热用户225进行供热。
87.换热站223用于将该换热站的实时数据发送给供热控制系统222，并接受供热控制系统222的控制，将热源224所输送的热量转换到二次侧热水中，输送给热用户225。在一些实施例中，换热站223用于将该换热站的实时数据发送给云平台210，本技术实施例对此不作限定。
88.热源224用于将该热源的实时数据发送给供热控制系统222，向换热站223输送热量。在一些实施例中，热源224用于将该热源的实时数据发送给云平台210，本技术实施例对此不作限定。
89.热用户225用于将该热用户的实时数据发送给供热控制系统222，接收换热站223输送的热水。在一些实施例中，热用户225的实时数据包括热用户的实时室温，热用户225配置有nb-iot设备，该nb-iot设备用于实时采集室温数据，并将室温数据发送给供热控制系统222。通过nb-iot来采集室温数据，能够保证室温信号稳定、高效、低成本的收集上来，使室温传感器真正起到供热系统终端哨兵的作用，为指导模型修正、供热质量评价以及供热
系统调控提供了基础。在一些实施例中，热用户225用于将该热用户的实时数据发送给云平台210，本技术实施例对此不作限定。
90.在一些实施例中，云平台210与供热系统220中各个部分通过无线网络或有线网络通信连接。在一些实施例中，云平台210分别与供热系统220中的供热监管系统221和供热控制系统222通过无线网络或有线网络通信连接。可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也能够是任何网络，包括但不限于局域网(local area network，lan)、城域网(metropolitan area network，man)、广域网(wide area network，wan)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中，使用包括超级文本标记语言(hyper text markup language，html)、可扩展标记语言(extensible markup language，xml)等的技术和/或格式来代表通过网络交换的数据。此外还能够使用诸如安全套接字层(secure socket layer，ssl)、传输层安全(transport layer security，tls)、虚拟专用网络(virtual private network，vpn)、网际协议安全(internet protocol security，ipsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还能够使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
91.下面对上述系统架构200中云平台201的架构进行介绍。
92.图3为本技术实施例提供的一种云平台210的结构示意图。应理解，图3仅是示例性地展示了云平台210的一种结构化示意图，本技术并不限定对云平台210中各项功能的划分。如图3所示，云平台210所具备的功能包括但不限于：热需预测功能211、热量差异确定功能212以及供热预警功能213。在一些实施例中，云平台210还可以包括模型训练功能214、数据预处理功能215、模型存储功能216以及数据存储功能217等。
93.下面简要地描述云平台210中的各个功能：
94.热需预测功能211用于基于供热控制系统222发送的供热实时数据以及每个换热站对应的热需模型，计算多个换热站的预测热量。
95.热量差异确定功能212用于基于供热控制系统222发送的供热实时数据以及多个换热站的预测热量，确定多个换热站预测热量总和与热源的产热量之间的第一热量差异。
96.供热预警功能213用于在第一热量差异达到第一预警条件时，向供热监管系统221发送第一预警信息，该第一预警信息表示多个换热站存在供热异常。
97.模型训练功能214用于基于训练数据集对ai模型进行训练，得到每个换热站对应的热需模型，该训练数据集包括历史气象数据、历史室温以及历史分配热量。本技术实施例对此不作限定。
98.数据预处理功能215用于对供热控制系统222发送的供热实时数据进行预处理操作。例如，去除供热实时数据中明显不符合自然规律的数据等，本技术实施例对此不作限定。应理解，在一些实施例中，数据存储功能217也可以作为数据预处理功能215中的一部分，即数据预处理功能215有存储数据的功能。
99.模型存储功能216用于存储初始ai模型、优化ai模型和ai子模型结构等，也可以用于存储基于ai子模型结构确定构建的ai模型。模型存储功能216与热需预测功能211以及模型训练功能214均可以进行通信。模型存储功能216接收并存储模型训练功能214传输的训练完成的ai模型等。模型存储功能216为模型训练功能214提供构建的ai模型或者初始ai模
型。应理解，在一些实施例中，模型存储功能216也可作为模型训练功能214中的一部分。
100.数据存储功能217用于存储供热控制系统222发送的供热实时数据，也用于存储数据预处理功能215处理后的数据。
101.需要说明的是，本技术中的云平台210可以是一个与用户交互的系统，这个系统可以是软件系统也可以是硬件系统，也可以是软硬结合的系统，本技术实施例对此不作限定。
102.另外，云平台210的功能并不仅限于上述211至217，在实际应用中，能够根据用户的需求设置更多功能，本技术实施例对于云平台210的功能设置并不作限定。
103.通过上述各项功能，本技术实施例提供的云平台能够通过训练数据集对ai模型进行训练，得到每个换热站对应的热需模型，由云平台基于各个换热站对应的热需模型来预测各个换热站的需热量，并根据各个换热站的需热量总和与热源的产热量之间的热量差异，及时判断换热站是否存在供热异常，当换热站存在供热异常时，向供热监管系统发送预警信息，以便供热监管系统快速获取实时供热质量，从而有效发挥了数据价值，提高了供热监管效率。
104.下面对上述云平台210的部署环境进行介绍。
105.在一些实施例中，云平台210单独部署在一个计算设备上。参考图4，图4为部署有云平台210的计算设备400的硬件结构示意图，图4所示的计算设备400包括存储器401、处理器402、通信接口403以及总线404。其中，存储器401、处理器402、通信接口403通过总线404实现彼此之间的通信连接。
106.存储器401可以是只读存储器(read-only memory，rom)或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器(random access memory，ram)或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器401可以存储程序，当存储器401中存储的程序被处理器402执行时，处理器402和通信接口403用于执行云平台210进行供热预警的方法。存储器还可以存储供热数据、ai模型以及训练数据集等。例如，存储器401中的一部分存储资源被划分成一个数据存储模块217，用于存储云平台210所需的数据，存储器401中的一部分存储资源被划分成一个模型存储模块216，用于存储ai模型，本技术实施例对此不作限定。
107.处理器402可以是网络处理器(network processor，np)、中央处理器(central processing unit，cpu)、特定应用集成电路(application-specific integrated circuit，asic)或用于控制本技术方案程序执行的集成电路。该处理器402可以是一个单核(single-cpu)处理器，也可以是一个多核(multi-cpu)处理器。该处理器402的数量可以是一个，也可以是多个。通信接口403使用例如收发器一类的收发模块，来实现计算设备400与其他设备或通信网络之间的通信。例如，可以通过通信接口403获取数据。
108.总线404可包括在计算设备400各个部件(例如，存储器401、处理器402、通信接口403)之间传送信息的通路。
109.在一些实施例中，本技术提供的云平台210还可以分布式地部署在不同的环境中。
例如，云平台210可以在逻辑上分成多个部分，每个部分具有不同的功能，每个部分单独部署在一个计算设备上，本技术实施例对于云平台210的部署方式不作限定。
110.在介绍了本技术实施例提供的供热预警方法的系统架构以及云平台的系统架构的基础上，下面结合图5，对本技术实施例提供的供热预警方法进行示例性的说明。图5为本技术实施例提供的一种供热预警方法的流程示意图。如图5所示，该供热预警方法应用于图2所示的系统架构200中，下面以系统架构200中的云平台210、供热监管系统221以及供热控制系统222之间的交互为例，对该供热预警方法进行介绍。该供热预警方法包括下述步骤501至步骤512。
111.501、供热控制系统向云平台发送供热实时数据，该供热实时数据包括供热控制系统所控制的多个换热站的实时数据、热源的实时数据以及热用户的实时数据。
112.在本技术实施例中，供热控制系统用于控制多个换热站对热用户进行供热。在一些实施例中，多个换热站分别部署在不同的区域中，每个换热站为各自区域内的热用户供热，或者，每个换热站为各自区域内的热用户以及相邻区域内的热用户供热。在另一些实施例中，多个换热站按照预设规则部署在多个区域中，例如，按照热用户的密度来划分多个区域，热用户密度较大的区域可以部署多个换热站(换热站的数量大于等于2)，而热用户密度较小的区域可以仅部署一个换热站，本技术实施例对此不作限定。
113.下面对上述多个换热站的实时数据、热源的实时数据以及热用户的实时数据进行介绍。
114.多个换热站的实时数据包括多个换热站当前的供热热量以及气象数据。例如，该气象数据包括室外气温、室外风速、室外空气密度以及太阳辐射强度等，本技术实施例对此不作限定。
115.热源的实时数据包括热源当前的实际产热量。
116.热用户的实时数据包括热用户的室温数据。例如，以热用户为某一居民楼为例，该室温数据为该居民楼中各居民家中的室温，或者，该室温数据为该居民楼中各居民家中的室温的平均值，等等，本技术实施例对此不作限定。
117.在一些实施例中，供热控制系统每间隔目标时长，向云平台发送供热实时数据。在一些实施例中，供热控制系统将收集到的供热实时数据实时发送给云平台，本技术实施例对此不作限定。
118.另外，需要说明的是，在本技术实施例中，上述供热实时数据是由供热控制系统采集后，再向云平台发送的。而在一些实施例中，多个换热站、热源以及热用户将各自的实时数据直接发送给云平台，本技术实施例对此不作限定。
119.502、云平台基于接收到的供热实时数据，获取多个换热站的预测热量，每个换热站的预测热量由每个换热站对应的热需模型对该换热站的气象数据以及目标室温进行处理得到，每个换热站对应的热需模型基于训练数据集对人工智能ai模型进行训练得到，该训练数据集包括该换热站的历史气象数据、历史室温以及历史分配热量。
120.在本技术实施例中，预测热量是指通过预测得到的换热站在单位时长内所需的热量。在一些实施例中，该单位时长以小时划分。例如，预测热量是指通过预测得到的换热站在接下来的1小时内所需的热量，本技术实施例对于单位时间的划分方式不作限定。
121.目标室温是指换热站对热用户进行供热后，热用户所需达到的目标室温。在一些
实施例中，多个换热站的室温目标相同，这样能够保持全网平衡供热。在另一些实施例中，多个换热站的目标室温不同，例如，按照不同热用户的需求，为各个换热站设置不同的目标室温，这样能够有针对性地进行供热，满足热用户的个性化需求。
122.在一些实施例中，云平台基于接收到的供热实时数据，实时获取多个换热站的预测热量。通过实时获取多个换热站的预测热量，为实现实时供热预警提供基础。在另一些实施例中，云平台每间隔目标时长，根据当前接收到的供热实时数据，获取多个换热站的预测热量，例如，该目标时长与预测热量的单位时长相同，也即是，云平台可以以预测热量的单位时长为周期，周期性地获取多个换热站的预测热量，能够在保证多个换热站的预测热量的准确性的前提下，节约计算资源。
123.其中，对于多个换热站中的任一换热站，云平台根据接收到的供热实时数据，调用该换热站对应的热需模型，将该换热站的气象数据和目标室温输入对应的热需模型中，将热需模型的输出结果作为该换热站的预测热量。
124.在一些实施例中，该热需模型为神经网络模型。例如，该热需模型为卷积神经网络(convolutional neural network，cnn)模型或者循环神经网络(recurrent neural network，rnn)模型等。在另一些实施例中，该热需模型为线性回归模型，例如，该热需模型为基于最小二乘法的线性回归模型，本技术实施例对于热需模型的具体类型不作限定。
125.下面以热需模型为神经网络模型为例，对任一换热站对应的热需模型的训练过程进行介绍，示意性地，该训练过程由云平台执行，例如，由图3所示的云平台210中的模型训练模块214执行，该训练过程包括下述步骤a至步骤c。
126.步骤a、云平台将训练数据集中的历史气象数据和历史室温输入到构建好的ai模型中，得到该换热站的第一预测热量。
127.其中，该ai模型也可以称为初始ai模型。云平台基于该ai模型的网络参数，对该换热站的历史气象数据和历史室温进行处理，得到该换热站的第一预测热量。
128.训练数据集中的历史气象数据和历史室温的数量通常为多对，通过大量的训练数据对ai模型进行训练，能够使得最终训练得到的热需模型具有良好的普适性和鲁棒性。另外，本技术实施例对于ai模型的网络结构不作限定。
129.步骤b、云平台基于该换热站的第一预测热量和历史分配热量，构建损失函数。
130.其中，云平台构建损失函数的方式包括但不限于：采用第一预测热量和历史分配热量之间的差值来构建损失函数、采用第一预测热量和历史分配热量之间的比值来构建损失函数以及采用第一预测热量和历史分配热量之间的乘积来构建损失函数，等等，本技术实施例对此不作限定。
131.另外，本技术实施例中的损失函数可以是神经网络模型的训练过程中常用的各种损失函数，例如绝对值损失函数、余弦相似度损失函数、平方损失函数、交叉熵损失函数等，本技术实施例对此不作限定。
132.步骤c、云平台基于该损失函数，迭代调整ai模型的网络参数，直至满足迭代截止条件，得到该换热站对应的热需模型。
133.其中，迭代截止条件为损失值(也称误差值)小于设定阈值，该设定阈值可以根据实际需求进行设定，比如根据热需模型的取值精度进行设置。在另一些实施例中，迭代截止条件为迭代次数达到目标次数，本技术对于迭代截止条件的内容不做限制。另外，云平台响
应于损失函数不满足迭代截止条件，调整当前ai模型的网络参数，然后再次从上述步骤a开始执行，直至损失函数符合迭代截止条件时停止训练，得到该换热站对应的热需模型。
134.需要说明的是，上述热需模型的训练过程还可以包括其他步骤或其他可选地实现方式，本技术对此不作限定。另外，本技术实施例的热需模型并不局限于上述类型，其他凡是基于机器学习或深度学习且为了得到换热站的预测热量的网络，均可以作为本技术实施例的热需模型。
135.在一些实施例中，对于多个换热站中的任一换热站，云平台获取该换热站对应的任一被供热单元的实测室温，基于该实测室温、该换热站的历史气象数据以及历史分配热量，对该换热站的热需模型的参数进行更新，得到更新后的该换热站的热需模型。其中，该任一被供热单元也即是热用户，例如，该任一被供热单元的实测室温可以为某一居民家中的室温，本技术实施例对此不作限定。通过这种根据实测室温及时更新热需模型的方式，能够提高热需模型的准确性，同时避免人工调校模型，节约资源。
136.应理解，在上述云平台获取多个换热站的预测热量的过程中，是将换热站的气象数据和目标室温作为输入，通过热需模型来得到换热站的预测热量的。也即是说，在本技术实施例中，云平台从换热站的历史数据中，挖掘气象数据、室温以及热量之间的关系，从而为每个换热站构建了对应的热需模型，使得云平台能够根据供热实时数据，得到每个换热站的预测热量，这种个性化热需模型的构建方式大大提高了换热站的预测热量的准确性，为后续确定多个换热站的预测热量的总和与热源的产热量之间的第一热量差异提供了基础。
137.下面以任一换热站对应的热需模型为例，对热需模型的输入数据和输出数据之间的关系进行介绍。
138.示意性地，以热用户为某一居民家为例，保持室内温度不变，其热负荷可以由失热量减去得热量计算得到，对于没有额外通风设备(如新风系统)的居民住宅，其热负荷q可以表示为下述公式(1)至公式(4)：
139.q＝q1+q2+q
3-q4ꢀꢀ
(1)
140.下面对公式(1)中的四个变量分别进行介绍。
141.1)q1为围护结构传热耗热量，与室内温度、室外温度、围护结构传热系数(与建筑材料有关)、围护结构传热面积以及温差修正系数(与相邻房间温差有关)有关。在一些实施例中，还与建筑物朝向和高度有关。示意性地，表示为下述公式(2)：
142.q1＝kf(t
n-tw)α
ꢀꢀ
(2)
143.式中，k为围护结构传热系数，f为围护结构传热面积，tn为室内温度，tw为室外温度，α为温差修正系数。
144.2)q2为冷风渗透耗热量，与室内温度、室外温度、渗入室内空气量(与室外风速、门窗缝隙长度以及朝向有关)、室外空气密度以及冷空气比热容有关。示意性地，表示为下述公式(3)：
145.q2＝0.278vρ
wcp
(t
n-tw)
ꢀꢀ
(3)
146.式中，0.278为常数，v为渗入室内空气量，ρw为室外空气密度，c
p
为冷空气比热容，tn为室内温度，tw为室外温度。
147.3)q3为冷风侵入耗热量，与室内温度、室外温度、流入冷空气量(按外门数量估
算)、室外空气密度以及冷空气比热容有关。示意性地，表示为下述公式(4)：
148.q3＝0.278v
wcp
ρw(t
n-tw)
ꢀꢀ
(4)
149.式中，0.278为常数，vw为流入冷空气量，ρw为室外空气密度，c
p
为冷空气比热容，tn为室内温度，tw为室外温度。
150.4)q4为太阳辐射进入室内的热量，与太阳辐射强度、朝向、高度以及窗户面积有关。
151.基于上述公式(1)至公式(4)，能够得出影响热负荷的因素包括两类：一类是基本不会变化的因素，短期内完全可以认为是个常数，如围护结构面积、朝向、高度等；一类是会发生变化，可以由传感器实时测量得知的因素，如室内温度、室外温度、风速、太阳辐射强度等。所以综合上述公式(1)至公式(4)，可以将公式(1)简化为下述公式(5)：
152.q＝sw(t
n-tw)-brsꢀꢀ
(5)
153.式中，sw为室外风速，tn为室内温度，tw为室外温度，rs为太阳辐射强度，b为常数系数。因此，为保障室内温度恒定，房间的热负荷需根据外界环境变化调整。
154.另一方面，以散热器为例，其散热量q
′
可以表示为下述公式(6)和公式(7)：
155.q
′
＝kfβ1β2β3(t
pj-tn)
ꢀꢀ
(6)
156.t
pj
＝(tg+th)/2
ꢀꢀ
(7)
157.式中，k为散热器传热系数，f为散热器散热面积，β1为散热器组装片数修正系数，β2为散热器连接形式修正系数，β3为散热器安装形式修正系数，tn为室内温度，t
pj
为热媒平均温度，tg和th分别为散热器进出口水温。
158.应理解，传热系数、散热面积以及各修正系数在安装好散热器后基本不会变化，因此联立公式(5)与公式(6)可知，要使散热器提供维持热内温度所需的热负荷，就需要从历史数据中挖掘室温、外界气象参数与热媒平均温度的关系，根据外界环境变化调整其热媒平均温度，而根据热媒平均温度即可推出房间所需热量，从而得出换热站所需热量，也即是换热站的预测热量。
159.需要说明的是，经过步骤502，云平台根据接收到的供热实时数据以及每个换热站对应的热需模型，得到了每个换热站的预测热量，由于每个换热站都有各自的热需模型，因此得到的换热站的预测热量的准确性较高，从而为后续确定多个换热站的预测热量的总和与热源的产热量之间的第一热量差异提供了基础。另外，由于上述调用热需模型来计算换热站的预测热量的过程是在云平台进行的，而云平台庞大的计算能力能够保证全网的多个换热站并行处理，从而实现了全网并行供热预警，稳定运行，提高了供热监管效率。
160.503、云平台确定多个换热站的预测热量的总和与热源的产热量之间的第一热量差异。
161.在本技术实施例中，热源的产热量是指热源当前的实际产热量，是由云平台基于接收到的供热实时数据得到的。第一热量差异表示多个换热站的预测热量的总和与热源的产热量之间的热量差。其中，云平台将多个换热站的预测热量相加，得到该多个换热站的预测热量的总和，然后计算该预测热量的总和与热源的产热量之间的热量差，得到该第一热量差异。
162.504、若第一热量差异达到第一预警条件，云平台基于该第一热量差异，向供热监管系统发送第一预警信息，该第一预警信息表示该多个换热站存在供热异常。
163.在本技术实施例中，第一预警条件是指第一热量差异大于预设差异阈值(本技术对于预设差异阈值的设置不作限定)，也即是说，多个换热站的预测热量的总和与热源的产热量之间的热量差大于预设差异阈值，表明多个换热站的总需热量与热源的产热量不匹配，多个换热站存在供热异常。因此，当第一热量差异达到第一预警条件时，云平台向供热监管系统发送第一预警信息，以告知该供热监管系统多个换热站存在供热异常，使得供热监管系统能够及时根据该第一预警信息，通过供热控制系统来调整供热策略，从而有效发挥了数据价值，提高了供热监管效率。
164.在一些实施例中，本步骤504包括下述两种情况：
165.情况一、若该第一热量差异大于第一差异阈值，且该多个换热站的预测热量的总和小于该热源的产热量，则云平台基于该第一热量差异，向该供热监管系统发送第一过热预警信息，该第一过热预警信息表示该多个换热站存在过热异常。
166.其中，多个换热站的预测热量的总和小于热源的产热量，表明当前热源提供给多个换热站的热量过多，而多个换热站并不需要那么多热量。例如，多个换热站的预测热量的总和为100j，热源的产热量为150j，第一差异阈值为20j，此时，多个换热站仅需要100j的热量即可满足当前供热系统中热用户的供热需求，但是热源的产热量高于多个换热站所需要的热量，因此，在这种情况下，云平台通过向供热监管系统发送第一过热预警信息，以告知供热监管系统当前多个换热站存在过热异常，使得供热监管系统能够根据该第一过热预警信息，及时通过供热控制系统控制热源减少产热，实现了实时供热预警，提高了供热监管效率，同时，在换热站不需要过多热量时，及时减少热源产热，节约产能资源。
167.在一些实施例中，该第一过热预警信息携带第一过热量，该第一过热量用于指示热源的产热量与多个换热站的预测热量的总和之间的热量差。通过在第一过热预警信息中携带具体的热量差，便于供热监管系统直观地获知多个换热站的过热异常情况，从而提高供热监管效率。
168.情况二、若该第一热量差异大于第二差异阈值，且该多个换热站的预测热量的总和大于或等于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一欠热预警信息，该第一欠热预警信息表示该多个换热站存在欠热异常。
169.其中，多个换热站的预测热量的总和大于或等于热源的产热量，表明当前多个换热站所需要的热量过多，而热源提供给多个换热站的热量过少，或者热源提供给多个换热站的热量刚刚够多个换热站使用。例如，多个换热站的预测热量的总和为150j，热源的产热量为100j，第二差异阈值为20j，此时，多个换热站需要150j的热量才能够满足当前供热系统中热用户的供热需求，但是热源的产热量仅有100j，小于多个换热站所需要的热量。因此，在这种情况下，云平台通过向供热监管系统发送第一欠热预警信息，以告知供热监管系统当前多个换热站存在欠热异常，使得供热监管系统能够根据该第一欠热预警信息，及时通过供热控制系统控制热源增加产热，实现了实时供热预警，提高了供热监管效率，同时，在换热站需要较多热量时，及时增加热源产热，满足供热系统中热用户的供热需求。
170.在一些实施例中，该第一欠热预警信息携带第一欠热量，该第一欠热量用于指示多个换热站的预测热量的总和与热源的产热量之间的热量差。通过在第一欠热预警信息中携带具体的热量差，便于供热监管系统直观地获知多个换热站的欠热异常情况，从而提高供热监管效率。
171.经过上述步骤501至步骤504，云平台根据每个换热站对应的热需模型，计算得到每个换热站的预测热量，然后，云平台根据多个换热站的需热量总和与热源的产热量之间的热量差异，及时判断换热站是否存在供热异常，当换热站存在供热异常时，向供热监管系统发送预警信息，以便供热监管系统快速获取实时供热质量，从而有效发挥了数据价值，提高了供热监管效率。上述方法利用了云平台庞大的计算能力，使得供热监管系统不必基于人工经验或者单纯依赖供热控制系统提供的原始供热数据来了解供热质量，从而有效提高了供热效率，同时，由于每个换热站都有各自的热需模型，因此得到的换热站的预测热量的准确性较高，从而确保了预警信息的准确性，大大提高了供热监管效率。
172.另外，上述步骤501至步骤504中，云平台通过多个换热站的需热量总和与热源的产热量之间的热量差异，从全局多个换热站的角度为供热监管系统提供了供热预警服务。
173.在一些实施例中，该供热预警方法还包括下述步骤505和步骤506，即，云平台从单个换热站的角度为供热监管系统提供供热预警服务，下面对步骤505和步骤506进行介绍。
174.505、对于该多个换热站中的第一换热站，云平台获取该第一换热站的实际供热量与该第一换热站的预测热量之间的第二热量差异。
175.其中，第一换热站是指多个换热站中的任一换热站。该第一换热站的实际供热量是由云平台基于接收到的供热实时数据得到的。第二热量差异表示第一换热站的实际供热量与第一换热站的预测热量之间的热量差。
176.506、若该第二热量差异达到第二预警条件，云平台基于该第二热量差异，向该供热监管系统发送第二预警信息，该第二预警信息表示该第一换热站存在供热异常。
177.其中，第二预警条件是指第二热量大于预设差异阈值(本技术对于预设差异阈值的设置不作限定)，也即是说，第一换热站的实际供热量与第一换热站的预测热量之间的热量差大于预设差异阈值，表明该第一换热站的实际供热量与所需要的热量不匹配，该第一换热站存在供热异常。因此，当第二热量差异达到第二预警条件时，云平台向供热监管系统发送第二预警信息，以告知供热监管系统第一换热站存在供热异常，使得供热监管系统能够及时根据该第二预警信息，通过供热控制系统来调整该第一换热站的供热策略，从而有效发挥了数据价值，及时获知每个换热站的供热质量，提高了供热监管效率。
178.在一些实施例中，本步骤506包括下述两种情况：
179.情况一、若该第二热量差异大于第三差异阈值，且该第一换热站的实际供热量大于或等于该第一换热站的预测热量，则云平台基于该第二热量差异，向该供热监管系统发送第二过热预警信息，该第二过热预警信息表示该第一换热站存在过热异常。
180.其中，第一换热站的实际供热量大于或等于该第一换热站的预测热量，表明当前第一换热站的实际供热量过大，而该第一换热站并不需要那么多的热量。例如，该第一换热站的实际供热量为15j，该第一换热站的预测热量为10j，第三差异阈值为2j，此时，第一换热站仅需要10j的热量即可满足该第一换热站所服务的热用户的供热需求，但是当前第一换热站的实际供热量过高。因此，在这种情况下，云平台通过向供热监管系统发送第二过热预警信息，以告知供热监管系统当前第一换热站存在过热异常，使得供热监管系统能够根据该第二过热预警信息，及时通过供热控制系统控制第一换热站减少供热量，实现了实时供热预警，提高了供热监管效率，同时，在第一换热站不需要过多热量时，及时减少供热量，节约产能资源。
181.在一些实施例中，该第二过热预警信息携带第二过热量，该二过热量用于指示第一换热站的实际供热量与预测热量之间的热量差。通过在第二过热预警信息中携带具体的热量差，便于供热监管系统直观地获知单个换热站的过热异常情况，从而提高供热监管效率。
182.情况二、若该第二热量差异大于第四差异阈值，且该第一换热站的实际供热量小于该第一换热站的预测热量，则云平台基于该第二热量差异，向该供热监管系统发送第二欠热预警信息，该第二欠热预警信息表示该第一换热站存在欠热异常。
183.其中，第一换热站的实际供热量小于该第一换热站的预测热量，表明当前第一换热站的实际供热量过小，而该第一换热站需要更多热量才能满足该第一换热站所服务的热用户的供热需求。例如，该第一换热站的实际供热量为10j，该第一换热站的预测热量为15j，第四差异阈值为2j，此时，第一换热站需要15j的热量才能满足该第一换热站所服务的热用户的供热需求，但是当前第一换热站的实际供热量过低。因此，在这种情况下，云平台通过向供热监管系统发送第二欠热预警信息，以告知供热监管系统当前第一换热站存在过热异常，使得供热监管系统能够根据该第二欠热预警信息，及时通过供热控制系统控制第一换热站增加供热量，实现了实时供热预警，提高了供热监管效率，同时，在第一换热站需要更多热量时，及时增加供热量，以满足热用户的供热需求。
184.在一些实施例中，该第二欠热预警信息携带第二欠热量，该第二欠热量用于指示第一换热站的预测热量与实际供热量之间的热量差。通过在第二欠热预警信息中携带具体的热量差，便于供热监管系统直观地获知单个换热站的欠热异常情况，从而提高供热监管效率。
185.经过上述步骤505和步骤506，对于多个换热站中的任一换热站，云平台通过该换热站的实际供热量与预测热量之间的热量差异，及时判断该换热站是否存在供热异常，当该换热站存在供热异常时，及时向供热监管系统发送预警信息，从单个换热站的角度为供热监管系统提供了供热预警服务。
186.另外，需要说明的是，在一些实施例中，云平台在执行上述步骤503和步骤504的同时，同步执行上述步骤505和步骤506，本技术实施例对此不作限定。
187.在一些实施例中，该供热预警方法还包括下述步骤507和步骤508，即，云平台根据换热站对应的多个被供热单元的室温，来为供热监管系统提供供热预警服务。下面对步骤507和步骤508进行介绍。
188.507、对于多个换热站中的第二换热站，云平台获取该第二换热站对应的多个被供热单元的室温，基于该多个被供热单元的室温，确定该第二换热站的供热平衡信息，第二换热站的供热平衡信息用于指示该第二换热站对应的多个被供热单元的室温之间的差异。
189.其中，第二换热站是指多个换热站中的任一换热站。室温由被供热单元内所设置的温度传感器测量得到。云平台基于接收到的供热实时数据来得到第二换热站对应的多个被供热单元的室温。其中，被供热单元也即是热用户，例如，一个被供热单元的室温可以是居民楼中某一户居民家的室温。又例如，一个被供热单元的室温可以是一个小区中某一栋居民楼的平均室温，本技术实施例对此不作限定。
190.在一些实施例中，云平台基于多个被供热单元的室温的中位数和多个被供热单元的室温，确定第二换热站的供热平衡信息。其中，云平台基于多个被供热单元室温，计算多
个被供热单元的室温的中位数，然后基于该中位数，计算每个被供热单元的室温与该中位数之间的差值，生成第二换热站的供热平衡信息。
191.需要说明的是，在一些实施例中，云平台基于多个被供热单元的室温的平均值和多个被供热单元的室温，确定第二换热站的供热平衡信息。在另一些实施例中，云平台基于多个被供热单元的室温和预先设置的多个被供热单元的目标室温，确定第二换热站的供热平衡信息，本技术实施例对此不作限定。
192.508、云平台基于第二供热站的供热平衡信息，向供热监管系统发送第一供热提示信息，该第一供热提示信息提示按照第一供热策略控制该第二换热站进行供热。
193.其中，云平台响应于第二换热站的供热平衡信息达到第三预警条件，基于该供热平衡信息，生成第一供热策略，向供热监管系统发送第一供热提示信息。第一供热策略也可以理解为供热调整方案，例如，第二供热站的供热平衡信息表示多个被供热单元中存在n个(n为正整数)被供热单元的室温较低，则第一供热策略为控制第二换热站增大对该n个被供热单元的供热量，本技术实施例对此不作限定。
194.在一些实施例中，第二换热站的供热平衡信息是基于多个被供热单元的室温的中位数和多个被供热单元的室温得到的，则第三预警条件为多个被供热单元中，存在m个被供热单元的室温与该中位数之间的差值大于第一阈值(m为正整数，根据实际情况进行设置)，本技术实施例对于第三预警条件的具体内容不作限定。
195.应理解，当第二换热站的供热平衡信息达到该第三预警条件时，表明当前第二换热站对应的多个被供热单元之间的供热质量不平衡，有的被供热单元的室温偏高(或偏低)，此时，云平台生成第一供热策略，并向供热监管系统发送第一供热提示信息，以告知供热监管系统当前第二换热站的供热质量不平衡，使得供热监管系统能够及时根据该第一供热提示信息，通过供热控制系统来调整第二换热站的供热策略，从而有效发挥了数据价值，及时获知每个换热站的供热质量，提高了供热监管效率。
196.在一些实施例中，该第一供热提示信息携带第二换热站对应的多个被供热单元的室温。通过在第一供热提示信息中携带具体的室温值，便于供热监管系统直观地获知第二换热站的供热平衡情况，从而提高供热监管效率。
197.需要说明的是，在上述步骤507和步骤508中，对于多个换热站中的任一换热站，云平台根据该换热站对应的多个被供热单元的室温，来为供热监管系统提供供热预警服务。这一过程也可以理解为云平台根据接收到的供热实时数据，计算各换热站的内部平衡度(简称为各站内部平衡度)，在各站内部平衡度达到预警条件时，及时告知供热监管系统，从而提高供热监管效率。
198.在另一些实施例中，云平台还可以根据多个换热站的供热温度，来为供热监管系统提供供热预警服务。下面对这种可选实施方式进行介绍，包括下述两个步骤：
199.步骤一、云平台获取该多个换热站的供热温度，该供热温度基于对应换热站的多个被供热单元的室温确定，基于该多个换热站的供热温度，确定该多个换热站的供热平衡信息，该多个换热站的供热平衡信息用于指示该多个换热站的供热温度之间的差异。
200.其中，对于多个换热站中任一换热站，云平台基于该换热站的多个被供热单元的室温，确定该换热站的供热温度。例如，云平台计算该换热站的多个供热单元的室温的平均值，将该平均值作为该换热站的供热温度，本技术实施例对此不作限定。
201.在一些实施例中，云平台基于多个换热站的供热温度的中位数和多个换热站的供热温度，确定多个换热站的供热平衡信息。其中，云平台基于多个换热站的供热温度，计算多个换热站的供热温度的中位数，然后基于该中位数，计算每个换热站的供热温度与该中位数之间的差值，生成多个换热站的供热平衡信息。
202.需要说明的是，在一些实施例中，云平台基于多个换热站的供热温度的平均值和多个换热站的室温，确定多个换热站的供热平衡信息。在另一些实施例中，云平台基于多个换热站的供热温度和预先设置的多个换热站的目标供热温度，确定多个换热站的供热平衡信息，本技术实施例对此不作限定。
203.步骤二、云平台基于该多个换热站的供热平衡信息，向该供热监管系统发送第三供热提示信息，该第三供热提示信息提示按照第二供热策略控制该多个换热站进行供热。
204.其中，云平台响应于多个换热站的供热平衡信息达到第四预警条件，基于该供热平衡信息，生成第二供热策略，向供热监管系统发送第三供热提示信息。第二供热策略也可以理解为供热调整方案，例如，多个供热站的供热平衡信息表示多个供热站中存在p个(p为正整数)换热站的供热温度较低，则第二供热策略为控制该p个换热站增大供热量，本技术实施例对此不作限定。
205.在一些实施例中，多个换热站的供热平衡信息是基于多个换热站的供热温度的中位数和多个换热站的供热温度得到的，则第四预警条件为多个换热站中，存在l个换热站的供热温度与该中位数之间的差值大于第二阈值(l为正整数，根据实际情况进行设置)，本技术实施例对于第四预警条件的具体内容不作限定。
206.应理解，当多个换热站的供热平衡信息达到该第四预警条件时，表明当前多个换热站之间的供热质量不平衡，有的换热站的供热温度偏高(或偏低)，此时，云平台生成第二供热策略，并向供热监管系统发送第三供热提示信息，以告知供热监管系统当前多个换热站的供热质量不平衡，使得供热监管系统能够及时根据该第三供热提示信息，通过供热控制系统来调整多个换热站的供热策略，从而有效发挥了数据价值，及时获知每个换热站的供热质量，提高了供热监管效率。
207.在一些实施例中，该第三供热提示信息携带多个换热站的供热温度。通过在第三供热提示信息中携带具体的供热温度值，便于供热监管系统直观地获知多个换热站的供热平衡情况，从而提高供热监管效率。
208.需要说明的是，在上述两个步骤中，云平台根据多个换热站的供热温度，来为供热监管系统提供供热预警服务。这一过程也可以理解为云平台根据接收到的供热实时数据，计算全网多个换热站的平衡度(简称为一网平衡度)，在一网平衡度达到预警条件时，及时告知供热监管系统，从而提高供热监管效率。
209.另外，需要说明的是，在一些实施例中，云平台在执行上述步骤503和步骤504的同时，同步执行步骤505和步骤506，以及同步执行步骤507和步骤508，或者，云平台在执行上述步骤503和步骤504的同时，执行上述505和步骤506、步骤507和步骤508中任一组步骤，本技术实施例对此不作限定。
210.在一些实施例中，该供热预警方法还包括下述步骤509和步骤510，即，云平台根据多个换热站的调节优先级，来为供热监管系统提供供热预警服务，下面对步骤509和步骤510进行介绍。
211.509、云平台确定该多个换热站的调节优先级，该调节优先级基于该多个换热站的预分配热量和该多个换热站的当前已供应热量确定。
212.其中，调节优先级是指多个换热站的调节顺序。在一些实施例中，对于需要增大热量的多个换热站，换热站所需增大的热量越多，该换热站的供热质量越差，因此，该换热站的调控紧迫性越高，相应地，该换热站的调节优先级越高。对于需要减少热量的换热站，换热站所需减少的热量越多，该换热站的供热质量越差，因此，该换热站的调控紧迫性越高，相应地，该换热站的调节优先级越高。
213.多个换热站的预分配热量是由云平台基于多个换热站的预测热量和热源的产热量所确定的，表示需要分配给多个换热站的热量。其中，云平台基于该多个换热站的预分配热量和该多个换热站的当前已供应热量，确定该多个换热站的调节优先级。示意性地，云平台基于下述公式(8)来计算每个换热站的调节分数，从而确定多个换热站的调节优先级。公式(8)如下所示：
[0214][0215]
式中，y表示换热站的调节分数，当前热量是指换热站的当前已供应热量，云平台将多个换热站中需要增大热量的换热站和需要减少热量的换热站分开排序，换热站的调节分数越低，表明该换热站与理想热量的差距越远，其调节优先级越高。
[0216]
在一些实施例中，云平台获取预先设置的多个换热站的调节优先级。其中，多个换热站的调节优先级为供热控制系统预先设置的，云平台向供热系统发送调节优先级获取请求，供热控制系统基于该调节优先级获取请求，将预先设置的多个换热站的调节优先级发送给云平台。在一些实施例中，供热控制系统响应于多个换热站的调节优先级的设置操作，将多个换热站的调节优先级发送给云平台。也即是，供热控制系统可以自行发送多个换热站的调节优先级，本技术实施例对此不作限定。
[0217]
510、云平台基于该调节优先级，向该供热监管系统发送第二供热提示信息，该第二供热提示信息提示按照该调节优先级控制该多个换热站进行供热。
[0218]
经过上述步骤509和步骤510，云平台根据多个换热站的调节优先级，为供热监管系统提供供热预警服务。在这一过程中，云平台将多个换热站的调节优先级发送给供热监管系统，使得供热监管系统能够及时获知哪些换热站的调整紧迫性较高，以便及时通过供热控制系统来调整多个换热站的供热情况，从而提高了供热监管效率。
[0219]
另外，需要说明的是，在一些实施例中，云平台在执行上述步骤503和步骤504的同时，同步执行步骤505和步骤506、步骤507和步骤508，以及步骤509和步骤510，本技术实施例对此不作限定。在另一些实施例中，云平台在执行上述步骤503和步骤504的同时，执行上述505和步骤506、步骤507和步骤508、步骤509和步骤510中任一组步骤，或者任几组步骤，本技术实施例对此不作限定。
[0220]
在一些实施例中，该供热预警方法还包括下述步骤511和步骤512中任一项，即，云平台根据接收到的供热实时数据，为供热监管系统提供多方面的供热预警服务，下面对步骤511和步骤512进行介绍。
[0221]
511、云平台向该供热监管系统发送投诉风险预警信息，或者，热源负荷预警信息，其中，该投诉风险预警信息包括存在投诉风险的换热站的信息，该存在投诉风险的换热站
在目标时间段内的已供应热量与理论需热量之间存在差异，该热源负荷预警信息表示该多个换热站的预测热量总和超过热源的负荷范围。
[0222]
下面通过以下两点来对本步骤511进行介绍。
[0223]
1)投诉风险预警信息。
[0224]
其中，对于多个换热站中的第三换热站(第三换热站为多个换热站中任一换热站)，云平台基于接收到的供热实时数据，得到该第三换热站在目标时间段的已供应热量，基于该第三换热站的已供应热量和理论需热量之间的热量差，确定该第三换热站在目标时间段内的欠热量，若该欠热量达到第五预警条件，云平台基于该欠热量，向供热监管系统发送投诉风险预警信息。
[0225]
通过这种方式，云平台能够及时通知供热监管系统有哪些供热站存在被投诉的风险，使得供热监管系统根据投诉风险预警信息，及时通过供热控制系统控制换热站调整供热策略，以满足热用户的供热需求，从而提高了供热监管效率。
[0226]
2)热源负荷预警信息。
[0227]
其中，云平台将多个换热站的预测热量的总和与热源当前的产热量进行比较，当多个换热站的预测热量的总和大于热源的产热量，则云平台向供热监管系统发送热源负荷预警信息。也即是说，云平台通过将多个换热站的预测热量的总和与热源的产热量进行匹配，在热源的产热量难以满足换热站的总需热量时，向供热监管系统发送热源负荷预警信息。
[0228]
通过这种方式，云平台能够及时通知供热监管系统当前换热站的需热量是否在热源的合理负荷范围内，使得供热监管系统根据热源负荷预警信息，及时通过供热控制系统控制换热站调整供热策略，以减缓热源的负荷压力，从而提高了供热监管效率。
[0229]
在一些实施例中，该热源负荷预警信息携带多个换热站的预测热量的总和与热源的产热量之间的热量差。通过在热源负荷预警信息中携带具体的热量差，便于供热监管系统直观地获知热源的负荷压力情况，从而提高供热监管效率。
[0230]
需要说明的是，在一些实施例中，云平台还能够根据供热实时数据中各换热站的阀门调节信息判断供热控制系统所下发的阀门控制指令是否在合理指令范围内，若不在合理指令范围内，则及时通知供热监管系统，本技术实施例对此不作限定。
[0231]
512、云平台向该供热监管系统发送供温预警信息，或者，室温预警信息，其中，该供温预警信息包括该多个供热站中存在供热温度异常的供热站的信息，该供热温度异常的供热站由该供热站的供热温度和目标供热温度之差确定，该室温预警信息包括该多个供热站中存在内部室温不平衡的供热站的信息，该内部室温不平衡的供热站由该供热站中多个被供热单元的实测室温确定。
[0232]
下面通过以下两点来对本步骤512进行介绍。
[0233]
1)供温预警信息。
[0234]
其中，对于多个换热站中的第四换热站(第四换热站为多个换热站中任一换热站)，云平台基于接收到的供热实时数据，获取该第四换热站的供热温度(关于供热温度的获取方式可参考上述步骤508，在此不再赘述)，对该供热温度进行供温异常检测，若检测到该第四换热站的供热温度存在异常，例如，供热温度过低(或过高)，则云平台向供热监管系统发送供温预警信息。
[0235]
通过这种方式，云平台能够及时通知供热监管系统哪些换热站的供热温度存在异常，使得供热监管系统根据供温预警信息，及时通过供热控制系统控制换热站调整供热策略，从而提高了供热监管效率。
[0236]
在一些实施例中，若云平台检测到第四换热站的供热温度存在振荡，则基于该第四换热站的供热机理关系和当前的气象数据，确定该供热温度是否属于异常温度，若属于异常温度，向供热监管系统发送供温预警信息，该供热机理关系用于表示基于历史供热情况所学习到的第四换热站的室温、气象情况和热媒参数之间的关系。
[0237]
例如，云平台检测到第四换热站今天的供热温度相比于昨天的供热温度上升了1度(即存在振荡)，且当前的气象数据显示今天的室外温度相比昨天降低了5度，则云平台基于该第四换热站的供热机理关系，确定该供热温度不属于异常温度(也即是今天室外温度较低，供热温度即使上升1度也是正常的)，则云平台不向供热监管系统发送供温预警信息。
[0238]
通过这种方式，云平台能够及时判断换热站出现供热温度异常时是否真正属于异常温度，这样能够避免误发预警信息，造成资源浪费。
[0239]
2)室温预警信息。
[0240]
其中，对于多个换热站中的第五换热站(第五换热站为多个换热站中任一换热站)，云平台基于接收到的供热实时数据，获取该第五换热站的多个被供热单元的实测室温，对多个被供热单元的实测室温进行室温异常检测，若检测到多个被供热单元的实测室温存在异常，例如，某一被供热单元的实测室温过低(或过高)，则云平台向供热监管系统发送室温预警信息。
[0241]
通过这种方式，云平台能够及时通知供热监管系统哪些换热站的内部室温不平衡，使得供热监管系统根据室温预警信息，及时通过供热控制系统控制换热站调整供热策略，以平衡内部室温，提高了供热监管效率。
[0242]
在一些实施例中，云平台若检测到任一被供热单元在第一时间段的实测室温存在异常，云平台基于该被供热单元在第二时间段和第三时间段的实测室温，确定该被供热单元的室温异常类型，若该室温异常类型属于目标异常类型，则云平台向供热监管系统发送室温预警信息；其中，第二时间段为第一时间段之前的时间段，第三时间段为第一时间段之后的时间段。
[0243]
例如，云平台检测到该被供热单元在第一时间段的实测室温较低，且该被供热单元在第二时间段和第三时间段的实测室温为正常室温，表明该被供热单元的实测室温出现了由正常室温骤降后又快速回归正常室温的过程，则云平台确定该室温异常类型为开窗导致的室温异常，也即是该室温异常不属于目标异常类型，云平台不向供热监管系统发送室温预警信息。
[0244]
又例如，云平台检测到该被供热单元在第一时间段的实测室温异常，且该被供热单元在第二时间段和第三时间段的实测室温均异常，表明该被供热单元的实测室温在很长一段时间内都出现异常，则云平台确定该室温异常类型为传感器异常导致的室温异常，也即是该室温异常不属于目标异常类型，云平台不向供热监管系统发送室温预警信息。
[0245]
在一些实施例中，针对上述开窗导致的室温异常以及传感器异常导致的室温异常这类不属于目标异常类型的室温异常，云平台对该被供热单元在第一时间段的实测室温进行自动修正，从而避免误发预警信息，造成资源浪费。这种方式充分考虑了在供热系统中，
正常的室温数据变化缓慢，且因为处在同样的室外环境下，建筑保温能力相似，对于某一个换热站来说，其供热参数一致，该换热站对应的多个被供热单元的室温应具有很强的相关性，从而及时判断检测到的室温异常是否是真正的异常，节约了计算资源。
[0246]
另外，需要说明的是，在一些实施例中，云平台向供热监管系统发送的各项预警信息中还可以包括异常影响范围以及扩散速度等内容，本技术实施例对此不作限定。
[0247]
经过上述步骤511和步骤512，云平台根据接收到的供热实时数据，为供热监管系统提供多方面的供热预警服务。在这一过程中，云平台从多个维度，例如投诉风险、热源负荷、供热温度以及实测室温等，确定当前供热系统中是否存在供热异常，并判断是否需要向供热监管系统进行预警，通过这种方式，使得供热监管系统能够从多维度获知当前供热系统的供热质量，以便及时通过供热控制系统来调整多个换热站的供热情况。同时，这种方式突破了传统粗暴的阈值判断，能够识别各类供热异常，并给出异常类型，有效提高了供热监管效率。
[0248]
当然，在一些实施例中，云平台还能从其他维度来为供热监管系统提供供热预警服务，例如，室温达标率、室温平衡度以及供热稳定性等，本技术实施例对此不作限定。
[0249]
另外，需要说明的是，在一些实施例中，云平台在执行上述步骤503和步骤504的同时，同步执行步骤505和步骤506、步骤507和步骤508、步骤509和步骤510以及步骤511和步骤512，本技术实施例对此不作限定。在另一些实施例中，云平台在执行上述步骤503和步骤504的同时，执行上述505和步骤506、步骤507和步骤508、步骤509和步骤510以及步骤511和步骤512中任一组步骤，或者，任几组步骤，本技术实施例对此不作限定。
[0250]
综上，在本技术实施例提供的供热预警方法中，云平台根据每个换热站对应的热需模型，计算得到每个换热站的预测热量，然后，云平台根据多个换热站的需热量总和与热源的产热量之间的热量差异，及时判断换热站是否存在供热异常，当换热站存在供热异常时，向供热监管系统发送预警信息，以便供热监管系统快速获取实时供热质量，从而有效发挥了数据价值，提高了供热监管效率。上述方法利用了云平台庞大的计算能力，使得供热监管系统不必基于人工经验或者单纯依赖供热控制系统提供的原始供热数据来了解供热质量，从而有效提高了供热效率，同时，由于每个换热站都有各自的热需模型，因此得到的换热站的预测热量的准确性较高，从而确保了预警信息的准确性，大大提高了供热监管效率。
[0251]
其次，对于多个换热站中的任一换热站，云平台通过该换热站的实际供热量与预测热量之间的热量差异，及时判断该换热站是否存在供热异常，当该换热站存在供热异常时，及时向供热监管系统发送预警信息，从单个换热站的角度为供热监管系统提供了供热预警服务。
[0252]
再次，对于多个换热站中的任一换热站，云平台根据该换热站对应的多个被供热单元的室温，来为供热监管系统提供供热预警服务。且，云平台根据多个换热站的供热温度，来为供热监管系统提供供热预警服务，从而有效提高了供热监管效率。
[0253]
而且，云平台根据多个换热站的调节优先级，为供热监管系统提供供热预警服务。在这一过程中，云平台将多个换热站的调节优先级发送给供热监管系统，使得供热监管系统能够及时获知哪些换热站的调整紧迫性较高，以便及时通过供热控制系统来调整多个换热站的供热情况，从而提高了供热监管效率。
[0254]
进一步地，云平台根据接收到的供热实时数据，为供热监管系统提供多方面的供
热预警服务。在这一过程中，云平台从多个方面，例如投诉风险、热源负荷、供热温度以及实测室温等，确定当前供热系统中是否存在供热异常，并判断是否需要向供热监管系统进行预警，通过这种方式，使得供热监管系统能够从多方面获知当前供热系统的供热质量，以便及时通过供热控制系统来调整多个换热站的供热情况，有效提高了供热监管效率。
[0255]
图6为本技术实施例提供的一种供热预警装置的结构示意图。该供热预警装置与供热监管系统关联，该供热预警装置可以通过软件、硬件或者两者的结合实现成为前述云平台中的部分或者全部。本技术实施例提供的供热预警装置可以实现本技术实施例图5所述的流程，该装置包括：第一获取模块601、确定模块602以及第一发送模块603。
[0256]
第一获取模块601，用于获取多个换热站的预测热量，每个换热站的预测热量由每个换热站对应的热需模型对该换热站的气象数据以及目标室温进行处理得到，每个换热站对应的热需模型基于训练数据集对人工智能模型进行训练得到，该训练数据集包括该换热站的历史气象数据、历史室温以及历史分配热量；
[0257]
确定模块602，用于确定该多个换热站的预测热量的总和与热源的产热量之间的第一热量差异；
[0258]
第一发送模块603，用于若该第一热量差异达到第一预警条件，基于该第一热量差异，向该供热监管系统发送第一预警信息，该第一预警信息表示该多个换热站存在供热异常。
[0259]
在一些实施例中，该第一发送模块603用于：
[0260]
若该第一热量差异大于第一差异阈值，且该多个换热站的预测热量的总和小于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一过热预警信息，该第一过热预警信息表示该多个换热站存在过热异常；
[0261]
若该第一热量差异大于第二差异阈值，且该多个换热站的预测热量的总和大于或等于该热源的产热量，则基于该第一热量差异，向该供热监管系统发送第一欠热预警信息，该第一欠热预警信息表示该多个换热站存在欠热异常。
[0262]
在一些实施例中，该装置还包括：
[0263]
第二获取模块，用于对于该多个换热站中的第一换热站，获取该第一换热站的实际供热量与该第一换热站的预测热量之间的第二热量差异；
[0264]
第二发送模块，用于若该第二热量差异达到第二预警条件，基于该第二热量差异，向该供热监管系统发送第二预警信息，该第二预警信息表示该第一换热站存在供热异常。
[0265]
在一些实施例中，该第二发送模块用于：
[0266]
若该第二热量差异大于第三差异阈值，且该第一换热站的实际供热量大于或等于该第一换热站的预测热量，则基于该第二热量差异，向该供热监管系统发送第二过热预警信息，该第二过热预警信息表示该第一换热站存在过热异常；
[0267]
若该第二热量差异大于第四差异阈值，且该第一换热站的实际供热量小于该第一换热站的预测热量，则基于该第二热量差异，向该供热监管系统发送第二欠热预警信息，该第二欠热预警信息表示该第一换热站存在欠热异常。
[0268]
在一些实施例中，该装置还包括：
[0269]
第三发送模块，用于对于该多个换热站中的第二换热站，获取该第二换热站对应的多个被供热单元的室温，该室温由该被供热单元内所设置的温度传感器测量得到，基于
该多个被供热单元的室温，确定该第二换热站的供热平衡信息，该第二换热站的供热平衡信息用于指示该第二换热站对应的多个被供热单元的室温之间的差异，基于该第二供热站的供热平衡信息，向该供热监管系统发送第一供热提示信息，该第一供热提示信息提示按照第一供热策略控制该第二换热站进行供热。
[0270]
在一些实施例中，该装置还包括：
[0271]
第四发送模块，用于确定该多个换热站的调节优先级，该调节优先级基于该多个换热站的预分配热量和该多个换热站的当前已供应热量确定，基于该调节优先级，向该供热监管系统发送第二供热提示信息，该第二供热提示信息提示按照该调节优先级控制该多个换热站进行供热。
[0272]
在一些实施例中，该装置还包括：
[0273]
第五发送模块，用于向该供热监管系统发送投诉风险预警信息，或者，热源负荷预警信息，其中，该投诉风险预警信息包括存在投诉风险的换热站的信息，该存在投诉风险的换热站在目标时间段内的已供应热量与理论需热量之间存在差异，该热源负荷预警信息表示该多个换热站的预测热量总和超过热源的负荷范围。
[0274]
在一些实施例中，该装置还包括：
[0275]
第六发送模块，用于向该供热监管系统发送供温预警信息，或者，室温预警信息，其中，该供温预警信息包括该多个供热站中存在供热温度异常的供热站的信息，该供热温度异常的供热站由该供热站的供热温度和目标供热温度之差确定，该室温预警信息包括该多个供热站中存在内部室温不平衡的供热站的信息，该内部室温不平衡的供热站由该供热站中多个被供热单元的实测室温确定。
[0276]
本技术还提供一种如图4所示的计算设备400，计算设备400中的处理器402读取存储器401存储的程序以执行前述云平台执行的供热预警方法。
[0277]
由于本技术提供的云平台210中可以分布式地部署在同一环境或不同环境中的多个计算机上，因此，本技术还提供一种如图7所示的计算设备，在一些实施例中，图7所示的设备还可以是上述云平台210中的一种计算设备集群，本技术实施例对此不作限定。
[0278]
图7是本技术实施例提供的一种计算设备的结构示意图，该计算设备700可因配置或性能不同而产生比较大的差异，包括一个或一个以上的处理器701和一个或一个以上的存储器702，其中，该存储器702中存储有至少一条程序代码，该至少一条程序代码由该处理器701加载并执行以实现上述方法实施例中云平台所执行的操作。当然，该计算设备700还能够具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算设备700还包括其他用于实现设备功能的部件，在此不做赘述。
[0279]
本技术中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。还应理解，尽管以下描述使用术语第一、第二等来描述各种元素，但这些元素不应受术语的限制。这些术语只是用于将一元素与另一元素区别分开。例如，在不脱离各种所述示例的范围的情况下，第一模型可以被称为第二模型，并且类似地，第二模型可以被称为第一模型。第一模型和第二模型都可以是模型，并且在某些情况下，可以是单独且不同的模型。
[0280]
本技术中术语“至少一个”的含义是指一个或多个，本技术中术语“多个”的含义是
指两个或两个以上，例如，多个换热站是指两个或两个以上的换热站。
[0281]
还应理解，术语“如果”可被解释为意指“当...时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地，根据上下文，短语“如果确定...”或“如果检测到[所陈述的条件或事件]”可被解释为意指“在确定...时”或“响应于确定...”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
[0282]
以上描述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。
[0283]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机程序指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本技术实施例中的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
[0284]
该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机程序指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质例如，数字视频光盘(digital video disc，dvd)、或者半导体介质(例如固态硬盘)等。
[0285]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0286]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。