一种控制区域供热网络中供热分站的方法与流程

1.本发明涉及区域供热网络(dhn)控制领域，特别是涉及其中得供热分站得控制，用于控制用户空间室内温度稳定，减少热量浪费，降低能源成本。


背景技术：

2.区域供热是一种通过隔热管系统分配在集中位置产生的热的系统，用于住宅和商业供热需求，如空间供热和水供热。这些热量通常来自燃烧化石燃料或生物质的热电厂，但也能使用锅炉站、地热供暖、热泵和中央太阳能供热，以及核能产生的热。与本地锅炉相比，区域供热厂可以提供更高的效率和更好的污染控制。例如，通过在热电厂的热电联产，整体燃料效率将得到提高，其中，热电厂产生的余热可以被收集并通过区域供热网络用于区域供热。
3.通常而言，区域供热网络包括以下组成部分：
4.一级网络，用于将热量从热源(例如热电厂)传输到供热分站的网络。
5.二级网络，在建筑物或建筑群内分配热量的供热网络，即通过供热分站把热量分配至每个用户空间的供暖装置。
6.其中，供热分站将热量从一级网络转移到二级网络，其通常包括换热器、控制阀、循环泵和传感器等。
7.在上述区域供热网络中，需要控制加热空间内的热舒适度。在现有技术中，存在大量的解决方案，它们中的大多数都涉及温度传感器、控制器和调节加热空间的热量供应的方法。尤其是涉及区域供热网络的供热分站的控制，其中一个供热分站控制向多个用户空间(通常》100个用户空间)提供的热量。通常，供热服务按平方米收费，而不考虑每个用户空间实际消耗的热量，这意味着用户空间没有动力去减少其热量消耗。
8.具体来说，通常情况下，供热是由每个供热分站向其所连接的建筑物提供供热流体，例如热水(由温度和流量表征)。如上所述将热量从供热分站分配到每个用户空间(例如各个公寓)的网络被称为二级网络。二级网络的供给温度越高，每个用户空间就能通过与室内加热空间的热交换从二级网络(供热管道中的热水)中提取更多的热量。用户空间通常可以通过控制其用户端的供暖设备内的供暖水流量来控制对其所在空间(例如公寓)的供热量。在按平方米收费的情况下，用户没有动力去减少他所得到的流量：每个用户只是根据他的供暖设备的特性，设定最大的流量；甚至有可能其供暖设备没有配备任何限制流量的部件，从而导致无法在其用户端控制供热量。
9.在现有技术中，存下如下几种控制供热分站的方案：
[0010]-固定设定点控制：供热分站向二级网络提供固定的流量和温度。操作员在供热分站上设定固定的温度和流量，其中操作员估计该固定的温度和流量足以保证一段时间内最冷的一天的舒适度。通常情况下，温度设定点可以按周调整。这种解决方案依赖于用户对其空间 (公寓)的用户端供热进行调整。然而，用户往往不是通过减少供热流量来调整室内温度，而是通过开窗来调整，从而造成很大的能源浪费。
[0011]
‑“
水曲线”控制：水曲线是室外温度和供热分站提供给二级网络的温度之间的直接关系(如图所示)，这种关系通常是线性的或略带凸形的(有时，被控制的不是供给温度，而是返回温度)。在“水曲线”控制中，操作者设定一个“最佳猜测”的水曲线，然后监测室内温度，并一步步重新调整他的初始猜测。鉴于系统有很大的热惯性(通常1天之后才能看到水曲线的变化对室内温度的影响，而且往往并不明显)，这个过程可能需要几周到几个月的时间才能得到一个满意的水曲线。在这段调整时间里，可能会出现过度热量消耗和/或不适的情况。水曲线控制的另一个局限性是，其认为室外温度是唯一变化的影响因素，而所有其他因素都是平均的(风、太阳、占用率)。此外，其也没有考虑受到天气或占用情况变化影响的建筑物的动态行为。缺乏这些因素的考虑，导致用户过度热量消耗和/或不适温度。
[0012]-独立公寓控制：每间公寓都配备了至少一个室内温度传感器和至少一个控制发热器(散热器或地暖)流量的装置。该控制方案调节发热器中的流量，以达到室内温度目标。这就是常见的解决方案，用户按其所消耗的能量收费。然而，这种解决方案存在如下缺点：(1) 运营商需要在每个公寓安装该调节设备，从而增加其成本，而用户本身没有动力自己去安装；和(2)用户对室内温度传感器的干扰，例如用户人为地降低室内温度传感器测量的温度以增加其所处空间(公寓)的热量供应。
[0013]
由此，目前可用的区域供热分站控制方法并不能令人满意地控制对用户空间的供热分配。在许多地方，由于供热控制不力造成的能源浪费可高达10％，同时室内温度也会常常使得用户感到不适。


技术实现要素：

[0014]
值得注意的是，本发明的目的在于克服背景技术中存在的缺陷和问题。
[0015]
为了这个目的，根据本发明的一个方面，本发明提出一种用于控制区域供热网络中供热分站的方法，其中所述供热分站被配置为与所述区域供热网络中的一级网络连接，并将热量从所述一级网络传输到所述区域供热网络中的二级网络，其中所述二级网络被配置为将热量分配给多个用户空间，该方法包括：
[0016]-建立一套建筑热性能数值模型，每个数值模型模型对应于所述二级网络中的每个所述用户空间(在本发明中用户空间可以是建筑室内空间，例如公寓、办公室等)，其中每个所述数值模型包含参数，并适于计算获得在所述用户空间内的虚拟室内温度；
[0017]-通过使用在过去的校准期内所获得的所述用户空间的记录室内温度、二级网络中的记录供热参数以及当地天气数据作为边界条件来校准数值模型的参数，从而获得一套校准的建筑性能数值模型，其中校准期是过去一段用于收集记录数据的时间，例如过去的5至14 天；
[0018]-在预定条件下，在所述一套校准的数值模型中选择代表性数值模型；
[0019]-根据由所选的包含校准参数的代表性数值模型所获得的过去一段时间的虚拟室内温度、过去一段时间的当地天气数据和所述供热分站的目标温度，计算所述供热分站的目标供热参数；以及
[0020]-提供所述供热分站的目标供热参数以控制所述供热分站。
[0021]
根据本发明的方法，相对于传统的控制方法，尤其是传统“水曲线”控制方法，通过建立用户空间的建筑热性能数值模型，并考虑建筑本身、室内外温度和气候影响等多项因
素，从而模拟并计算工人参数。由此，相对于传统控制方法，在不实质改变现有设备设置的情况下，尤其是不用大幅度增加控制和监测设备的情况下，可以大幅度减少控制时间，提高控制精度和舒适度，并很大程度减少能源浪费。
[0022]
可选地，所述记录供热参数包括所述二级网络中的记录流量和记录供给温度，而所述目标供热参数包括所述二级网络中的目标流量和目标供给温度。当然，记录供热参数和目标供热参数也能是本领域公知的其他参数。
[0023]
可选地，所述记录室内温度是由分布在所述多个用户空间中的至少一部分的室内温度传感器获得的，其中所述用户空间是接收热量的不同公寓。优选地，所述室内温度传感器是无线可移动传感器。以便于更灵活地布置传感器。
[0024]
可选地，所述建筑热性能数值模型是基于描述热性能的物理方程，而所述数值模型的参数是建筑物物理参数。进一步地，所述建筑物物理参数包括散热器的大小和传热系数、外墙、地面和天花板的保温层、窗户面积等。
[0025]
进一步地，所述建筑热性能数值模型可以是"r-c"模型。
[0026]
进一步地，根据本发明地方法还可以包括对校准的建筑热性能数值模型进行评分，用于选择所述代表性数值模型的所述预定条件基于所述评分。优选地，所述评分是根据所述虚拟室内温度和记录室内温度之间的差异的标准差计算的。
[0027]
进一步地，所述校准数值模型的参数的步骤使用遗传算法、粒子群算法或梯度衰减法。
[0028]
进一步地，所述计算供热分站的目标供热参数的步骤使用机器学习算法，例如强化学习、指令预测控制等方法。
[0029]
根据本发明的另一个方面，本发明还提出一种设备，其包括处理器，所述处理器被配置为执行存储在计算机可读介质上的指令以执行根据权利要求1所述的方法。
[0030]
本发明能高效地控制区域供热系统中供热分站，以便更精确地和稳定地控制包含多个室内建筑空间(例如公寓)的一栋或一组建筑物的供热。
[0031]
不同于传统的供热分站的控制方法，例如传统水曲线控制方法，其中该传统水曲线控制方法仅依靠室外温度来控制供热并且需要依靠人为经验猜测和手动调整监测室内温度，根据本发明的方法考虑了更多的外部因素(太阳、风、建筑物的占用模式)和建筑物的热性能，由此，它不需要很长的调整期，并允许更稳定的室内温度。
[0032]
此外，通过本发明还能实现室内温度的动态控制。室内温度目标可以被设定为遵循有规律的每日或每周的模式，例如，实现夜间回调。而在传统的水曲线控制方法下，这需要为不同的室内温度目标设置不同的水曲线，这可能很耗时，由此需要额外大量的调整时间。
[0033]
本发明其他方面的特点和优点将在下面具体实施方式中讨论，本领域技术人员基于以下实施例能够清楚地知道本发明的内容，以及所获得的技术效果。
附图说明
[0034]
应理解的是，在本发明中，除明显矛盾或不兼容的情况外，全部特征、变形方式和/或具体实施例可以根据多种组合相结合。
[0035]
通过阅读以下作为非限制性说明的具体实施例，并结合附图，本发明的其它特征
和优点将显而易见，图中：
[0036]-图1是一个区域供热网络的概要图。
[0037]-图2是一个供热分站的概要图。
[0038]-图3是根据本发明的一个实施例的逻辑架构图。
[0039]-图4示出一个示例性“r-c”模型。
具体实施方式
[0040]
以下是根据本发明的示例性实施例。下文中的相关定义近用于描述示例性实施例，而不是为了限制本发明的范围。由于这里描述的实施例是示例性的，它们也能被扩展至涉及本发明功能、目的和/或结构的修改。
[0041]
图1示出了一个区域供热网络，其包括一级网络和二级网络，其中，一级网络将热量从热源(热电厂)传输到至少一个(图中为3 个)供热分站，每个供热分站将热量从一级网络转移到二级网络。二级网络连接有多个用户空间，图中显示为多栋建筑，其中每个建筑包含多个空间(例如公寓或办公室)，其中包括供暖装置。二级网络把过供热分站传递过来的热量分配给各个供暖装置，以实现对用户空间的供热。其中，热量通过网络中的供热管道传递热量，管道内通常以流体，例如热水或蒸汽，作为传热介质。
[0042]
在本发明中，用户空间即为建设室内空间，例如公寓，需要在其内部布置室内温度传感器用于测量该空间内的室内温度t_indoor以及适合于监测有暖气的公寓的舒适度。这些传感器最好是无线的，能定期向数据库发送室内温度测量值，间隔时间为1小时或更短。优选地，这些传感器是无线可移动的，即可以很容易地从一个室内空间(公寓)移动到另一个室内空间(公寓)。更优选地，室内温度传感器可以定期移动到新的室内空间(公寓)。
[0043]
图2示例性地示出了一个供热分站,其通常包括一个换热器、控制阀、循环泵和传感器等部件。其中，传感器能测量供热分站的供热参数，例如二级网络侧(供暖建筑)热水的供给温度t_supply、流量 m_flow和返回温度t_return。
[0044]
进一步地，在本发明中，区域供热网络还包括控制系统，用于控制供热分站的控制参数，例如供给温度t_supply和流量m_flow。该控制系统能够每隔1小时或更短时间更新设定点。通常，供给温度 t_supply可以通过控制一级网络侧的流量阀门来控制，供给流量 m_flow可以通过二级网络侧的循环泵的速度来控制。
[0045]
此外，在本发明中，还需要获得对供热网络局部地区天气状况的测量，例如通过室外干球温度计测量室外温度t_outdoor。优选地，还可以测量风速、云量和湿度等。
[0046]
此外，在本发明中，区域供热网络还可以包括数据库，其能保存所有传感器的测量数值，还包括室内温度传感器位置数据，以便可以识别建筑物不同室内空间所布置的室内温度传感器的所在的位置。
[0047]
更具体地，在本发明中，室内温度传感器可以分布在不同的公寓里，其位置被记录在数据库中。通常情况下，5％的公寓有一个传感器，而每个供热分站所连接的多个公寓中至少有5个布置有室内温度传感器，用于测量该空间的室内温度t_indoor，优选地，对于每个供热分站，布置超过10个室内温度传感器。
[0048]
当室内温度传感器被放置在不同的公寓里后，等待例如5到14 天，以便系统在数据库中收集足够的室内温度传感器数据(记录室内温度)。在这个过程中，还可以检查各个
室内温度传感器是否工作正常，例如其测量温度是否具有代表性，当测量温度超出正常范围时，例如受到干扰，可以把该室内温度传感器数据剔除(同时，也可以将该室内温度传感器移动至其他位置，以获得准确测量数据)。数据库中的位置信息也能用于判断温度传感器的数据是否需要调整。此外，还可以借助其他传感器的帮助，例如湿度传感器，门窗开启传感器等，以便判断室内温度传感器数据是否可以被用于本发明的方法。
[0049]
此外，如上文所述，在本发明，还需要测量并记录供热网络局部地区天气状况，例如通过室外干球温度计测量室外温度t_outdoor，以及风速、云量和湿度等。以及，在本发明中，也要测量并记录二级网络的供热参数，例如供给温度t_supply和流量m_flow，从而获得记录供热参数。
[0050]
以下，结合图3，将对根据本发明的方法的实施例进行示例性的描述。
[0051]
根据本发明的用于控制区域供热网络中供热分站的方法包括如下步骤：
[0052]
建立一套建筑热性能数值模型，每个数值模型模型对应于所述二级网络中的配备有室内温度传感器的用户空间，其中每个数值模型包含参数，并适于计算获得在所述用户处的虚拟室内温度 t_indoor_virtual。优选地，数值模型是基于描述建筑热性能的物理方程，其包含有多个参数(通常为5至20个)。
[0053]
然后，通过使用在过去的校准期内(例如5到14天)所获得的记录室内温度(b1)、二级网络中的记录供热参数(供给温度和流量 b2,b10)以及当地天气数据(b3)作为边界条件来校准数值模型的参数 (c1)，从而获得一套校准的建筑性能数值“r-c”模型(b4)。优选地，如上所述，室内温度可以通过移动室内温度传感器至新的室内建筑空间而获得，由此，可以扩展模型，例如在每个供暖季(3-4个月)后便移动室内温度传感器至新的室内空间，以便建立该新的室内空间的数值模型。
[0054]
每个校准的模型都可以作为一个“虚拟室内温度传感器”,以便在以知记录供热参数(供给温度和流量b2,b10)和当地天气数据(b3) 的情况下，计算(c2)获得对应室内空间的虚拟室内温度 t_indoor_virtual(b5)。同时，由于校准后，模型将能够作为“虚拟室内温度传感器”，这意味着室内温度传感器移到一个其他室内空间，并且仍然可以通过模型对之前的室内空间(公寓)的室内温度进行良好的估计。由此，使用较少的室内温度传感器。
[0055]
随后，在预定条件下，在所述一套校准的数值模型中选择代表性数值模型(box 7,box 9)。可以对模型进行评分计算(c3)，其中评分例如是根据虚拟室内温度(t_indoor_virtual)和记录室内温度之间的差异的标准差计算的。由此，每个模型都能得到一个分数(b6)，以便量化它在校准期间与记录数据的拟合程度。如果分数足够，该模型被认为是可用的代表性数值模型，并可用于本发明的后续步骤。如果分数不够，这意味着相应的室内温度传感器没有记录一致的数据。原因可能是传感器收到干扰，或者是测量传输方面问题。在这种情况下，该模型不适合被选为控制供热的代表性数值模型。在一个例子中，如果标准差接近于零，分数将是10(最高分)。如果标准差大于1，分数将为0。分数可以与标准差成线性关系。可以定义阈值筛选模型，例如可以把阈值分数设定为5，这意味着标准差低于0.5。
[0056]
然后，可选地，可以根据规则在设置界面上设定(c5)不同的室内空间(公寓)(b7)、设定室内目标温度(b8)以及选定模型(b9)。
[0057]
然后，根据由所述所选的代表性数值模型所述获得的过去一段时间的虚拟室内温度、过去一段时间的当地天气数据(以及可选的预报天气数据)和所述供热分站的室内目标
温度(b8，即室内空间预设的温度，可以人为设定c4或自动设定)，计算所述供热分站的目标供热参数(c5),从而获得目标供热参数，例如二级网络中的目标流量 (b12)和目标供给温度(b11)。
[0058]
最后，提供所述供热分站的目标供热参数以控制所述供热分站。
[0059]
更具体地，在数值模型建立和校准过程中，数值模型是基于描述建筑热性能(例如公寓热性能)的物理方程。这些方程形成一个微分线性和非线性方程系统。方程包括几个具有物理意义的参数(例如：散热器的传热系数、外墙的隔热性能、窗户面积等)。每个模型包括方程系统以及它的参数集的值。不同类型的室内建筑空间，例如公寓或办公室，可以通过不同的方程系统进行最佳描述(例如：地板采暖的公寓和散热器采暖的公寓将由不同的方程系统来描述：地板采暖有大量的热质与建筑结构相互作用，而散热器则不然)。
[0060]
在一个根据本发明的例子中，这些建筑热性能数值模型可以是现有技术中的“r-c”模型。在这种模型中，建筑物的热行为是由连接热容量节点的热阻来描述的。热阻可以是非线性的，是外部边界条件的函数(例如：外墙对流的热阻是风速的函数)。方程组可以放在矩阵中，用线性或非线性微分方程组的传统求解方法来解决。
[0061]
图4示出一个示例性“r-c”模型，其中，q是输入功率，r1是门窗的热阻，r2是房间围护结构的热阻，r3是房间空气和墙壁之间的热阻。c1和c2分别代表公寓内部和公寓围护结构的热电容。tin 为房间室内温度，twall为墙体表面温度，text为室外温度。
[0062]
该模型可以表示为：
[0063][0064]
其中t是给出模型不同节点温度的向量，u是给出模型边界条件的输入向量，a是与状态向量相关的状态矩阵系数，b是与输入向量相关的输入矩阵值。矩阵a和b可以通过图中每个节点的能量守恒而轻松建立。
[0065]
模型建立后需要校准，可以选择最能描述模型所对应室内空间的方程组，并运行一个优化算法，目的是找到在校准期间使模型的预测误差最小的参数组。在本示例中:
[0066]-要最小化的目标函数是模型对室内温度的预测误差。
[0067]-模型的边界条件是校准期间记录工人参数，即记录供热供给温度t_supply、记录流量m_flow和当地天气状况。
[0068]-要校准的参数是模型的未知参数(在校准过程中，模型的一些参数可以是已知和固定的。例如：窗户面积、保温层的传热系数等)。
[0069]-优化算法可以是不同类型的，例如：遗传算法、粒子群算法、梯度衰减法等,其中优选遗传算法。
[0070]-当模型对室内温度的预测误差达到0.5℃以下时，模型校准将停止。当然这取决于温度传感器的误差，在本例之中，温度传感器的误差为1℃。
[0071]
此外，更具体地，在计算目标供热分站的目标供热参数的过程中，对于每个供热分站，仅考虑选定的代表性模型。在该过程中，目标函数是保持模型获得的虚拟室内温度t_indoor_virtual的平均值尽可能地接近为供热分站设定的室内目标温度t_indoor_target。可以考虑目标函数的附加项或附加约束条件，例如最小化能源消耗成本(热量消耗+循环泵消耗)，最小化总运行成本，包括热损失和一级网络的泵送成本。其中，涉及如下输入和输出：
[0072]-输入：模型参数。
[0073]-输入：过去24小时或更长的时间内的室内温度。
[0074]-输入：过去24小时或更长时间的当地天气记录，以及(可能) 未来12至72小时的当地天气预报。
[0075]-输出：当前时间的目标供给参数，例如目标供给温度t_supply 和目标流量m_flow。
[0076]
该控制计算时间一般为10分钟至60分钟。控制算法可以是不同类型的：强化学习、指令预测控制等机器学习算法。
[0077]
在根据本发明的一个实施例中，可以使用强化学习与传统的水曲线控制方法相结合。即供给温度t_supply由如下算式获得
[0078]
t
supply
＝f
watercurve
(t_outdoor)+aicorrection
[0079]
其中，f
watercurve
(t_outdoor)是基于水曲线以室外温度为变量的函数，aicorrection是强化学习代理给出的修正项。
[0080]
水曲线函数是直接从代表性模型的参数中计算得到。水曲线是建筑热性能的静态表示。为了从动态模型中提取水曲线，本实施例中删除了方程系统中所有的时间变化项。例如，在上述示例性的“r-c”模型中，去除所有热容量“c”。在实践中，计算水曲线就是在已知目标温度t_indoor_target、室外温度t_outdoor和供热参数 m_flow情况下，计算供给温度t_supply。可以通过倒置前面模型建立和校准过程中代表方程组的矩阵来完成。可选地，可以分别计算每个代表性模型所对应的室内空间(例如公寓)的水曲线，然后取平均值。
[0081]
aicorrection修正项考虑了建筑热性能，通常是为了预测天气变化对室内温度的影响，或建筑空间占用情况的变化(例如考虑了每天或每周因占用模式而导致的建筑空间内部负荷变化的规律)。此外， aicorrection修正项也能考虑热容量因素，这在传统水曲线控制中被忽视。具体地，控制强化学习代理包含以下特点：
[0082]-奖励(输入)：保持虚拟室内温度t_indoor_virtual的平均值尽可能地接近为供热分站设定的目标温度t_indoor_target。
[0083]-状态(输入)：过去24小时内虚拟室内温度t_indoor_virtual 的平均值(小时值)，过去24小时内的室外温度t_outdoor和目标温度t_indoor_target。
[0084]-行动(输出)：对水曲线的即时修正，采取离散值{-4,-3,-2,
ꢀ‑
1,0,1,2,3,4}(单位：摄氏度)，例如使用python软件包中的强化学习代理，或者连续值。
[0085]
由此，鉴于上述所有记录信息和对天气状况，系统可以借助机器学习而自动计算获得供热分站的目标供热参数，例如目标供给温度 t_supply和目标流量m_flow。
[0086]
然后，把计算得到的目标供热参数提供至控制系统，以使代表性模型所对应的室内空间(例如公寓)的室内温度t_indoor的平均值保持在供热分站设定的室内目标温度t_indoor_target上，并由此使能源消耗成本最小。
[0087]
根据实际运行中的测试结果，与传统的控制模式相比，根据本发明方法来控制供热分站后的室内温度变化都比较小，同时也能使得每个供热分站实现平均5％的能源节约。
[0088]
综上，本发明相对于传统控制方法，尤其是水曲线控制方法，考虑更多供热影响因素，并借助数学模型和机器学习，能够实现高效、及时且精确的供热分站控制。
[0089]
本领域技术人员掌握多种实施例及多种变形及改进。尤其是，需明确的是，除明显
矛盾或不兼容的情况外，本发明所记载的特征、变形方式和/或具体实施例可以相互结合。所有这些实施例及变形及改进都属于本发明的保护范围。

技术特征：
1.一种用于控制区域供热网络中供热分站的方法，其中所述供热分站被配置为与所述区域供热网络中的一级网络连接，并将热量从所述一级网络传输到所述区域供热网络中的二级网络，其中所述二级网络被配置为将热量分配给多个用户空间，该方法包括：-建立一套建筑热性能数值模型，每个数值模型模型对应于所述二级网络中的每个所述用户空间，其中每个所述数值模型包含参数，并适于获得在所述用户空间内的虚拟室内温度(t_indoor_virtual)；-通过使用在过去的校准期内所获得的所述用户空间的记录室内温度、二级网络中的记录供热参数(m_flow,t_supply)以及当地天气数据作为边界条件来校准数值模型的参数，从而获得一套校准的建筑性能数值模型；-在预定条件下，在所述一套校准的数值模型中选择代表性数值模型；-根据由所述所选的代表性数值模型所获得的过去一段时间的虚拟室内温度、过去一段时间的当地天气数据和所述供热分站的目标温度，计算所述供热分站的目标供热参数；以及-提供所述供热分站的目标供热参数以控制所述供热分站。2.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述记录供热参数包括所述二级网络中的记录流量和记录供给温度，而所述目标供热参数包括所述二级网络中的目标流量和目标供给温度。3.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述记录室内温度是由分布在所述多个用户空间中的至少一部分的室内温度传感器获得的，其中所述用户空间是接收热量的不同公寓。4.根据权利要求3所述的用于控制区域供热网络中供热分站的方法,其特征在于，所述室内温度传感器是无线可移动传感器。5.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述建筑热性能数值模型是基于描述热性能的物理方程，而所述数值模型的参数是建筑物物理参数。6.根据权利要求5所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述建筑物物理参数包括散热器的尺寸和传热系数、外墙、地板和天花板的保温层、窗户面积。7.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述建筑热性能数值模型是"r-c"模型。8.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其进一步包括对校准的建筑热性能数值模型进行评分，用于选择所述代表性数值模型的所述预定条件基于所述评分。9.根据权利要求8所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述评分是根据所述虚拟室内温度(t_indoor_virtual)和记录室内温度之间的差异的标准差计算的。10.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述校准数值模型的参数的步骤使用遗传算法、粒子群算法或梯度衰减法。11.根据权利要求1所述的用于控制区域供热网络中供热分站的方法，其特征在于，所述计算供热分站的目标供热参数的步骤使用机器学习算法。
12.一种设备，其包括处理器，所述处理器被配置为执行存储在计算机可读介质上的指令以执行根据权利要求1所述的方法。

技术总结
本发明涉及用于控制区域供热网络中供热分站的方法，包括：建立建筑热性能数值模型，每个数值模型模型对应于二级网络中的每个用户空间，每个数值模型包含参数，适于获得在用户空间处的虚拟室内温度；通过使用校准期内所获得用户空间的记录室内温度、二级网络记录供热参数以及天气数据作为边界条件来校准参数，获得校准的建筑性能数值模型；在预定条件下，选择代表性数值模型；根据由所选代表性数值模型所获得的虚拟室内温度、当地天气数据和所述供热分站目标温度，计算目标供热参数；以及提供目标供热参数以控制供热分站。本发明能快捷并精准控制供热分站。精准控制供热分站。精准控制供热分站。


技术研发人员：马常亮 弗朗索斯
受保护的技术使用者：法国电力公司
技术研发日：2022.03.15
技术公布日：2023/9/23