供热系统的热负荷预测方法、模型训练方法、装置及设备与流程

本申请涉及集中供热，特别是涉及一种供热系统的热负荷预测方法、模型训练方法、装置及设备。

背景技术：

1、集中供热为冬季采暖的主要供热形式之一，相较于分散供热，采用集中供热的集中式供热系统可以提升供热效率、供热质量以及环保效益。

2、在实际运行过程中，集中式供热系统比较复杂，集中式供热系统的供暖热负荷受天气等因素的影响，其需求不断变化，如果供给热量与需求热量不符，就会造成过量供热或者供暖不足，不但影响人们生产和生活的需求，同时会产生能源浪费现象，甚至会污染环境。

3、目前的集中式供热系统很难把握供暖热负荷特性和变化规律，存在调节粗放、热能浪费以及低效运行等问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够有利于集中式供热系统高效节能运行的供热系统的热负荷预测方法、模型训练方法、装置及设备。

2、第一方面，本申请提供了一种供热系统的热负荷预测方法。该方法包括：

3、获取目标时刻的第一特征集以及预定时段内的第二特征集，第一特征集包括目标时刻的天气特征数据，第二特征集包括预定时段内各个时刻的天气特征数据和热负荷特征数据，目标时刻为预定时段外的下个时刻；

4、结合第一特征集和第二特征集，确定目标时刻的热负荷对应的预测特征集；

5、将目标时刻的热负荷对应的预测特征集输入预先训练的热负荷预测模型，得到目标时刻的热负荷。

6、在其中一个实施例中，该方法还包括：

7、确定第一未来时刻的第一预测热负荷，第一预测热负荷是基于目标时刻的热负荷预测得到的，第一未来时刻晚于目标时刻；

8、针对未来时段，按照时间升序依次重复热负荷预测过程，得到未来时段内各个时刻的热负荷，未来时段的起始点为第一未来时刻。

9、在其中一个实施例中，热负荷预测模型的训练过程包括：

10、获取时序样本数据，时序样本数据包括连续n个历史时刻的历史天气特征数据和历史热负荷特征数据，n为大于1的整数；

11、确定训练样本，训练样本包括数据特征项和标签特征项之间的对应记录，数据特征项包括时序样本数据中前n-1个历史时刻的历史天气特征数据、前n-1个历史时刻的历史热负荷特征数据以及第n个时刻的历史天气特征数据，标签特征项包括时序样本数据中第n个时刻的历史热负荷特征数据；

12、利用训练样本对热负荷预测模型进行参数优化。

13、在其中一个实施例中，获取时序样本数据包括：

14、获取历史时段内历史天气原始数据和历史热负荷原始数据，历史天气原始数据包括至少一种类型的天气数据；

15、对历史天气原始数据进行特征衍生，得到历史天气衍生数据，历史天气衍生数据包括至少一种类型的天气数据，历史天气衍生数据中的天气数据类型与历史原始数据中的天气数据类型不同；

16、基于历史天气原始数据和历史天气衍生数据中各类型的天气数据与历史热负荷原始数据的相关性，筛选天气数据类型，并基于筛选后的天气数据类型，获取时序样本数据。

17、在其中一个实施例中，利用训练样本对热负荷预测模型进行参数优化，包括：

18、对训练样本进行预处理，得到适用于热负荷预测模型训练的格式化数据；

19、利用格式化数据对热负荷预测模型进行参数优化。

20、第二方面，本申请还提供了一种模型训练方法，该方法包括：

21、获取时序样本数据，时序样本数据包括连续n个历史时刻的历史天气特征数据和历史热负荷特征数据，n为大于1的整数；

22、确定训练样本，训练样本包括数据特征项和标签特征项之间的对应记录，数据特征项包括时序样本数据中前n-1个历史时刻的历史天气特征数据、前n-1个历史时刻的历史热负荷特征数据以及第n个时刻的历史天气特征数据，标签特征项包括时序样本数据中第n个时刻的历史热负荷特征数据；

23、利用训练样本对热负荷预测模型进行参数优化。

24、第三方面，本申请还提供了一种供热系统的热负荷预测装置。该装置包括：

25、获取模块，用于获取目标时刻的第一特征集以及预定时段内的第二特征集，第一特征集包括目标时刻的天气特征数据，第二特征集包括预定时段内各个时刻的天气特征数据和热负荷特征数据，目标时刻为预定时段外的下个时刻；

26、确定模块，用于结合第一特征集和第二特征集，确定目标时刻的热负荷对应的预测特征集；

27、预测模块，用于将目标时刻的热负荷对应的预测特征集输入预先训练的热负荷预测模型，得到目标时刻的热负荷。

28、第四方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现本申请第一方面提供的供热系统的热负荷预测方法或本申请第二方面提供的模型训练方法。

29、第五方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现实现本申请第一方面提供的供热系统的热负荷预测方法或本申请第二方面提供的模型训练方法。

30、第六方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现实现本申请第一方面提供的供热系统的热负荷预测方法或本申请第二方面提供的模型训练方法。

31、上述供热系统的热负荷预测方法、模型训练方法、装置及设备，上述供热系统的热负荷预测方法中，通过获取目标时刻的第一特征集以及预定时段内的第二特征集，第一特征集包括目标时刻的天气特征数据，第二特征集包括预定时段内各个时刻的天气特征数据和热负荷特征数据，目标时刻预定时段外的下个时刻；结合第一特征集和第二特征集，确定目标时刻的热负荷对应的预测特征集；将目标时刻的热负荷对应的预测特征集输入预先训练的热负荷预测模型，得到目标时刻的热负荷。本申请实施例通过预先训练的热负荷预测模型，该热负荷预测模型包括目标时刻的热负荷特征数据与预测特征集之间的映射关系，即目标时刻的热负荷特征数据与预定时段内各个时刻的天气特征数据、预定时段内各个时刻的热负荷特征数据以及目标时刻的天气特征数据之间的映射关系，能够预测目标时刻的热负荷，综合考虑天气特征和热负荷特征，在天气特征变化和热负荷变化的基础之上，把握集中式供热系统的供热负荷的特性和变化规律，预测目标时刻的热负荷，通过预测的热负荷调节热源供给，使热源供给与用户侧需求相匹配，实现供暖系统的高效节能运行。此外，对于保障集中供热系统的供热质量，做好燃煤冬储计保障民生供暖，发挥其节约能源和保护环境的作用也具有重要意义。

技术特征：

1.一种供热系统的热负荷预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述热负荷预测模型的训练过程包括：

4.根据权利要求3所述的方法，其特征在于，所述获取时序样本数据包括：

5.根据权利要求3所述的方法，其特征在于，所述利用所述训练样本对所述热负荷预测模型进行参数优化，包括：

6.一种模型训练方法，其特征在于，所述方法包括：

7.一种供热系统的热负荷预测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的供热系统的热负荷预测方法或权利要求6所述的模型训练方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的供热系统的热负荷预测方法或权利要求6所述的模型训练方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的供热系统的热负荷预测方法或权利要求6所述的模型训练方法的步骤。

技术总结
本申请涉及一种供热系统的热负荷预测方法、模型训练方法、装置及设备。所述方法包括：获取目标时刻的第一特征集以及预定时段内的第二特征集，所述第一特征集包括所述目标时刻的天气特征数据，所述第二特征集包括所述预定时段内各个时刻的天气特征数据和热负荷特征数据，所述目标时刻为所述预定时段外的下个时刻；结合所述第一特征集和所述第二特征集，确定所述目标时刻的热负荷对应的预测特征集；将所述目标时刻的热负荷对应的预测特征集输入预先训练的热负荷预测模型，得到所述目标时刻的热负荷，采用本方法能够通过预测的热负荷调节热源供给，使热源供给与用户侧需求相匹配，实现供暖系统的高效节能运行。

技术研发人员：谢国伟,王珏,王云飞,刘桂江
受保护的技术使用者：无锡混沌能源技术有限公司
技术研发日：
技术公布日：2024/1/15