(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 202211032017.6 (22)申请日 2022.08.26 (71)申请人 呼伦贝尔安泰热电有限责任公司海 拉尔热电厂 地址 021000 内蒙古自治区呼伦 贝尔市海 拉尔区额尔古纳路 (72)发明人 尹金力　张亮　李海东　郭鑫　 张冬雪　白烨　于微　蒋陈铭　 张彦锋　 (74)专利代理 机构 郑州博派知识产权代理事务 所(特殊普通 合伙) 41137 专利代理师 荣永辉 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/06(2012.01)G06N 20/10(2019.01) G06N 20/20(2019.01) G06N 3/12(2006.01) (54)发明名称 一种集中供热中用户异常用热行为辨识方 法 (57)摘要 本发明提供一种集中供热中用户异常用热 行为辨识方法， 属于集中供热技术领域， 具体包 括： 将温度变化输入集送入到基于GA ‑SVM算法的 预测模型中， 得到此时的温度变化状态； 将管道 堵塞输入集送入到基于PSO ‑KNN算法的分类模型 中， 得到管道堵塞结果， 并基于管道堵塞结果确 定此时是否存在管道堵塞情况； 当确定不存在堵 塞情况时， 将用热状态输入集送入到基于ABC ‑ GBDT算法和GA‑Bagging算法的预测模型之中， 预 测得到此时的用户状态值； 基于此时的所述用户 状态值， 确定此时的用户用热状态， 从而进一步 的提升了用户异常用热 行为辨识的准确度。 权利要求书2页 说明书6页 附图1页 CN 115374866 A 2022.11.22 CN 115374866 A 1.一种集中供 热中用户异常用热 行为辨识方法， 其特 征在于， 具体包括： S1 基于用户的供水参数、 回水参数、 室外温度、 房屋面积构成温度变化输入集， 并将所 述温度变化输入集送入到基于GA ‑SVM算法的预测模型中， 得到此时的温度变化状态； S2； 基于所述用户的供水压力、 回水压力、 供水温度、 回水温度构成管道堵塞输入集， 并 将所述管道堵塞输入集送入到基于PSO ‑KNN算法的分类模 型中， 得到管道堵塞 结果， 并基于 所述管道堵塞结果确定此时是否存在管道堵塞情况； S3 当确定不存在堵塞情况时， 将所述用户的温度变化状态、 室内外温差、 与楼上室温 差、 与楼下室温差、 与同楼层同户型温差、 与楼上室回水温度差、 与楼下室回水温度差、 与同 楼层同户型回水温度差作为用热状态输入集， 并将所述用热状态输入集送入到所述基于 ABC‑GBDT算法和GA ‑Bagging算法的预测模型之中， 预测得到此时的用户状态值； S4 基于此时的所述用户状态值， 确定此时的用户用热状态。 2.如权利要求1所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 供水参数包括供水压力和供水温度， 所述回水参数包括回水压力和回水温度， 所述温度变 化状态包括升温、 保温、 降温。 3.如权利要求1所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 GA‑SVM算法的核函数采用拉普拉斯核函数。 4.如权利要求1所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 GA‑SVM算法为采用GA算法对SVM算法的惩罚系数和核参数进行寻优。 5.如权利要求1所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 管道堵塞结果取值 为0， 0.5， 1三种， 其中0表示无堵塞， 0.5表示 为轻微堵塞， 1为 严重堵塞。 6.如权利要求1所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 PSO‑KNN算法为采用P SO算法对KN N算法的超参数 K进行寻优。 7.如权利要求5所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 不存在堵塞情况包括轻微堵塞和严重堵塞。 8.如权利要求1所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 基于ABC‑GBDT算法和GA ‑Bagging算法的预测模型的具体步骤为： S21 将所述用户的温度变化状态、 室内外温差、 与楼上室温差、 与楼下室温差、 与同楼 层同户型温差、 与 楼上室回水温度差、 与 楼下室回水温度差、 与同楼层同户型回水温度差作 为用热状态输入集， 并将所述用热状态输入集送入到基于ABC ‑GBDT算法 的预测模型中， 得 到此时的GBDT用户状态值； S22 将所述用户的温度变化状态、 室内外温差、 与楼上室温差、 与楼下室温差、 与同楼 层同户型温差、 与 楼上室回水温度差、 与 楼下室回水温度差、 与同楼层同户型回水温度差作 为用热状态输入集， 并将所述用热状态输入集送入到基于ABC ‑GBDT算法 的预测模型中， 得 到此时的Ba gging用户状态值； S23 基于所述GBDT用户状态值和所述Ba gging用户状态值得到最终的用户状态值。 9.如权利要求8所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 所述 用热状态输入集还包括所述用户的最近24小时每小时的用热量、 室外温度、 时间构成时序 状态集， 并将所述时序状态集送入到基于Bi ‑LSTM算法的预测模型之中， 得到用户的时序用 热状态值。权　利　要　求　书 1/2 页 2 CN 115374866 A 210.如权利要求9所述的一种集中供热中用户异常用热行为辨识方法， 其特征在于， 基 于所述时序用热状态值和所述用户状态值， 确定所述用户状态是否处于异常状态。权　利　要　求　书 2/2 页 3 CN 115374866 A 3