[发明专利]一种用于独立式供热系统的自反馈调温方法及系统

说明书

本公开提供了一种独立式供热系统的自反馈调温方法及系统，包括根据供热标准及人员作息规律，将供热时段由预热阶段、升温阶段、调温阶段和保温阶段构成；根据输入参数细化表给出的参数，并适当加入对预测结果有影响的参数，建立每个耗热产热参数的数学模型，进而建立用于预测逐时需热量的数学模型。在调温阶段引入一套自反馈调温系统，用于调节逐时热负荷，从而快速控制逐时需热量来逼近实际需热量；同时，利用神经网络模型来进行逐时热负荷计算，使该系统可以很好的应对节假日，作息规律突变等情况。

技术领域

本公开涉及建筑供暖及控制技术领域，尤其涉及一种用于独立式供热系统的自反馈调温方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前我国的供暖系统在末端热用户处基本没有自动控制装置，造成冷热分配不均，有些用户在室内穿短袖、开窗户，而有些用户在室内穿棉衣等现象。这种情况不仅用户的舒适度、满意度较差，而且不利于用户的身体健康，也造成供暖能源的浪费；因此，热负荷预测的精确度直接影响着住户供暖季的舒适度，对供热需热量进行准确预测是非常必要的；多年来国内外在该领域的研究人员做了大量的研究工作，提出了多方面的观点和预测方案。

其中，在国内的一些研究中，白雪亮等人分析研究了国内外城市综合体的功能和类型，通过调查研究分析居民室内的设备、灯具使用和人员活动等因素的变化规律，利用计算机对室内场景进行仿真模拟，并以此为基础建立模型，对热负荷进行预测；李琦等人认为室外温度对热负荷的影响比重较大，先是提出了一套改进的BRP神经网络的滚动预测模型，而后又提出了一套基于遗传算法的动态K均值聚类神经网络预测模型。后者以BP神经网络建立模型，先是分析了室外温度与日期的特点，并对他们数量化，然后进行需热量，得到未来一天的逐时热负荷，利用此方法预测较为准确；白珊等人对室外天气变化情况为主要依据进行深入研究，以此建立热负荷计算模型。该方法以大量的实际气象数据为基础，对热负荷进行线性拟合。该模型在保证满足工程应用的误差下，预测准确率较高；杨帆等人以国内某工业园区为研究对象，先通过现场调研，然后使用系数法和典型日负荷叠加法分别得到最大、最小和平均热负荷，最终确定热负荷变化规律。

在国外的研究中，Peder Bacher等人在进行热负荷预测时，主要采用时间序列的方法来建立模型，并以独立的房间为研究对象进行研究的。但结果并不理想，不确定的天气情况及室内人员活动对需热量预测有很大影响，特别是太阳辐射；Willian J Stevenson最早使用神经网络来建立需热量预测模型。考虑了时间变化及各种室外气象条件。

综上所述，发明人发现，尽管在供热热负荷预测的研究上，国内外都取得了一定的成果，但发明人发现，现有技术中的各个系统都存在一些不足，需热量预测值与实际热负荷仍有较大误差；虽然计算时尽可能将各个影响因素考虑周全，但各个研究人员都是基于历史数据来进行热负荷的预测，但历史数据既无法替代年年变化的实际天气情况，更无法适用于不同地理位置的建筑。

发明内容

本公开为了解决上述问题，提供了一种用于独立式供热系统的自反馈调温方法及系统，所述方案通过一种逐时热负荷计算模型，充分考虑各种室外及室内的影响因素，并考虑了人员作息情况及工作日节假日之分，以此建立需热量预测的数学模型；通过本公开中的自反馈调温系统，在保证预测需热量与实际热负荷相接近的同时获取有效数据；并使用该建筑主体的实体数据进行神经网络的训练，以此得到稳定高效的需热量预测值。

根据本公开实施例的第一个方面，提供了用于独立式供热系统的自反馈调温方法，包括：

预先将目标建筑的供热过程划分为预热、升温、自反馈调节以及保温阶段；

基于目标建筑所处环境构建建筑的逐时热负荷计算模型；

利用所述逐时热负荷计算模型计算逐时需热量并输出；