“感传智用”室温大数据智慧供热技术

核心观点与关键数据

• 研究背景：中国集中供热系统规模全球最大，但存在供需匹配精度差、能耗高、热舒适性低等问题。传统调控策略依赖天气预报，无法精确感知用户需求。
• 用户需求与人工智能：传统调控策略无法满足用户个性化需求，需结合人工智能实现智慧供热。
• 总体框架模型：提出“感-传-智-用”一体化平台，包括室温采集传感器设计、传感器数量计算与部署规则、室温日变化模式分析、热力站有效室温计算、热负荷预测等。

关键技术与方法

• 室温采集传感器：设计插座型、开关型、移动型传感器，具备NB-IoT/4G/5G通讯、低功耗等特征。
• 传感器部署规则：楼栋分布建议10%-50%，楼内均匀分布，室内选择常规起居房间安装。
• 室温日变化模式分析：构建24小时观测数据模型，使用LCmeans聚类分析，分析影响因素及程度。
• 热力站有效室温计算：使用滴值法（EV）计算，对比简单平均法（SA）、中位数法（MD）、加权平均法（WA）。
• 热力站热负荷预测：采用组合预测模型（BPNN、RBFNN、SVR、XGBoost），基于DeepSeek大模型调用，误差平方和最小法计算权重。
• 动态仿真控制模型：基于Dymola平台的开源Modelica Buildings库，验证换热器、管道模型精度。
• 调控策略：单区单一调控策略和多区混合调控策略，基于有效室温反馈控制，实现按需供热。

研究结论与案例

• 单区单一调控策略：室温波动减小，抗干扰性强，灵活性高，节热12%，节电16%。
• 多区混合调控策略：适用于功能多样的建筑，室温波动降低，节热12%，节电16%，减CO2 575t。
• 项目案例：东北某集中供热系统改造，安装610台传感器，室温合理率69%，投诉率下降14.55%；北京市某集中供热系统改造，室温稳定度0.99，热单耗降低6.05%。

展望

• 室温采集传感器：增加预期温度设定功能，结合室内环境其他参数监测，实现个性化室温调控。
• 反馈调控：引入用户主观需求，量化后作为热力站调控参数。