本发明提供了一种基于建筑供暖负荷预测的供热方法、装置和系统，该方法包括：基于获取到的目标采暖用户建筑围护结构状况、邻间传热状况、即时室外气象参数和用户需要的室内温度预测动态供暖热负荷；基于动态供暖热负荷和热计量表检测的实际供热量数据生成对目标阀门进行控制的控制信号，控制信号中携带开度信息和/或通断时间信息，目标阀门为对目标采暖用户的供暖水流量进行控制的阀门；向目标阀门发送控制信号，以使目标阀门按照控制信号执行相应的动作。本发明解决了现有室温测温设施安装位置不同导致测温偏差问题及用户对测温装置干扰的问题，以及供热公司能对不同用户不同室温需求实现按需供热的技术问题。
1.一种基于建筑供暖负荷预测的供热方法，其特征在于，包括：
基于获取到的目标采暖用户所处环境的即时室外气象数据和每个目标采暖用户的供暖目标预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求，所述动态供暖热负荷为根据不同用户对室内的不同需求预测出的负荷需求，所述用户对室内的需求为目标采暖用户所期望达到的室内温度；
基于所述动态供暖热负荷和热量表实际检测的供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门，所述热量表和所述目标阀门设置在热表井中；
向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作；
其中，基于获取到的目标采暖用户所处环境的即时室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷包括：调取目标神经网络，所述目标神经网络为预先训练完成的神经网络；
将上一时刻的供热量、邻间传热数据，建筑围护结构状况、即时室外气象数据和所述供暖目标作为所述目标神经网络的输入，以使所述目标神经网络对所述室外气象数据和所述供暖目标进行处理，并输出所述动态供暖热负荷，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据，所述即时室外气象数据为通过室外气象数据传感器采集到的数据，所述即时室外气象数据包括但不限于：气温、湿度、太阳辐射强度、风速、气压。
2.根据权利要求1所述的供热方法，其特征在于，所述目标神经网络的表示为以下公式：
其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层的神经元节点值；yj,in为所述目标神经网络中第j个隐含层神经元节点的输入值，yj,out为所述目标神经网络中第j个隐含层神经元节点的输出值；wi,j为所述目标神经网络中的第i个输入层神经元节点到第j个隐含层神经元节点的计算权重；uj为所述目标神经网络中第j个隐含层神经元节点到输出层神经元节点的计算权重；Qin和Qout分别是输出层神经元节点的输入值和输出值，其中，所述输出值为预测的所述动态供暖热负荷。
3.根据权利要求1所述的供热方法，其特征在于，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号包括：将所述动态供暖热负荷和所述供热量数据进行对比，以确定所述动态供暖热负荷和所述供热量数据之间的偏差值；
通过PID算法或者模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息；
基于所述开度信息和所述通断时间信息生成对所述目标阀门进行控制的控制信号。
4.根据权利要求3所述的供热方法，其特征在于，通过PID算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息包括：通过PID算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：其中，V为所述目标阀门的开度信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；TI为积分时间；TD为微分时间；τ为时间。
5.根据权利要求3所述的供热方法，其特征在于，通过模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息包括：通过模糊控制算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：其中，V为所述通断时间信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；τ为时间，fuzzy为模糊函数。
6.根据权利要求1所述的供热方法，其特征在于，在调取目标神经网络之前，所述方法还包括：对所述目标神经网络进行训练，以确定所述目标神经网络中各个神经元节点之间的权重系数，具体包括：通过迭代公式所述目标神经网络进行迭代训练，以确定所述权重系数，所述迭代公式为
其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层神经元节点值；yj,out为所述目标神经网络中第j个隐含层神经元节点的输输出值； 和 分别为所述第j个隐含层神经元节点到输出层神经元节点的计算权重在第N次和第N+1次迭代训练的值； 和分别是所述第i个输入层神经元节点到所述第j个隐含层神经元节点的计算权重在第N次和第N+1次迭代训练的值；η是迭代效率系数；δ为所述输出层神经元节点的输出值与期望值的偏差函数对输出层节点权重的偏导数。
7.根据权利要求1至6中任一项所述的供热方法，其特征在于，所述室外气象数据包括以下至少之一：室外温度变化信息，室外风速变化信息，室外太阳辐射强度变化信息；所述供暖目标为所述目标采暖用户所要达到的目的温度。
8.根据权利要求7所述的供热方法，其特征在于，所述方法还包括：获取邻间传热数据，其中，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据；
基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷还包括：基于所述邻间传热数据，所述室外气象数据和所述目标采暖用户的供暖目标预测所述动态供暖热负荷。
9.一种基于建筑供暖负荷预测的供热系统，其特征在于，包括：第一控制器，传感器，热量表和目标阀门，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；
所述传感器用于采集目标采暖用户所处环境的即时室外气象数据；
所述第一控制器用于基于所述室外气象数据和每个目标采暖用户的供暖目标预测动态供暖热负荷，并基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；所述控制信号中携带开度信息和/或通断时间信息，所述动态供暖热负荷为根据不同用户对室内的不同需求预测出的负荷需求，所述热量表和所述目标阀门设置在热表井，所述用户对室内的需求为目标采暖用户所期望达到的室内温度；
所述目标阀门用于按照所述控制信号执行相应的动作，以调节所述目标采暖用户的供暖水流量；
所述第一控制器还用于：调取目标神经网络，所述目标神经网络为预先训练完成的神经网络；
将上一时刻的供热量、邻间传热数据，建筑围护结构状况、即时室外气象数据和所述供暖目标作为所述目标神经网络的输入，以使所述目标神经网络对所述室外气象数据和所述供暖目标进行处理，并输出所述动态供暖热负荷，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据，所述即时室外气象数据为通过室外气象数据传感器采集到的数据，所述即时室外气象数据包括但不限于：气温、湿度、太阳辐射强度、风速、气压。
10.根据权利要求9所述的供热系统，其特征在于，所述第一控制器的控制芯片中内嵌有预先训练完成的目标神经网络；
其中，所述目标神经网络用于基于所述室外气象数据和所述供暖目标预测动态供暖热负荷预测动态供暖热负荷。
11.根据权利要求10所述的供热系统，其特征在于，所述供热系统还包括：第二控制器，其中，所述第二控制器安装在与所述目标采暖用户相邻用户中的控制器，所述第二控制器与所述第一控制器通信连接；
所述第二控制器用于向所述第一控制器传送相邻采暖用户供热量，基于相邻采暖用户供热量计算邻间传热数据，以使所述第一控制器基于所述邻间传热数据，所述室外气象数据和所述目标采暖用户的供暖目标预测所述动态供暖热负荷，其中，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据。
12.根据权利要求10所述的供热系统，其特征在于，所述第一控制器的控制芯片中内嵌有模糊控制器或者PID控制器；
所述模糊控制器或者所述PID控制器用于基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号。
13.根据权利要求10所述的供热系统，其特征在于，所述传感器包括：温度传感器，风速传感器，太阳辐射强度传感器，其中：所述温度传感器用于采集所述目标采暖用户所处环境的室外温度变化信息；
所述风速传感器用于采集所述目标采暖用户所处环境的室外风速变化信息；
所述太阳辐射强度传感器用于采集所述目标采暖用户所处环境的室外太阳辐射强度变化信息。
14.根据权利要求10所述的供热系统，其特征在于，所述第一控制器通过有线或者无线的连接方式分别与所述传感器，所述热量表和所述目标阀门相连接。
15.根据权利要求14所述的供热系统，其特征在于，当所述连接方式为有线连接方式时，所述第一控制器通过M-Bus总线与所述热量表相连接；所述第一控制器通过485总线与所述传感器相连接，或者，通过模拟量信号线与所述传感器相连接，所述第一控制器通过
485总线与所述目标阀门相连接，或者，通过模拟量信号线与所述目标阀门相连接。
16.根据权利要求14所述的供热系统，其特征在于，当所述连接方式为无线连接方式时，所述第一控制器通过以下至少一种方式分别与所述传感器、所述热量表和所述目标阀门相连接：GPRS，3G网络，4G网络，5G网络，WIFI网络和互联网连接。
17.根据权利要求10所述的供热系统，其特征在于，所述热量表分别用于检测所述供热系统中回水管和供水管的温度、水流量，依次得到回水温度、供水温度和水流量，其中，所述回水温度、所述供水温度和所述水流量用于确定所述供热量数据。
18.根据权利要求10所述的供热系统，其特征在于，所述目标阀门包括以下任一种：开度能够连续调节的电动阀门，能够连续进行通断控制的电磁阀门，能够连续进行通断控制的电热阀门，通过机械装置驱动的自力式控制阀门。
19.一种基于建筑供暖负荷预测的供热装置，其特征在于，包括：
预测单元，用于基于获取到的目标采暖用户所处环境的即时室外气象数据和每个目标采暖用户的供暖目标预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求，所述动态供暖热负荷为根据不同用户对室内的不同需求预测出的负荷需求，所述用户对室内的需求为目标采暖用户所期望达到的室内温度；
生成单元，用于基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门，所述热量表和所述目标阀门设置在热表井中；
发送单元，用于向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作；
调取目标神经网络，所述目标神经网络为预先训练完成的神经网络；
将上一时刻的供热量、邻间传热数据，建筑围护结构状况、即时室外气象数据和所述供暖目标作为所述目标神经网络的输入，以使所述目标神经网络对所述室外气象数据和所述供暖目标进行处理，并输出所述动态供暖热负荷，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据，所述即时室外气象数据为通过室外气象数据传感器采集到的数据，所述即时室外气象数据包括但不限于：气温、湿度、太阳辐射强度、风速、气压。
20.根据权利要求19所述的供热装置，其特征在于，设置在所述供热装置中的所述目标神经网络的网络结构表示为以下公式：其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层的神经元节点值；yj,in为所述目标神经网络中第j个隐含层神经元节点的输入值，yj,out为所述目标神经网络中第j个隐含层神经元节点的输出值；wi,j为所述目标神经网络中的第i个输入层神经元节点到第j个隐含层神经元节点的计算权重；uj为所述目标神经网络中第j个隐含层神经元节点到输出层神经元节点的计算权重；Qin和Qout分别是输出层神经元节点的输入值和输出值，其中，所述输出值为预测的所述动态供暖热负荷。
21.根据权利要求20所述的供热装置，其特征在于，生成单元用于：
将所述动态供暖热负荷和所述供热量数据进行对比，以确定所述动态供暖热负荷和所述供热量数据之间的偏差值；
通过PID算法或者模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息；
基于所述开度信息和所述通断时间信息生成对目标阀门进行控制的控制信号。
22.根据权利要求21所述的供热装置，其特征在于，生成单元还用于：
通过PID算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：其中，V为所述目标阀门的开度信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；TI为积分时间；TD为微分时间；τ为时间。
23.根据权利要求21所述的供热装置，其特征在于，生成单元还用于：
通过模糊控制算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：其中，V为所述通断时间信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；τ为时间，fuzzy为模糊函数。
24.根据权利要求19所述的供热装置，其特征在于，该装置还用于：在调取目标神经网络之前，对所述目标神经网络进行训练，以确定所述目标神经网络中各个神经元节点之间的权重系数，具体包括：通过迭代公式所述目标神经网络进行迭代训练，以确定所述权重系数，所述迭代公式为
其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层神经元节点值；yj,out为所述目标神经网络中第j个隐含层神经元节点的输输出值； 和 分别为所述第j个隐含层神经元节点到输出层神经元节点的计算权重在第N次和第N+1次迭代训练的值； 和分别是所述第i个输入层神经元节点到所述第j个隐含层神经元节点的计算权重在第N次和第N+1次迭代训练的值；η是迭代效率系数；δ为所述输出层神经元节点的输出值与期望值的偏差函数对输出层节点权重的偏导数。
25.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行上述权利要求1至8中任一项所述的方法。
一种基于建筑供暖负荷预测的供热方法、装置和系统
技术领域
[0001] 本发明涉及建筑供暖及控制技术领域，尤其是涉及一种基于建筑供暖动态负荷预测的供热方法、装置和系统。
背景技术
[0002] 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。国外的供暖系统在每组散热器的供暖水管上，均安装有可以控制阀门开度来调节室外的自动控制阀，但是由于成本较高、对供暖水质要求高、用户的用能行为等原因，在我国暂时无法普及应用。很多研究人员尝试解决这一问题，例如，专利《公共建筑节能供暖控制装置》公开了一种由控制阀、检测仪和控制器构成的供暖控制系统，并基于环境参数信息控制控制阀的开关状态，控制目标换热站的供暖热量，通过上述描述可知，现有的供电技术与供热用户有着非常密切的联系。专利《供暖控制系统》公开了一种由蓄水单元及房间供暖单元构成的供暖控制系统，针对热水器只提供洗浴热水而不具备供暖功能而设计，在原有的热水器的蓄水箱加装一系列装置，即可实现淋浴又可实现供暖等功能。专利《一种集实时监测且方便维修的供暖控制系统》开发了一种集实时监测且方便维修的供暖控制系统，通过控制器自动热泵的供电和断电来控制室内的温度，并能够预防热泵过热导致损坏或室内温度过高。专利《一种集中供暖控制系统及方法》公开了一种供暖控制系统，能够实现用户可调、供热可控、领导可管的集中供暖控制系统，同时实现对供热端以及用户端的调控，最大程度的实现节能和提高供暖效率，但该专利采用通过室内测温的方法来控制调节阀，测温点的不同安装位置导致检测温度与标准室温有较大偏差，另外如果通过室内测温来控制调节阀导致室温下降，许多用户会人为干扰测温装置从而使系统失效。按热计量收费的一种方式是《温度面积法》，在用户面积一定的情况下用户缴费金额与要求的室内温度相关，室温越高缴费越高，与用户所在位置朝向等均无关，这种方法貌似合理，但正因为许多用户人为干扰测温装置而导致该方案难以推广。此外，为了节约供热能耗、避免供热能源浪费，很多城市推行了按面积计费和按热量计费的双部热价制度。按热量计费热价制度的目的是通过“用多少热花多少钱”的计费手段来鼓励热用户正确用能、避免浪费，实现按需供热、行为节能，并强制新建供热系统均安装分户热计量表，以实现每家每户均可按热量收费。然而，由于种种原因，虽然安装了大量热计量表，但是按热量收费几乎没有得到实施，已经试点实施的项目暴露了许多问题，难以平衡供热公司与热用户之间的利益，因此大多数供热费仍然按照面积收取，不仅通过“用多少热花多少钱”促进节能的目的没有得到实现，而且造成大量的热量表资源的闲置和投资的浪费。
发明内容
[0003] 有鉴于此，本发明的目的在于提供一种基于动态建筑供暖负荷预测的供热方法、装置和系统，以解决了现有室温测温设施安装位置不同导致测温偏差问题及用户对测温装置干扰问题，以及供热公司能满足对不同用户不同室温需求实现按需供热的技术问题。
[0004] 第一方面，本发明实施例提供了一种基于动态建筑供暖负荷预测的供热方法，包括：基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；基于所述动态供暖热负荷和热计量表实际检测的供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。
[0005] 进一步地，所述方法还包括：获取所述目标采暖用户的供暖目标；基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷包括：基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷。
[0006] 进一步地，基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷包括：调取目标神经网络，所述目标神经网络为预先训练完成的神经网络；将所述室外气象数据和所述供暖目标作为所述目标神经网络的输入，以使所述目标神经网络对所述室外气象数据和所述供暖目标进行处理，并输出所述动态供暖热负荷。
[0007] 进一步地，所述目标神经网络的表示为以下公式：
[0008]
[0009]
[0010]
[0011]
[0012] 其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层的神经元节点值；yj,in为所述目标神经网络中第j个隐含层神经元节点的输入值，yj,out为所述目标神经网络中第j个隐含层神经元节点的输出值；wi,j为所述目标神经网络中的第i个输入层神经元节点到第j个隐含层神经元节点的计算权重；uj为所述目标神经网络中第j个隐含层神经元节点到输出层神经元节点的计算权重；Qin和Qout分别是输出层神经元节点的输入值和输出值，其中，所述输出值为预测的所述动态供暖热负荷。
[0013] 进一步地，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号包括：将所述动态供暖热负荷和所述供热量数据进行对比，以确定所述动态供暖热负荷和所述供热量数据之间的偏差值；通过PID算法或者模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息；基于所述开度信息和所述通断时间信息生成对目标阀门进行控制的控制信号。
[0014] 进一步地，通过PID算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息包括：通过PID算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：
[0015]
[0016] 其中，V为所述目标阀门的开度信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；TI为积分时间；TD为微分时间；τ为时间。
[0017] 进一步地，通过模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息包括：通过模糊控制算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：
[0018]
[0019] 其中，V为所述通断时间信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；τ为时间，fuzzy为模糊函数。
[0020] 进一步地，在调取目标神经网络之前，所述方法还包括：对所述目标神经网络进行训练，以确定所述目标神经网络中各个神经元节点之间的权重系数，具体包括：通过迭代公式所述目标神经网络进行迭代训练，以确定所述权重系数，所述迭代公式为其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,
m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层神经元节点值；yj,out为所述目标神经网络中第j个隐含层神经元节点的输输出值； 和 分别为所述第j个隐含层神经元节点到输出层神经元节点的计算权重在第N次和第N+1次迭代训练的值； 和 分别是所述第i个输入层神经元节点到所述第j个隐含层神经元节点的计
算权重在第N次和第N+1次迭代训练的值；η是迭代效率系数；δ为所述输出层神经元节点的输出值与期望值的偏差函数对输出层节点权重的偏导数。
[0021] 进一步地，所述室外气象数据包括以下至少之一：室外温度变化信息，室外风速变化信息，室外太阳辐射强度变化信息；所述供暖目标为所述目标采暖用户所要达到的目的温度。
[0022] 进一步地，所述方法还包括：获取邻间传热数据，其中，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据；基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷还包括：基于所述邻间传热数据，所述室外气象数据和所述目标采暖用户的供暖目标预测所述动态供暖热负荷。
[0023] 第二方面，本发明实施例提供了一种基于建筑供暖负荷预测的供热系统，包括：第一控制器，传感器，热量表和目标阀门，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；所述传感器用于采集目标采暖用户所处环境的室外气象数据；所述热量表用于采集目标采暖用户的供热量数据；所述第一控制器用于基于所述室外气象数据预测动态供暖热负荷，并基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；所述控制信号中携带开度信息和/或通断时间信息；所述目标阀门用于按照所述控制信号执行相应的动作，以调节所述目标采暖用户的供暖水流量。
[0024] 进一步地，所述第一控制器还用于获取所述目标采暖用户的供暖目标，并基于所述室外气象数据和所述供暖目标预测动态供暖热负荷。
[0025] 进一步地，所述第一控制器的控制芯片中内嵌有预先训练完成的目标神经网络；其中，所述目标神经网络用于基于所述室外气象数据和所述供暖目标预测动态供暖热负荷预测动态供暖热负荷。
[0026] 进一步地，所述供热系统还包括：第二控制器，其中，所述第二控制器安装在与所述目标采暖用户相邻用户中的控制器，所述第二控制器与所述第一控制器通信连接；所述第二控制器用于向所述第一控制器传送相邻采暖用户供热量，基于相邻采暖用户供热量计算邻间传热数据，以使所述第一控制器基于所述邻间传热数据，所述室外气象数据和所述目标采暖用户的供暖目标预测所述动态供暖热负荷，其中，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据。
[0027] 进一步地，所述第一控制器的控制芯片中内嵌有模糊控制器或者PID控制器；所述模糊控制器或者所述PID控制器用于基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号。
[0028] 进一步地，所述传感器包括：温度传感器，风速传感器，太阳辐射强度传感器，其中：所述温度传感器用于采集所述目标采暖用户所处环境的室外温度变化信息；所述风速传感器用于采集所述目标采暖用户所处环境的室外风速变化信息；所述太阳辐射强度传感器用于采集所述目标采暖用户所处环境的室外太阳辐射强度变化信息。
[0029] 进一步地，所述第一控制器通过有线或者无线的连接方式分别与所述传感器，所述热量表和所述目标阀门相连接。
[0030] 进一步地，当所述连接方式为有线连接方式时，所述第一控制器通过M-Bus总线与所述热量表相连接；所述第一控制器通过485总线与所述传感器相连接，或者，通过模拟量信号线与所述传感器相连接，所述第一控制器通过485总线与所述目标阀门相连接，或者，通过模拟量信号线与所述目标阀门相连接。
[0031] 进一步地，当所述连接方式为无线连接方式时，所述第一控制器通过以下至少一种方式分别与所述传感器、所述热量表和所述目标阀门相连接：GPRS，3G网络，4G网络，5G网络，WIFI网络和互联网连接。
[0032] 进一步地，所述热量表分别用于检测所述供热系统中回水管和供水管的温度、水流量，依次得到回水温度、供水温度和水流量，其中，所述回水温度、所述供水温度和所述水流量用于确定所述供热量数据。
[0033] 进一步地，所述目标阀门包括以下任一种：开度能够连续调节的电动阀门，能够连续进行通断控制的电磁阀门，能够连续进行通断控制的电热阀门，通过机械装置驱动的自力式控制阀门。
[0034] 第三方面，本发明实施例提供了一种基于建筑负荷预测的供热装置，包括：预测单元，用于基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；生成单元，用于基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；发送单元，用于向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。
[0035] 进一步地，所述装置还包括：获取单元，用于获取所述目标采暖用户的供暖目标；预测单元用于：基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷。
[0036] 进一步地，所述预测单元还用于：调取目标神经网络，所述目标神经网络为预先训练完成的神经网络；将所述室外气象数据和所述供暖目标作为所述目标神经网络的输入，以使所述目标神经网络对所述室外气象数据和所述供暖目标进行处理，并输出所述动态供暖热负荷。
[0037] 进一步地，设置在所述供热装置中的所述目标神经网络的网络结构表示为以下公式： 其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层的神经元节点值；yj,in为所述目标神经网络中第j个隐含层神经元节点的输入值，yj,out为所述目标神经网络中第j个隐含层神经元节点的输出值；wi,j为所述目标神经网络中的第i个输入层神经元节点到第j个隐含层神经元节点的计算权重；uj为所述目标神经网络中第j个隐含层神经元节点到输出层神经元节点的计算权重；Qin和Qout分别是输出层神经元节点的输入值和输出值，其中，所述输出值为预测的所述动态供暖热负荷。
[0038] 进一步地，生成单元用于：将所述动态供暖热负荷和所述供热量数据进行对比，以确定所述动态供暖热负荷和所述供热量数据之间的偏差值；通过PID算法或者模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息；基于所述开度信息和所述通断时间信息生成对目标阀门进行控制的控制信号。
[0039] 进一步地，生成单元还用于：通过PID算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：
[0040] 其中，V为所述目标阀门的开度信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；TI为积分时间；TD为微分时间；τ为时间。
[0041] 进一步地，生成单元还用于：通过模糊控制算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：
[0042] 其中，V为所述通断时间信息；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；τ为时间，fuzzy为模糊函数。
[0043] 进一步地，该装置还用于：在调取目标神经网络之前，对所述目标神经网络进行训练，以确定所述目标神经网络中各个神经元节点之间的权重系数，具体包括：通过迭代公式所述目标神经网络进行迭代训练，以确定所述权重系数，所述迭代公式为其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,
m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层神经元节点值；yj,out为所述目标神经网络中第j个隐含层神经元节点的输输出值； 和 分别为所述第j个隐含层神经元节点到输出层神经元节点的计算权重在第N次和第N+1次迭代训练的值； 和 分别是所述第i个输入层神经元节点到所述第j个隐含层神经元节点的计
算权重在第N次和第N+1次迭代训练的值；η是迭代效率系数；δ为所述输出层神经元节点的输出值与期望值的偏差函数对输出层节点权重的偏导数。
[0044] 第四方面，本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述所述的方法。
[0045] 在本发明实施例中，首先，基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；然后，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；最后，向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。在本发明实施例中，通过负荷预测和热量表的测量数据可以实现分户按需精准供热，满足不同供热用户的不同室温需求，还可以避免过冷过热的问题，从而提高舒适水平，以避免供热能源浪费，进而解决了现有室温测温设施安装位置不同导致测温偏差问题及用户对测温装置干扰问题，以及供热公司能满足对不同用户不同室温需求实现按需供热的技术问题。
[0046] 本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0047] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0048] 为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0049] 图1是根据本发明实施例的一种基于建筑供暖负荷预测的供热系统的示意图；
[0050] 图2是根据本发明实施例的另一种基于建筑供暖负荷预测的供热系统的示意图；
[0051] 图3是根据本发明实施例的一种基于建筑供暖负荷预测的供热方法的流程图；
[0052] 图4根据本发明实施例的一种神经网络的结构示意图；
[0053] 图5是根据本发明实施例的一种基于建筑供暖负荷预测的供热装置的示意图。
具体实施方式
[0054] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055] 实施例一：
[0056] 根据本发明实施例，提供了一种基于建筑供暖负荷预测的供热系统的实施例。
[0057] 图1是根据本发明实施例的一种基于建筑负荷预测的供热系统的示意图，如图1所示，该系统包括：第一控制器100，传感器200，热量表300和目标阀门400，所述目标阀门400为对所述目标采暖用户的供暖水流量进行控制的阀门。
[0058] 具体地，所述传感器用于采集目标采暖用户所处环境的室外气象数据；
[0059] 所述热量表用于采集目标采暖用户的供热量数据；
[0060] 在本实施例中，如果在现有的供热系统中已经安装有热量表，则可以建立该热量表与第一控制器之间的通信连接，从而读取该热量表检测到的热量数据。如果在现有的供热系统中没有安装热量表，则可以在现有的供热系统中单独设置热量表，并建立该热量表与第一控制器之间的通信连接，从而读取该热量表检测到的热量数据。
[0061] 所述第一控制器用于基于所述室外气象数据预测动态供暖热负荷，并基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；所述控制信号中携带开度信息和/或通断时间信息(例如，通断时间比)；
[0062] 所述目标阀门用于按照所述控制信号执行相应的动作，以调节所述目标采暖用户的供暖水流量。
[0063] 具体地，在本发明实施例中，控制器又可以称为供暖智能控制器，目标阀门又可以称为供暖水量控制阀，传感器又可以称为室外气象数据传感器。其中，控制器可以为云服务中心(或者，上位机系统)来代替；控制器还可以为与云服务中心(或者，上位机系统)通信连接的控制器，此时，控制器可以向云服务中心(或者，上位机系统)上传本地数据，或者接受来自云服务中心(或者，上位机系统)的数据或指令。
[0064] 控制器100作为供热系统的大脑，用于读取传感器200(室外气象传感器)测得的室外气象数据，并通过人工智能算法预测动态供暖热负荷；控制器100还用于读取热量表300测得的供热量数据，以根据供热量数据和动态供暖热负荷生成用于对目标阀门的开度信息或通断进行控制的信号。
[0065] 目标阀门400作为供热量调节的执行节点，通过改变供暖水流量来调节供热量。具体地，目标阀门400例如接收来自控制器100输出的控制信号(例如，电压控制信号)，将阀门调节到电压值与满开电压值之比对应的开度。
[0066] 传感器200，作为供热系统的感知节点，用于测量一种或多种室外气象数据，包括但不限于：气温、湿度、太阳辐射强度、风速、气压。具体地，传感器200可以通过有线通信方式将室外气温测量值发送给控制器100。
[0067] 在本发明实施例中，首先，基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；然后，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；最后，向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。在本发明实施例中，通过负荷预测和热量表的测量数据可以实现分户按需精准供热，满足不同供热用户的不同室温需求，还可以避免过冷过热的问题，从而提高舒适水平，以避免供热能源浪费，进而解决了现有室温测温设施安装位置不同导致测温偏差问题及用户对测温装置干扰问题，以及供热公司能满足对不同用户不同室温需求实现按需供热的技术问题。
[0068] 目前供热领域主要目标是在解决平衡供热，即解决各用户之间室内温度的一致性，该一致性无法满足用户对室内温度的个性化需求。在本发明实施例中，该供热系统采用动态负荷预测的概念，可以根据不同用户对室内的不同需求精确预测负荷需求，并将热量作为传感器检测比对热负荷，从而实现精确控制。
[0069] 在传统的温度控制方式，可以在采暖用户的室内中安装调节装置，采暖用户可以通过该调节装置来手动的调节室内的温度。但是，在本发明实施例中，无需用户手动来调节温度，通过该控制器就能够实现自动对采暖用户的室内温度进行调节。
[0070] 在一个可选的实施例中，采暖用户可以预先设置期望供热温度，也即，供热目标。
[0071] 此时，上述第一控制器就能够获取所述目标采暖用户的供暖目标，并基于所述室外气象数据和所述供暖目标预测动态供暖热负荷。
[0072] 可选地，如果该第一控制器为云服务中心，那么该供暖目标为目标采暖用户预先设置好，并存储在云服务中心。如果该第一控制器为安装在热表井的控制器的话，此时，可以在目标采暖用户的室内安装一个供暖目标的采集装置，该采集装置与控制器通信连接。需要说明的是，目标采暖用户可以根据不同的温度需求在该采集装置调节供暖目标。例如，在三九天气，通过室外气象数据和供暖目标预测动态供暖热负荷之后，通过该动态供暖热负荷对目标采暖用户进行供热之后的温度并不是理想温度。此时，目标采暖用户可以在该室内通过该采集装置调节供暖目标，此时，采集装置将该供暖目标传输至控制器，以使控制器根据新获取到的供暖目标重新预测动态供暖热负荷，以实现更加精准的温度控制，从而更能够节省能源。例如，通过预测出的动态供暖热负荷对目标采暖用户进行供暖时，温度是
20度，但是实际上，目标采暖用户所需要的温度是18度，此时，目标采暖用户可以通过该采集装置降低供暖目标，并传输至控制器中，以使控制器基于该供暖目标进行再次预测动态供暖热负荷。通过上述操作，能够在满足用户个性化采暖需求的过程中再进一步的节省能源。
[0073] 需要说明的是，在本发明实施例中，将供暖目标作为输入数据输入至目标神经网络中进行预测时，能够实现不同用户的个性化供暖需求。也就是说，供暖目标不同的用户之间的动态供暖热负荷是不同的。
[0074] 在本发明实施例中，控制器或云服务中心能够根据室外的室外气象数据和供暖目标，预测动态供暖热负荷，并经过控制算法的运算，输出供暖水流量控制阀的开度或者通断时间比的控制信号。
[0075] 可选地，所述第一控制器的控制芯片中内嵌有预先训练完成的目标神经网络；其中，所述目标神经网络用于基于所述室外气象数据和所述供暖目标预测动态供暖热负荷预测动态供暖热负荷。
[0076] 如图1所示，在本发明实施例中，供热系统还包括：第二控制器500，其中，所述第二控制器500安装在与所述目标采暖用户相邻用户中的控制器，所述第二控制器与所述第一控制器通信连接。
[0077] 在一个可选的实施例中，所述第二控制器用于向所述第一控制器传输相邻采暖用户的供热量，基于相邻采暖用户供热量计算邻间传热数据，以使所述第一控制器基于所述邻间传热数据，所述室外气象数据和所述目标采暖用户的供暖目标预测所述动态供暖热负荷，其中，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据。
[0078] 在一个可选的实施例中，所述第一控制器的控制芯片中内嵌有模糊控制器或者PID控制器。
[0079] 其中，所述模糊控制器或者所述PID控制器用于基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号。
[0080] 需要说明的是，控制器采用比例积分微分(PID)控制器、模糊控制器等智能算法，根据预测的动态供暖热负荷和热量表测得的供热量数据，计算所需的目标阀门的开度信息或者通断时间信息(例如，通断时间比)。
[0081] 在一个可选的实施例中，所述传感器包括：温度传感器，风速传感器，太阳辐射强度传感器。
[0082] 所述温度传感器用于采集所述目标采暖用户所处环境的室外温度变化信息；
[0083] 所述风速传感器用于采集所述目标采暖用户所处环境的室外风速变化信息；
[0084] 所述太阳辐射强度传感器用于采集所述目标采暖用户所处环境的室外太阳辐射强度变化信息。
[0085] 在本发明实施例中，温度传感器，风速传感器和太阳辐射强度传感器均为安装在室外的传感器，以检测目标采暖用户所处环境的室外温度变化信息，目标采暖用户所处环境的室外风速变化信息，目标采暖用户所处环境的室外太阳辐射强度变化信息等环境气象信息。
[0086] 需要说明的是，在本发明实施例中，所选用的传感器为室外传感器，以检测室外的环境温度，而不是用室内的传感器的原因是，能够避免室内传感器测量误差、人为损坏等导致的控制偏差，并能够免除传感器的投资成本和运营维护成本。
[0087] 在一个可选的实施例中，室外气象数据的传感器是非必需的，室外气象数据还可以从云服务中心(上位机系统)中来进行获取。
[0088] 在本发明实施例中，如图2所示，智能供暖控制器(即，第一控制器)可以设置在热表井中，该智能供暖控制器(即，第一控制器)还可以替换为云服务中心(或者上位机)。在热表井中的热量表由回水管中设置的水温传感器和流量计、供水管中设置的水温传感器构成。该热量表分别与回水管上设置的水温传感器和流量计相连接，以采集回水管的温度，得到回水温度，以及采集该流量计的水流量信息。该热量表还与供水管上的水温传感器相连接，以供水管的温度，得到供水温度。如图2所示，目标阀门(也即，图2中的供暖水量控制阀)设置在供水管上。如图2所示，传感器(也即，室外气象数据传感器)设置在目标采暖用户所处的室外环境中，以采集室外气象数据。
[0089] 第一控制器通过有线或者无线的连接方式分别与所述传感器，所述热量表和所述目标阀门相连接。
[0090] 其中，当所述连接方式为有线连接方式时，如图2所示，所述第一控制器通过M-Bus总线与所述热量表相连接；所述第一控制器通过485总线，或者，模拟量信号线与所述传感器相连接，所述第一控制器通过485总线，或者，模拟量信号线与所述目标阀门(即，供暖水量控制阀)相连接。
[0091] 当所述连接方式为无线连接方式时，所述第一控制器(也即，云服务中心或者上位机)通过以下至少一种方式分别与所述传感器、所述热量表和所述目标阀门相连接：GPRS，3G网络，4G网络，5G网络，WIFI网络和互联网连接。
[0092] 在本发明实施例中，所述目标阀门包括以下任一种：开度能够连续调节的电动阀门，能够连续进行通断控制的电磁阀门，能够连续进行通断控制的电热阀门，通过机械装置驱动的自力式控制阀门。
[0093] 通过上述描述可知，在本发明实施例中，该供热系统由第一控制器(即，智能供暖控制器)、目标阀门(即，供暖水量控制阀)、传感器构成，通过测量室外气象数据预测动态供暖热负荷、通过读取已有热量表测得的供热量数据并与预测热负荷比较，调节供给用户的热量的大小达到预测热负荷的目标，实现了对热量表闲置资源的利用、满足了不同室内温度的需求、避免了过冷过热、提高了热舒适水平、避免了供热能源的浪费。
[0094] 实施例二：
[0095] 根据本发明实施例，提供了一种基于建筑负荷预测的供热方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0096] 图3是根据本发明实施例的一种基于建筑供暖负荷预测的供热方法的流程图，如图3所示，该方法包括如下步骤：
[0097] 步骤S302，基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；
[0098] 所述室外气象数据包括以下至少之一：室外温度变化信息，室外风速变化信息，室外太阳辐射强度变化信息；所述供暖目标为所述目标采暖用户所要达到的目的温度。
[0099] 步骤S304，基于所述动态供暖热负荷和热计量表实际检测的供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；
[0100] 步骤S306，向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。
[0101] 在本发明实施例中，上述步骤S302至步骤S306可以通过上述实施例中的控制器(或者，云服务中心)来执行。
[0102] 在本发明实施例中，首先，基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；然后，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；最后，向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。在本发明实施例中，通过负荷预测和热量表的测量数据可以实现分户按需精准供热，满足不同供热用户的不同室温需求，还可以避免过冷过热的问题，从而提高舒适水平，以避免供热能源浪费，进而解决了现有室温测温设施安装位置不同导致测温偏差问题及用户对测温装置干扰问题，以及供热公司能满足对不同用户不同室温需求实现按需供热的技术问题。
[0103] 在一个可选的实施例中，所述方法还包括：获取所述目标采暖用户的供暖目标；
[0104] 基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷包括：基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷。
[0105] 在本发明实施例中，控制器还可以获取目标采暖用户的供暖目标，也即，目标采暖用户所期望达到的室内温度。然后，控制器基于该目标采暖用户所处环境的室外气象数据和目标采暖用户的供暖目标预测动态供暖热负荷。
[0106] 在本发明实施例中，控制器还可以基于获取到的目标采暖用户建筑围护结构状况、邻间传热状况、即时室外气象参数和供暖目标(即，用户需要的室内温度)预测动态供暖热负荷。
[0107] 通过上述描述可知，在一个实施方式中，针对A地区的小区楼A和针对B地区的小区楼B。安装在A地区的控制器可以采集小区楼A所处环境的室外气象数据，然后，基于该室外气象数据预测小区楼A的动态供暖热负荷；以及安装在B地区的控制器可以采集小区楼B所处环境的室外气象数据，然后，基于该室外气象数据预测小区楼B的动态供暖热负荷。在此情况下，小区楼A中每个采暖用户的动态供暖热负荷可能是相同的(或者相差不大)，此时，可以确定出为每个采暖用户供热量相差不大。但是，小区楼A和小区楼B的动态供暖热负荷是不相同的，此时为小区楼A和小区楼B供应的热量是有一定差异的。通过上述方式，能够实现不同地区的个性化供暖需求，同时还能节省大量的能源。
[0108] 进一步地，针对小区楼A中每个采暖用户，例如，采暖用户A1和采暖用户A2，也有不同的供暖需求。此时，控制器就能够根据每个采暖用户的供暖目标和室外气象数据对每个采暖用户预测动态供暖热负荷，以实现不同采暖用户的个性化供暖需求。例如，采暖用户A1和采暖用户A2处于同一个小区楼，其中，采暖用户A1的供暖目标为22度，采暖用户A2的供暖目标为20度。此时，采暖用户A1的控制器可以根据采暖用户A1的供暖目标和小区楼A所处环境的气象参数为采暖用户A1预测动态供暖热负荷；采暖用户A2的控制器可以根据采暖用户A2的供暖目标和小区楼A所处环境的气象参数为采暖用户A2预测动态供暖热负荷。通过上述处理方式，能够满足在同一个小区楼内，不同用户之间的温度是不相同的，从而能够满足不同用户的供暖需求，还能够进一步地节省能源。
[0109] 在一个可选的实施例中，基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷包括如下步骤：
[0110] 首先，调取目标神经网络，其中，所述目标神经网络为预先训练完成的神经网络；
[0111] 然后，将所述室外气象数据和所述供暖目标作为所述目标神经网络的输入，以使所述目标神经网络对所述室外气象数据和所述供暖目标进行处理，并输出所述动态供暖热负荷。
[0112] 在本发明实施例中，在获取到室外气象数据和供暖目标之后，控制器就可以调取目标神经网络。然后将室外气象数据和所述供暖目标作为目标神经网络的输入，以使该目标神经网络对室外气象数据和所述供暖目标进行处理，并输出动态供暖热负荷，以实现不同用户之间的个性化供热需求。
[0113] 可选地，所述目标神经网络的表示为以下公式：
[0114]
[0115] 其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层的神经元节点值；yj,in为所述目标神经网络中第j个隐含层神经元节点的输入值，yj,out为所述目标神经网络中第j个隐含层神经元节点的输出值；wi,j为所述目标神经网络中的第i个输入层神经元节点到第j个隐含层神经元节点的计算权重；uj为所述目标神经网络中第j个隐含层神经元节点到输出层神经元节点的计算权重；Qin和Qout分别是输出层神经元节点的输入值和输出值，其中，所述输出值为预测的所述动态供暖热负荷。
[0116] 在得到动态供暖热负荷之后，就可以基于动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号。
[0117] 可选地，步骤S104，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号包括如下步骤：
[0118] 步骤S1041，将所述动态供暖热负荷和所述供热量数据进行对比，以确定所述动态供暖热负荷和所述供热量数据之间的偏差值；
[0119] 步骤S1042，通过PID算法或者模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息；
[0120] 步骤S1043，基于所述开度信息和所述通断时间信息生成对目标阀门进行控制的控制信号。
[0121] 在本发明实施例中，控制器在获取到动态供暖热负荷之后，首先控制器将动态供暖热负荷与从供热表获取到的供热量数据进行对比，进而，根据对比结果确定动态供暖热负荷和所述供热量数据之间的偏差值。接下来，PID算法或者模糊控制算法对该偏差值进行处理，处理得到开度信息和通断时间信息(例如，通断时间比)。最后，基于该开度信息和通断时间信息生成对目标阀门进行控制的控制信号。
[0122] 在生成控制信号之后，就可以将控制信号发送至目标阀门，以使该目标阀门(即，水流量控制阀)获取控制器给出的控制信号，将阀门开度调节到所需开度、或者将阀门通断状态调整为所需状态。
[0123] 可选地，通过PID算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息包括：
[0124] 通过PID算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：
[0125]
[0126] 其中，V为所述目标阀门的开度信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；TI为积分时间；TD为微分时间；τ为时间。
[0127] 可选地，通过模糊控制算法对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息包括：
[0128] 通过模糊控制算法的计算公式对所述偏差值进行处理，以得到所述开度信息和所述通断时间信息：
[0129]
[0130] 其中，V为所述通断时间信息；K为比例放大系数；Qp为预测出的所述动态供暖热负荷；Qm为热量表测得的所述供热量数据；τ为时间，fuzzy为模糊函数。
[0131] 在本发明实施例中，在调取目标神经网络之前，所述方法还包括：对所述目标神经网络进行训练，以确定所述目标神经网络中各个神经元节点之间的权重系数，具体包括：
[0132] 通过迭代公式所述目标神经网络进行迭代训练，以确定所述权重系数，所述迭代公式为
[0133] 其中，i＝1,2,…,n，n为所述目标神经网络的输入节点数；j＝1,2,…,m，m为所述目标神经网络的隐含层节点数；xi为所述目标神经网络中第i个输入层神经元节点值；yj,out为所述目标神经网络中第j个隐含层神经元节点的输输出值； 和 分别为所述第j个隐含层神经元节点到输出层神经元节点的计算权重在第N次和第N+1次迭代训练的值； 和分别是所述第i个输入层神经元节点到所述第j个隐含层神经元节点的计算权重在第N
次和第N+1次迭代训练的值；η是迭代效率系数；δ为所述输出层神经元节点的输出值与期望值的偏差函数对输出层节点权重的偏导数。
[0134] 如图4所示的为神经网络的结构示意图。在本发明实施例中，在该控制器使用之前，通过预调试数据，对目标神经网络进行训练，确定目标神经网络中各个神经元节点间的权重系数。例如，图4所示的目标神经网络包括六个节点的输入层401、两个节点的隐含层402和一个节点的输出层403。六个输入层节点可以包括室外气温、太阳辐射强度、上一时刻的供热量、室内目标温度、相邻户的供热量和风压(或者热压等)。目标神经网络训练之前，随机给出节点权重的初始值，然后使用具有初始权重的神经元网络，采用式(1)计算热负荷预测值，并与供热量数据进行对比，得到偏差值δ；然后，采用式(4)进行迭代计算，更新节点权重的数值，直至目标神经网络的预测总偏差值满足预设的精度要求，则完成目标神经网络的训练。
[0135] 在一个可选的实施例中，该方法还包括：获取邻间传热数据，其中，所述邻间传热数据为所述目标采暖用户与其相邻的采暖用户之间的传热数据；基于获取到的目标采暖用户所处环境的室外气象数据和所述目标采暖用户的供暖目标预测动态供暖热负荷还包括：基于所述邻间传热数据，所述室外气象数据和所述目标采暖用户的供暖目标预测所述动态供暖热负荷。
[0136] 在本发明实施例中，控制器还可以获取与目标采暖用户相邻的采暖用户之间的传热数据；然后，基于邻间传热数据，室外气象数据和目标采暖用户的供暖目标预测所述动态供暖热负荷。
[0137] 可选地，控制器还可以将邻间传热数据，室外气象数据和目标采暖用户的供暖目标作为上述目标神经网络的输入，以使目标神经网络对邻间传热数据，室外气象数据和目标采暖用户的供暖目标进行预测，得到动态供暖热负荷。
[0138] 综上所述，在本发明实施例中，控制器可以基于室外气象数据对目标采暖用户预测动态供暖热负荷；还可以基于室外气象数据和目标采暖用户的供暖目标预测目标采暖用户预测动态供暖热负荷；还可以基于邻间传热数据，室外气象数据和目标采暖用户的供暖目标预测目标采暖用户预测动态供暖热负荷。也就是说，可以通过邻间传热数据，室外气象数据和目标采暖用户的供暖目标中的至少之一来预测动态供暖热负荷，以保证不同用户的不同需求，满足多种应用场景。
[0139] 综上，本发明实施例提出了一种基于建筑负荷预测的供热方法，该方法基于建筑负荷预测和热量表数据进行分户精准供热控制。该方法采用神经网络方法通过室外气象参数、室内目标温度预测动态供暖热负荷；通过读取已有热量表测得的供热量数据与预测热负荷比较，通过PID算法或模糊算法等方法，计算供暖水量调节阀的开度或者通断时间比，通过改变供暖水量来调节供给用户的热量的大小达到预测的热负荷，实现了对热量表闲置资源的利用、满足了不同室内温度的需求、避免了过冷过热、提高了热舒适水平、避免了供热能源的浪费。
[0140] 下面以一个具体实施例对上述方法进行介绍。
[0141] 表1
[0142]
[0143] 如下表1所示的是在XXXXX部队(10X医院)的经济适用房采用本发明实施例所提供的方法和系统进行供热时的供热数据。在表1中，2013～2014年度该经济适用房的供热是由物业管理，2014～2015年度和2015～2016年度该经济适用房的供热是采用本发明实施例所提供的方法和系统来实现的。也就是说，2013～2014年度的供热数据为未采用本发明实施例所提供的方法和系统所得到供热数据；，2014～2015年度和2015～2016年度的供热数据为采用本发明实施例所提供的方法和系统得到的供热数据。如表1所示，供热数据包括供暖面积，实际耗能，其中，供暖面积包括配套建筑面积和供暖建筑面积；实际耗能包括供暖率，实供暖时间，实际年供热量，整个供暖季供热量和整个供暖季供电量。通过该表可知，2013～2014年度，2014～2015年度和2015～2016年度的供暖面积，供暖率和供暖天数都是逐年增长的趋势。但是，实际年供热量，整个供暖季供热量和整个供暖季供电量是逐年下降的。通过对表1中的数据进行分析可知，采用本发明所述技术调整分户流量，热量节能量约
24％，电耗约节约60％。也即，在本发明实施例中，通过负荷预测和热量表的测量数据可以实现分户按需精准供热，满足不同供热用户的不同室温需求，还可以避免过冷过热的问题，从而提高舒适水平，以避免供热能源浪费，进而缓解了现有技术中无法动态的为采暖用户进行室内温度调节的技术问题。
[0144] 实施例三：
[0145] 本发明实施例还提供了一种基于建筑负荷预测的供热装置，该基于建筑负荷预测的供热装置主要用于执行本发明实施例上述内容所提供的基于建筑负荷预测的供热方法，以下对本发明实施例提供的基于建筑负荷预测的供热装置做具体介绍。
[0146] 图5是根据本发明实施例的一种基于建筑负荷预测的供热装置的示意图，如图5所示，该基于建筑负荷预测的供热装置主要包括预测单元10，生成单元20和发送单元30，其中：
[0147] 预测单元10，用于基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；
[0148] 生成单元20，用于基于所述动态供暖热负荷和热计量表实际检测的供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；
[0149] 发送单元30，用于向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。
[0150] 在本发明实施例中，首先，基于获取到的目标采暖用户所处环境的室外气象数据预测动态供暖热负荷，其中，所述动态供暖热负荷为预测出的所述目标采暖用户的供热需求；然后，基于所述动态供暖热负荷和供热量数据生成对目标阀门进行控制的控制信号，其中，所述控制信号中携带开度信息和/或通断时间信息，所述目标阀门为对所述目标采暖用户的供暖水流量进行控制的阀门；最后，向所述目标阀门发送所述控制信号，以使所述目标阀门按照所述控制信号执行相应的动作。在本发明实施例中，通过负荷预测和热量表的测量数据可以实现分户按需精准供热，满足不同供热用户的不同室温需求，还可以避免过冷过热的问题，从而提高舒适水平，以避免供热能源浪费，进而解决了现有室温测温设施安装位置不同导致测温偏差问题及用户对测温装置干扰问题，以及供热公司能满足对不同用户不同室温需求实现按需供热的技术问题。
[0151] 另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0152] 在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0153] 本发明实施例所提供的一种基于建筑负荷预测的供热方法、装置和系统的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
[0154] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0155] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0156] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0157] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0158] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0159] 最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
