电子信息技术

本发明公开的一种基于深度学习的智慧供热节能调控方法、系统及存储介质，包括：获取目标区域内热用户的历史供热数据信息及目标区域的气象数据信息，基于深度学习构建热负荷预测模型，根据所述历史供热数据信息结合气象数据信息通过热负荷预测模型获取目标区域的热负荷，根据目标区域内预设时间后的热负荷预测值通过模糊决策生成调控方案，对目标区域热网系统的二次网供热温度进行调节，获取目标区域内的室温分布图及供热数据变化曲线，根据所述室温分布图及供热数据变化曲线进行故障诊断，判断当前供热设备的运行状态。本发明通过制定调控方案避免了区域性的供热调控不均问题，同时根据动态预测实现动态节能，提供了更好的供热服务质量。

技术亮点

为了解决上述技术问题，本发明提出了一种基于深度学习的智慧供热节能调控方法、系统及存储介质。本发明第一方面提供了一种基于深度学习的智慧供热节能调控方法，包括：获取目标区域内热用户行为数据信息、历史供热数据信息及目标区域的气象数据信息；基于深度学习构建热负荷预测模型，根据所述历史供热数据信息结合气象数据信息通过热负荷预测模型获取目标区域的热负荷；根据目标区域内预设时间后的热负荷预测值通过模糊决策生成调控方案，对目标区域热网系统的二次网供热温度进行调节；获取目标区域内的室温分布图及供热数据变化曲线，根据所述室温分布图及参数变化曲线进行故障诊断，判断当前供热设备的运行状态。

在能源生产与消费方式转型的背景下，城市的供热系统进一步向多源联网、多能互补运行技术方向发展，减少污染并提高室内舒适度是供热系统必然的发展方向。通过对供热系统的控制和运行进行优化调节,能够提高室内舒适度和降低系统能耗，对于供热系统的调控补偿方法目前广泛应用气候补偿系统，但是由于供热系统的大惯性及大滞后性等特点，采用单纯的气候补偿系统通常使得供热复核与实际供热需求差距较大，使得能源浪费。

为了能够对热负荷进行精准预测，并根据预测热负荷进行供热调控，需要开发一款系统与之配合进行实现，通过获取目标区域内热用户的历史供热数据信息及气象数据信息，根据所述历史供热数据信息结合气象数据信息通过热负荷预测模型获取目标区域的热负荷，根据目标区域内预设时间后的热负荷预测值通过模糊决策生成调控方案，对目标区域热网系统的二次网供热温度进行调节，并根据热用户反馈及热用户温度分布图分析供热管网的运行状态并诊断故障。在该系统的实现过程中，如何获取目标区域的预测热负荷，并通过预测热负荷对热网系统进行调控，是亟不可待需要解决的问题。

与现有技术相比，此技术产生的效益：本发明公开的一种基于深度学习的智慧供热节能调控方法、系统及存储介质，包括：获取目标区域内热用户的历史供热数据信息及目标区域的气象数据信息，基于深度学习构建热负荷预测模型，根据所述历史供热数据信息结合气象数据信息通过热负荷预测模型获取目标区域的热负荷，根据目标区域内预设时间后的热负荷预测值通过模糊决策生成调控方案，对目标区域热网系统的二次网供热温度进行调节，获取目标区域内的室温分布图及供热数据变化曲线，根据所述室温分布图及供热数据变化曲线进行故障诊断，判断当前供热设备的运行状态。本发明通过制定调控方案避免了区域性的供热调控不均问题，同时根据动态预测实现动态节能，提供了更好的供热服务质量。