用户室温在线监测系统及方法与流程

本技术涉及室温监测，具体地，涉及一种用户室温在线监测系统及方法。

背景技术：

1、在大型商业建筑、工厂车间、数据中心等关键场所，精确的室温监测和供热控制不仅能够确保设备运行在最佳状态，延长其使用寿命，还能为工作人员创造一个舒适的工作环境，提高生产效率。

2、然而，传统室温监测系统由于依赖单一传感器，往往无法捕捉室内温度的细微变化和空间差异，限制了对温度场全面认知的能力。这种局限性使得系统在面对温度波动和区域性温差时，无法做出快速且精确的响应。此外，传统系统通常采用简单的基于阈值的控制策略，这种控制策略虽然易于实施，但在处理复杂的温度时序动态时，往往无法适应温度的非线性变化，导致调控效果不佳。

3、因此，期望一种用户室温在线监测系统。

技术实现思路

1、提供该技术实现要素：部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本技术提供了一种用户室温在线监测系统，所述系统包括：温度数据获取模块，用于获取由部署于被监测室内多个位置处的温度传感器采集的多个温度数据的时间序列；温度时序特征提取模块，用于将所述多个温度数据的时间序列按照时间维度排列为多个温度时序输入向量后，将所述多个温度时序输入向量通过时序编码器以得到多个温度时序特征向量；温度时序特征优化模块，用于将所述多个温度时序特征向量通过基于序列内生相关性语义度量的特征关联优化网络以得到多个优化温度时序特征向量；温度拓扑矩阵构建模块，用于构建所述被监测室内多个位置处的温度传感器的空间拓扑矩阵；温度拓扑特征提取模块，用于将所述空间拓扑矩阵通过拓扑关联特征提取器以得到空间拓扑特征矩阵；全局温度时序表征模块，用于将所述多个优化温度时序特征向量和所述空间拓扑特征矩阵通过基于图注意力网络的全局温度时序表征器以得到空间拓扑结构引导下全局温度时序表征矩阵；电动阀门开度推荐模块，用于基于所述空间拓扑结构引导下全局温度时序表征矩阵，得到控制结果，所述控制结果用于表示电动阀门的开度推荐值。

3、可选地，所述温度时序特征提取模块，用于：将所述多个温度数据的时间序列按照时间维度排列为所述多个温度时序输入向量后，将所述多个温度时序输入向量通过基于bi-lstm模型的时序编码器以得到所述多个温度时序特征向量。

4、可选地，所述温度时序特征优化模块，包括：温度时序语义关联得分向量计算单元，用于计算所述多个温度时序特征向量中任意两个温度时序特征向量之间的语义关联得分向量以得到温度时序语义关联得分向量的集合；温度时序序列内生相关性全局表示确定单元，用于基于所述温度时序语义关联得分向量的集合，确定温度时序序列内生相关性全局表示向量；温度时序语义关联优化因子计算单元，用于基于所述温度时序序列内生相关性全局表示向量，计算所述多个温度时序特征向量中的各个温度时序特征向量的关联优化因子以得到温度时序语义关联优化因子的序列；激活单元，用于将所述温度时序语义关联优化因子的序列输入softmax激活函数以得到温度时序语义关联优化权重因子的序列；向量加权单元，用于以所述温度时序语义关联优化权重因子的序列中的各个温度时序语义关联优化权重因子作为权重，分别对所述多个温度时序特征向量中的各个温度时序特征向量进行加权以得到所述多个优化温度时序特征向量；其中，所述温度时序序列内生相关性全局表示确定单元，用于：计算所述温度时序语义关联得分向量的集合的均值向量作为所述温度时序序列内生相关性全局表示向量。

5、可选地，所述温度时序语义关联得分向量计算单元，用于：将所述多个温度时序特征向量中任意两个温度时序特征向量进行级联处理以得到温度时序语义级联特征向量的集合；将所述温度时序语义级联特征向量的集合中每个温度时序语义级联特征向量与温度权重矩阵进行相乘后与温度偏置向量进行按位置相加以得到所述温度时序语义关联得分向量的集合。

6、可选地，所述温度时序语义关联优化因子计算单元，用于：将所述温度时序序列内生相关性全局表示向量与温度时序全局权重矩阵进行相乘以得到温度时序全局表示权重向量；将所述多个温度时序特征向量中的每个温度时序特征向量与温度时序局部权重矩阵进行相乘以得到温度时序局部表示权重向量的集合；将所述温度时序局部表示权重向量的集合中的每个温度时序局部表示权重向量与所述温度时序全局表示权重向量和温度时序偏置向量进行按位置相加以得到温度时序局部语义关联向量的集合；将所述温度时序局部语义关联向量的集合输入sigmoid函数以得到所述温度时序语义关联优化因子的序列。

7、可选地，所述全局温度时序表征模块，包括：优化温度时序变化特征计算单元，用于分别计算所述多个优化温度时序特征向量中各个优化温度时序特征向量的变化特征向量以得到优化温度时序变化特征向量的序列；优化温度时序变化能量度量系数计算单元，用于基于所述优化温度时序变化特征向量的序列中的各个优化温度时序变化特征向量的均值和标准差，计算所述各个优化温度时序变化特征向量的能量度量系数以得到优化温度时序变化能量度量系数的序列；加权特征向量计算单元，用于以所述优化温度时序变化能量度量系数的序列中各个优化温度时序变化能量度量系数作为权重，对所述优化温度时序变化特征向量的序列进行加权以得到优化温度时序变化加权特征向量的序列；向量排序单元，用于将所述优化温度时序变化加权特征向量的序列排列为全局温度时序表征矩阵；偏置矩阵计算单元，用于计算以自然常数为底，所述全局温度时序表征矩阵中每个特征值为指数幂的指数函数值以得到全局温度时序表征偏置矩阵；空间拓扑矩阵计算单元，用于计算以自然常数为底，所述空间拓扑特征矩阵中每个特征值为指数幂的指数函数值以得到空间拓扑偏置特征矩阵；全连接编码单元，用于将所述全局温度时序表征偏置矩阵和所述空间拓扑偏置特征矩阵进行矩阵相乘后输入全连接层进行全连接编码处理以得到所述空间拓扑结构引导下全局温度时序表征矩阵。

8、可选地，所述优化温度时序变化特征计算单元，用于：计算所述多个优化温度时序特征向量中第(i+1)个优化温度时序特征向量与第i个优化温度时序特征向量之间的差分向量以得到第一优化温度时序差分特征向量的序列；计算所述多个优化温度时序特征向量中第i个优化温度时序特征向量与第(i-1)个优化温度时序特征向量之间的差分向量以得到第二优化温度时序差分特征向量的序列；分别计算所述第一优化温度时序差分特征向量的序列中每个第一优化温度时序差分特征向量的各个位置的特征值的平方以得到第一优化温度时序调制特征向量的序列；分别计算所述第二优化温度时序差分特征向量的序列中每个第二优化温度时序差分特征向量的各个位置的特征值的平方以得到第二优化温度时序调制特征向量的序列；计算所述第一优化温度时序调制特征向量的序列和所述第二优化温度时序调制特征向量的序列中每组对应的第一优化温度时序调制特征向量和第二优化温度时序调制特征向量的按位置加和值以得到优化温度时序调制特征向量的序列；计算所述优化温度时序调制特征向量的序列中每个优化温度时序调制特征向量的各个位置特征值的平方根以得到所述优化温度时序变化特征向量的序列。

9、可选地，所述优化温度时序变化能量度量系数计算单元，用于：分别计算所述优化温度时序变化特征向量的均值和标准差以得到优化温度时序变化特征均值和优化温度时序变化特征标准差；计算所述优化温度时序变化特征向量与所述优化温度时序变化特征均值的按位置差值以得到优化温度时序变化差异向量；计算所述优化温度时序变化差异向量中每个特征值的四次方以得到优化温度时序变化调制差异向量；计算所述优化温度时序变化调制差异向量的期望值以得到优化温度时序变化期望值；将所述优化温度时序变化期望值与所述优化温度时序变化特征标准差的四次方进行相除以得到所述优化温度时序变化能量度量系数。

10、可选地，所述电动阀门开度推荐模块，用于：将所述空间拓扑结构引导下温度时序全局表征矩阵通过基于解码器的电动阀门控制器以得到控制结果，所述控制结果用于表示电动阀门的开度推荐解码值。

11、第二方面，本技术提供了一种用户室温在线监测方法，所述方法包括：获取由部署于被监测室内多个位置处的温度传感器采集的多个温度数据的时间序列；将所述多个温度数据的时间序列按照时间维度排列为多个温度时序输入向量后，将所述多个温度时序输入向量通过时序编码器以得到多个温度时序特征向量；将所述多个温度时序特征向量通过基于序列内生相关性语义度量的特征关联优化网络以得到多个优化温度时序特征向量；构建所述被监测室内多个位置处的温度传感器的空间拓扑矩阵；将所述空间拓扑矩阵通过拓扑关联特征提取器以得到空间拓扑特征矩阵；将所述多个优化温度时序特征向量和所述空间拓扑特征矩阵通过基于图注意力网络的全局温度时序表征器以得到空间拓扑结构引导下全局温度时序表征矩阵；基于所述空间拓扑结构引导下全局温度时序表征矩阵，得到控制结果，所述控制结果用于表示电动阀门的开度推荐值。

12、采用上述技术方案，通过获取由部署于被监测室内多个位置处的温度传感器采集的多个温度数据的时间序列，且构建所述被监测室内多个位置处的温度传感器的空间拓扑矩阵，并采用基于深度学习的数据处理和分析算法来进行所述温度数据的时序特征编码优化，所述空间拓扑矩阵的特征提取，以此根据所述各个温度数据时序特征和所述空间拓扑矩阵特征之间的表征特征来自动地得到电动阀门的开度推荐值，以此来实现供热的智能控制。这样，通过在室内多个位置部署温度传感器，能够收集全面的温度数据，克服了单一传感器数据收集的局限。

13、本技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。