[发明专利]一种基于云预测算法的热水系统节能控制系统

权利要求书

1.一种基于云预测算法的热水系统节能控制系统，其特征在于，包括云端服务器、智能终端、控制器以及检测器组；

所述检测器组用于收集热水系统的实时工作参数，并将所收集到的实时工作参数通过控制器传输到智能终端，由智能终端将该实时工作参数发送至云端服务器；

所述云端服务器存储有热水系统的用户历史用水习惯和节假日特征参数，并用于接收远程用户端所设置的热水系统参数，还用于和智能终端所上传的实时工作参数、远程用户端所设置的热水系统参数来实现实时数据交互，以来生成节能控制策略，并将节能控制策略和远程用户端所设置的热水系统参数下发至智能终端；

所述智能终端将其接收到的节能控制策略传输至控制器，由控制器来控制热水系统执行该节能控制策略；

所述云端服务器包括数据采集上传模块、历史数据存储模块、负荷预测算法模块以及节能控制策略下发模块；

所述历史数据存储模块存储有热水系统的用户历史用水习惯和节假日特征参数；

所述数据采集上传模块用于接收智能终端所上传的环境参数及远程用户端所设置的热水系统参数，并将接收到的参数传输至历史数据存储模块；

所述负荷预测算法模块用于读取历史数据存储模块所存储的参数，以机器学习回归算法计算当前智能终端用户需求侧热负荷、分析热水系统当前环境参数和设备运行状态形成节能控制策略、定期进行在线自训练优化算法，形成热水系统的节能控制策略；

所述节能控制策略模块用于将负荷预测算法模块所形成的热水系统的节能控制策略以及远程用户端所设置的热水系统参数，实时发送至智能终端中；

所述实时工作参数包括环境参数，所述环境参数包括干球温度、相对湿度、太阳总辐射；

所述机器学习回归算法包括：

数据清洗步骤，对环境参数、用户历史用水习惯、节假日特征参数进行重新审查和校验的过程，以删除重复信息、纠正存在的错误数据，并提供数据一致性；

数据标准化步骤,通过热水系统负荷影响特征提取，得到未经处理的六组特征变量：环境干球温度、环境相对湿度、环境太阳总辐射、七日前用水负荷、昨日用水负荷、周末节假日用水负荷；对未经处理的六组特征变量进行无量纲化处理，以降低由于数据范围不一致引起的回归系数误差；

特征权重分析步骤，采用L1正则化Lasso多项式非线性回归模型对环境干球温度、环境相对湿度、环境太阳总辐射、七日前用水负荷、昨日用水负荷、周末节假日用水负荷六组特征变量所对应的各自的回归系数进行由大到小的排序和比较，以优化多特征维度，改善非线性回归模型的预测精度及泛化性能；

模型训练步骤，经过特征权重分析步骤后，对于特征变量可以获得一组x_n^(m)的特征训练数据集矩阵，其中：m为特征训练数据集矩阵的行数，表示数据样本的记录数量为m条；n为特征训练数据集矩阵的列数，表示数据样本的特征数量为n个；与之对应的热水负荷样本真值数据集为一组长度为m的列向量y^(m); 利用多项式非线性回归模型对热水负荷进行预测，利用样本数据集[x_n⁽ⁱ⁾，y⁽ⁱ⁾]对带L2正则化的最小化损失函数J(θ)进行梯度下降训练，获得各特征变量的回归系数θ_n，最终得到多项式非线性回归预测模型的参数表达式。