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！

龙图腾网获悉大连理工大学申请的专利一种基于神经网络并受房间热负荷约束的室温模型预测控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115423191B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211077279.4，技术领域涉及：G06Q10/04；该发明授权一种基于神经网络并受房间热负荷约束的室温模型预测控制方法是由王海超;薄盛;吴小舟设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本一种基于神经网络并受房间热负荷约束的室温模型预测控制方法在说明书摘要公布了：本发明属于集中供暖室温控制、深度学习与自动化技术领域，提出了一种基于神经网络并受房间热负荷约束的室温模型预测控制方法。数据输入模块将气象预报数据格式转换后分别输入至热负荷区间预测模块、室内温度预测模块和散热器模块；热负荷区间预测值、室内温度预测值和散热器散热量输入至滚动优化模块；滚动优化模块在热负荷区间预测值约束下，寻找全局最优热水流量序列，第一个热水流量值传递给流量频率转换模块，输出的水泵转速再输入至水泵控制器模块；室温真实值模块将室内温度真实值返回到室内温度预测模块，继续下一时刻室内温度预测值的计算。本发明有效达到减少室内温度波动和节约能耗的目的，提升响应速度，兼具经济效益和环境效益。

本发明授权一种基于神经网络并受房间热负荷约束的室温模型预测控制方法在权利要求书中公布了：1.一种基于神经网络并受房间热负荷约束的室温模型预测控制方法，其特征在于，基于神经网络并受房间热负荷约束的室温模型预测控制方法包括数据输入模块1、热负荷区间预测模块2、室内温度预测模块3、散热器模块4、滚动优化模块5、流量转速转换模块6、水泵控制器模块7和室温真实值模块8；数据输入模块1将气象预报数据进行格式转换，格式转化后的气象预报数据集L分别输入至热负荷区间预测模块2、室内温度预测模块3和散热器模块4；热负荷区间预测模块2输出的热负荷区间预测值、室内温度预测模块3输出的室内温度预测值和散热器模块4输出的散热器散热量一并输入至滚动优化模块5；滚动优化模块5在热负荷区间预测值的约束下，寻找全局最优的热水流量序列，并将第一个热水流量值传递给流量频率转换模块6，流量频率转换模块6输出的水泵转速再输入至水泵控制器模块7；室温真实值模块8将室内温度真实值返回到室内温度预测模块3，继续下一时刻室内温度预测值的计算； k时刻数据输入模块1输出的气象预报数据集记为Lk， Lk＝{Lk+1,Lk+2,…,Lk+n,…Lk+T}1 其中，Lk表示k时刻获取的k+1至k+T时刻的气象预报数据集，T根据时间要求设置；Lk+n表示k时刻获取的k+n时刻的气象预报数据值，n为[1,T]之间的任意整数； 热负荷区间预测模块2包括热负荷预测模型和误差预测模型； 热负荷预测模型，通过输入k时刻获取的气象预报数据集Lk，对后续预测时域T内的热负荷进行点预测，获得k+1至k+T时刻的热负荷预测值并按照时刻升序进行排列获得热负荷预测值时间序列集Ak，记为， Ak＝FNN1[Lk]＝{Qk+1,Qk+2,…,Qk+n,…Qk+T}2 其中，FNN1为热负荷点预测神经网络模型，输入量为k时刻获取的气象预报数据集Lk，Ak为k时刻使用热负荷点预测神经网络模型获得的k+1至k+T时刻的热负荷预测值时间序列集，Qkk+n表示k时刻预测的k+n时刻的热负荷预测值，n为[1,T]之间的任意整数； 误差预测模型用来预测热负荷预测神经网络模型k+1至k+T时刻各预测点的误差情况，则Qkk+n的误差预测值记为， εkk+n＝|FNN2[Lk+n,Qk+n]|3 其中，FNN2为误差预测神经网络模型，输入为k时刻获取的k+n时刻的气象预报数据Lk+n和热负荷预测值Qk+n；其中，n历遍[1,T]中的整数，即得到Ak中各预测点的误差情况； 热负荷区间预测值由热负荷预测值和误差预测值两部分组成，记为， Ikk+n＝[Qk+n-εk+n,Qk+n+εk+n]4 其中，Ikk+n为k时刻预测的k+n时刻的热负荷区间，Qk+n-εk+n为热负荷区间预测的下限，Qk+n+εk+n为热负荷区间预测的上限；其中，n历遍[1,T]中的整数，即得到k+1至k+T各时刻的热负荷区间预测值； k时刻,室内温度预测模块3具体为， xk+n+1＝FNN3[Lk+n，uk+n，xk+n]5 其中，FNN3为室内温度预测神经网络模型，xk+n+1为k+n+1时刻的室温预测值，Lk+n、uk+n、xk+n分别为当k+n时刻的天气预报数据值、k+n的拟定的热水流量值和k+n预测出的室温值，n历遍[0,T-1]中的整数； 散热器模块4通过输入热水流量、供回水温差得到散热器散热量； Qrad＝FNN4[uk，Δt]6 其中，Qrad为散热器散热量，FNN4为散热器散热量神经网络预测模型，u为热水流量，Δt为散热器供回水温差，通过散热器供回水管上的温度传感器测得，Δt在每个预测时域T内不发生改变； 滚动优化模块5加入热负荷区间、设备允许流量和用户设定的室温允许值对经过散热器的热水流量进行约束，约束条件为， Qk+n-εk+n≤Qrad≤Qk+n+εk+n7 umin≤uk≤umax8 xmin≤xk≤xmax9 其中，umin为设备允许最小流量，umax为设备允许最大流量，xmin为用户设定的室温最小允许值，xmax为用户设定的室温最大允许值，Qk+n-εk+n为热负荷区间预测模块2在k时刻输出的区间I的下限，Qk+n+εk+n热负荷区间预测模块2在k时刻输出的区间I的上限； 滚动优化模块5的目标函数为， 其中，J为室温波动最小化的目标函数，T为模型预测控制的预测时域； 流量转速转换模块6用来实现水泵转速和热水流量的对应关系为， 其中，a1，a2，S为待辨识的参数，识别所需数据从历史运行数据中获得；n0和H0为选用设备的额定转速和额定转速下的扬程，Hp为管道进出口压力水头差，n为流量u对应的水泵转速。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。