开云优惠体育网页版入口

专利名称：一种基于智能调节阀的供热控制方法及系统

专利类型：发明专利

专利申请号：CN202311781797.9

专利申请（专利权）人：西藏中环热力技术有限公司
权利人地址：西藏自治区拉萨市柳梧新区国际总部城9号楼3层302室

专利发明（设计）人：郑志强,朱光峰

专利摘要：本发明涉及数据处理技术领域，具体涉及一种基于智能调节阀的供热控制方法及系统，包括：采集若干个温度数据序列，获取每个温度数据序列中每个温度数据的异常程度，再获取每个温度数据序列中每个温度数据的最终异常程度，从而得到每个温度数据序列中每个温度数据的平滑权重，由此获取每个温度数据序列中当前时刻数据的平滑温度值，用以完成每个温度数据序列对应的智能调节阀的供热控制。本发明通过自适应每个温度数据序列中当前时刻数据的平滑系数，提高了当前时刻数据的平滑去噪效果，保障了当前时刻数据的平滑温度值的可信度，从而提高了智能调节阀的供热控制效果。

主权利要求：
1.一种基于智能调节阀的供热控制方法，其特征在于，该方法包括以下步骤：
使用同一栋楼内每个用户的智能调节阀中的温度传感器，在之前任意时刻到当前时刻内，分别采集多个用户的入户水温数据，得到若干个温度数据序列；根据所有温度数据序列中温度数据之间的差异，得到每个温度数据序列中每个温度数据的异常程度；
在所有温度数据序列中，根据相同时刻上温度数据之间的差异、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度；
根据每个温度数据序列中温度数据之间的差异、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个温度数据序列中每个温度数据的平滑权重；
根据每个温度数据序列中所有温度数据的平滑权重，得到每个温度数据序列中当前时刻数据的平滑温度值；根据每个温度数据序列中当前时刻数据的平滑温度值，完成每个温度数据序列对应的智能调节阀的供热控制；
所述根据所有温度数据序列中温度数据之间的差异，得到每个温度数据序列中每个温度数据的异常程度，包括的具体步骤如下：在所有温度数据序列中，将任意一个温度数据序列，记为目标序列；将除目标序列之外的其它温度数据序列，记为参考序列；
根据目标序列中温度数据之间的差异、目标序列中每个温度数据分别与所有参考序列的差异，得到目标序列中每个温度数据的异常程度；
所述根据目标序列中温度数据之间的差异、目标序列中每个温度数据分别与所有参考序列的差异，得到目标序列中每个温度数据的异常程度对应的具体计算公式为：其中pi为目标序列中第i个温度数据的异常程度，Fi为目标序列中第i个温度数据，为目标序列中所有温度数据的均值，n为参考序列的数量， 为第b个参考序列中所有温度数据的均值，S为目标序列中所有温度数据的方差，||为绝对值函数，Norm()为线性归一化函数；
所述在所有温度数据序列中，根据相同时刻上温度数据之间的差异、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度，包括的具体步骤如下：在每个相同时刻上，根据目标序列分别与所有参考序列中温度数据的异常程度之间差异，得到目标序列中每个温度数据的异常程度差异值；
根据目标序列中每个温度数据的异常程度差异值、目标序列与所有参考序列中相同时刻上温度数据之间的差异，得到目标序列中每个温度数据的最终异常程度；
所述根据目标序列中每个温度数据的异常程度差异值、目标序列与所有参考序列中相同时刻上温度数据之间的差异，得到目标序列中每个温度数据的最终异常程度对应的具体计算公式为：其中qi为目标序列中第i个温度数据的最终异常程度，c为预设的数量阈值，Si±c为目标′序列中第i?c到第i+c个温度数据的方差，Fi±c为目标序列中第i?c到第i+c个温度数据的均′值，n为参考序列的数量，Sb,i±c为第b个参考序列中第i?c到第i+c个温度数据的方差，Fb ,i±c为第b个参考序列中第i?c到第i+c个温度数据的均值，pi为目标序列中第i个温度数据的异常程度，pb,i为第b个参考序列中第i个温度数据的异常程度，||为绝对值函数，Norm()为线性归一化函数， 为目标序列中第i个温度数据的异常程度差异值；
所述根据每个温度数据序列中温度数据之间的差异、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个温度数据序列中每个温度数据的平滑权重，包括的具体步骤如下：根据目标序列中温度数据之间的差异，得到目标序列中每个温度数据的整体差异值；
根据目标序列中每个温度数据的整体差异值、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个目标序列中每个温度数据的平滑权重；
所述根据目标序列中每个温度数据的整体差异值、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个目标序列中每个温度数据的平滑权重对应的具体计算公式为：其中εi为目标序列中第i个温度数据的平滑权重，qi为目标序列中第i个温度数据的最′ ′终异常程度，qi为所有温度数据序列中的第i个温度数据的最终异常程度的均值，Si为所有温度数据序列中的第i个温度数据的最终异常程度的方差，Fi为目标序列中第i个温度数据，为目标序列中所有温度数据的均值，||为绝对值函数，Norm()为线性归一化函数，为目标序列中第i个温度数据的整体差异值；
所述根据每个温度数据序列中所有温度数据的平滑权重，得到每个温度数据序列中当前时刻数据的平滑温度值，包括的具体步骤如下：将目标序列中最后一个温度数据，记为当前时刻数据；
将目标序列中除最后一个之外的其它温度数据，记为历史数据；
在目标序列中，计算所有历史数据的平滑权重的均值，再计算所述均值与当前时刻数据的平滑权重的和值，将当前时刻数据的平滑权重除以所述和值的商，记为当前时刻数据的平滑系数；
根据目标序列中当前时刻数据的平滑系数，使用双指数平滑算法进行平滑去噪处理，得到目标序列中当前时刻数据的平滑温度值。
2.根据权利要求1所述一种基于智能调节阀的供热控制方法，其特征在于，所述根据每个温度数据序列中当前时刻数据的平滑温度值，完成每个温度数据序列对应的智能调节阀的供热控制，包括的具体步骤如下：将目标序列对应的智能调节阀，记为目标阀；
在当前时刻上，若T≥T2，则使用目标阀调小供暖水流量；若T≤T1，则使用目标阀调大供暖水流量；若T1
其中T为目标序列中当前时刻数据的平滑温度值，T1为预设的最小温度，T2为预设的最大温度。
3.一种基于智能调节阀的供热控制系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1?2任一项所述的一种基于智能调节阀的供热控制方法的步骤。 说明书 : 一种基于智能调节阀的供热控制方法及系统技术领域[0001] 本发明涉及数据处理技术领域，具体涉及一种基于智能调节阀的供热控制方法及系统。背景技术[0002] 智能调节阀通常采用电动或电磁执行机构，可以通过控制信号精确地调整阀门的开合程度，从而调节流体的流量。供暖站为了能够准确的监测每个用户的供暖温度，会通过智能调节阀上的温度传感器来监测供暖温度，然后通过调节阀俩调节供水流量，从而保障供暖温度在正常的范围内。但是在对温度数据进行监测时，采集到的温度数据，可能会受到各种噪声的干扰，当前常使用双指数平滑算法对采集的温度数据进行滤波去噪。[0003] 现有的问题：噪声干扰会导致采集的温度数据可信度较低，当前常用计算简单、适应性强的双指数平滑算法进行去噪处理，但当该算法的平滑系数选取不合适时，会导致去噪后的数据偏向于噪声干扰较大的历史数据或者当前时刻数据，从而导致滤波去噪的效果较差，令温度数据的分析结果可信度降低，由此减小了供热控制的效果。发明内容[0004] 本发明提供一种基于智能调节阀的供热控制方法及系统，以解决现有的问题。[0005] 本发明的一种基于智能调节阀的供热控制方法及系统采用如下技术方案：[0006] 本发明一个实施例提供了一种基于智能调节阀的供热控制方法，该方法包括以下步骤：[0007] 使用同一栋楼内每个用户的智能调节阀中的温度传感器，在之前任意时刻到当前时刻内，分别采集多个用户的入户水温数据，得到若干个温度数据序列；根据所有温度数据序列中温度数据之间的差异，得到每个温度数据序列中每个温度数据的异常程度；[0008] 在所有温度数据序列中，根据相同时刻上温度数据之间的差异、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度；[0009] 根据每个温度数据序列中温度数据之间的差异、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个温度数据序列中每个温度数据的平滑权重；[0010] 根据每个温度数据序列中所有温度数据的平滑权重，得到每个温度数据序列中当前时刻数据的平滑温度值；根据每个温度数据序列中当前时刻数据的平滑温度值，完成每个温度数据序列对应的智能调节阀的供热控制。[0011] 进一步地，所述根据所有温度数据序列中温度数据之间的差异，得到每个温度数据序列中每个温度数据的异常程度，包括的具体步骤如下：[0012] 在所有温度数据序列中，将任意一个温度数据序列，记为目标序列；将除目标序列之外的其它温度数据序列，记为参考序列；[0013] 根据目标序列中温度数据之间的差异、目标序列中每个温度数据分别与所有参考序列的差异，得到目标序列中每个温度数据的异常程度。[0014] 进一步地，所述根据目标序列中温度数据之间的差异、目标序列中每个温度数据分别与所有参考序列的差异，得到目标序列中每个温度数据的异常程度对应的具体计算公式为：[0015][0016] 其中pi为目标序列中第i个温度数据的异常程度，Fi为目标序列中第i个温度数据，为目标序列中所有温度数据的均值，n为参考序列的数量， 为第b个参考序列中所有温度数据的均值，S为目标序列中所有温度数据的方差，||为绝对值函数，Norm()为线性归一化函数。[0017] 进一步地，所述在所有温度数据序列中，根据相同时刻上温度数据之间的差异、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度，包括的具体步骤如下：[0018] 在每个相同时刻上，根据目标序列分别与所有参考序列中温度数据的异常程度之间差异，得到目标序列中每个温度数据的异常程度差异值；[0019] 根据目标序列中每个温度数据的异常程度差异值、目标序列与所有参考序列中相同时刻上温度数据之间的差异，得到目标序列中每个温度数据的最终异常程度。[0020] 进一步地，所述根据目标序列中每个温度数据的异常程度差异值、目标序列与所有参考序列中相同时刻上温度数据之间的差异，得到目标序列中每个温度数据的最终异常程度对应的具体计算公式为：[0021][0022] 其中qi为目标序列中第i个温度数据的最终异常程度，c为预设的数量阈值，Si±c为′目标序列中第i?c到第i+c个温度数据的方差，Fi±c为目标序列中第i?c到第i+c个温度数据的均值，n为参考序列的数量，Sb,i±c为第b个参考序列中第i?c到第i+c个温度数据的方差，′Fb ,i±c为第b个参考序列中第i?c到第i+c个温度数据的均值，pi为目标序列中第i个温度数据的异常程度，pb,i为第b个参考序列中第i个温度数据的异常程度，||为绝对值函数，Norm()为线性归一化函数， 为目标序列中第i个温度数据的异常程度差异值。[0023] 进一步地，所述根据每个温度数据序列中温度数据之间的差异、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个温度数据序列中每个温度数据的平滑权重，包括的具体步骤如下：[0024] 根据目标序列中温度数据之间的差异，得到目标序列中每个温度数据的整体差异值；[0025] 根据目标序列中每个温度数据的整体差异值、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个目标序列中每个温度数据的平滑权重。[0026] 进一步地，所述根据目标序列中每个温度数据的整体差异值、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个目标序列中每个温度数据的平滑权重对应的具体计算公式为：[0027][0028] 其中εi为目标序列中第i个温度数据的平滑权重，qi为目标序列中第i个温度数据′ ′的最终异常程度，qi 为所有温度数据序列中的第i个温度数据的最终异常程度的均值，Si为所有温度数据序列中的第i个温度数据的最终异常程度的方差，Fi为目标序列中第i个温度数据，为目标序列中所有温度数据的均值，||为绝对值函数，Norm()为线性归一化函数， 为目标序列中第i个温度数据的整体差异值。[0029] 进一步地，所述根据每个温度数据序列中所有温度数据的平滑权重，得到每个温度数据序列中当前时刻数据的平滑温度值，包括的具体步骤如下：[0030] 将目标序列中最后一个温度数据，记为当前时刻数据；[0031] 将目标序列中除最后一个之外的其它温度数据，记为历史数据；[0032] 在目标序列中，计算所有历史数据的平滑权重的均值，再计算所述均值与当前时刻数据的平滑权重的和值，将当前时刻数据的平滑权重除以所述和值的商，记为当前时刻数据的平滑系数；[0033] 根据目标序列中当前时刻数据的平滑系数，使用双指数平滑算法进行平滑去噪处理，得到目标序列中当前时刻数据的平滑温度值。[0034] 进一步地，所述根据每个温度数据序列中当前时刻数据的平滑温度值，完成每个温度数据序列对应的智能调节阀的供热控制，包括的具体步骤如下：[0035] 将目标序列对应的智能调节阀，记为目标阀；[0036] 在当前时刻上，若T≥T2，则使用目标阀调小供暖水流量；若T≤T1，则使用目标阀调大供暖水流量；若T1[0037] 其中T为目标序列中当前时刻数据的平滑温度值，T1为预设的最小温度，T2为预设的最大温度。[0038] 本发明还提出了一种基于智能调节阀的供热控制系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种基于智能调节阀的供热控制方法的步骤。[0039] 本发明的技术方案的有益效果是：[0040] 本发明实施例中，采集若干个温度数据序列，获取每个温度数据序列中每个温度数据的异常程度，由此初步分析异常程度较大的温度数据，提高了后续噪声数据检测的准确性。根据所有温度数据序列中相同时刻上温度数据、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度，其通过区分噪声干扰和水温本身的变化，进一步提高了后续噪声数据检测的准确性。获取每个温度数据序列中每个温度数据的平滑权重，其通过赋予大概率为噪声的温度数据较小的权重，减小噪声干扰。由此获取每个温度数据序列中当前时刻数据的平滑温度值，用以完成每个温度数据序列对应的智能调节阀的供热控制。至此本发明通过自适应每个温度数据序列中当前时刻数据的平滑系数，提高了当前时刻数据的平滑去噪效果，保障了当前时刻数据的平滑温度值的可信度，从而提高了智能调节阀的供热控制效果。附图说明[0041] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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。[0042] 图1为本发明一种基于智能调节阀的供热控制方法的步骤流程图。具体实施方式[0043] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于智能调节阀的供热控制方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0044] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0045] 下面结合附图具体的说明本发明所提供的一种基于智能调节阀的供热控制方法及系统的具体方案。[0046] 请参阅图1，其示出了本发明一个实施例提供的一种基于智能调节阀的供热控制方法的步骤流程图，该方法包括以下步骤：[0047] 步骤S001：使用同一栋楼内每个用户的智能调节阀中的温度传感器，在之前任意时刻到当前时刻内，分别采集多个用户的入户水温数据，得到若干个温度数据序列；根据所有温度数据序列中温度数据之间的差异，得到每个温度数据序列中每个温度数据的异常程度。[0048] 本实施例的主要目的是为了根据供暖的温度监测数据的变化对调节阀进行智能控制，保障供暖温度在正常的范围内，但是在采集每个用户的温度数据时，采集的数据受到噪声的影响，需要对获得的温度监测数据进行去噪处理。[0049] 使用同一栋楼内每个用户的智能调节阀中的温度传感器，在之前任意时刻到当前时刻内，分别采集多个用户的入户水温数据，得到若干个温度数据序列。[0050] 所需说明的是：所述温度数据序列为时序数据序列，所述温度数据序列中的温度数据采样频率为5分钟一次，采集时长为2小时，以此为例进行叙述，其它实施方式中可设置为其它采样频率和采集时长，本实施例不进行限定。[0051] 在根据每个用户的水温监测数据对调节阀进行智能控制时，因为供热站将水加热到一定温度后，再将水通过主管道输送到每一个小区中，然后通过叉分管道输送到每个用户家中。由于水在流动的过程中会造成热量的损失，导致不同的楼层的入户水温可能存在一定的差异，而为了使得居民的供暖体感温度都相近，因此需要智能调节阀来调节水的流量，流量越大，入户的水就会越多，因此室内温度就会越高。但是在对水温数据进行监测时，可能会因为其他的原因导致入户的水温出现波动变化，那么就需要根据多组入户水温数据的变化，来获得因为本身水温数据的波动导致的数据点的异常，从而来对数据点赋予不同的平滑权重，从而能够对水温监测数据进行准确的去噪。[0052] 已知双指数平滑算法在对时序数据进行去噪时，与简单指数平滑只考虑过去观测值的平均值不同，双重指数平滑引入了趋势项，以适应数据中的线性趋势，根据数据的线性变化对数据进行趋势拟合，从而来对数据进行去噪。但是该算法对异常值比较敏感，可能会受到极端观测值的影响，若原始数据存在极值，则在对数据进行拟合时，会造成拟合数据的偏移，从而导致平滑去噪后的数据不准确，因此需要先对温度数据序列进行分析，来获得数据中存在的异常数据点，然后在根据多组监测数据进行相关性分析，来对异常数据点进行识别，获得不同数据点的变化权重，进而对温度数据序列进行平滑去噪。[0053] 在所有温度数据序列中，将任意一个温度数据序列，记为目标序列，将除目标序列之外的其它温度数据序列，记为参考序列。由此可根据目标序列中温度数据的变化，来获得目标序列中可能存在的异常数据点。[0054] 以目标序列中第i个温度数据为例，故目标序列中第i个温度数据的异常程度的计算公式为：[0055][0056] 其中pi为目标序列中第i个温度数据的异常程度，Fi为目标序列中第i个温度数据，为目标序列中所有温度数据的均值，n为参考序列的数量， 为第b个参考序列中所有温度数据的均值，S为目标序列中所有温度数据的方差，||为绝对值函数，Norm()为线性归一化函数，将数据值归一化至[0,1]区间内。[0057] 所需说明的是： 为目标序列中第i个温度数据的整体差异值，体现了目标序列中第i个温度数据与目标序列的温度数据均值的差异，其值越大，说明目标序列中第i个温度数据的异常程度越大。 为目标序列中第i个温度数据与第b个参考序列的温度数据均值的差异，已知在采集温度数据时，每个用户的水温数据为一个温度数据序列，而一栋楼有多户，因此会获得多个温度数据序列，在计算目标序列中的温度数据的异常程度时，除了比较目标序列中温度数据之间的差异，还需要与参考序列中的温度数据进行比较，由此用 表示温度数据序列之间的差异程度，差异程度越大，说明温度数据序列之间的差异越大，公式中分母内加1，是为了防止分母为0。 表示目标序列中第i个温度数据在目标序列的温度数据方差中的贡献度， 越大，说明目标序列中第i个温度数据的贡献度越大，则其越异常，因此用 和 的乘积，表示目标序列中第i个温度数据的异常程度。[0058] 按照上述方式，得到每个温度数据序列中每个温度数据的异常程度。[0059] 步骤S002：在所有温度数据序列中，根据相同时刻上温度数据之间的差异、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度。[0060] 已知造成温度数据的异常程度较大，可能是因为噪声引起的波动异常，也可能是因为在供热的过程中水温变化导致监测数据出现波动异常，因此需要进一步分析温度数据的异常程度是否由噪声引起。由于水温变化会引起所有温度传感器监测数据发生变化，而噪声是随机的，故温度数据的异常在程度多组温度数据序列中不具有对应关系，因此可通过分析多组温度数据序列中对应的温度数据的变化，来获得每个温度数据的最终异常程度。[0061] 本实施例预设的数量阈值c为5，以此为例进行叙述，其它实施方式中可设置为其它值，本实施例不进行限定。[0062] 仍以目标序列中第i个温度数据为例，则目标序列中第i个温度数据的最终异常程度的计算公式为：[0063][0064] 其中qi为目标序列中第i个温度数据的最终异常程度，c为预设的数量阈值，Si±c为′目标序列中第i?c到第i+c个温度数据的方差，Fi±c为目标序列中第i?c到第i+c个温度数据的均值，n为参考序列的数量，Sb,i±c为第b个参考序列中第i?c到第i+c个温度数据的方差，′Fb ,i±c为第b个参考序列中第i?c到第i+c个温度数据的均值，pi为目标序列中第i个温度数据的异常程度，pb,i为第b个参考序列中第i个温度数据的异常程度。||为绝对值函数，Norm()为线性归一化函数，将数据值归一化至[0,1]区间内。[0065] 所需说明的是： 为目标序列中第i个温度数据的异常程度差异值，体现了目标序列与所有参考序列在相同时刻上的温度数据的异常程度的差异，若为水温本身的变化，则其值应接近于0，当其值越大时，则说明异常是由噪声引起的可能程度越大，即最终异常程度应越大。然后分析每个温度数据在序列中的局部区域内的数据变化，本实施例中c为5，故取温度数据序列中每个温度数据和其左侧五个温度数据、右侧五个温度数据构成该温度数据的局部区域，当左侧或者右侧不满足五个时，则只取存在的温度数据′进行分析。Si±c×Fi±c表示目标序列中第i个温度数据的局部区域内的数据变化程度，表示所有参考序列中第i个温度数据的局部区域内的数据变化程′度，故Si±c×Fi±c和 的差异越大，说明目标序列中第i个温度数据的异常是噪声造成的可能性越大，由此用 和的乘积的归一化值，表示目标序列中第i个温度数据的最终异常程度。[0066] 按照上述方式，得到每个温度数据序列中每个温度数据的最终异常程度。[0067] 步骤S003：根据每个温度数据序列中温度数据之间的差异、所有温度数据序列中相同时刻上温度数据的最终异常程度之间的差异，得到每个温度数据序列中每个温度数据的平滑权重。[0068] 当前已经根据各温度数据序列之间的差异、各温度数据序列的局部范围之间的差异，获取了每个温度数据的最终异常程度，当最终异常程度越大，说明该温度数据为噪声的可能性越大，噪声干扰越大，因此需要赋予较小的平滑权重，减小噪声影响。在确定目标序列中每个温度数据的平滑权重时，也需要比较不同温度数据序列的数据变化，根据每个温度数据对应的多组温度数据序列中数据变化以及自身数据的变化，来获得平滑权重。[0069] 仍以目标序列中第i个温度数据为例，则目标序列中第i个温度数据的平滑权重的计算公式为：[0070][0071] 其中εi为目标序列中第i个温度数据的平滑权重，qi为目标序列中第i个温度数据′ ′的最终异常程度，qi 为所有温度数据序列中的第i个温度数据的最终异常程度的均值，Si为所有温度数据序列中的第i个温度数据的最终异常程度的方差，Fi为目标序列中第i个温度数据，为目标序列中所有温度数据的均值，||为绝对值函数，Norm()为线性归一化函数，将数据值归一化至[0,1]区间内。[0072] 所需说明的是：Si′越大，说明所有温度数据序列中同一时刻上的温度数据的最终异常程度之间的差异越大，而 越大，说明是目标序列中第i个温度数据的最终异常程′度造成Si较大，故目标序列中第i个温度数据越异常， 为目标序列中第i个温度数据的整体差异值， 越大，说明目标序列中第i个温度数据在目标序列中的差异越大。因此 越大，目标序列中第i个温度数据需要越小的平滑权重。[0073] 按照上述方式，得到目标序列中每个温度数据的平滑权重。[0074] 步骤S004：根据每个温度数据序列中所有温度数据的平滑权重，得到每个温度数据序列中当前时刻数据的平滑温度值；根据每个温度数据序列中当前时刻数据的平滑温度值，完成每个温度数据序列对应的智能调节阀的供热控制。[0075] 已知平滑系数为双指数平滑算法的主要参数，当前时刻数据越可信时，平滑系数应越大，即令平滑后的数据偏向于当前时刻数据。历史数据越可信时，平滑系数应越。戳钇交蟮氖萜蛴诶肥。[0076] 由于温度数据序列采集的是，之前任意时刻到当前时刻内的入户水温数据，故在目标序列中，将最后一个温度数据，记为当前时刻数据，将目标序列中除最后一个之外的其它温度数据，记为历史数据。[0077] 因此在目标序列中，计算所有历史数据的平滑权重的均值，再计算所述均值与当前时刻数据的平滑权重的和值，将当前时刻数据的平滑权重除以所述和值的商，记为当前时刻数据的平滑系数。[0078] 在目标序列中，根据当前时刻数据的平滑系数，使用双指数平滑算法进行平滑去噪处理，得到当前时刻数据的平滑温度值T。其中双指数平滑算法为公知技术，具体方法在此不做介绍。[0079] 已知在一般家庭暖气系统中，供暖水的温度通常在摄氏60到80度之间，这个温度范围可以确保在整个房屋内提供舒适的温暖，同时也有助于节能和系统稳定运行。因此本实施例预设的最小温度T1为60摄氏度，预设的最大温度T2为80摄氏度。以此为例进行叙述，其它实施方式中可设置为其它值，本实施例不进行限定。[0080] 将目标序列对应的智能调节阀，记为目标阀。[0081] 在当前时刻上，若T≥T2，则使用目标阀调小供暖水流量。若T≤T1，则使用目标阀调大供暖水流量。若T1[0082] 其中，T为目标序列中当前时刻数据的平滑温度值，T1为预设的最小温度，T2为预设的最大温度。[0083] 由此完成目标阀的供热控制，按照上述方式，可实现所有温度数据序列对应的智能调节阀的供热控制。[0084] 至此，本发明完成。[0085] 综上所述，在本发明实施例中，采集若干个温度数据序列，获取每个温度数据序列中每个温度数据的异常程度，根据所有温度数据序列中相同时刻上温度数据、温度数据的异常程度之间差异，得到每个温度数据序列中每个温度数据的最终异常程度，从而得到每个温度数据序列中每个温度数据的平滑权重。由此获取每个温度数据序列中当前时刻数据的平滑温度值，用以完成每个温度数据序列对应的智能调节阀的供热控制。本发明通过自适应每个温度数据序列中当前时刻数据的平滑系数，提高了当前时刻数据的平滑去噪效果，保障了当前时刻数据的平滑温度值的可信度，从而提高了智能调节阀的供热控制效果。[0086] 本发明还提供了一种基于智能调节阀的供热控制系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种基于智能调节阀的供热控制方法的步骤。[0087] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

专利地区：西藏

专利申请日期：2023-12-22

专利公开日期：2024-07-19

专利公告号：CN117739405B