基于机器学习算法的室温软测量系统的制作方法

技术特征：
1.一种基于机器学习算法的室温软测量系统，其特征在于，包括云平台、企业数仓、scada控制系统，所述scada控制系统用于采集实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述企业数仓用于存储数据；所述云平台用于利用线性回归机器学习算法建立不同房间的室内温度预测模型，实现对用户室内温度的软测量。2.根据权利要求1所述的基于机器学习算法的室温软测量系统，其特征在于，所述云平台包括样本数据获取模块、样本数据清洗模块、特征工程选取模块、模型训练模块、模型验证模块，所述样本数据获取模块用于获取所述企业数仓存储的实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述样本数据清洗模块用于对样本数据获取模块所得样本数据进行清洗治理，去除无效或不合理数据、补漏缺失数据、数据归一化处理；所述特征工程选取模块用于选取室外气温历史值、前固定时间室外气温历史值、前固定时间用户侧供回水温度历史值作为特征工程；所述模型训练模块用于采用多元线性回归预测模型训练模型并进行参数调优；所述模型验证模块用于利用测试集数据对上述模型进行验证及误差分析。3.根据权利要求2所述的基于机器学习算法的室温软测量系统，其特征在于，所述固定时间为3*24h。4.根据权利要求2所述的基于机器学习算法的室温软测量系统，其特征在于，所述多元线性回归预测模型如下：式中：为因变量，即室内温度；x1，x2，
…
x
n
，为不同自变量，即与因变量有紧密联系的影响因素；a，b1，b2，
…
b
n
是线性回归方程的参数。5.根据权利要求4所述的基于机器学习算法的室温软测量系统，其特征在于，a，b1，b2…
b
n
是通过解下列的方程组来得到：∑y＝na b1∑x1 b2∑x2 b
m
∑x
n
∑x1y＝a∑x1 b1∑x
12
b2∑x1x2…
b
m
∑x1x
n
∑x2y＝a∑x2 b1∑x1x2 b2∑x
22
…
b
m
∑x2x
n
…
6.根据权利要求5所述的基于机器学习算法的室温软测量系统，其特征在于，所述云平台还包括温度计算模块，用于将企业数仓存储数据带入所述模型计算室内温度。7.根据权利要求5所述的基于机器学习算法的室温软测量系统，其特征在于，还包括企业室温数据展示系统，用于将通过机器学习算法软测量得到的室温数据实时呈现在bi展示页面上，动态展现各小区、楼宇、用户室内温度及平均温度。

技术总结
本发明涉及一种基于机器学习算法的室温软测量系统，属于供热终端用户控制技术领域；包括云平台、企业数仓、SCADA控制系统，所述SCADA控制系统用于采集实时气象数据、用户侧历史供水温度、回水温度、户控阀开度的户控阀门调控数据；所述企业数仓用于存储数据；所述云平台用于利用线性回归机器学习算法建立不同房间的室内温度预测模型，实现对用户室内温度的软测量；结合大数据分析及机器学习方法实现对用户室内温度的软测量。现对用户室内温度的软测量。


技术研发人员：王荣鑫 张锐 张伟 刘玉国 聂鑫 徐毅 葛振福 张哲 乔宏旭 高翔 杨一 王晨
受保护的技术使用者：淄博热力有限公司
技术研发日：2021.07.23
技术公布日：2021/11/4