一種基于云架構的大數據自我學習修正控制系統及方法技術方案

一種基于云架構的大數據自我學習修正控制系統，包括：供熱云平臺系統、供熱末端控制系統和服務器；供熱云平臺系統集成有大數據分析系統，供熱云平臺系統執行：對供熱末端控制系統所控的若干個房間分別進行房間屬性統計；針對選定房間的供水溫度、室外溫度進行周期性統計；在各個供水溫度和室外溫度條件下，根據供熱末端控制系統控制方式的影響因素對供熱末端控制系統的控制方式進行學習修正；供熱末端控制系統執行：根據房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正的控制方式對房間溫度進行調節控制。實現了不同房型、不同圍護結構、不同供水溫度及室外溫度條件下的自適應控制，以實現室溫的有效控制，達到節能效果。

A self learning control system and method for big data based on Cloud Architecture

A large data cloud architecture based on self learning correction control system, including heating system, heating end cloud platform control system and server; heating cloud platform system with integrated data analysis system, heating the implementation of cloud platform system: the number of rooms at the end of heating control system control room were attribute statistics; cycle according to the statistics of water temperature, outdoor temperature of the selected room; in different water temperature and outdoor temperature conditions, control system of heating terminal according to the influencing factors of control system of heating end of the learning correction; heating control system at the end of execution: according to the factors affecting the room property, water temperature, outdoor temperature and control mode the choice of control mode correction under corresponding conditions of room temperature control. The adaptive control of different chamber type, different enclosure structure, different water supply temperature and outdoor temperature is realized, so as to realize the effective control of room temperature and achieve the energy saving effect.

【技術實現步驟摘要】
一種基于云架構的大數據自我學習修正控制系統及方法
本專利技術涉及一種基于云架構的大數據自我學習修正控制系統及方法，屬于供熱平臺大數據分析應用、供暖末端控制技術等領域，為供暖末端房間溫度的有效、節能控制提供了新思路、新方法。
技術介紹
目前，供暖系統末端室溫控制成果中，大部分是采用室溫反饋進行不同方式的控制，該控制方法都大同小異，均采用了PID控制算法思想，即根據系統的誤差，利用比例、積分、微分計算出控制量進行控制，控制效果不理想。同時，也有一些新穎的控制方法，比如有基于模糊神經網絡的控制方法，即把神經網絡的學習與計算功能融入模糊系統來實時調整控制器中可調參數，使之適應房間溫度變化并跟蹤溫度設定值；有通過反映供熱環境的變化以及由先前加熱所獲取的數據的變化到控制中，使溫度控制系統自身能夠與供熱環境(熱源的發熱量、負載的大小、設定溫度與室溫之間的溫差)相適應的控制方法等。主要相關成果有：(1)水供暖系統控制室溫的方法和裝置(專利號：CN90100353.0)，該專利技術公開了一種用于水供暖系統的控制室溫的方法和裝置，涉及水供暖
方法的特征是：用室內溫度直接自動控制散熱器流量，克服目前樓層及陰陽面之間、區域之間溫度相差較大的缺點，實現恒溫和節能。裝置的特征是：由室溫控制和驅動工作，無需其它動力，無特殊工藝和材料，成本低，調整容易，控制散熱器的熱水流量，最終控制室內溫度。本專利技術可廣泛用于水暖系統類似的領域。(2)房間溫度控制方法(專利號：CN201210195290.0)，該專利技術公開了房間溫度控制方法，主要包括空房模式下的控制方法，進一步，還包括迎賓模式下的控制方式，以人員再次入住后，在設定的時間內獲得舒適溫度為控制目標，既能兼顧人員剛剛入住時的舒適度及滿意度又能實現空房模式下的科學控制室溫滿足空調系統的節能要求，該專利技術無需室外安裝傳感器，僅需采集空房模式下的空氣溫度及平均輻射溫度即可監測房間空氣得的得熱情況及預測開機后室溫降至舒適溫度的時間，該方法尤其適用于星級酒店客房空房模式下的室溫控制，亦可應用于其他居住建筑提前開關機時的空調預測控制。(3)基于模糊神經網絡的室溫控制算法(專利號：CN201410326973.4)，該專利技術公開了一種基于模糊神經網絡的室溫控制算法，設計一個雙輸入單輸出的模糊神經網絡控制器，通過實時檢測房間溫度跟蹤輸出與溫度設定值，結合在線學習機制實時調整控制器中可調參數，使之適應房間溫度變化并跟蹤溫度設定值。該專利技術把神經網絡的學習與計算功能融入模糊系統，將模糊系統類人的IF-Then規則嵌入神經網絡，在保持模糊控制系統較強的知識表達能力的同時又提高其自適應能力，并具有自學習能力。總體來說，以上的這些控制方法對供暖系統末端房間室溫的控制有一定的指導意義及應用價值，但仍然存在一些不足，主要表現在供熱系統的實際使用過程中，由于受樓棟房型、房間圍護結構、供水溫度及室外溫度等復雜因素影響，對于現有的離線計算模型控制方法往往存在一定的局限性，不具備適用性。
技術實現思路
本申請提供一種基于云架構的大數據自我學習修正控制系統及方法根據第一方面，一種實施例中提供一種基于云架構的大數據自我學習修正控制系統，包括供熱云平臺系統、供熱末端控制系統和服務器；服務器分別與所述供熱云平臺系統和供熱末端控制系統網絡連接，供熱云平臺系統與供熱末端控制系統網絡連接；供熱云平臺系統集成有大數據分析系統，供熱云平臺系統通過大數據分析系統執行：對供熱末端控制系統所控的若干個房間分別進行房間屬性統計；針對選定房間的供水溫度、室外溫度進行周期性統計；在各個供水溫度和室外溫度條件下，根據供熱末端控制系統控制方式的影響因素對供熱末端控制系統的控制方式進行學習修正；供熱末端控制系統執行：根據房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正控制方式對所述房間屬性對應的房間溫度進行調節控制；服務器存儲房間屬性、供水溫度、室外溫度及供熱末端控制系統的控制過程數據、控制方式和控制效果。一種實施例中，房間屬性包括圍護結構、房型結構和緯度。一種實施例中，供熱云平臺系統還執行：將所述房間屬性的統計形成房間屬性參數統計表；將所述供水溫度、室外溫度的統計形成溫度統計表；將所述控制方式的學習修正結果形成學習修正統計表。一種實施例中，學習修改統計表至少包括控制方式的影響因素、控制處理方式、控制效果、是否修正及相應的修正系數。一種實施例中，還包括顯示器，顯示器與服務器網絡連接。根據第二方面，一種實施例中提供一種基于云架構的大數據自我學習修正控制方法，包括步驟：對供熱末端控制系統所控的若干個房間分別進行房間屬性統計；針對選定房間的供水溫度、室外溫度進行周期性統計；在各個供水溫度和室外溫度條件下，根據供熱末端控制系統控制方式的影響因素對供熱末端控制系統的控制方式進行學習修正；根據房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正控制方式對房間屬性對應的房間溫度進行調節控制。一種實施例中，房間屬性包括圍護結構、房型結構和緯度。一種實施例中，針對選定房間的供水溫度、室外溫度進行周期性統計的過程中，還包括對室溫合格率進行統計的步驟。一種實施例中，根據房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正控制方式，具體為：根據房間屬性、供水溫度、室外溫度及控制方式的影響因素搜索與控制方式對應條件的修正控制方式和修正系數；將搜索的修正控制方式和修正系數發送至供熱末端控制系統的下位機控制器。依據上述實施例的自修正系統，通過大數據分析系統對不同房型結構、不同圍護結構、不同供水溫度、不同室外溫度下的供熱末端控制方式進行學習修正，待后續應用時，根據房間屬性、供水溫度、室外溫度和控制方式的影響因素即可自動搜索相應控制方式下的修正方案，以修改控制策略，實現了對不同房型、不同圍護結構、不同供水溫度及室外溫度條件下的自適應控制，以實現室溫的有效控制，且達到節能效果。附圖說明圖1為自修正系統原理圖；圖2為實施例三中的電熱執行器工作示意圖。具體實施方式下面通過具體實施方式結合附圖對本專利技術作進一步詳細說明。集中供熱系統是我國冬季采暖主要的供熱形式，截至2005年底，我國己經發展集中供熱面積近20億平方米，并且每年都在不斷的增加。而集中供熱系統是以保證末端用戶室溫作為最終目標，然而現有的末端室溫控制方法、系統中，基本上是采用離線的計算模型進行相應的控制，這種控制方法往往受到房型結構、圍護結構、供水溫度、室外溫度等影響，使得控制效果不佳，出現忽冷忽熱、舒適性差，能耗高等問題，即在實際使用過程中存在一定局限性，不具備適用性。因此，為了解決供熱系統中存在著不同房型結構、不同圍護結構、不同供水溫度、不同室外溫度等的影響，在供熱云平臺下，提出了一種集中供熱中供熱末端控制的自修正系統及方法，即利用大數據動態評價及分析技術對供熱末端的各種控制方式進行在線學習修正，實現對外界環境、不同房型及維護結構等的自適應性，達到室溫有效的控制。本專利技術具備兩個顯著的特征：其一是大數據分析學習，通過大量的學習修正歷史經驗或模型控制調節方式，記錄積累學習，后續對學習進行應用；其二是云應用，大數據分析學習方法基于云架構上，實現了不同地域、不同經緯度等各種條件下的學習及應用。本文檔來自技高網...

【技術保護點】
一種基于云架構的大數據自我學習修正控制系統，其特征在于，包括：供熱云平臺系統、供熱末端控制系統和服務器；所述服務器分別與所述供熱云平臺系統和供熱末端控制系統網絡連接，所述供熱云平臺系統與所述供熱末端控制系統網絡連接；所述供熱云平臺系統集成有大數據分析系統，所述供熱云平臺系統通過所述大數據分析系統執行：對所述供熱末端控制系統所控的若干個房間分別進行房間屬性統計；針對選定房間的供水溫度、室外溫度進行周期性統計；在各個所述供水溫度和室外溫度條件下，根據所述供熱末端控制系統控制方式的影響因素對所述供熱末端控制系統的控制方式進行學習修正；所述供熱末端控制系統執行：根據所述房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正的控制方式對房間溫度進行調節控制；所述服務器存儲所述房間屬性、供水溫度、室外溫度及所述供熱末端控制系統的控制過程數據、控制方式和控制效果。

【技術特征摘要】
1.一種基于云架構的大數據自我學習修正控制系統，其特征在于，包括：供熱云平臺系統、供熱末端控制系統和服務器；所述服務器分別與所述供熱云平臺系統和供熱末端控制系統網絡連接，所述供熱云平臺系統與所述供熱末端控制系統網絡連接；所述供熱云平臺系統集成有大數據分析系統，所述供熱云平臺系統通過所述大數據分析系統執行：對所述供熱末端控制系統所控的若干個房間分別進行房間屬性統計；針對選定房間的供水溫度、室外溫度進行周期性統計；在各個所述供水溫度和室外溫度條件下，根據所述供熱末端控制系統控制方式的影響因素對所述供熱末端控制系統的控制方式進行學習修正；所述供熱末端控制系統執行：根據所述房間屬性、供水溫度、室外溫度及控制方式的影響因素選擇對應條件下的修正的控制方式對房間溫度進行調節控制；所述服務器存儲所述房間屬性、供水溫度、室外溫度及所述供熱末端控制系統的控制過程數據、控制方式和控制效果。2.如權利要求1所述的大數據自我學習修正控制系統，其特征在于，所述房間屬性包括圍護結構、房型結構和緯度。3.如權利要求1所述的大數據自我學習修正控制系統，其特征在于，所述供熱云平臺系統還執行：將所述房間屬性的統計形成房間屬性參數統計表；將所述供水溫度、室外溫度的統計形成溫度統計表；將所述控制方式的學習修正結果形成學習修正統計表。4.如權利要求3所述的大數據自我學習修正控制系統，其特征在于，所述學習修改統計...

【專利技術屬性】
技術研發人員：趙旦，李鴻亮，肖春龍，吳宇，陳國朝，曾璘瑤，
申請(專利權)人：浙江中易和節能技術有限公司，浙江大學，
類型：發明
國別省市：浙江,33