[发明专利]基于混合深度学习的二级网户间均衡供热调控方法

说明书

本发明公开了一种基于混合深度学习的二级网户间均衡供热调控方法，包括：建立供热系统二级网数字孪生模型；对热用户物联网硬件设备进行改造，包括：在选取的单元楼典型热用户的户前供热管道入口处安装热计量表、在每栋楼中设置有数据集中器、在热用户管道分户供热系统入口支管处安装电动调节阀；建立多元数据序列与用户室温的关联分析后，获得该楼栋用户的室温数据；基于二级网数字孪生模型，采用第一混合深度学习方法建立分时段的用户需求负荷预测模型，获得分时段的用户需求负荷预测值；以满足用户室温需求为目标，采用第二混合深度学习方法建立用户阀门控制模型，计算各用户户前电动调节阀的动作状态，指导阀门进行控制。

技术领域

本发明属于智慧供热技术领域，具体涉及一种基于混合深度学习的二级网户间均衡供热调控方法。

背景技术

城镇集中供热作为一项重要的民生工程一直受到各级政府和社会的关注，是国家在基础建设领域中重点支持的行业，提高供热质量，降低供热成本、减少污染排放一直是供热行业的研究的重要课题。长期以来，由于一次热网的水力平衡涉及整个热网的安全运行，大多数供热企业非常重视，投入大量资金和精力进行研究和整改。取得了显著的成果，管网的热损失率和失水率明显下降。而现有的二次网的管理手段大都还停留在人工调控阶段，调控精细度和灵活度远远无法满足要求。

户间平衡是供热系统的最终目标，因为用户之间散热面积的差异，导致各户的需热量存在明显差距；同时，虽然在设计阶段对边套用户等散热面积有所考量，然而在建设阶段往往也因施工不到位等原因难以消除这种差距。传统做法是按照回水温度调一致的目标来调节平衡，并给予边户一定的偏差倾斜。通过对实际状况的考察，由于用户生活习惯、散热器等设备状况存在差异，相似户型的用户在同样的室温条件下，所需的热量存在明显的差异。因此，仅按照回水温度调一致进行调控，户间不平衡程度依然很高。

通过安装室温采集设备或者人工入户测温的方法获取典型住户的室温。室温采集装置可以自动定时上传住户室温，极大方便了供热企业的管理需求。但是在实践中，部分典型住户出于各种原因可能拒绝安装室温采集装置，也可能在使用过程中因为种种原因停止室温采集装置的使用。

应对由于二次网热力失调而造成的热用户投诉问题，热力公司调度过程中，只能是为了提高末端住户的室内温度而提高整个热力站的二次网供热运行参数，使原本偏冷的用户室温接近达标，但是原本过热的用户由于缺乏限制手段，供热参数也同步上升，室温变得更高了。由于室内温度太高，许多前端用户往往采取开窗通风的方式降温，从而造成了热能的大量浪费，整个热力站过度供热严重，系统能耗增加。

基于上述技术问题，需要设计一种新的基于混合深度学习的二级网户间均衡供热调控方法。

发明内容

本发明所要解决的技术问题是，克服现有技术的不足，提供一种基于混合深度学习的二级网户间均衡供热调控方法。

为了解决上述技术问题，本发明的技术方案是：

本发明提供了一种基于混合深度学习的二级网户间均衡供热调控方法，它包括：

步骤S1、采用机理建模和数据辨识方法建立供热系统二级网数字孪生模型；

步骤S2、对热用户物联网硬件设备进行改造，至少包括：在选取的单元楼典型热用户的户前供热管道入口处安装热计量表、在每栋楼中设置有数据集中器、在热用户管道分户供热系统入口支管处安装电动调节阀；

步骤S3、将供热运行数据与用户室温相关的多变量数据组成多元数据序列，并建立多元数据序列与用户室温的关联分析后，获得该楼栋用户室温表征数据；

步骤S4、基于供热系统二级网数字孪生模型，对历史天气数据、用户室温表征数据和热计量数据，采用第一混合深度学习方法建立分时段的用户需求负荷预测模型，获得分时段的用户需求负荷预测值；