买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国建筑科学研究院有限公司

摘要：真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法，涉及热负荷预测技术领域。解决了现有的热负荷预测方法获得的预测数据不是真实负荷数据的问题。真实热力数据的获取方法：获取热力站的历史热力数据，对所述历史热力数据进行预处理，得到室内设计温度、室内实际温度和供热监测数据；根据所述室内实际温度，得到平均室内实际温度；根据所述室内设计温度和所述平均室内实际温度，得到过量供热率；根据所述供热监测数据和过量供热率，得到真实热力数据。根据真实热力数据得到神经网络模型，将换热站的热力数据输入到所述神经网络模型中，获得换热站的真实热负荷数据。本发明适用于热负荷的预测。

主权项：1.一种热力数据的神经网络模型构建方法，其特征在于，所述神经网络模型是采用真实热力数据获得的，所述真实热力数据获取方法为：S1、获取热力站的历史热力数据，对所述历史热力数据进行预处理，得到室内设计温度、室内实际温度和供热监测数据；S2、根据所述室内实际温度，得到平均室内实际温度；S3、根据所述室内设计温度和所述平均室内实际温度，得到过量供热率；S4、根据所述供热监测数据和过量供热率，得到真实热力数据；所述神经网络模型构建方法为：A1、建立人工神经网络，并对所述人工神经网络进行初始化，获得初始人工神经网络；A2、设置所述初始人工神经网络的准确率和最大学习次数，获得准确率和最大学习次数；A3、对所述初始人工神经网络进行赋予权重，并根据所述真实热力数据进行训练，获得人工神经网络的隐藏层各单元的输出值和输出层各单元的输出值；步骤A3具体为：分别将所述人工神经网络的输入层和隐藏层之间赋予权重和人工神经网络的隐藏层和输出层之间赋予权重，并根据所述真实热力数据进行训练，首先室内温度和同水温度通过与最优值相比，按照对比结果对权重进行修正，流量变化值与压差值长时间不变化，通过热惰性系数进行修正，获得人工神经网络的隐藏层各单元的输出值和输出层各单元的输出值；A4、将所述输出层各单元的输出值和隐藏层各单元的输出值与最优值进行比较，从而对所述权重进行修正，获得所述人工神经网络的准确率；A5、将所述人工神经网络的准确率与设置的准确率进行对比，获得所述人工神经网络的学习次数，将所述人工神经网络的学习次数与设置的最大学习次数进行比较；A6、当所述人工神经网络的准确率和学习次数满足要求时，训练结束，获得热力数据的神经网络模型。

全文数据：

权利要求：

百度查询： 中国建筑科学研究院有限公司 真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法