智慧热网运维管理系统的制作方法

本发明涉及能源管理领域，具体涉及智慧热网运维管理系统。

背景技术：

目前城市集中供热普遍存在着高能耗、低效率、高污染等问题，不仅浪费了大量的能源资源，还严重影响着城市的环境质量。传统粗放式集中供热的主要问题在于水力失调，导致各个环路的流量输配不均衡，致使各个用户的室温冷热不均。随着居民对于居住舒适度要求的不断提高，按需供热、精准供热成为新的改善方向。

保证热网安全与高效运行的同时又要兼顾客户的个性化用热需求，必须通过信息化与工业化的相互融合，对整个热网的数据进行分析与模拟，通过实时反馈的调控结果，与预测模型数据做比对，寻找差距和原因并不断优化，最终实现在保证供热安全和质量的前提下，对整个热网的调控策略给出最优化的调度方案，实现热网的自检查、自平衡、自优化。智慧供热是改进传统低效管理方式的发展需要，可以极大提升居民生活的幸福指数。

技术实现要素：

本发明所要解决的技术问题是：传统粗放式集中供热的主要问题在于水力失调，导致各个环路的流量输配不均衡，致使各个用户的室温冷热不均，本发明提供了解决上述问题的智慧热网运维管理系统。

本发明通过下述技术方案实现：

智慧热网运维管理系统，包括感知层、平台与设施层、应用服务层和综合展示层；

所述感知层收集热源、换热站和环境实时数据信息通过平台与设施层共享至应用服务层和综合展示层；

所述平台与设施层通过无线传输和光纤接收感知层采集的实时数据信息；

所述应用服务层接收平台与设施层传输的实时数据信息并建立基于lstm-rnn神经网络的数据模型，所述感知层包括多类数据采集装置，数据模型用于将同一时间传输到的实时数据信息基于softmax按数据采集装置的类型与型号分类，分类后的数据按所述数据采集装置的周期再次划分为当前时间节点数据簇和上一时间节点数据簇；

数据模型基于lstm的门控信号对数据进行忘记后记忆处理，得到预测的下一时间节点数据簇，依据预测的下一时间节点数据簇生成实时热网决策，依据实时热网决策调整当前连入iot的多端设备或用户的负载输出或输入；

所述综合展示层接收数据模型的预测的下一时间节点数据簇并发送至监控中心显示统计分析结果。

进一步地，多类数据采集装置包括区域环境在线监测设备、热源输出在线监测设备、管网运行状态传感器和射频识别设备，区域环境在线监测设备采集环境实时数据信息，管网运行状态传感器采集换热器及其泵阀和换热站的管网的实时数据信息，所述热源输出在线监测设备采集锅炉及其泵阀和热源的管网的实时数据信息；

所述射频识别设备为区域环境在线监测设备、热源输出在线监测设备、管网运行状态传感器提供非接触通信路径的射频识别设备。

进一步地，环境实时数据信息包括当前天气状况、室外温度、最高温度、最低温度、风速、风向数据。

进一步地，所述热源输出在线监测设备、管网运行状态传感器发送境实时数据信息至所述应用服务层，所述应用服务层基于热源输出在线监测设备、管网运行状态传感器的位置及其编号归属的建筑物分析多类数据采集装置覆盖的所有的建筑物热负荷特性，并生成热网区域内建筑物热负荷区域图。

进一步地，所述实时热网决策包括对热源、供热管网、热力站和用户的运行参数的调整及其调整方案。

进一步地，所述应用服务层依据多类数据采集装置传输数据的周期计算多周期的最小公倍数，所述应用服务层基于多周期的最小公倍数为巡检周期调度巡检周期内的多节点热网决策，并依据巡检周期内所有有效热网决策生成匹配热网区域的巡检路径。

进一步地，所述用户在用户端接收应用服务层计算的实时热网决策中用户端的被动控制范围；

用户在用户端主动调整室温，用户调整室温数据发送至所述应用服务层的数据模型的输入端，所述数据模型结合用户调整室温数据和所述上一时间节点数据簇训练，选择一个训练值，对其余训练值进行门控处理为门控状态，门控状态记录并控制训练值的忘记与记忆过程，得到输出结果；

数据模型针对所述用户的权重矩阵结合输出结果拟合多用户数据，并将多用户数据用于载入数据模型的下一时间节点数据簇的输入端；

门控状态的生成：用户调整室温数据、上一时间节点数据簇由拼接向量再乘以用户的权重矩阵，再通过激活函数转换数值作为门控状态。

本发明具有如下的优点和有益效果：

本发明基于lstmrnn神经网络算法，可以对供热能源的消耗量进行预测，为合理制定能源计划及能源动态调度提供决策支持。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明的数据模型预测结果图。

图2为本发明的系统实际运行数据记录图。

图3为本发明的系统层图。

具体实施方式

在对本发明的任意实施例进行详细的描述之前，应该理解本发明的应用不局限于下面的说明或附图中所示的结构的细节。本发明可采用其它的实施例，并且可以以各种方式被实施或被执行。基于本发明中的实施例，本领域普通技术人员在没有做出创造性改进前提下所获得的所有其它实施例，均属于本发明保护的范围。

智慧热网运维管理系统，包括感知层、平台与设施层、应用服务层和综合展示层；

所述感知层收集热源、换热站和环境实时数据信息通过平台与设施层共享至应用服务层和综合展示层；

所述平台与设施层通过无线传输和光纤接收感知层采集的实时数据信息；

所述应用服务层接收平台与设施层传输的实时数据信息并建立基于lstm-rnn神经网络的数据模型，所述感知层包括多类数据采集装置，数据模型用于将同一时间传输到的实时数据信息基于softmax按数据采集装置的类型与型号分类，分类后的数据按所述数据采集装置的周期再次划分为当前时间节点数据簇和上一时间节点数据簇；

数据模型基于lstm的门控信号对数据进行忘记后记忆处理，得到预测的下一时间节点数据簇，依据预测的下一时间节点数据簇生成实时热网决策，依据实时热网决策调整当前连入iot的多端设备或用户的负载输出或输入；

所述综合展示层接收数据模型的预测的下一时间节点数据簇并发送至监控中心显示统计分析结果。

多类数据采集装置包括区域环境在线监测设备、热源输出在线监测设备、管网运行状态传感器和射频识别设备，区域环境在线监测设备采集环境实时数据信息，管网运行状态传感器采集换热器及其泵阀和换热站的管网的实时数据信息，所述热源输出在线监测设备采集锅炉及其泵阀和热源的管网的实时数据信息；

所述射频识别设备为区域环境在线监测设备、热源输出在线监测设备、管网运行状态传感器提供非接触通信路径的射频识别设备。

环境实时数据信息包括当前天气状况、室外温度、最高温度、最低温度、风速、风向数据。

所述热源输出在线监测设备、管网运行状态传感器发送境实时数据信息至所述应用服务层，所述应用服务层基于热源输出在线监测设备、管网运行状态传感器的位置及其编号归属的建筑物分析多类数据采集装置覆盖的所有的建筑物热负荷特性，并生成热网区域内建筑物热负荷区域图。

所述实时热网决策包括对热源、供热管网、热力站和用户的运行参数的调整及其调整方案。

所述应用服务层依据多类数据采集装置传输数据的周期计算多周期的最小公倍数，所述应用服务层基于多周期的最小公倍数为巡检周期调度巡检周期内的多节点热网决策，并依据巡检周期内所有有效热网决策生成匹配热网区域的巡检路径。

所述用户在用户端接收应用服务层计算的实时热网决策中用户端的被动控制范围；

用户在用户端主动调整室温，用户调整室温数据发送至所述应用服务层的数据模型的输入端，所述数据模型结合用户调整室温数据和所述上一时间节点数据簇训练，选择一个训练值，对其余训练值进行门控处理为门控状态，门控状态记录并控制训练值的忘记与记忆过程，得到输出结果；

数据模型针对所述用户的权重矩阵结合输出结果拟合多用户数据，并将多用户数据用于载入数据模型的下一时间节点数据簇的输入端；

门控状态的生成：用户调整室温数据、上一时间节点数据簇由拼接向量再乘以用户的权重矩阵，再通过激活函数转换数值作为门控状态。

在热源各机组和主管网出口安装温度、压力、流量和能耗计量装置，计算分析各环节能耗、各机组效率，优化热源运行和供热出口参数，分别显示各供热主管道流量、热量、供水压力、回水压力、供水温度、回水温度等信息，并传送至应用服务层实时监控热源及出口运行参数。

当换热站数据出现明显波动，预示着该区域的供热管网发生异常或故障，系统预警安排抢修人员进行巡查，对故障进行精准定位，进行抢修。

基于lstmrnn神经网络算法，可以对供热能源的消耗量进行预测，为合理制定能源计划及能源动态调度提供决策支持。能耗预测数据模型与真实数据比对结果如图1-图2所示。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。