(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111626832.0 (22)申请日 2021.12.28 (71)申请人 郑州英集动力科技有限公司 地址 450000 河南省郑州市郑州高新 技术 产业开发区长 椿路6号西塔2416 (72)发明人 时伟　穆佩红　金鹤峰　谢金芳　 (74)专利代理 机构 常州市科谊专利代理事务所 32225 专利代理师 孙彬 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) G01K 1/024(2021.01) G01K 13/00(2021.01)H04Q 9/00(2006.01) H04W 4/80(2018.01) (54)发明名称 基于蓝牙通信和迁移学习的热用户室温测 量及控制方法 (57)摘要 本发明公开了一种基于蓝牙通信和迁移学 习的热用户室温测量及控制方法， 包括： 选取多 个典型用户作为室温测量点， 并选取有效固定位 置依次安装室温采集装置； 所述 室温采集装置至 少包括温度采集模块、 蓝牙通信模块和控制模 块； 室温采集装置通过其蓝牙通信模块与用户蓝 牙智能终端建立蓝牙通信连接后， 将采集的室内 温度传输至用户蓝牙智能终端； 后台服务器将室 内温度与设定的目标温度值进行比对分析后， 采 用卷积神经网络和迁移学习方法建立 以热用户 室内温度为控制目标的热网平衡优化调度模型； 通过热网平衡优化调度模型对阀门和水泵进行 前馈调节后， 再次获取采集的室内温度， 判断室 内温度是否 达标。 权利要求书3页 说明书10页 附图2页 CN 114444655 A 2022.05.06 CN 114444655 A 1.一种基于蓝牙通信和迁移学习的热用户室温测量及控制方法， 其特征在于， 所述热 用户室温测量及控制方法包括： 步骤S1、 选取多个典型用户作为室温测量点， 并选取有效固定位置依次安装室温采集 装置； 所述室温采集装置 至少包括温度采集模块、 蓝牙通信模块和控制模块； 步骤S2、 所述室温采集装置通过其蓝牙通信模块与用户蓝牙智能终端建立蓝牙通信连 接后， 将采集的室内温度传输 至所述用户蓝牙智能终端； 步骤S3、 后台服务器将室内温度与设定的目标温度值进行比对分析后， 采用卷积神经 网络和迁移学习方法建立以热用户室内温度为控制目标的热网平衡优化调度模型； 步骤S4、 通过所述热网平衡优化调度模型对阀门和水泵进行前馈调节后， 再次获取采 集的室内温度， 判断室内温度是否 达标。 2.根据权利要求1所述的热用户室温测量及控制方法， 其特征在于， 所述步骤S1中， 所 述选取多个典型用户作为室温测量点， 并选取有效固定位置依 次安装室温采集装置， 具体 包括： 选择相对于供热站的距离为远距、 中距和近距的不同建筑作为典型楼栋进行室温采 集； 针对不同楼栋选取底层、 中层和顶层住户作为典型用户作为室温测量 点； 针对不同用户的房间使用面积选取一个或多个有效固定位置安装室温采集装置； 所述 有效固定位置为： 所述室温采集装置距离外墙内表面不小于(1.5 ±0.05)m， 所述室温采集 装置距离内墙表面不小于(1.0 ±0.05)m， 所述室温采集装置距离地面正上方(1.4 ±0.05) m； 以及在安装室温采集装置之后， 还包括： 通过管理员蓝牙智能终端获取和记录用户蓝 牙智能终端的有效位置信息和各个典型用户中室温采集装置的数据信息， 至少包括楼栋标 识、 住户标识、 采集装置标识、 当前室内温度和记录时间。 3.根据权利要求1所述的热用户室温测量及控制方法， 其特征在于， 所述步骤S2中， 所 述室温采集装置通过其蓝牙 通信模块与用户蓝牙智能终端建立蓝牙 通信连接后， 将采集的 所述室内温度传输 至所述用户蓝牙智能终端， 具体包括： 开启用户蓝牙智能终端的蓝牙功能后， 用户智能终端的室温采集客户端将自动搜索蓝 牙模块范围内可用的室温采集装置， 并对其设备名及密码进行匹配后， 即自动与数据采集 装置成功建立蓝牙通信连接， 且停止设备寻找； 所述数据采集装置 中的温度采集模块采集室内温度后， 通过所述蓝牙通信模块向用户 蓝牙智能终端传输数据包； 所述用户蓝牙智能终端接收到数据包后， 获取数据包的基本信 息， 包括室内温度信 息、 采集装置标识和当前时间； 其中， 在建立蓝牙通信连接时， 判定所述用户蓝牙智能终端的位置信息是否在标定的 预设位置， 若在预设位置， 则允许建立蓝牙通信连接； 否则禁止建立蓝牙通信连接 。 4.根据权利要求1所述的热用户室温测量及控制方法， 其特征在于， 所述步骤S3中， 所 述后台服务器将所述室内温度与设定的目标温度值进 行比对分析后， 采用卷积神经网络和 迁移学习方法建立以热用户室内温度为控制目标的热网平衡优化调度模型， 具体包括： 所述后台服务器对所述室内温度与设定的目标温度值进行偏差计算， 判断偏差是否在权　利　要　求　书 1/3 页 2 CN 114444655 A 2预设范围内， 若偏差不在预设范围内， 则采用卷积神经网络和迁移学习方法建立以热用户 为控制目标的热网平衡优化调度模型， 具体包括： 通过卷积神经网络和反向传播 算法对历史源域数据训练生成热网平衡调度模型； 对所述热网平衡调度模型进行迁移训练和微调： 加载源域训练热网平衡调度模型中除 最后全连接层之外的模型参数和权重， 利用目标域数据重新训练一个完整的全连接模型， 并保存最后的全连接模型提取的参数和权重作为下一阶段全连接层中的特征提取源； 在全 连接层中加载上一阶段源域模型训练特征和权重， 冻结部 分层或整个模型层结构的训练参 数， 利用源域数据和反向传播 算法对迁移训练后的热网平衡调度模型进行微调； 将目标域数据输入微调后的热网平衡调度模型中， 然后输出供水温度预测值， 再通过 调节阀门开度保证供 水温度达 到预测值， 通过 供水温度调节控制热用户室内温度。 5.根据权利要求4所述的热用户室温测量及控制方法， 其特征在于， 利用所述历史源域 数据训练热网平衡调度模型， 具体包括： 从供热系统中获取N时刻历史运行数据、 N时刻天气数据和N ‑T时刻室内温度数据和N时 刻室内温度数据作为源域输入变量， N +T时刻室内温度作为源域输出变量； 所述历史运行数 据包括供水温度、 回水温度、 供水压力、 回水压力和瞬时流量； 所述天气数据包括室外温度 数据、 湿度数据、 风速和外 部气压； 对获取的源域数据进行预处理： 去掉重复数据、 补全缺失数据和 异常值处理； 其中去掉 重复数据时， 将同一时间重复存储的数据进行去重， 保留一个即可； 补全数据时， 在两端时 刻都有数据时， 利用相 邻两边数据取平均值代替缺失值， 若序列的开头或者结尾缺 失数据， 利用上一周和下一周该时刻的数据 平均值代替缺 失值； 异常值处理 时， 通过3 ‑sigma方法对 数据序列进行异常值判别， 对检测出来的异常值用相邻值进行代替； 将预处理后的源域数据划分为70％的训练数据集和3 0％的测试 数据集； 通过反向传播算法对卷积神经网络模型中的卷积特征映射网络单元与全连接分类网 络单元进 行优化后， 将源域训练数据集输入至优化的卷积神经网络模型中进 行训练生成热 网平衡调度模型； 通过源域测试数据集对训练生成的热网平衡调度模型进行准确率计算， 若准确率小于 预设准确率， 则对卷积神经网络模型重新进行优化； 否则， 停止训练， 将热网平衡调度模型 的参数保存。 6.根据权利要求4所述的热用户室温测量及控制方法， 其特征在于， 利用所述源域数据 和反向传播 算法对迁移训练后的热网平衡调度模型进行微调， 具体包括： 从带标签的源域训练数据集中抽取 大小为m的微调用训练数据； 使用反向传播算法优化热网平衡调度模型中的卷积特征映射网络单元和全连接网络 单元； 通过迭代优化损失函数来对热网平衡调度模型的参数进行约束和设置目标函数对模 型进行不断训练， 直到达到最大迭代次数或损失函数小于 设定值、 目标函数达到最小值， 停 止训练， 保存所获得的模型参数， 完成所述热网平衡调度模型的迁移训练与微调。 7.根据权利要求4所述的热用户室温测量及控制方法， 其特征在于， 对所述热网平衡调 度模型进行迁移训练时， 在所述热网平衡调度模型中设置有域适应模块， 所述域适应模块 分别使用了TCA、 JDA、 GFK三种迁移学习算法， 进行从源域数据到目标域数据的映射， 增加源权　利　要　求　书 2/3 页 3 CN 114444655 A 3