[发明专利]一种基于机器学习的环路热管太阳能温度除垢方法

权利要求书

1.一种基于机器学习的环路热管太阳能温度除垢方法，所述集热装置包括反射镜和集热管箱，所述集热装置包括除垢阶段，所述采取如下方式运行：在除垢阶段，采取如下方式运行：

集热装置内部设置温度感知元件，用于检测集热装置内部的温度，所述温度感知元件与控制器进行数据连接，所述温度数据实时存储在数据库中，采用一维深度卷积神经网络提取数据特征，并进行模式识别，从而控制是否对集热管箱进行集热以进行除垢。

所述基于温度模式识别包括如下步骤：

1)数据准备：对数据库中的集热装置的温度数据进行重新审查和校验，对缺失数据、无效数据、不一致数据进行纠正，保证数据的正确性以及逻辑上的一致性。

2)生成数据集：将准备好的数据分成训练集/训练集标签、检测集/检测集标签。

3)网络训练：将训练集数据输入卷积神经网络，不断经过卷积、池化，得到特征向量，送入全连接网络。通过计算网络的输出与训练集标签，得到网络误差，利用误差反向传播算法，不断修正网络权值、偏置、卷积系数、池化系数，使误差满足设定的精度要求，网络训练完成。

4)网络检测：将检测集数据输入到已经训练好的网络中，输出检测结果标签。

5)集热器运行：根据检测结果标签控制是否对集热管箱进行集热以进行除垢。

2.如权利要求1所述的一种基于机器学习的环路热管太阳能温度模式识别方法，数据准备步骤具体包含如下处理：

1)缺失数据的处理：由于网络传输的故障，数据库中会出现缺失值。对缺失的数据值，采用估算的方法，用样本均值代替缺失值；

2)无效数据的处理：由于传感器的故障，导致数据库中的温度数据出现无效值，比如负值或者超出了理论上的最大值，此时对于这些值，将其从数据库中删除；

3)不一致数据的处理：借助数据库管理系统的完整性约束机制，检查不一致数据，然后参考数据库中相应的数据值进行纠正。

3.如权利要求2所述的一种基于机器学习的环路热管太阳能温度模式识别方法，在集热装置中，室外温度高的集热温度一定大于室外温度低的集热温度，如果数据库中室外温度高的集热温度小于室外温度低的集热温度，此时可以借助数据库管理系统的完整性约束中的检查约束机制，给出用户错误提示，用户根据错误提示，用预估数据或者相应温度的临界温度数据值代替这种不一致数据的温度数据值。

4.如权利要求1所述的一种基于机器学习的环路热管太阳能温度模式识别方法，生成数据集步骤包括如下步骤：

1)生成训练集数据及标签：根据集热装置不同的运行工况，从数据库中读取对应工况的温度数据值，生成各种工况状态下的训练集数据以及工况标签。作为优选，在具体应用中，我们将运行工况分为标签为1，进行集热装置集热，标签为2，集热装置不集热。程序根据不同的工况，自动生成工况标签；

作为优选，所述数据包括不同工况下内部的集热装置内的流体的蒸发基本达到了饱和的数据。工况包括季节、天气、时间等至少之一；

2)生成检测集数据及标签：根据集热装置不同的运行工况，从数据库中读取对应工况的温度数据值，生成各种工况状态下的检测集数据以及工况标签。其中工况标签同训练集工况标签一样，由程序根据运行工况自动生成。

5.如权利要求4所述的一种基于机器学习的环路热管太阳能温度模式识别方法，作可以判断是否集热装置内流体的蒸发达到了饱和，未达到了饱和，标签为1，达到了饱和，标签为2。