太阳能相变蓄能系统的智能控制方法、终端及系统与流程

1.本发明涉及太阳能相变蓄能技术领域，尤其涉及一种太阳能相变蓄能系统的智能控制方法、终端及系统。


背景技术：

2.太阳能相变蓄热系统是一种利用太阳能进行暖气或热水供应的系统，通过相变蓄热技术，将太阳能热量储存下来，用于实现连续的供热或热水。太阳能相变蓄热系统通常由太阳能集热器、相变材料、储热罐、辅助热源、管道等组成。太阳能集热器将太阳能转换成热能，将热能传递给相变材料，在相变材料的相变过程中将热量储存起来。储热罐将储存的热量储存在水中，当热量需要用于供热或热水时，通过管道将水送入用热设备中，释放储存的热量，实现供热或热水的目的。相比传统的太阳能供热系统，太阳能相变蓄热系统在热量储存方面更加高效，稳定，适用于家庭，商业等多种场合。但是，传统的太阳能相变蓄热系统所存储的热能是一个比较固定的数值，因此，当供热需求增加时，为了满足需求，太阳能相变蓄热系统需要通过临时加热的方式来获取额外的热能，以补充相变材料中储存的热能。这种临时加热的方式虽然能够满足短期的热量需求，但是可能导致能耗成本的增加；但是当供热需求减小时，储存的部分热量将长时间滞留，导致能量的大量浪费。
3.在申请号为cn201910513407.7的技术方案中，虽然其通过研究一天当中太阳辐射的强度变化，以及现有供暖水箱内水温变化，引入相变材料以达到能量的“削峰填谷”作用，但无法应对供热需求的变化，控制精度不高。


技术实现要素：

4.本发明提供一种太阳能相变蓄能系统的智能控制方法、终端及系统，以做好系统预热规划，以避免对系统造成负担，保证系统高效稳定运行，节约成本。
5.为解决上述问题，本发明采用如下技术方案：
6.本发明提供一种太阳能相变蓄能系统的智能控制方法，应用于太阳能相变蓄能系统的控制器，所述太阳能相变蓄能系统还包括集热装置、热交换器、储能罐、第一热油泵、第二热油泵、相变蓄能装置、电加热装置及用热设备，所述第一热油泵通过管道与所述集热装置的输入端连接，所述集热装置的输出端通过管道与所述热交换器的输入端连接，所述热交换器的输出端通过管道与所述相变蓄能装置的输入端连接，所述相变蓄能装置的输出端通过管道与所述储能罐的输入端连接，所述储能罐的输出端通过管道与所述用热设备的输入端连接，所述储能罐通过管道还与所述第二热油泵、电加热装置连接，所述集热装置、第一热油泵、第二热油泵、电加热装置、用热设备及相变蓄能装置分别与所述控制器电性连接，所述集热装置用于收集太阳能并将太阳能转换成热能，所述第一热油泵用于驱动所述集热装置的热能在管道中流动，所述热交换器用于在不同的热流体之间传递热能，所述相变蓄热装置用于根据物质相变过程来蓄热或释热，所述储能罐用于存储导热油，所述电加热装置用于在特定条件下对所述储能罐中的导热油进行加热，所述第二热油泵用于驱动所
述储能罐中的导热油在管道中流动；其中，所述太阳能相变蓄能系统的智能控制方法包括：
7.所述控制器获取所述储能罐的剩余热量，并计算所述用热设备在未来的预设工作时长内所需的热能消耗量；
8.获取所述预设工作时长内的天气预报信息，根据所述天气预报信息估算在所述预设工作时长内的光照时长；其中，所述天气预报信息包括每个时间段的天气状况及光照时长；
9.获取所述集热装置的功率，根据所述光照时长及功率计算所述集热装置在所述预设工作时长内的热能供给量；
10.计算所述储能罐的剩余热量与所述热能供给量之和，得到累计热能供给量；
11.判断所述热能消耗量是否大于所述累计热能供给量，当判定所述热能消耗量大于所述累计热能供给量时，确定当前区域中市电的波谷时间段，控制所述电加热装置在所述预设工作时长内的所述波谷时间段对所述储能罐中的导热油进行加热，并将加热后的热能储存至所述储能罐或输送至所述用热设备。
12.进一步地，所述太阳能相变蓄能系统的智能控制方法还包括：
13.实时获取所述集热装置输出的导热油的第一温度；
14.判断所述导热油的第一温度是否大于第一预设温度；
15.当判定所述导热油的第一温度大于第一预设温度时，控制所述热交换器的输入端与所述集热装置的输出端之间的阀门开启；
16.控制所述第一热油泵驱动所述集热装置的导热油在管道中流动，并通过所述热交换器进行热能交换；
17.实时获取所述导热油在热能交换后的第二温度；
18.判断所述第二温度是否低于第二预设温度；其中，所述第一预设温度大于第二预设温度；
19.当判定所述第二温度低于第二预设温度时，控制所述相变蓄能装置的输入端与所述热交换器的输出端之间的阀门开启，并控制第三热油泵驱动低于第二预设温度的所述导热油的热能储存至所述相变蓄热装置；其中，所述第三热油泵的一端通过管道与所述热交换器的输出端连接，另一端通过管道与所述储能罐连接。
20.进一步地，所述太阳能相变蓄能系统的智能控制方法还包括：
21.每隔预设时间段获取所述用热设备的用热数据，确定所述用热数据所属的用热时间段，根据预设的分割方法将所述用热时间段平均分割成多个子用热时间段；其中，所述用热时间段包括用热起始时间及用热结束时间；
22.根据所述用热数据确定每个子用热时间段对应的子用热数据，并将每个子用热时间段对应的时间节点作为二维坐标系中的横坐标值，将对应的子用热数据作为所述二维坐标系中的纵坐标值，并生成用热曲线；
23.利用一元函数求导公式计算所述用热曲线在每个时间节点的斜率值，并从所有时间节点的斜率值中筛选出最大斜率值和最小斜率值；
24.计算所述最大斜率值和最小斜率值之间的差值；
25.判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值；
26.当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则根据所述用
热数据计算所述用热设备在所述用热时间段的累计热能消耗量；
27.判断所述累计热能消耗量是否大于热能消耗量阈值；
28.当判定所述累计热能消耗量大于热能消耗量阈值时，则进行预警提示，并控制所述电加热装置对所述储能罐中的导热油进行加热，并将加热后的热能储存至所述储能罐或输送至所述用热设备。
29.进一步地，所述每隔预设时间段获取所述用热设备的用热数据的步骤之后，还包括：
30.当确定所述用热设备的数量为多个时，从所述用热数据中提取每个用热设备的第一用热数据，并根据每个用热设备的所述第一用热数据计算得到每个用热设备的第一热能消耗量；
31.根据每个用热设备的第一热能消耗量及预设映射表，生成每个用热设备的用热等级；其中，所述预设映射表包括多组热能消耗量与用热等级的对应关系，所述用热等级与热能消耗量成正相关；
32.所述判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值的步骤之后，还包括：
33.当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则判断所述储能罐的剩余热量是否大于剩余热量阈值，当判定所述储能罐的剩余热量小于剩余热量阈值时，则按照所述用热等级为每个所述用热设备供热。
34.进一步地，所述每隔预设时间段获取所述用热设备的用热数据的步骤之后，还包括：
35.当确定所述用热设备的数量为多个时，获取每个用热设备的设备编号；
36.根据所述设备编号对所述用热数据进行分类，得到多个数据集；其中，所属相同设备编号的用热数据被分在同一个数据集，所属不同设备编号的用热数据被分在不同的数据集；
37.对每个分类后的数据集进行哈希处理，并将哈希处理后的多个数据集转换为不同的哈希值；
38.根据所述哈希值对所述多个数据集进行数据分块，得到多个数据块；其中，具有相同哈希值的数据集被分到同一个数据块中；
39.在每次存储一块数据块时，计算每个存储节点当前存储的数据块数量，选取当前存储的数据块数量最少的存储节点作为目标存储节点，将该块数据块存储至所述目标存储节点中。
40.进一步地，所述每隔预设时间段获取所述用热设备的用热数据的步骤之后，还包括：
41.将所述用热设备的用热数据进行预处理和变换，得到特征向量；其中，所述用热数据包括热能消耗量、压力及温度；
42.将所述特征向量输入预先训练好的故障分析模型中，得到所述用热设备的故障分析结果，将所述故障分析结果发送给管理人员所在终端；其中，所述故障分析模型为神经网络模型，用于对所述用热设备进行故障分析。
43.进一步地，所述将所述特征向量输入预先训练好的故障分析模型中的步骤之前，
还包括：
44.获取训练数据；其中，所述训练数据包括多个用热样本数据及每个用热样本数据对应的第一向量；
45.确定所述训练数据中的每个第一向量对所述训练数据的信息增益比，根据每个所述第一向量对应的信息增益比确定第二向量，根据所述第二向量对应的信息增益比构建所述第二向量对应的决策树节点；
46.去除所述多个第一向量中的所述第二向量，得到多个第三向量；
47.将所述多个第三向量重新确定为第一向量，并返回执行所述确定所述训练数据中的每个第一向量对所述训练数据的信息增益比的步骤，直至生成初始决策树模型；
48.对所述初始决策树模型进行剪枝处理，得到剪枝决策树模型；
49.利用预设的损失函数计算所述剪枝决策树模型的损失值；
50.判断所述剪枝决策树模型的损失值是否低于预设损失值；
51.若是，则将所述剪枝决策树模型作为故障分析模型。
52.进一步地，所述太阳能相变蓄能系统的智能控制方法还包括：
53.响应于对所述相变蓄能装置的状态测试，获取所述相变蓄能装置的相变材料的初始温度，控制激发装置激发所述相变蓄能装置的相变材料，获取设置于所述相变蓄能装置的温度计测量得到的所述相变材料的温度；
54.判断所述相变材料是否有相应的升温过程；其中，所述升温过程包括：当所述激发装置激发所述相变材料后，所述相变材料的温度在预定时长内从初始温度上升至第一预设温度范围，则所述相变材料处于释能状态；当所述相变材料的温度降至第二预设温度范围，则所述相变材料处于等待储能状态；
55.当温度计测量到相变材料没有相应的升温过程时，判定相变材料为等待储能状态，当温度计测量到相变材料有升温过程，判定此时未激发前的相变材料为储能状态，激发后的相变材料处于释能状态，待释能过程结束，相变材料由释能状态变为等待储能状态。
56.本发明提供一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上任一项所述的太阳能相变蓄能系统的智能控制方法的步骤。
57.本发明提供一种太阳能相变蓄能系统，包括控制器、集热装置、热交换器、储能罐、第一热油泵、第二热油泵、相变蓄能装置、电加热装置及用热设备，所述第一热油泵通过管道与所述集热装置的输入端连接，所述集热装置的输出端通过管道与所述热交换器的输入端连接，所述热交换器的输出端通过管道与所述相变蓄能装置的输入端连接，所述相变蓄能装置的输出端通过管道与所述储能罐的输入端连接，所述储能罐的输出端通过管道与所述用热设备的输入端连接，所述储能罐通过管道还与所述第二热油泵、电加热装置连接，所述集热装置、第一热油泵、第二热油泵、电加热装置、用热设备及相变蓄能装置分别与所述控制器电性连接，所述集热装置用于收集太阳能并将太阳能转换成热能，所述第一热油泵用于驱动所述集热装置的热能在管道中流动，所述热交换器用于在不同的热流体之间传递热能，所述相变蓄热装置用于根据物质相变过程来蓄热或释热，所述储能罐用于存储导热油，所述电加热装置用于在特定条件下对所述储能罐中的导热油进行加热，所述第二热油泵用于驱动所述储能罐中的导热油在管道中流动，所述控制器包括存储器和处理器，所述
存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上任一项所述的太阳能相变蓄能系统的智能控制方法的步骤。
58.相对于现有技术，本发明的技术方案至少具备如下优点：
59.本发明提供的太阳能相变蓄能系统的智能控制方法、终端及系统，通过获取储能罐的剩余热量，并计算用热设备在未来的预设工作时长内所需的热能消耗量，获取预设工作时长内的天气预报信息，根据天气预报信息估算在预设工作时长内的光照时长；获取集热装置的功率，根据光照时长及功率计算集热装置在预设工作时长内的热能供给量，计算储能罐的剩余热量与热能供给量之和，得到累计热能供给量；判断热能消耗量是否大于累计热能供给量，当判定热能消耗量大于累计热能供给量时，确定当前区域中市电的波谷时间段，控制电加热装置在预设工作时长内的波谷时间段对储能罐中的导热油进行加热，并将加热后的热能储存至储能罐或输送至用热设备，从而精确预测所需的热能消耗量，并充分利用市电的波谷时间段做好系统预热规划，以避免对太阳能相变蓄能系统造成负担，保证系统高效稳定运行，同时节约成本。
附图说明
60.图1为本发明太阳能相变蓄能系统的智能控制方法一种实施例流程框图；
61.图2为本发明太阳能相变蓄能系统的一种实施例结构框图；
62.图3为本发明太阳能相变蓄能系统的智能控制装置一种实施例模块框图；
63.图4为本发明一个实施例中终端的内部结构框图。
具体实施方式
64.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
65.在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如s11、s12等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
66.本领域普通技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
67.本领域普通技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的
意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
68.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
69.请参阅图1，并参考图2所示，本发明提供一种太阳能相变蓄能系统的智能控制方法，应用于太阳能相变蓄能系统的控制器4，该控制器4可以是计算机设备或服务器，所述太阳能相变蓄能系统还包括集热装置1、热交换器2、储能罐6、第一热油泵5、第二热油泵8、相变蓄能装置3、电加热装置7及用热设备9。
70.所述集热装置1是一种用于收集和利用太阳能的设备，其主要作用是通过集热器将太阳辐射的能量转换成热能，供暖、供热水等。它通常由集热器、输送管道和储热设备等组成。集热器通常由吸收器、传导器和罩体构成。吸收器是用于吸收太阳辐射能量的部分，它可以通过涂覆吸收涂层、采用石英管等方式提高能量吸收效果。传导器则用于传导吸收器中吸收到的热能，通常采用金属管或石英管等材料，以达到导热性能的最优化。而罩体则用于保护吸收器和传导器，同时还可以减少热量的散失。集热装置1的工作原理是将太阳辐射能量通过吸收器吸收、传导器传导，最终在储热设备中实现能量的存储。
71.所述第一热油泵5用于驱动集热装置1的热能在管道中流动，所述热交换器2是一种用于热能传递的设备，通常由许多细小的管道和散热片组成，其主要作用是在不同的热流体之间传递热量，从而实现能量的转换和利用。
72.所述相变蓄热装置用于根据物质相变过程来蓄热或释热，是一种利用物质相变吸收或放出大量热量来实现能量存储的装置。其原理是通过改变物质的温度或压力，使其从固态或液态转变为气态或液态，或者从气态或液态转变为固态或液态过程中，物质会吸收或释放大量的热量，从而实现能量的存储和释放。相变蓄热装置的具体形式可以采用各种不同的物质和设计，例如采用蜡、盐水、水等相变材料作为储热介质。当相变材料的温度变化超过一定范围时，相变材料会从固态转变为液态，释放出蓄积的热能，同时储存热能。相反，当需要在室内加热时，相变材料会从液态转为固态，吸热过程中释放能量。
73.所述储能罐6用于存储导热油，所述电加热装置7用于在特定条件下对所述储能罐6中的导热油进行加热，如光照不足时对储能罐6中的导热油进行加热。所述第二热油泵8用于驱动所述储能罐6中的导热油在管道中流动，以完成加热；所述第一热油泵5通过管道与所述集热装置1的输入端连接，所述集热装置1的输出端通过管道与所述热交换器2的输入端连接，所述热交换器2的输出端通过管道与所述相变蓄能装置3的输入端连接，所述相变蓄能装置3的输出端通过管道与所述储能罐6的输入端连接，所述储能罐6的输出端通过管道与所述用热设备9的输入端连接，所述储能罐6通过管道还与所述第二热油泵8、电加热装置7连接，所述集热装置1、第一热油泵5、第二热油泵8、电加热装置7、用热设备9及相变蓄能装置3分别与所述控制器4电性连接，其中，所述太阳能相变蓄能系统的智能控制方法包括：
74.s11、所述控制器获取所述储能罐的剩余热量，并计算所述用热设备在未来的预设工作时长内所需的热能消耗量；
75.s12、获取所述预设工作时长内的天气预报信息，根据所述天气预报信息估算在所述预设工作时长内的光照时长；其中，所述天气预报信息包括每个时间段的天气状况及光照时长；
76.s13、获取所述集热装置的功率，根据所述光照时长及功率计算所述集热装置1在所述预设工作时长内的热能供给量；
77.s14、计算所述储能罐的剩余热量与所述热能供给量之和，得到累计热能供给量；
78.s15、判断所述热能消耗量是否大于所述累计热能供给量，当判定所述热能消耗量大于所述累计热能供给量时，确定当前区域中市电的波谷时间段，控制所述电加热装置在所述预设工作时长内的所述波谷时间段对所述储能罐中的导热油进行加热，并将加热后的热能储存至所述储能罐或输送至所述用热设备。
79.如上述步骤s11所述，控制器4获取储能罐6的导热油的质量、比热容及温度变化量，根据导热油的质量、比热容及温度变化量计算储能罐6的剩余热量，并统计用热设备9在历史时间段内的历史热能消耗量，根据历史热能消耗量及历史时长计算用热设备9每小时的平均热能消耗量，基于用热设备9在未来的预设工作时长及该平均热能消耗量，计算得到用热设备9在未来的预设工作时长内所需的热能消耗量。
80.如上述步骤s12所述，从气象局系统获取预设工作时长内的天气预报信息，该天气预报信息包括每个时间段的天气状况及光照时长、湿度、气压、风速、降雨概率等气象数据，根据天气预报信息估算在预设工作时长内的光照时长，如估算未来五天的光照时长。
81.如上述步骤s13-s14所述，本实施例获取集热装置1的功率，如每小时产生多少热量，然后根据光照时长及功率计算所述集热装置1在预设工作时长内的热能供给量，计算储能罐6的剩余热量与热能供给量之和，得到累计热能供给量，即在未来的预设工作时长内所需的累计热能。
82.如上述步骤s15所述，该控制器4判断热能消耗量是否大于累计热能供给量，当判定热能消耗量大于累计热能供给量时，则需要借助电加热装置7额外获取热能。首先确定当前区域中市电的波谷时间段，波谷时间段的电价较低，控制电加热装置7在预设工作时长内的波谷时间段对储能罐6中的导热油进行加热，并将加热后的热能储存至储能罐6或输送至用热设备9，从而精确预测所需的热能消耗量，并充分利用市电的波谷时间段做好系统预热规划，以避免对太阳能相变蓄能系统造成负担，保证系统高效稳定运行，同时节约成本。
83.本发明提供的太阳能相变蓄能系统的智能控制方法，通过获取储能罐6的剩余热量，并计算用热设备9在未来的预设工作时长内所需的热能消耗量，获取预设工作时长内的天气预报信息，根据天气预报信息估算在预设工作时长内的光照时长；获取集热装置1的功率，根据光照时长及功率计算集热装置1在预设工作时长内的热能供给量，计算储能罐6的剩余热量与热能供给量之和，得到累计热能供给量；判断热能消耗量是否大于累计热能供给量，当判定热能消耗量大于累计热能供给量时，确定当前区域中市电的波谷时间段，控制电加热装置7在预设工作时长内的波谷时间段对储能罐6中的导热油进行加热，并将加热后的热能储存至储能罐6或输送至用热设备9，从而精确预测所需的热能消耗量，并充分利用市电的波谷时间段做好系统预热规划，以避免对太阳能相变蓄能系统造成负担，保证系统高效稳定运行，同时节约成本。
84.在一实施例中，所述太阳能相变蓄能系统的智能控制方法还可包括：
85.实时获取所述集热装置输出的导热油的第一温度；
86.判断所述导热油的第一温度是否大于第一预设温度；
87.当判定所述导热油的第一温度大于第一预设温度时，控制所述热交换器的输入端与所述集热装置的输出端之间的阀门开启；
88.控制所述第一热油泵驱动所述集热装置的导热油在管道中流动，并通过所述热交换器进行热能交换；
89.实时获取所述导热油在热能交换后的第二温度；
90.判断所述第二温度是否低于第二预设温度；其中，所述第一预设温度大于第二预设温度；
91.当判定所述第二温度低于第二预设温度时，控制所述相变蓄能装置的输入端与所述热交换器的输出端之间的阀门开启，并控制第三热油泵驱动低于第二预设温度的所述导热油的热能储存至所述相变蓄热装置；其中，所述第三热油泵的一端通过管道与所述热交换器的输出端连接，另一端通过管道与所述储能罐连接。
92.在本实施例中，该第一预设温度可以设置为110摄氏度，第二预设温度可以设置为72摄氏度，当导热油的第一温度大于110摄氏度时，则控制热交换器2的输入端与集热装置1的输出端之间的阀门开启，控制第一热油泵5驱动所述集热装置1的导热油在管道中流动，并通过热交换器2进行热能交换，并在热能交换后的第二温度低于72摄氏度时，控制相变蓄能装置3的输入端与热交换器2的输出端之间的阀门开启，并控制第三热油泵10驱动低于第二预设温度的导热油的热能储存至相变蓄热装置，以将交换后的热能储存至相变蓄热装置，为后续供热设备使用，确保系统的稳定运行。
93.在一实施例中，所述太阳能相变蓄能系统的智能控制方法还可包括：
94.每隔预设时间段获取所述用热设备的用热数据，确定所述用热数据所属的用热时间段，根据预设的分割方法将所述用热时间段平均分割成多个子用热时间段；其中，所述用热时间段包括用热起始时间及用热结束时间；
95.根据所述用热数据确定每个子用热时间段对应的子用热数据，并将每个子用热时间段对应的时间节点作为二维坐标系中的横坐标值，将对应的子用热数据作为所述二维坐标系中的纵坐标值，并生成用热曲线；
96.利用一元函数求导公式计算所述用热曲线在每个时间节点的斜率值，并从所有时间节点的斜率值中筛选出最大斜率值和最小斜率值；
97.计算所述最大斜率值和最小斜率值之间的差值；
98.判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值；
99.当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则根据所述用热数据计算所述用热设备在所述用热时间段的累计热能消耗量；
100.判断所述累计热能消耗量是否大于热能消耗量阈值；
101.当判定所述累计热能消耗量大于热能消耗量阈值时，则进行预警提示，并控制所述电加热装置对所述储能罐中的导热油进行加热，并将加热后的热能储存至所述储能罐或输送至所述用热设备。
102.本实施例每隔预设时间段获取用热设备9的用热数据，该用热数据包括用热设备9在每个时间节点的热能消耗量，然后确定用热数据所属的用热时间段，根据预设的分割方
法将用热时间段平均分割成多个子用热时间段，如将用热时间段平均分割成10个子用热时间段，所述用热时间段包括用热起始时间及用热结束时间，根据用热数据确定每个子用热时间段对应的子用热数据，并将每个子用热时间段对应的时间节点作为二维坐标系中的横坐标值，将对应的子用热数据作为二维坐标系中的纵坐标值，并生成用热曲线，该用热曲线用于显示用热设备9在每个时间节点的热能消耗量。
103.然后利用一元函数求导公式计算用热曲线在每个时间节点的斜率值，该斜率值用于表征用热设备9的热量消耗平衡度，并从所有时间节点的斜率值中筛选出最大斜率值和最小斜率值，计算所述最大斜率值和最小斜率值之间的差值，判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值，当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则表征用热设备9的热量消耗平衡度较差，不均衡，此时根据所述用热数据计算用热设备9在用热时间段的累计热能消耗量，判断累计热能消耗量是否大于热能消耗量阈值，该热能消耗量阈值可自定义设置。
104.当判定所述累计热能消耗量大于热能消耗量阈值时，则进行预警提示，并控制所述电加热装置7对所述储能罐6中的导热油进行加热，并将加热后的热能储存至所述储能罐6或输送至所述用热设备9，以及时、准确地应对用热设备9的热能消耗的突变情况，确保系统高效稳定运行。其中，该用热设备9包括搅拌釜，搅拌釜是一种用于混合、反应、制备等工艺的设备，通常用于化学、医药、食品、化工、农药、涂料等领域。它由容器、搅拌系统、加热或冷却系统、密封系统、传感器等组成。搅拌釜通过带动搅拌器旋转，提高物料的混合和反应效率，同时可以控制加热或冷却速度、混合速度和温度等过程参数，使反应物质更加均匀地混合，从而提高反应、合成或溶解的速率、质量和效率。
105.在一实施例中，所述每隔预设时间段获取所述用热设备的用热数据的步骤之后，还可包括：
106.当确定所述用热设备的数量为多个时，从所述用热数据中提取每个用热设备的第一用热数据，并根据每个用热设备的所述第一用热数据计算得到每个用热设备的第一热能消耗量；
107.根据每个用热设备的第一热能消耗量及预设映射表，生成每个用热设备的用热等级；其中，所述预设映射表包括多组热能消耗量与用热等级的对应关系，所述用热等级与热能消耗量成正相关；
108.所述判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值的步骤之后，还包括：
109.当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则判断所述储能罐的剩余热量是否大于剩余热量阈值，当判定所述储能罐的剩余热量小于剩余热量阈值时，则按照所述用热等级为每个所述用热设备供热。
110.本实施例在判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则表征用热设备9的热量消耗平衡度较差，不均衡，此时判断储能罐6的剩余热量是否大于剩余热量阈值，当判定储能罐6的剩余热量小于剩余热量阈值时，则按照所述用热等级为每个用热设备9供热，以进一步及时、准确地应对用热设备9的热能消耗的突变情况，确保系统高效稳定运行。
111.该用热等级基于预设映射表及每个用热设备9的第一热能消耗量进行确定，第一
热能消耗量越高，则对应的用热设备9的用热等级也越高，以优先为热能消耗量较高的用热设备9供热，确保系统高效稳定运行。
112.在一实施例中，所述每隔预设时间段获取所述用热设备的用热数据的步骤之后，还可包括：
113.当确定所述用热设备的数量为多个时，获取每个用热设备的设备编号；
114.根据所述设备编号对所述用热数据进行分类，得到多个数据集；其中，所属相同设备编号的用热数据被分在同一个数据集，所属不同设备编号的用热数据被分在不同的数据集；
115.对每个分类后的数据集进行哈希处理，并将哈希处理后的多个数据集转换为不同的哈希值；
116.根据所述哈希值对所述多个数据集进行数据分块，得到多个数据块；其中，具有相同哈希值的数据集被分到同一个数据块中；
117.在每次存储一块数据块时，计算每个存储节点当前存储的数据块数量，选取当前存储的数据块数量最少的存储节点作为目标存储节点，将该块数据块存储至所述目标存储节点中。
118.本实施例获取每个用热设备的设备编号，根据设备编号对用热数据进行分类，得到多个数据集，即将所属相同设备编号的用热数据分在同一个数据集，将所属不同设备编号的用热数据分在不同的数据集，以便数据管理。
119.然后对每个分类后的数据集进行哈希处理，并将哈希处理后的多个数据集转换为不同的哈希值。其中，哈希处理通常是将原始数据映射到一个固定长度的哈希值上，用作数据的唯一标识。在对每个分类后的数据集进行哈希处理时，可以使用哈希函数对每个数据集进行处理，得到对应的哈希值，然后将哈希值相同的数据归为同一组，生成新的数据集。
120.如果要将多个数据集转换为不同的哈希值，可以使用不同的哈希函数对每个数据集进行处理，得到对应的哈希值，然后为每个哈希函数分配一个唯一的标识符，并将标识符和对应哈希函数产生的哈希值进行绑定。这样，在需要对数据集进行分类时，可以使用相应标识符对应的哈希函数来得到哈希值，从而将数据集分类。
121.另外，也可以使用一种叫做多哈希投票的方法。多哈希投票的基本思想是使用多个不同的哈希函数对数据集进行处理，然后利用不同哈希函数得到的哈希值进行投票，选出最终的分类结果。这种方法具有较好的鲁棒性和准确性，特别适合处理海量数据集。
122.其中，哈希函数用于将输入的任意长度的消息转换成固定长度的哈希值。包括：
123.md5(message digest algorithm 5)：输出为128位二进制数。
124.sha-1(secure hash algorithm 1)：输出为160位二进制数。
125.sha-2(secure hash algorithm 2)：包括sha-256(输出为256位二进制数)、sha-384(输出为384位二进制数)和sha-512(输出为512位二进制数)等几种变种，其安全性都比md5和sha-1更高。
126.sha-3(secure hash algorithm 3)：包括sha3-224、sha3-256、sha3-384和sha3-512等几种变种，属于新的哈希算法。
127.blake2(haifa构造的第二代中长度输出函数)：通过选择不同的参数，可以生成不同长度的哈希值，包括blake2b(输出为128至512位二进制数)和blake2s(输出为128或256
位二进制数)等多种变种。
128.tiger：输出为192位二进制数。
129.whirlpool：输出为512位二进制数。
130.需要说明的是，具体选择可以依据不同的应用场景和需求来选择。
131.本实施例根据所述哈希值对所述多个数据集进行数据分块，将具有相同哈希值的数据集分到同一个数据块中，从而得到多个数据块，在每次存储一块数据块时，计算每个存储节点当前存储的数据块数量，选取当前存储的数据块数量最少的存储节点作为目标存储节点，将该块数据块存储至所述目标存储节点中。例如，假设我们有两个存储节点，每个存储节点可以存储5个数据块。存储节点a当前已经存储了4个数据块，存储节点b当前已经存储了2个数据块。现在我们需要分配一个新的数据块，那么按照存储规则，该数据块应该被分配到存储节点b上，因为存储节点b的存储使用量最少。如果存储节点a和存储节点b的使用量相同，则该数据块应该被分配到存储节点a的最少使用的存储位置，以实现负载均衡，使得每个存储节点存储的数据块数量尽量相同。
132.在一实施例中，所述每隔预设时间段获取所述用热设备的用热数据的步骤之后，还可包括：
133.将所述用热设备的用热数据进行预处理和变换，得到特征向量；其中，所述用热数据包括热能消耗量、压力及温度；
134.将所述特征向量输入预先训练好的故障分析模型中，得到所述用热设备的故障分析结果，将所述故障分析结果发送给管理人员所在终端；其中，所述故障分析模型为神经网络模型，用于对所述用热设备进行故障分析。
135.在本实施例中，数据预处理和变换的操作需要根据具体的设备和数据特性来选择，以下是一些数据预处理和变换方法：
136.数据平滑处理：对于存在突变的数据，可以采用均值平滑、中位数平滑、滑动平均等方法来减少这种噪声对数据分析的影响。
137.数据标准化：对于不同数据分布的数据，比如温度和电压数据，在进行特征提取和训练分类模型前，需要对其进行标准化处理，以减少这些数据之间的差异。
138.傅里叶变换：对于存在周期性规律的信号和不同频率的信号，可以采用傅里叶变换来提取其频率特征。
139.小波变换：对于长度随时间变化的数据，比如压力和电压数据，可以采用小波变换，提取其时间特征。
140.相位相干处理：通过对一组信号进行相位相干处理，可提高其特征的分离能力，减少特征之间的相互干扰。
141.特征选择：在进行故障诊断时，针对具体的故障类型，可以对采集到的数据特征进行筛选和选择，以提高故障诊断的准确性。
142.本实施例在将用热数据转换为特征向量的过程称为向量化，向量化可以通过如下方式实现：
143.one-hot编码：常用于将分类变量转换为向量。将每个分类变量表示为一个独立的dummy变量，对应的向量中只有一个数为1，其他都为0。如对于颜色变量，可以用独热编码将红色编码为(1,0,0)，绿色编码为(0,1,0)等。
144.词袋模型：常用于将文本数据转换为向量。将文本看成特征项的集合，每个特征对应一个词汇。用一个向量来表示一个文本的特征，向量中每个元素的值表示对应特征出现的次数或者使用tf-idf将每个特征的重要性进行衡量。
145.特征缩放：常用于将连续型变量转换为向量。通过将特征值减去均值并除以标准差的方法，把不同维度的数据缩放到同一尺度下，防止因尺度不同而导致的模型训练不准确。
146.特征哈希化：常用于特征数量很大的情况下，将高维的特征向量映射到低维的空间上。只需将特征通过哈希函数计算出一个固定长度的哈希值，然后用该哈希值表示该特征。
147.然后将特征向量输入预先训练好的故障分析模型中，得到用热设备9的故障分析结果，将故障分析结果发送给管理人员所在终端，其中，＝故障分析模型为神经网络模型，用于对所述用热设备9进行故障分析，该故障分析结果包括故障原因、出现故障的用热设备9。
148.在一实施例中，所述将所述特征向量输入预先训练好的故障分析模型中的步骤之前，还可包括：
149.获取训练数据；其中，所述训练数据包括多个用热样本数据及每个用热样本数据对应的第一向量；
150.确定所述训练数据中的每个第一向量对所述训练数据的信息增益比，根据每个所述第一向量对应的信息增益比确定第二向量，根据所述第二向量对应的信息增益比构建所述第二向量对应的决策树节点；
151.去除所述多个第一向量中的所述第二向量，得到多个第三向量；
152.将所述多个第三向量重新确定为第一向量，并返回执行所述确定所述训练数据中的每个第一向量对所述训练数据的信息增益比的步骤，直至生成初始决策树模型；
153.对所述初始决策树模型进行剪枝处理，得到剪枝决策树模型；
154.利用预设的损失函数计算所述剪枝决策树模型的损失值；
155.判断所述剪枝决策树模型的损失值是否低于预设损失值；
156.若是，则将所述剪枝决策树模型作为故障分析模型。
157.在本实施例中，信息增益比是一种决策树算法中用于选择最优属性的指标。它考虑了信息熵和属性熵的影响并进行综合评价，是对信息增益度量的改进。决策树算法通过属性的信息增益(信息熵的减少量)来选择最优的划分属性，以实现对数据的分类或者回归。然而，当一个属性划分后所得到的数据集不平衡时，信息增益会偏向于选择取值比较多的属性。为了避免这个问题，引入了信息增益比，可以对属性熵的大小进行惩罚，即考虑属性值个数对信息增益的影响。信息增益比定义为最大信息增益除以属性固有信息。其中，属性固有信息度量了属性本身的熵值大小，用于衡量该属性所包含的信息量大小。
158.其中，决策树算法是一种基于树形结构的分类和回归算法。它通过对数据集进行分解，以一系列问题的形式构建一个决策树模型，来进行分类或预测。这个过程可以看作是在特征空间中进行递归划分，直到满足一定条件为止。在分类问题中，决策树每一个分裂点代表一个特征，每一个叶子节点代表一种类别。在回归问题中，叶子节点代表的是一个数值。
159.决策树算法的构建分为两个阶段：决策树的生成和决策树的剪枝。在生成阶段，常见的决策树算法有id3算法、c4.5算法、cart算法等。这些算法的核心思想都是通过计算信息增益或信息增益比，选择最优的特征进行数据集的分割，生成决策树。
160.在剪枝阶段，决策树算法会对生成的决策树进行剪枝操作，对不必要的节点或子树进行删除，以提高模型泛化能力。常见的剪枝方法有预剪枝和后剪枝两种。预剪枝是在生成决策树时，在决策树生长过程中进行评估，若节点泛化能力下降，停止分裂并标记为叶节点。后剪枝则是在生成完整的决策树之后，进行剪枝操作，去除不必要的节点或子树。
161.本实施例确定训练数据中的每个第一向量对训练数据的信息增益比，根据每个第一向量对应的信息增益比确定第二向量，根据第二向量对应的信息增益比构建第二向量对应的决策树节点，去除多个第一向量中的所述第二向量，得到多个第三向量，将多个第三向量重新确定为第一向量，并返回执行确定所述训练数据中的每个第一向量对所述训练数据的信息增益比的步骤，直至生成初始决策树模型。其中，初始决策树模型可以是指初步建立的未经测验的决策树模型。
162.剪枝处理可以是指删除或修剪决策树模型中冗余权重和非关键权重的操作。决策树剪枝是为了避免决策树模型出现过拟合现象，即无法泛化到新的数据集中。决策树剪枝可以通过对决策树模型进行简化，去除不必要的结构和叶子节点来实现。决策树剪枝方法有预剪枝和后剪枝两种。
163.预剪枝是在构建决策树时，在决策树生长的过程中，在进行节点的分裂时，先对其进行评估，若其一定程度上丧失了泛化能力，便立即停止其继续分裂为子节点，直接将其标记为叶节点。显然，这种方法是删除某些子树，不需要在决策树构造完之后再进行额外的计算。
164.后剪枝是在构造出全过程决策树之后，再对每一个内部结点的子树进行考察，若剪掉该子树对交叉验证的误差影响不显著，则将该子树剪掉，成为叶子节点。这种方法虽然稳健，但是计算量较大。
165.具体的剪枝流程根据不同的剪枝方法有所不同，此处以后剪枝为例：
166.1.对初始决策树进行训练，构建成完整的决策树。
167.2.采用交叉验证方法对决策树进行删减。具体来说，首先将数据集分成训练集和验证集两个部分，然后将训练集拆分成若干个子集，用其中的一个子集作为验证集，剩下的部分作为新的训练集训练出一个决策树。然后用验证集来验证该决策树的准确率，并记录下来。
168.3.将步骤2中得到的准确率作为该决策树的评价指标。接着，从决策树的底部往根部遍历到一个内部结点，用一个规则来判断是否剪枝：若去掉这个子树后，准确率依然能够得到提升，则该子树就可以被剪掉。
169.4.重复步骤2、3，对每个剩余子树进行剪枝，直到不能继续剪枝为止。
170.举个例子：假设在某个数据集上，初始决策树模型有100个叶子节点，通过交叉验证发现剪枝之后，某些叶子节点的剪掉会使得准确率得到提升。考虑剪去其中的10个叶子节点后，再进行交叉验证，发现准确率仍旧有小幅度提升，因此可以将这10个叶子节点及其所在的子树剪去，得到剪枝后的决策树模型。
171.损失函数是指用来衡量模型预测结果和真实结果之间差距的函数。在机器学习
中，我们通常需要进行模型训练，即利用训练数据来更新模型参数。而损失函数是衡量模型预测结果和真实结果之间的差距，从而作为模型训练的优化目标，使预测结果更加准确。该损失函数包括平方损失函数、交叉熵损失函数、kl散度损失函数。
172.具体的，本实施例利用验证集对剪枝决策树模型进行验证，利用预设的损失函数计算剪枝决策树模型输出的预测结果和真实结果之间的差距，得到损失值，当判定所述剪枝决策树模型的损失值低于预设损失值时，则将剪枝决策树模型作为故障分析模型，用于对用热设备9进行故障分析。
173.在一实施例中，所述太阳能相变蓄能系统的智能控制方法还可包括：
174.响应于对所述相变蓄能装置的状态测试，获取所述相变蓄能装置的相变材料的初始温度，控制激发装置激发所述相变蓄能装置的相变材料，获取设置于所述相变蓄能装置的温度计测量得到的所述相变材料的温度；
175.判断所述相变材料是否有相应的升温过程；其中，所述升温过程包括：当所述激发装置激发所述相变材料后，所述相变材料的温度在预定时长内从初始温度上升至第一预设温度范围，则所述相变材料处于释能状态；当所述相变材料的温度降至第二预设温度范围，则所述相变材料处于等待储能状态；
176.当温度计测量到相变材料没有相应的升温过程时，判定相变材料为等待储能状态，当温度计测量到相变材料有升温过程，判定此时未激发前的相变材料为储能状态，激发后的相变材料处于释能状态，待释能过程结束，相变材料由释能状态变为等待储能状态。
177.相变蓄能装置3通常需要进行状态测试来确定其性能和可靠性，该状态测试包括：
178.温度测试：使用温度传感器测试相变蓄能装置3内部的温度变化情况，以确定相变的起点和终点温度。这些信息可以用于控制相变材料的相变和查询相变材料的状态。
179.相变时间测试：使用计时器等工具测试相变材料的相变时间，从而确定相变装置的响应时间。相变时间的长短主要取决于相变材料的属性、形状以及激励方式等。
180.循环寿命测试：通过反复的相变操作来测试相变材料的循环稳定性。该测试可用于评估相变材料的长期稳定性和可靠性。
181.能量储存测试：测量相变材料相变前后的热容和焓变化，从而确定相变材料的能量储存能力。这些信息可用于评估相变蓄能装置3的性能和效率。
182.结构测试：通过显微镜和扫描电子显微镜等工具对相变材料的表面和结构进行观察，了解相变材料在相变过程中的变化情况。
183.激发相变材料的激发装置一般是电极。当电极中流过电流时，电极会产生热量并将其传递给相变材料，从而激发相变材料进行相变。对于多位相变材料，也可以利用电压、磁场等其他刺激来激发相变。具体来说，激发相变材料的激发装置可以采用线性阵列电极或矩阵电极阵列。线性阵列电极通常由两个相邻的金属电极组成，通过在两个电极之间施加短脉冲电压或电流来刺激相变材料。矩阵电极阵列包含多个独立的电极，可以更加精细地控制激发。这些电极一般由金属薄膜或碳纳米管等材料制成。除了电极，也可以利用激光、声波等物理刺激来激发相变材料。利用这些刺激装置，可以实现相变材料的快速、可控、高效的相变特性，为相变存储器、储能系统等应用提供了可能。
184.本实施例在对相变蓄能装置3的状态进行测试时，采用温度测试，可先通过温度计获取相变蓄能装置3的相变材料的初始温度，控制激发装置激发所述相变蓄能装置3的相变
材料，在激发预设时长后，获取设置于相变蓄能装置3的温度计测量得到的相变材料的温度，判断相变材料是否有相应的升温过程；其中，所述升温过程包括：当激发装置激发所述相变材料后，相变材料的温度在预定时长内从初始温度上升至第一预设温度范围，如上升了5摄氏度，则所述相变材料处于释能状态；当所述相变材料的温度降至第二预设温度范围，则所述相变材料处于等待储能状态。
185.当温度计测量到相变材料没有相应的升温过程时，判定相变材料为等待储能状态，当温度计测量到相变材料有升温过程，判定此时未激发前的相变材料为储能状态，激发后的相变材料处于释能状态，待释能过程结束，相变材料由释能状态变为等待储能状态，从而简单、准确地完成相变蓄能装置3的状态测试。
186.请参考图3，本发明的实施例还提供一种太阳能相变蓄能系统的智能控制装置，包括：
187.获取模块100，用于获取所述储能罐的剩余热量，并计算所述用热设备在未来的预设工作时长内所需的热能消耗量；
188.估算模块200，用于获取所述预设工作时长内的天气预报信息，根据所述天气预报信息估算在所述预设工作时长内的光照时长；其中，所述天气预报信息包括每个时间段的天气状况及光照时长；
189.第一计算模块300，用于获取所述集热装置的功率，根据所述光照时长及功率计算所述集热装置在所述预设工作时长内的热能供给量；
190.第二计算模块400，用于计算所述储能罐的剩余热量与所述热能供给量之和，得到累计热能供给量；
191.控制模块500，用于判断所述热能消耗量是否大于所述累计热能供给量，当判定所述热能消耗量大于所述累计热能供给量时，确定当前区域中市电的波谷时间段，控制所述电加热装置在所述预设工作时长内的所述波谷时间段对所述储能罐中的导热油进行加热，并将加热后的热能储存至所述储能罐或输送至所述用热设备。
192.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
193.本发明提供的一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上任一项所述的太阳能相变蓄能系统的智能控制方法的步骤。
194.在一实施例中，本技术一实施例中提供的终端，参照图4，该终端可以是计算机设备，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储太阳能相变蓄能系统的智能控制方法的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现以上实施例所述的太阳能相变蓄能系统的智能控制方法。
195.在一个实施例中，本发明还提出了一种存储有计算机可读指令的存储介质，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述太阳能相变蓄
能系统的智能控制方法。其中，所述存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
196.本发明提供一种太阳能相变蓄能系统，包括控制器4、集热装置1、热交换器2、储能罐6、第一热油泵5、第二热油泵8、相变蓄能装置3、电加热装置7及用热设备9，所述第一热油泵5通过管道与所述集热装置1的输入端连接，所述集热装置1的输出端通过管道与所述热交换器2的输入端连接，所述热交换器2的输出端通过管道与所述相变蓄能装置3的输入端连接，所述相变蓄能装置3的输出端通过管道与所述储能罐6的输入端连接，所述储能罐6的输出端通过管道与所述用热设备9的输入端连接，所述储能罐6通过管道还与所述第二热油泵8、电加热装置7连接，所述集热装置1、第一热油泵5、第二热油泵8、电加热装置7、用热设备9及相变蓄能装置3分别与所述控制器4电性连接，所述集热装置1用于收集太阳能并将太阳能转换成热能，所述第一热油泵5用于驱动所述集热装置1的热能在管道中流动，所述热交换器2用于在不同的热流体之间传递热能，所述相变蓄热装置用于根据物质相变过程来蓄热或释热，所述储能罐6用于存储导热油，所述电加热装置7用于在特定条件下对所述储能罐6中的导热油进行加热，所述第二热油泵8用于驱动所述储能罐6中的导热油在管道中流动，所述控制器4包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上任一项所述的太阳能相变蓄能系统的智能控制方法的步骤。
197.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
198.综合上述实施例可知，本发明最大的有益效果在于：
199.本发明提供的太阳能相变蓄能系统的智能控制方法、终端及系统，通过获取储能罐6的剩余热量，并计算用热设备9在未来的预设工作时长内所需的热能消耗量，获取预设工作时长内的天气预报信息，根据天气预报信息估算在预设工作时长内的光照时长；获取集热装置1的功率，根据光照时长及功率计算集热装置1在预设工作时长内的热能供给量，计算储能罐6的剩余热量与热能供给量之和，得到累计热能供给量；判断热能消耗量是否大于累计热能供给量，当判定热能消耗量大于累计热能供给量时，确定当前区域中市电的波谷时间段，控制电加热装置7在预设工作时长内的波谷时间段对储能罐6中的导热油进行加热，并将加热后的热能储存至储能罐6或输送至用热设备9，从而精确预测所需的热能消耗量，并充分利用市电的波谷时间段做好系统预热规划，以避免对太阳能相变蓄能系统造成负担，保证系统高效稳定运行，同时节约成本。
200.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
201.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保
护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种太阳能相变蓄能系统的智能控制方法，其特征在于，应用于太阳能相变蓄能系统的控制器(4)，所述太阳能相变蓄能系统还包括集热装置(1)、热交换器(2)、储能罐(6)、第一热油泵(5)、第二热油泵(8)、相变蓄能装置(3)、电加热装置(7)及用热设备(9)，所述第一热油泵(5)通过管道与所述集热装置(1)的输入端连接，所述集热装置(1)的输出端通过管道与所述热交换器(2)的输入端连接，所述热交换器(2)的输出端通过管道与所述相变蓄能装置(3)的输入端连接，所述相变蓄能装置(3)的输出端通过管道与所述储能罐(6)的输入端连接，所述储能罐(6)的输出端通过管道与所述用热设备(9)的输入端连接，所述储能罐(6)通过管道还与所述第二热油泵(8)、电加热装置(7)连接，所述集热装置(1)、第一热油泵(5)、第二热油泵(8)、电加热装置(7)、用热设备(9)及相变蓄能装置(3)分别与所述控制器(4)电性连接，所述集热装置(1)用于收集太阳能并将太阳能转换成热能，所述第一热油泵(5)用于驱动所述集热装置(1)的热能在管道中流动，所述热交换器(2)用于在不同的热流体之间传递热能，所述相变蓄热装置用于根据物质相变过程来蓄热或释热，所述储能罐(6)用于存储导热油，所述电加热装置(7)用于在特定条件下对所述储能罐(6)中的导热油进行加热，所述第二热油泵(8)用于驱动所述储能罐(6)中的导热油在管道中流动；其中，所述太阳能相变蓄能系统的智能控制方法包括：所述控制器(4)获取所述储能罐(6)的剩余热量，并计算所述用热设备(9)在未来的预设工作时长内所需的热能消耗量；获取所述预设工作时长内的天气预报信息，根据所述天气预报信息估算在所述预设工作时长内的光照时长；其中，所述天气预报信息包括每个时间段的天气状况及光照时长；获取所述集热装置(1)的功率，根据所述光照时长及功率计算所述集热装置(1)在所述预设工作时长内的热能供给量；计算所述储能罐(6)的剩余热量与所述热能供给量之和，得到累计热能供给量；判断所述热能消耗量是否大于所述累计热能供给量，当判定所述热能消耗量大于所述累计热能供给量时，确定当前区域中市电的波谷时间段，控制所述电加热装置(7)在所述预设工作时长内的所述波谷时间段对所述储能罐(6)中的导热油进行加热，并将加热后的热能储存至所述储能罐(6)或输送至所述用热设备(9)。2.根据权利要求1所述的太阳能相变蓄能系统的智能控制方法，其特征在于，还包括：实时获取所述集热装置(1)输出的导热油的第一温度；判断所述导热油的第一温度是否大于第一预设温度；当判定所述导热油的第一温度大于第一预设温度时，控制所述热交换器(2)的输入端与所述集热装置(1)的输出端之间的阀门开启；控制所述第一热油泵(5)驱动所述集热装置(1)的导热油在管道中流动，并通过所述热交换器(2)进行热能交换；实时获取所述导热油在热能交换后的第二温度；判断所述第二温度是否低于第二预设温度；其中，所述第一预设温度大于第二预设温度；当判定所述第二温度低于第二预设温度时，控制所述相变蓄能装置(3)的输入端与所述热交换器(2)的输出端之间的阀门开启，并控制第三热油泵(10)驱动低于第二预设温度的所述导热油的热能储存至所述相变蓄热装置；其中，所述第三热油泵(10)的一端通过管
道与所述热交换器(2)的输出端连接，另一端通过管道与所述储能罐(6)连接。3.根据权利要求1所述的太阳能相变蓄能系统的智能控制方法，其特征在于，还包括：每隔预设时间段获取所述用热设备(9)的用热数据，确定所述用热数据所属的用热时间段，根据预设的分割方法将所述用热时间段平均分割成多个子用热时间段；其中，所述用热时间段包括用热起始时间及用热结束时间；根据所述用热数据确定每个子用热时间段对应的子用热数据，并将每个子用热时间段对应的时间节点作为二维坐标系中的横坐标值，将对应的子用热数据作为所述二维坐标系中的纵坐标值，并生成用热曲线；利用一元函数求导公式计算所述用热曲线在每个时间节点的斜率值，并从所有时间节点的斜率值中筛选出最大斜率值和最小斜率值；计算所述最大斜率值和最小斜率值之间的差值；判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值；当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则根据所述用热数据计算所述用热设备(9)在所述用热时间段的累计热能消耗量；判断所述累计热能消耗量是否大于热能消耗量阈值；当判定所述累计热能消耗量大于热能消耗量阈值时，则进行预警提示，并控制所述电加热装置(7)对所述储能罐(6)中的导热油进行加热，并将加热后的热能储存至所述储能罐(6)或输送至所述用热设备(9)。4.根据权利要求3所述的太阳能相变蓄能系统的智能控制方法，其特征在于，所述每隔预设时间段获取所述用热设备(9)的用热数据的步骤之后，还包括：当确定所述用热设备(9)的数量为多个时，从所述用热数据中提取每个用热设备(9)的第一用热数据，并根据每个用热设备(9)的所述第一用热数据计算得到每个用热设备(9)的第一热能消耗量；根据每个用热设备(9)的第一热能消耗量及预设映射表，生成每个用热设备(9)的用热等级；其中，所述预设映射表包括多组热能消耗量与用热等级的对应关系，所述用热等级与热能消耗量成正相关；所述判断所述最大斜率值和最小斜率值之间的差值是否大于预设差值的步骤之后，还包括：当判定所述最大斜率值和最小斜率值之间的差值大于预设差值时，则判断所述储能罐(6)的剩余热量是否大于剩余热量阈值，当判定所述储能罐(6)的剩余热量小于剩余热量阈值时，则按照所述用热等级为每个所述用热设备(9)供热。5.根据权利要求3所述的太阳能相变蓄能系统的智能控制方法，其特征在于，所述每隔预设时间段获取所述用热设备(9)的用热数据的步骤之后，还包括：当确定所述用热设备(9)的数量为多个时，获取每个用热设备(9)的设备编号；根据所述设备编号对所述用热数据进行分类，得到多个数据集；其中，所属相同设备编号的用热数据被分在同一个数据集，所属不同设备编号的用热数据被分在不同的数据集；对每个分类后的数据集进行哈希处理，并将哈希处理后的多个数据集转换为不同的哈希值；根据所述哈希值对所述多个数据集进行数据分块，得到多个数据块；其中，具有相同哈
希值的数据集被分到同一个数据块中；在每次存储一块数据块时，计算每个存储节点当前存储的数据块数量，选取当前存储的数据块数量最少的存储节点作为目标存储节点，将该块数据块存储至所述目标存储节点中。6.根据权利要求3所述的太阳能相变蓄能系统的智能控制方法，其特征在于，所述每隔预设时间段获取所述用热设备(9)的用热数据的步骤之后，还包括：将所述用热设备(9)的用热数据进行预处理和变换，得到特征向量；其中，所述用热数据包括热能消耗量、压力及温度；将所述特征向量输入预先训练好的故障分析模型中，得到所述用热设备(9)的故障分析结果，将所述故障分析结果发送给管理人员所在终端；其中，所述故障分析模型为神经网络模型，用于对所述用热设备(9)进行故障分析。7.根据权利要求6所述的太阳能相变蓄能系统的智能控制方法，其特征在于，所述将所述特征向量输入预先训练好的故障分析模型中的步骤之前，还包括：获取训练数据；其中，所述训练数据包括多个用热样本数据及每个用热样本数据对应的第一向量；确定所述训练数据中的每个第一向量对所述训练数据的信息增益比，根据每个所述第一向量对应的信息增益比确定第二向量，根据所述第二向量对应的信息增益比构建所述第二向量对应的决策树节点；去除所述多个第一向量中的所述第二向量，得到多个第三向量；将所述多个第三向量重新确定为第一向量，并返回执行所述确定所述训练数据中的每个第一向量对所述训练数据的信息增益比的步骤，直至生成初始决策树模型；对所述初始决策树模型进行剪枝处理，得到剪枝决策树模型；利用预设的损失函数计算所述剪枝决策树模型的损失值；判断所述剪枝决策树模型的损失值是否低于预设损失值；若是，则将所述剪枝决策树模型作为故障分析模型。8.根据权利要求1所述的太阳能相变蓄能系统的智能控制方法，其特征在于，还包括：响应于对所述相变蓄能装置(3)的状态测试，获取所述相变蓄能装置(3)的相变材料的初始温度，控制激发装置激发所述相变蓄能装置(3)的相变材料，获取设置于所述相变蓄能装置(3)的温度计测量得到的所述相变材料的温度；判断所述相变材料是否有相应的升温过程；其中，所述升温过程包括：当所述激发装置激发所述相变材料后，所述相变材料的温度在预定时长内从初始温度上升至第一预设温度范围，则所述相变材料处于释能状态；当所述相变材料的温度降至第二预设温度范围，则所述相变材料处于等待储能状态；当温度计测量到相变材料没有相应的升温过程时，判定相变材料为等待储能状态，当温度计测量到相变材料有升温过程，判定此时未激发前的相变材料为储能状态，激发后的相变材料处于释能状态，待释能过程结束，相变材料由释能状态变为等待储能状态。9.一种终端，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述的太阳能相变蓄能系统的智能控制方法的步骤。
10.一种太阳能相变蓄能系统，其特征在于，包括控制器(4)、集热装置(1)、热交换器(2)、储能罐(6)、第一热油泵(5)、第二热油泵(8)、相变蓄能装置(3)、电加热装置(7)及用热设备(9)，所述第一热油泵(5)通过管道与所述集热装置(1)的输入端连接，所述集热装置(1)的输出端通过管道与所述热交换器(2)的输入端连接，所述热交换器(2)的输出端通过管道与所述相变蓄能装置(3)的输入端连接，所述相变蓄能装置(3)的输出端通过管道与所述储能罐(6)的输入端连接，所述储能罐(6)的输出端通过管道与所述用热设备(9)的输入端连接，所述储能罐(6)通过管道还与所述第二热油泵(8)、电加热装置(7)连接，所述集热装置(1)、第一热油泵(5)、第二热油泵(8)、电加热装置(7)、用热设备(9)及相变蓄能装置(3)分别与所述控制器(4)电性连接，所述集热装置(1)用于收集太阳能并将太阳能转换成热能，所述第一热油泵(5)用于驱动所述集热装置(1)的热能在管道中流动，所述热交换器(2)用于在不同的热流体之间传递热能，所述相变蓄热装置用于根据物质相变过程来蓄热或释热，所述储能罐(6)用于存储导热油，所述电加热装置(7)用于在特定条件下对所述储能罐(6)中的导热油进行加热，所述第二热油泵(8)用于驱动所述储能罐(6)中的导热油在管道中流动，所述控制器(4)包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述的太阳能相变蓄能系统的智能控制方法的步骤。

技术总结
本发明提供了一种太阳能相变蓄能系统的智能控制方法、终端及系统，所述太阳能相变蓄能系统的智能控制方法包括：获取储能罐的剩余热量，并计算用热设备在未来的预设工作时长内所需的热能消耗量，根据天气预报信息估算在预设工作时长内的光照时长，根据光照时长及功率计算集热装置在预设工作时长内的热能供给量，计算储能罐的剩余热量与热能供给量之和，得到累计热能供给量；当判定热能消耗量大于累计热能供给量时，控制电加热装置在预设工作时长内的波谷时间段对储能罐中的导热油进行加热，并将加热后的热能储存至储能罐或输送至用热设备，以做好系统预热规划，避免对系统造成负担，保证系统高效稳定运行，同时节约成本。同时节约成本。同时节约成本。


技术研发人员：冯耀忠 陈锦标
受保护的技术使用者：耀昶嵘相变材料科技（广东）有限公司
技术研发日：2023.04.27
技术公布日：2023/8/1