一种面向智慧校园建设的供热节能预测控制方法与流程

1.本发明涉及供热技术领域，尤其涉及一种面向智慧校园建设的供热节能预测控制方法。


背景技术：

2.学校属于人口密集区域，其供热能耗在各城市供热总能源消耗量中占比例较大。如何降低学校供热能源消耗、提高能源利用率对城市加快资源节约型、环境友好型城市建设，实现可持续发展具有重要的现实意义。
3.当前集中供暖多采用分布式预测控制方法，将整体控制目标分解到n个独立的子控制器中去实现，每个子控制器对应一个换热器控制装置，通过对阀门开度、供回水温度检测、分析，结合室外天气温度，通过神经网络算法算出最佳供水温度，通过调节一次管网流量，使二次供水温度调整为最佳供水温度，最终达到节能减排的目的。
4.现有的集中供暖节能控制方案多针对普通居民采暖，而学校供暖系统的负荷与普通居民采暖负荷存在显著差异性，每年供暖初期和供暖末期是学校供暖的高峰期，深寒期1
‑
2月份正值学校寒假期间，反而供热负荷低。并且学校不同类型供暖建筑每天不同时段的采暖需求也各不相同，如学生工作日白天基本都在教室上课，宿舍楼白天可低温运行，办公楼、教学楼在夜间使用频率较低可低温运行，周末教师休班，学生白天多在图书馆、宿舍，办公楼、教学楼使用频率较低，另外，餐厅、实验室等功能楼也需要根据不同时段使用频率来调整供暖方案。然而现有的技术都未将这些因素考虑进去，不同功能建筑使用同一种供暖方案，使部分建筑在夜间、周末、假期等供热需求较低的时段仍然照常进行供暖，造成较大的能源浪费。
5.因此亟需研发一种能够实现精准按需供热，提前预测供水流量，调节阀门开度，最大程度上降低供热能耗的面向智慧校园建设的供热节能预测控制方法。


技术实现要素：

6.为了克服建筑在夜间、周末、假期等供热需求较低的时段仍然照常进行供暖，造成较大的能源浪费的缺点，本发明提供了一种能够实现精准按需供热，提前预测供水流量，调节阀门开度，最大程度上降低供热能耗的面向智慧校园建设的供热节能预测控制方法。
7.技术方案如下：一种面向智慧校园建设的供热节能预测控制方法，包括有神经网络a和神经网络b，其中神经网络a的作用场景如下：针对教室、办公楼等夜间无需正常供热的时段，为保证白天使用时达到合适室温，神经网络a需要在保证能量消耗较少的前提下根据环境变量计算出供暖提前(时间)量以及阀门开度；神经网络b的作用场景：针对宿舍、实验室、教室等需要正常供热的时段，需要保证室温始终处于标准的温度范围，神经网络b会根据环境条件的不断变化，动态调节对阀门开度。两组网络协同控制，实现供暖能力和节能效率的统一。
8.优选地，所述神经网络a的计算过程由前向传播和反向传播组成。
9.优选地，所述神经网络b与神经网络a进行前向传播和反向传播的过程基本类似，区别在于两个神经网络为了实现不同的控制效果，其在隐层和输出层的结构差异，以及来自于不同数据集的训练数据。
10.优选地，通过接入智慧校园物联网系统的各个控制传感设备采集室内温度、室外温度、供回水温度、供回水流量、控制阀门开度等数据，在此基础上增加了每个控制传感设备所在建筑的功能建筑类型、建筑保温系数数据，以及控制传感设备所在房间的使用时间、建筑面积、楼层、房间朝向、窗户类型、窗户面积数据等影响因素，使得模型的预测准确率更高。
11.优选地，构建了基于两组bp神经网络的供热节能预测控制模型，设置目标温度、恒温开始时间、恒温结束时间，进行模型训练，最终得到最优预测模型，可通过该模型提前预测室内温度变化，通过控制设备的阀门开度使得室内温度一直保持在目标温度
±
2℃的温度范围内(目标温度的设定值可根据需求修改，不影响模型运算功能)。
12.有益效果是：
13.本发明在分布式预测控制方法的基础上，充分考虑学校不同类型供暖建筑，如宿舍楼、教学楼、办公楼、图书馆、实验室、餐厅每天不同时段的采暖需求不同，以及学校供暖系统的负荷与普通居民采暖负荷的差异性，深寒期供热负荷低，初寒、末寒供热负荷高。并通过历史数据，包括室内温度、室外温度、供回水温度、供回水流量、控制阀门开度等数据，以及功能建筑类型、建筑保温系数数据，控制传感设备所在房间的使用时间、建筑面积、楼层、房间朝向、窗户类型、窗户面积数据，构建了基于两组bp神经网络的供热节能预测控制模型，设置目标温度、恒温开始时间、恒温结束时间，进行模型训练，最终得到最优预测模型，通过该模型实现室内温度变化预测，通过控制设备的阀门开度使得室内温度一直保持在目标温度
±
2℃的温度范围内，在室温达到目标温度的前提下，最大程度减少能源消耗。
附图说明
14.图1为本发明的工作流程图。
15.图2为本发明的神经网络a的示意图。
16.图3为本发明的神经网络b的示意图
具体实施方式
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
18.实施例1
19.一种面向智慧校园建设的供热节能预测控制方法，如图1
‑
3所示，包括有神经网络a和神经网络b，其中神经网络a的作用场景如下：针对教室、办公楼等夜间无需正常供热的时段，为保证白天使用时达到合适室温，神经网络a需要在保证能量消耗较少的前提下根据环境变量计算出供暖提前(时间)量以及阀门开度；神经网络b的作用场景：针对宿舍、实验室、教室等需要正常供热的时段，需要保证室温始终处于标准的温度范围，神经网络b会根
据环境条件的不断变化，动态调节对阀门开度。两组网络协同控制，实现供暖能力和节能效率的统一。
20.系统每分钟获取一次环境信息，神经网络a和神经网络b的输入部分是一致的。当系统开始工作时，首先获取当前时间t，当t小于恒温开始时间tbegin或者t大于恒温结束时间tend时，系统自动调用神经网络a，并将实时获取环境信息输入到神经网络a中，用于计算供暖时长t，若当前时间t加上t大于等于tbegin同时小于等于tend，则利用神经网络计算出的阀门开度c和供暖时长t开始供暖。当t大于恒温开始时间tbegin，同时t小于恒温结束时间tend时，系统会自动切换调用神经网络b，并将实时获取环境信息输入到神经网络b中，用于计算阀门开度调节室温。两组神经网络如此交替调用，保证供暖需求与节能效率。
21.神经网络a：输入数值为：目标温度、恒温开始时间、恒温结束时间、室内温度、室外温度、供水温度、当前时间、天气状况、建筑类型、建筑保温系数、建筑面积、楼层、房间朝向、窗户类型、窗户面积。输出为：阀门开度、供暖时长。目标为：在尽可能减少能力损耗的前提下，提前将目标的室温提升至标准温度。
22.神经网络a的计算过程由前向传播和反向传播组成。
23.前向传播过程：将归一化之后的输入数据输入到神经网络中，并通过公式a
l
＝σ(z
l
)＝σ(w
l
a
l
‑1 b
l
)逐层计算每个神经元的取值，最终在输出层获得由阀门开度和供暖时长组成的结果向量。
24.其中，a
l
表示第l层的输出，若第l层表示输出层时，则a
l
就是该神经网络的最终输出；σ(x)表示激活函数，模型中使用sigmoid函数，如公式(1)所示；z
l
表示第l层的未激活的线性输出；w
l
和b
l
分别表示第l层的权重系数矩阵和偏倚向量。假设第l
‑
1层共有m个神经元，第l层共有n个神经元，那么w
l
是一个n
×
m的矩阵，b
l
是一个n
×
1的向量，a
l
‑1是一个m
×
1的向量，z
l
和a
l
都为n
×
1的向量。
[0025][0026]
反向传播过程：通过将输出的预测值与真实值进行对比，反向更新神经网络中的参数，实现网络优化。
[0027]
反向传播过程通过优化损失函数来更新神经网络中的权重系数和偏倚量。对bp神经网络的损失函数用梯度下降法进行迭代优化求极小值的过程即为反向传播算法。这里选择均方差作为损失函数，其公式如下(2)所示。其中，y表示能量消耗的真实值，||s||2为s的l2范数。
[0028][0029]
我们假设输出层在神经网络中是第l层，那么对输出层来说，其损失函数如公式(3)所示。
[0030][0031]
分别对权重系数w
l
和偏倚量b
l
求导，公式如(4)(5)所示。其中，表示hadamard积。
[0032][0033][0034]
观察(4)(5)两式发现有中间相同的部分，我们将这部分记为δ
l
，其公式如下(6)所示。
[0035][0036]
有了(6)式，我们就可以将(4)(5)简化为(7)(8)，即
[0037][0038][0039]
现在问题的关键就是求出δ
l
，已知
[0040][0041]
其中可由公式z
l 1
＝w
l 1
a
l
b
l 1
＝w
l 1
σ(z
l
) b
l 1
得出，即
[0042][0043]
那么将(10)式带入(9)式中，就能得到δ
l
，如下
[0044][0045]
这样，我们就得到了δ
l
的递推关系公式，只要得到了某一层的δ
l
，就能求解出w
l
和b
l
所对应的梯度进行更新。当所有的w和b的变化情况都小于定义的阈值时，神经网络训练完成。
[0046]
神经网络b：输入数值为：目标温度、恒温开始时间、恒温结束时间、室内温度、室外温度、供水温度、当前时间、天气状况、建筑类型、建筑保温系数、建筑面积、楼层、房间朝向、窗户类型、窗户面积。输出为：阀门开度。目标为：保证室温始终处于标准的温度范围之内。
[0047]
神经网络b与神经网络a进行前向传播和反向传播的过程基本类似，区别在于两个神经网络为了实现不同的控制效果，其在隐层和输出层的结构差异，以及来自于不同数据集的训练数据。
[0048]
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。