技术特征：
1.一种用于供热需求负荷自主预测的优化调节方法，其特征在于，包括：步骤1：获取对热负荷影响的目标影响因素，并对目标影响因素进行数据记录，确定第一样本数据；步骤2：记录目标时间段内的热负荷数据，并将热负荷数据作为第二样本数据；步骤3：根据所述第一样本数据与所述第二样本数据构建负荷预测模型；步骤4：根据所述负荷预测模型对目标场景中的热负荷进行预测，并根据预测结果确定供热温度调节指令，且根据所述供热温度调节指令对所述目标场景的供热温度进行优化调节。2.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤1中，获取对热负荷影响的目标影响因素，包括：获取对热负荷影响的第一影响因素集，并在所述第一影响因素集中确定每一个影响因素下对应的热负荷数据；基于所述每一个影响因素下对应的热负荷数据建立数据观测函数，同时，根据所述数据观测函数确定在所述第一影响因素集中热负荷数据的第一波动幅值；设定幅值区间，并在所述第一波动幅值中摘取在所述幅值区间内的第二波动幅值；获取所述第二波动幅值对应的第二影响因素集，并将所述第二影响因素集作为对所述热负荷影响的目标影响因素。3.根据权利要求2所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，获取对热负荷影响的第一影响因素集，包括：获取供热系统的管理终端，并将所述热负荷作为目标标识；根据所述目标标识在所述供热系统的管理终端匹配对应的数据管理库；在所述数据管理库中调取关于对所述热负荷影响的第一影响因素集。4.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤2中，记录目标时间段内的热负荷数据之后，包括：获取对所述热负荷数据进行记录的记录时段，并基于所述记录时段以及所述热负荷数据生成目标矩阵；对所述目标矩阵进行计算，确定所述目标矩阵的矩阵偏移率；获取经验值，并将所述矩阵偏移率与所述经验值进行比较，判断所述热负荷数据是否存在伪数据；当所述矩阵偏移率小于或等于所述经验值时，则判定所述热负荷数据不存在伪数据，同时，保留所述热负荷数据；否则，则判定所述热负荷数据中存在伪数据，并对所述伪数据进行修正。5.根据权利要求4所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，对所述伪数据进行修正，包括：当所述热负荷数据中存在伪数据时，获取所述热负荷数据的数据特征，并基于所述数据特征确定数据遍历条件；获取所述热负荷数据的数据量，同时，根据所述热负荷数据的数据量以及所述热负荷数据的数据特征确定对所述热负荷数据进行遍历的遍历步长；基于所述遍历条件与所述遍历步长确定遍历算法；
根据所述遍历算法对所述热负荷数据进行数据遍历，并基于遍历结果确定所述伪数据，并将所述伪数据在所述热负荷数据中进行标注；基于标注结果确定所述伪数据在所述热负荷数据的目标位置；获取所述目标位置之前的第一热负荷数据与所述目标位置之后的第二热负荷数据；基于所述热负荷数据的数据特征并结合所述第一热负荷数据与所述第二热负荷数据对所述伪数据进行修正；基于修正结果更新所述热负荷数据。6.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤3中，根据所述第一样本数据与所述第二样本数据构建负荷预测模型，包括：分别读取所述第一样本数据与所述第二样本数据，确定所述第一样本数据对应的第一数据类型以及所述第二样本数据对应的第二数据类型；对所述第一数据类型与所述第二数据类型进行第一分析，确定所述第一数据类型与所述第二数据类型之间的第一关联关系；基于所述第一关联关系，确定第一方式，并基于所述第一方式对所述第一样本数据与所述第二样本数据进行第二分析，分别获取所述第一样本数据的第一数据特征与所述第二样本数据的第二数据特征；基于所述第一数据特征与所述第二数据特征，确定所述第一样本数据与所述第二样本数据的第二关联关系；获取与所述第一方式不同的第二方式，并基于所述第二方式对所述第一样本数据与所述第二样本数据进行第三分析，确定所述第一样本数据的第三数据特征与所述第二样本数据的第四数据特征；根据所述第三数据特征与所述第四数据特征确定所述第一样本数据与所述第二样本数据的第三关联关系；基于所述第一关联关系、第二关联关系以及所述第三关联关系生成对所述目标场景的热负荷进行预测的负荷预测模型。7.根据权利要求5所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤3中，所述负荷预测模型包括：数据输入层、中间层以及数据输出层；其中，所述数据输入层，用于接收待预测数据；所述中间层，用于对所述待预测数据进行分析；所述数据输出层，用于基于分析结果输出预测数据。8.根据权利要求7所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，还包括：s1：获取第一历史时刻的环境影响数据以及第一热负荷数据，同时，确定第二历史时刻的第二热负荷数据，其中，所述第二历史时刻大于所述第一历史时刻；s2：基于所述负荷预测模型中的数据输入层对所述第一历史时刻中的环境影响数据与所述第一热负荷数据进行接收，并将所述环境影响数据与所述第一热负荷数据传输至所述中间层中进行数据分析，同时，将数据分析结果基于所述数据输出层输出第二历史时刻的预测热负荷数据；
s3：将所述预测热负荷数据与所述第二热负荷数据进行比较，判断所述负荷预测模型是否存在偏差；当所述预测热负荷数据与所述第二热负荷数据一致时，则判定所述负荷预测模型不存在偏差；否则，则判定所述负荷预测模型存在偏差；s4：当负荷预测模型存在偏差时，将所述预测热负荷数据与所述第二热负荷数据反向传输至所述负荷预测模型的数据输出层，并根据误差梯度下降法确定所述数据输出层的第一权值、中间层的第二权值以及所述数据输入层的第三权值；s5：基于所述第一权值、第二权值以及所述第三权值分别对所述数据输出层、中间层以及所述数据输入层进行修正，并基于获得修正后的负荷预测模型；s6：将所述第一热负荷数据与所述环境影响数据重新输入至修正后的负荷预测模型中，并重复步骤s2-s5，直至输出的预测热负荷数据与所述第二热负荷数据一致时，完成对所述负荷预测模型的修正。9.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤4中，根据所述负荷预测模型对目标场景中的热负荷进行预测，并根据预测结果确定供热温度调节指令，包括：读取预测结果，确定预测热负荷数据，同时，获取所述目标场景当前的回水温度以及回水流量；在所述目标场景当前的回水温度以及回水流量一定的基础上，根据所述预测热负荷数据对所述目标场景的供水温度进行评估；基于评估结果确定目标供水温度；基于所述目标场景当前的回水温度与所述目标供水温度生成所述温度调节指令。10.根据权利要求1所述的一种用于供热需求负荷自主预测的优化调节方法，其特征在于，步骤4中，根据所述供热温度调节指令对所述目标场景的供热温度进行优化调节，包括：将所述供热温度调节指令传输至供热控制终端，并基于所述供热温度调节指令确定供热阈值；基于所述供热控制终端控制目标供热设备进行升温操作，当所述目标场景的温度达到所述供热阈值时，控制所述目标供热设备停止工作；其中，在对所述目标供热设备进行升温操作时，计算所述目标供热设备的阻力系数，并根据所述供热设备的阻力系数计算所述目标供热设备的阻力损失，根据所述阻力损失评估所述目标供热设备的工作性能，具体过程为：获取所述目标供热设备的管段长度，并基于所述目标供热设备的管段长度计算所述目标供热设备的阻力系数；其中，表示所述目标供热设备的阻力系数；表示常数，取值为1.12；n表示所述目标供热设备的管段长度的平均分割段；表示第i个分割段的粗糙衰变量，且取值范围为[-0.1,0.1]；表示所述目标供热设备的初始系数；
基于所述目标供热设备的阻力系数，计算所述目标供热设备的阻力损失；其中，表示所述目标供热设备的阻力损失；表示所述目标供热设备的摩擦系数；表示热媒密度；表示热媒在所述目标供热设备内的传播速度；表示热媒在所述目标供热设备中每米长度的摩擦压力损失；d表示所述目标供热设备的管段直径；将所述目标供热设备的阻力损失与阻力损失阈值进行比较，判断所述目标供热设备的供热性能；当所述目标供热设备的阻力损失小于所述阻力损失阈值时，则判定所述目标供热设备的供热性能为第一等级；当所述目标供热设备的阻力损失等于所述阻力损失阈值时，则判定所述目标供热设备的供热性能为第二等级；当所述目标供热设备的阻力损失大于所述阻力损失阈值时，则判定所述目标供热设备的供热性能为第三等级，且当所述目标供热设备的供热性能为第三等级时，则进行报警操作。
技术总结
本发明提供了一种用于供热需求负荷自主预测的优化调节方法，包括：获取对热负荷影响的目标影响因素，并对目标影响因素进行数据记录，确定第一样本数据；记录目标时间段内的热负荷数据，并将热负荷数据作为第二样本数据；根据所述第一样本数据与所述第二样本数据构建负荷预测模型；根据所述负荷预测模型对目标场景中的热负荷进行预测，并根据预测结果确定供热温度调节指令，同时，根据所述供热温度调节指令对所述目标场景的供热温度进行优化调节。通过预测模型对目标场景的热负荷进行准确可靠的预测，且根据预测结果对目标场景的供热温度进行实时优化，提高了对目标场景的供热负荷预测的准确率，保障了对目标场景的供热效果。果。果。
技术研发人员：杨怀滨 邵鹏勇 孙淼 刘悦 曹嘉伟 刘梦丹
受保护的技术使用者：天津市津能滨海热电有限公司
技术研发日：2022.07.13
技术公布日：2022/8/9