CN120969906A - 相变蓄热材料精准温控的供暖均匀智能调节方法及系统 - Google Patents

Abstract

本发明公开了相变蓄热材料精准温控的供暖均匀智能调节方法及系统，涉及供暖智能调节技术领域，通过实时采集蓄热单元温度分布和太阳辐射强度，预测温度梯度变化趋势，识别相变异常单元，并根据相变异常单元的充热状态差异进行优化能量分配权重，得到能量分配权重系数，之后，根据能量分配权重系数以及对应的流量控制指令，动态调整热媒流量和散热策略，同时，结合太阳辐射强度变化趋势和室内温度需求，实现对相变蓄热材料的精细化调控相变过程，实现多单元温度梯度的精准调节和能量分配的动态优化，确保温度分布均匀，优化热能传递效率，从而显著提升系统热能利用效率和稳定性，实现高效智能的热能管理。

Description

相变蓄热材料精准温控的供暖均匀智能调节方法及系统

技术领域

本发明涉及供暖智能调节技术领域，尤其涉及相变蓄热材料精准温控的供暖均匀智能调节方法及系统。

背景技术

太阳能作为清洁能源在室内供暖和能量储存中的应用日益受到重视，其高效利用对实现节能减排和提升居住舒适度至关重要。合理调控太阳能的收集、储存与释放，能够有效应对能源波动和用户需求变化，确保供暖系统稳定运行。然而，当前太阳能供暖系统在实际应用中存在显著局限。许多系统难以根据动态变化的太阳辐射和室内温度需求实现灵活调节，导致能量分配不均，部分区域过热或过冷，影响供暖舒适度和系统效率。此外，现有方案在多单元协同控制方面缺乏精细化管理，难以实现各蓄热单元之间的协调配合。核心挑战在于如何通过精准的温度梯度控制实现多单元蓄热系统的均匀供暖。相变蓄热材料因其高储能密度和稳定放热特性被广泛应用，但其相变过程受太阳辐射强度和室内需求波动影响较大，导致蓄热单元间温度分布不均。例如，在冬日清晨，太阳辐射较弱时，部分蓄热单元可能因能量输入不足而未完成相变，而其他单元因过量充热导致能量浪费。这种不均匀性不仅降低了供暖效果，还增加了系统运行的复杂性。进一步地，缺乏实时监测和智能调节机制，使得系统难以根据动态变化自动优化能量分配，进而影响整体供暖的稳定性和用户体验。

因此，如何通过精细化调控相变过程，实现多单元温度梯度的精准调节和能量分配的动态优化，成为提升供暖均匀性和热能传递效率的关键问题。

发明内容

本发明提供了相变蓄热材料精准温控的供暖均匀智能调节方法及系统，以通过精细化调控相变过程，实现多单元温度梯度的精准调节和能量分配的动态优化，提升供暖均匀性和热能传递效率。

本发明提供一种相变蓄热材料精准温控的供暖均匀智能调节方法，由计算机执行，包括：

基于各蓄热单元内相变材料的实时温度数据和太阳辐射强度信息，确定各蓄热单元的温度分布状态；

基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表；

基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数；

基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，其中，所述流量控制指令包括蓄热单元的热媒流量开度增加或减小；

基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数；

基于所述动态调节执行参数，驱动热媒循环模块执行流向调节，以调整各蓄热单元的热媒循环速度和流向分配。

根据本发明提供的相变蓄热材料精准温控的供暖均匀智能调节方法，所述基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表，包括：

基于所述温度分布状态，采用卡尔曼滤波算法处理所述温度分布状态，预测各蓄热单元的温度梯度变化趋势，得到预测温度梯度序列；

基于所述预测温度梯度序列，计算各蓄热单元的温度梯度变化率，得到变化率序列；

将所述变化率序列和预设变化率阈值进行比对，确定存在相变过程异常的蓄热单元，得到异常单元集合；

基于所述异常单元集合中异常单元的单元标识信息，生成所述目标单元列表。

根据本发明提供的相变蓄热材料精准温控的供暖均匀智能调节方法，所述基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数，包括：

基于所述目标单元列表中各蓄热单元的实时温度数据，确定各蓄热单元的充热状态以及所述充热状态对应的充热状态差异；

基于所述充热状态差异，确定热能输入量比例，得到各蓄热单元的调整需求；

基于所述调整需求，采用粒子群优化算法，计算各蓄热单元的初始能量分配权重系数；

基于所述初始能量分配权重系数，输入至循环神经网络模型进行预测，获取各蓄热单元的能量分配方案；

基于所述能量分配方案，计算各蓄热单元的热能输入量和散热调节量，得到各蓄热单元的能量分配权重系数。

根据本发明提供的相变蓄热材料精准温控的供暖均匀智能调节方法，所述基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，包括：

若所述能量分配权重系数大于预设权重阈值，则生成增大阀门开度的第一控制信号；

若所述能量分配权重系数小于或等于所述预设权重阈值，则生成减小阀门开度的第二控制信号；

基于所述第一控制信号或所述第二控制信号，采用K-means算法进行聚类分析，确定流量分配模式；

基于所述流量分配模式以及实时能量需求，调整各蓄热单元的热媒流量分配比例，生成优化后的流量控制指令；

通过智能调节阀门控制模块执行所述优化后的流量控制指令，动态调节各蓄热单元的阀门开度，得到实际流量分配结果；

基于所述实际流量分配结果与预期能量分配的偏差，采用PID控制算法对所述阀门开度进行微调，得到所述流量控制指令。

根据本发明提供的相变蓄热材料精准温控的供暖均匀智能调节方法，所述基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数，包括：

基于所述太阳辐射强度信息和所述室内温度需求数据，采用时间序列分析方法确定太阳辐射强度的变化趋势；

若所述变化趋势呈上升趋势，则基于所述流量控制指令，通过模糊控制算法调整各蓄热单元的蓄热准备状态，得到蓄热状态调整参数；

若所述变化趋势呈下降趋势，则通过线性回归算法优化热能释放策略，得到热能释放参数；

通过实时数据处理模块，融合所述蓄热状态调整参数和所述热能释放参数，生成动态调节执行参数。

根据本发明提供的相变蓄热材料精准温控的供暖均匀智能调节方法，还包括：

在调整完成各蓄热单元的热媒循环速度和流向分配后，监测各蓄热单元内相变材料的实时温度数据，并基于所述实时温度数据获取温度变化，得到新的温度分布状态；

若所述新的温度分布状态显示存在局部温度波动，则实时调整热媒循环速度和流向分配，确定所述蓄热单元的实时充热状态；

基于所述实时充热状态和温度分布均匀化目标，通过反馈控制机制调整太阳能集热器的工作模式和所述蓄热单元的相变时序，得到系统控制策略参数；

其中，所述太阳能集热器连接所述蓄热单元，为所述蓄热单元提供热能，所述系统控制策略参数用于控制所述太阳能集热器的工作模式以及所述蓄热单元的相变时序，以使所述蓄热单元的实时充热状态达到所述温度分布均匀化目标。

根据本发明提供的相变蓄热材料精准温控的供暖均匀智能调节方法，所述若所述新的温度分布状态显示存在局部温度波动，则实时调整热媒循环速度和流向分配，确定所述蓄热单元的实时充热状态，包括：

若所述新的温度分布状态显示存在局部温度波动，则采用预设的控制算法调整热媒循环速度，确定新的循环速度参数；

基于所述调整后的循环速度参数，计算热媒流向分配比例，得到流向分配方案；

基于所述流向分配方案，驱动所述热媒循环模块执行流向调节，确定所述蓄热单元的实时充热状态。

本发明还提供一种相变蓄热材料精准温控的供暖均匀智能调节系统，包括：

温度分布确定模块，用于基于各蓄热单元内相变材料的实时温度数据和太阳辐射强度信息，确定各蓄热单元的温度分布状态；

异常确定模块，用于基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表；

能量分配模块，用于基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数；

流量调节模块，用于基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，其中，所述流量控制指令包括蓄热单元的热媒流量开度增加或减小；

执行参数确定模块，用于基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数；

热媒调节模块，用于基于所述动态调节执行参数，驱动热媒循环模块执行流向调节，以调整各蓄热单元的热媒循环速度和流向分配。

本发明公开了一种相变蓄热材料精准温控的供暖均匀智能调节方法及系统，针对太阳能蓄热系统中热能分配不均、相变过程异常及能量利用效率低的问题，通过实时采集蓄热单元温度分布和太阳辐射强度，预测温度梯度变化趋势，识别相变异常单元，得到目标单元列表，并根据目标单元列表中相变异常单元的充热状态差异进行优化能量分配权重，得到能量分配权重系数，之后，根据能量分配权重系数以及对应的流量控制指令，动态调整热媒流量和散热策略，同时，结合太阳辐射强度变化趋势和室内温度需求，实现对相变蓄热材料的精细化调控相变过程，实现多单元温度梯度的精准调节和能量分配的动态优化，确保温度分布均匀，优化热能传递效率，从而显著提升系统热能利用效率和稳定性，实现高效智能的热能管理。

附图说明

图1是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之一；

图2是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之二；

图3是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之三；

图4是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之四；

图5是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之五；

图6是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之六；

图7是本发明实施例提供的相变蓄热材料精准温控的供暖均匀智能调节方法的流程示意图之七。

具体实施方式

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，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，本领域普通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。

参照图1，本发明实施例提供了一种相变蓄热材料精准温控的供暖均匀智能调节方法，包括以下步骤：

步骤100，基于各蓄热单元内相变材料的实时温度数据和太阳辐射强度信息，确定各蓄热单元的温度分布状态；

相变材料由于其高蓄热密度和温度稳定性，被广泛应用于蓄热单元中，以存储和释放热能，从而优化能源利用。通过部署在各蓄热单元中的温度传感器，通过温度传感器持续采集相变材料的实时温度数据，提供每个单元内部的瞬时热状态信息。同时，由于太阳辐射会直接影响蓄热单元的热输入，可能导致局部过热或热量分布不均，因此通过集成这些实时温度数据和太阳辐射强度信息，构建一个动态的热模型，从而精确推断出每个蓄热单元的温度分布状态。

分析各个蓄热单元的温度分布状态过程涉及数据融合和分析，其中实时温度数据反映了相变材料在相变过程中的热行为，例如熔化或凝固状态，而太阳辐射强度信息则提供了环境热负荷的上下文。例如，可以通过机器学习或热动力学模型来处理实时温度数据和太阳辐射强度信息，以评估各蓄热单元的温度分布状态，其中，温度分布状态包括热梯度、热流分布以及潜在的热点或冷区。最终，经过数据分析后，得到一个综合的温度分布状态，可以通过温度分布图来表示各蓄热单元的温度分布状态，标识出每个蓄热单元的热状态，例如是否处于相变平台、过热或欠热状态，从而为后续的智能调节提供基础。

步骤200，基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表；

在获取并分析了各蓄热单元的温度分布状态后，利用温度分布状态作为初始输入，引入卡尔曼滤波算法，来预测各蓄热单元在未来短时域内的温度梯度变化趋势。其中，卡尔曼滤波算法作为一种最优递归数据处理算法，能够高效地融合带有噪声的温度分布状态与预测模型，通过预测及修正的循环迭代过程，不断优化对各个蓄热单元的内部状态的估计，得到每个蓄热单元核心的温度梯度及其变化率。其中，预测模型为描述蓄热单元热动态特性的数学模型，预测模型是基于温度分布状态训练集以及对应的温度梯度变化率训练集得到的。

通过卡尔曼滤波算法的运算，生成关于每个蓄热单元温度如何演变的预测趋势。该预测趋势用于表征相变材料的热行为，通过预测趋势能够判断其温度变化是处于正常的相变平台期的温度相对稳定，大量潜热被吸收或释放，还是出现了异常的剧烈升温或降温。通过将预测趋势与相变材料理想的热物理特性曲线进行比对分析，能够辨识出那些其相变过程偏离预期模式的蓄热单元。例如，某个蓄热单元的温度梯度变化趋势若预测显示其过早地偏离了相变平台，或升温速率显著高于模型预测值，则可能指示该单元存在材料老化、封装失效或受到未预估的局部热干扰等异常情况。最终，基于分析结果，生成相变过程异常的目标单元列表，该目标单元列表列出了存在潜在故障或性能偏差的蓄热单元标识，并通常还会附带其异常类型的初步判断。

步骤300，基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数；

在生成相变过程异常的目标单元列表后，进行能量分配，针对目标列表单元中已被标识的异常蓄热单元，基于目标列表单元中各不相同的充热状态，例如，有些单元可能处于欠热的相变初期，而另一些则可能因过热而需释放能量，动态地计算出最优的能量分配方案。为计算出最优的能量分配方案，采用了粒子群优化这一强大的群体智能优化算法，该粒子群优化算法模拟了鸟群或鱼群的社会行为，通过一组粒子在解空间中协同搜索来寻找最优解。

需要理解的是，每一个粒子代表一个潜在的能量分配方案向量，粒子的维度与需要调控的蓄热单元数量相对应。粒子群优化算法的优化目标是适应度函数，适应度函数用于同时权衡多个关键性能指标，主要用于最小化所有蓄热单元之间的温度差异以确保供暖均匀性，其次是最大化整个系统的总能量利用效率，同时还需满足诸如热源输出限制、单元安全温度阈值等物理约束。粒子群在迭代过程中，通过追踪个体历史最优位置和群体全局最优位置，不断更新所有粒子的速度与位置，从而逐步引导整个种群向最优解区域收敛。经过粒子群优化算法的充分迭代与优化，最终会从搜索空间中确定一个全局最优或近似最优的能量分配方案。该能量分配方案的输出是一组针对每一个蓄热单元的能量分配权重系数。其中，能量分配权重系数是在0到1之间的归一化数值，其反映了在下一个调控周期内，应向该蓄热单元分配的总能量的相对比例。系数较高的单元意味着需要更多的能量输入以纠正其欠热状态或抑制其异常趋势，而系数较低或为零的单元则表明其当前热状态已趋于理想或需要被限制能量供给。

步骤400，基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，其中，所述流量控制指令包括蓄热单元的热媒流量开度增加或减小；

在通过粒子群优化算法计算出各蓄热单元的能量分配权重系数后，将前述步骤中得出的、代表抽象能量需求的权重系数，转化为对供热管路中具体执行元件的直接、可操作的控制命令。该转换的实现通过智能调节阀门控制模块来完成，该智能调节阀门控制模块作为连接算法决策与物理实现的关键执行接口，用于负责调控流经各蓄热单元的热媒介质的流量，其控制逻辑是直接依据所述能量分配权重系数来设定的。

智能调节阀门控制模块会为目标单元列表中的每一个蓄热单元独立计算并生成一个对应的流量控制指令。流量控制指令的本质是驱动安装在相应支路上的调节阀门的动作命令，其具体内容是命令阀门开度增加、减小或保持当前状态。例如，对于一个被分配了高权重系数的欠热单元，智能调节阀门控制模块将计算出使其管路阀门开度增大的指令，从而允许更多的高温热媒流入其换热器，加速其充热过程；反之，对于一个权重系数为零或接近零的单元，则会生成减小甚至关闭其阀门的指令，以限制或切断其能量供给，防止其过热并引导能量流向更需要的单元。

步骤500，基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数；

在生成流量控制指令后，引入一个具备高级决策能力的模糊控制算法，以流量控制指令为基本执行框架，同时综合实时变化的太阳辐射强度信息和用户设定的室内温度需求数据这两大关键输入，对整个供暖系统的运行策略进行动态调整，其目标是优化整个系统的能效和舒适度，达到设定的室内温度需求是系统的最终服务目标。

模糊控制算法擅长处理这种多输入、存在不确定性和非线性特性的复杂系统，将太阳辐射强度和室内温度需求作为输入变量，并通过一套预设的、基于专家知识的模糊规则进行推理与决策，例如，模糊规则可以是如果太阳辐射强且室内温度低于设定值，那么适度降低热能释放强度。模糊控制算法的输出结果是对当前能量分配策略的进一步微调与优化，动态地调整各蓄热单元的蓄热准备状态或热能释放策略。

步骤600，基于所述动态调节执行参数，驱动热媒循环模块执行流向调节，以调整各蓄热单元的热媒循环速度和流向分配。

在模糊控制算法生成了一套高度优化的动态调节执行参数后，将这些数字化的决策指令转化为供热硬件设备的实际动作，从而实现对热能输送过程的最终控制。具体通过热媒循环模块来具体执行，该热媒循环模块可以包含变频水泵、电动三通阀、分流集水器及相应管路的核心动力与分配单元，其功能是响应上层控制器的指令，通过对总流量、压力及流向的综合管理，来执行既定的能量分配策略。

基于接收到的动态调节执行参数，该热媒循环模块的核心控制器会解译出各支路热媒循环速度的调整，以及对跨单元或跨区域的热媒流向分配的调整。在实现对各支路热媒循环速度的调整时，进行驱动变频水泵，通过调节变频水泵的工作频率来改变热媒的总体流速，从而控制总供热量和循环效率。同时，在实现对跨单元或跨区域的热媒流向分配的调整时，驱动安装在关键节点的电动调节阀，如三通阀或独立支路阀，通过改变其开度或通路选择，来动态地分配热媒在不同蓄热单元支路中的流量比例。例如，对于需要优先蓄热或额外补充热量的单元支路，指令会驱动阀门增大其开度，并可能引导更多的主流热媒流向该路径；而对于需减少供热的支路，则会减小其阀门开度以限制流量。

本发明公开了一种相变蓄热材料精准温控的供暖均匀智能调节方法及系统，针对太阳能蓄热系统中热能分配不均、相变过程异常及能量利用效率低的问题，通过实时采集蓄热单元温度分布和太阳辐射强度，预测温度梯度变化趋势，识别相变异常单元，得到目标单元列表，并根据目标单元列表中相变异常单元的充热状态差异进行优化能量分配权重，得到能量分配权重系数，之后，根据能量分配权重系数以及对应的流量控制指令，动态调整热媒流量和散热策略，同时，结合太阳辐射强度变化趋势和室内温度需求，实现对相变蓄热材料的精细化调控相变过程，实现多单元温度梯度的精准调节和能量分配的动态优化，确保温度分布均匀，优化热能传递效率，从而显著提升系统热能利用效率和稳定性，实现高效智能的热能管理。

在一种实施例中，请参照图2，所述基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表，包括：

步骤201，基于所述温度分布状态，采用卡尔曼滤波算法处理所述温度分布状态，预测各蓄热单元的温度梯度变化趋势，得到预测温度梯度序列；

步骤202，基于所述预测温度梯度序列，计算各蓄热单元的温度梯度变化率，得到变化率序列；

步骤203，将所述变化率序列和预设变化率阈值进行比对，确定存在相变过程异常的蓄热单元，得到异常单元集合；

步骤204，基于所述异常单元集合中异常单元的单元标识信息，生成所述目标单元列表。

以获得的各蓄热单元温度分布状态作为初始输入，引入卡尔曼滤波算法对这一系列带有噪声的温度分布状态进行处理。该卡尔曼滤波算法通过其最优估计算法，动态地融合实时测量值与历史状态预测值，从而滤除干扰，并推算出未来一段时间内各蓄热单元温度梯度的演变路径，输出平滑且高置信度的预测温度梯度序列。之后对该预测温度梯度序列进行深度分析，通过计算预测温度梯度序列中相邻时间点的预测温度梯度之间的差分，得到每一个蓄热单元所对应的温度梯度变化率，并生成变化率序列。其中，该变化率序列反映了各单元相变过程的动态特性，是判断其行为正常与否的关键指标。

接着，基于变化率序列，将每个蓄热单元的温度梯度变化率与基于相变材料理想热物理特性制定的变化率阈值进行智能化比对，该预设变化率阈值定义了相变过程如熔化或凝固中温度变化率应有的合理范围。若某蓄热单元的变化率持续且显著地偏离该变化率阈值所在的范围，例如，变化过快表明潜热吸收或释放不充分，变化过慢则可能指示热阻增大，则被判定为存在相变过程异常，所有被识别出的异常蓄热单元形成异常单元集合。最终，根据异常单元集合中包含的异常单元的单元标识信息，能够提取异常单元集合中每一个异常单元的唯一标识信息，并自动化地生成一份结构清晰、可供后续直接调用的目标单元列表。

例如，假设有一个蓄热系统包含10个蓄热单元，每个单元的温度数据通过传感器每分钟采集一次，初始温度分布为[50.0, 52.0, 51.5, 53.0, 50.5, 49.8, 52.5,51.0, 50.2, 54.0]摄氏度，目标是利用卡尔曼滤波算法预测各单元的温度梯度变化趋势，并判断是否存在相变过程异常，预设温度梯度变化率阈值为0.5摄氏度/分钟。首先，定义卡尔曼滤波的状态向量为温度和温度变化率，状态转移矩阵为F=[[1, 1]， [0, 1]]，时间步长为1分钟，测量矩阵H=[1, 0]，过程噪声协方差Q=[[0.01, 0]， [0, 0.01]]，测量噪声协方差R=0.1。以第一个蓄热单元为例，初始状态向量=[50.0,0.0]，协方差矩阵=[[1,0]，[0, 1]]。通过卡尔曼滤波预测步骤，计算下一时刻状态预测==[50.0, 0.0]，协方差预测=[[1.01, 1]，[1, 1.01]]。假设下一分钟测量温度为50.3摄氏度，更新步骤计算卡尔曼增益=[0.91, 0.91]，更新状态=[50.27, 0.27]，更新协方差，重复此过程5分钟，得到温度变化率序列[0.27, 0.31, 0.35,0.40, 0.45]。计算温度梯度变化趋势，采用线性回归拟合变化率，斜率为0.045摄氏度/。若阈值为0.5摄氏度/分钟，0.45未超过阈值，判定该单元无相变异常。对所有单元重复上述过程，若第二单元变化率达0.52摄氏度/分钟，超过阈值，则列入目标单元列表。最终，目标单元列表为单元2，并将结果存储至数据库，供后续热管理优化调用，确保系统稳定性。

本实施例通过将卡尔曼滤波算法应用于温度趋势预测，极大地提升了状态估计的准确性和抗干扰能力；并且，通过分析梯度变化率而非单一温度绝对值，实现了对相变过程本身动力学特性的量化诊断，能够精准区分是正常的环境负荷变化还是材料本身或传热环节的失效，大大提升了故障诊断的深度与精度。

在一种实施例中，请参照图3，所述基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数，包括：

步骤301，基于所述目标单元列表中各蓄热单元的实时温度数据，确定各蓄热单元的充热状态以及所述充热状态对应的充热状态差异；

步骤302，基于所述充热状态差异，确定热能输入量比例，得到各蓄热单元的调整需求；

步骤303，基于所述调整需求，采用粒子群优化算法，计算各蓄热单元的初始能量分配权重系数；

步骤304，基于所述初始能量分配权重系数，输入至循环神经网络模型进行预测，获取各蓄热单元的能量分配方案；

步骤305，基于所述能量分配方案，计算各蓄热单元的热能输入量和散热调节量，得到各蓄热单元的能量分配权重系数。

本实施例提出了一种高度智能化、自适应且预测性的能量分配策略生成机制，以目标单元列表中各异常蓄热单元的实时温度数据为输入，通过分析其当前温度值与相变材料理想相变温度的偏差，计算出每个蓄热单元所处的具体充热状态，如“欠热”、“充热中”、“过热”或“饱和”，并根据充热状态量化出不同单元之间存在的充热状态差异，这一充热状态差异是后续进行非均匀能量调配的依据。

基于所确定的充热状态差异，进一步将其转化为具体的能量需求指令，具体根据预置的能量映射规则，为处于不同状态的单元分配一个初步的热能输入量比例，从而明确每一个单元为实现热量均衡所需的调整方向与幅度，即形成量化的调整需求。之后，引入粒子群优化算法来解决这一多目标、多约束的优化问题，粒子群优化算法以总能量利用效率最高和各单元间温度差异最小为优化目标，将上述调整需求作为输入，通过模拟群体智能在解空间中的搜索行为，计算出一组最优的各蓄热单元的初始能量分配权重系数。

之后，将初始能量分配权重系数输入一个预先训练好的循环神经网络模型中，该循环神经网络模型能够深刻学习系统热动态的时序规律，通过分析历史能量分配与温度响应数据，预测当前分配方案在未来短时域内可能产生的效果，并对初始权重系数进行反馈优化，最终输出能量分配方案。最后，将该能量分配方案转化为可直接执行的物理量，根据能量分配方案中的权重系数，计算出每个蓄热单元在下一调控周期内应接收的具体热能输入量以及必要的散热调节量，从而得到最终的各蓄热单元的能量分配权重系数。

本实施例采用粒子群优化算法与循环神经网络相结合的串行优化架构，粒子群优化算法负责快速寻找全局最优解，循环神经网络则发挥了其强大的时序预测能力，从而兼具全局最优性和动态预测的高级优化，输出的能量分配权重系数是计算与预测共同作用的结果，满足了当前时刻的均衡需求，使得整个调控过程更为平滑、精准和高效。

在一种实施例中，请参照图4，所述基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，包括：

步骤401，若所述能量分配权重系数大于预设权重阈值，则生成增大阀门开度的第一控制信号；

步骤402，若所述能量分配权重系数小于或等于所述预设权重阈值，则生成减小阀门开度的第二控制信号；

步骤403，基于所述第一控制信号或所述第二控制信号，采用K-means算法进行聚类分析，确定流量分配模式；

步骤404，基于所述流量分配模式以及实时能量需求，调整各蓄热单元的热媒流量分配比例，生成优化后的流量控制指令；

步骤405，通过智能调节阀门控制模块执行所述优化后的流量控制指令，动态调节各蓄热单元的阀门开度，得到实际流量分配结果；

步骤406，基于所述实际流量分配结果与预期能量分配的偏差，采用PID控制算法对所述阀门开度进行微调，得到所述流量控制指令。

首先，将计算得到的各蓄热单元的能量分配权重系数与一个预设的权重阈值进行比对，判断是否需要执行流量调节，基于比对结果，生成初步的控制信号：若某蓄热单元的能量分配权重系数大于该权重阈值，表明其需增加热能输入，则生成用于增大其管路阀门开度的第一控制信号；反之，若能量分配权重系数小于或等于该权重阈值，则生成用于减小阀门开度的第二控制信号，以限制或削减其能量供给。

在生成初步控制信号后，引入K-means聚类算法对第一控制信号或第二控制信号进行分析与归纳，该K-means聚类算法将所有蓄热单元根据其控制信号的相似性进行自动聚类，从而将复杂的个体指令归纳为几种典型的流量分配模式，如全局强化充热模式、局部补偿模式或保温维持模式。这种模式识别使得能够从宏观上理解当前的系统状态，并为后续调节提供策略性指导。

基于识别出的流量分配模式，并结合实时更新的能量需求数据，动态微调各蓄热单元的热媒流量分配比例，从而生成优化后的、协调性更强的流量控制指令。之后，通过智能调节阀门控制模块来执行优化后的流量控制指令，驱动各支路上的执行机构动作，改变阀门开度，从而实现对热媒流量的动态重新分配，并获取实际流量分配结果。由于管路特性、压力波动等实际因素，实际流量与预期分配间可能存在偏差。因此，引入PID控制算法来持续监测实际流量分配结果与预期能量分配目标之间的偏差，并运用PID算法的强大纠偏能力，对该偏差进行实时运算，输出对阀门开度的细微调节量，从而对控制指令进行持续的在线微调，得到流量控制指令。其中，PID控制算法的算法原理是通过计算一个偏差值，该偏差值即期望目标值与实际测量值之间的误差，并基于此偏差的比例、积分和微分三项来生成控制输出，从而尽可能快速、平稳、准确地消除偏差，使系统稳定在目标设定值上。

例如，基于能量分配权重系数调整热媒流量的智能调节阀门控制系统，可通过以下实施方法实现精确控制。首先，系统通过传感器实时采集各蓄热单元的温度和热量需求数据，假设三个蓄热单元的当前温度分别为50°C、55°C、60°C，目标温度为65°C，计算各单元的能量需求权重系数。权重系数算法如下：

其中,为65°C，为各单元温度。计算得到= 0.5， = 0.333，=0.167。标准权重系数设为0.3，若> 0.3，则增大对应阀门开度；若≤ 0.3，则减小开度。阀门开度调整采用比例控制算法，比例控制算法公式如下：

其中,为比例系数设为50，为0.3。计算 = 10%，= 1.65%，=-6.65%。因此，单元1阀门开度增加10%，单元2增加1.65%，单元3减少6.65%。系统将这些开度变化量转化为PWM信号，驱动伺服电机调整阀门角度，确保热媒流量精确分配。流量传感器实时反馈流量数据，验证调整后流量是否符合预期，若偏差超过5%，系统通过PID算法进一步微调，直至误差小于2%。

本实施例通过阈值判断与聚类分析相结合，实现了控制指令模式化，保留了控制的精细度，增强了系统操作的协调性与策略性，避免了指令冲突；将无监督学习的K-means算法用于控制策略归纳，使得能自适应地识别并适应不同的工况模式。

在一种实施例中，请参照图5，所述基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数，包括：

步骤501，基于所述太阳辐射强度信息和所述室内温度需求数据，采用时间序列分析方法确定太阳辐射强度的变化趋势；

步骤502，若所述变化趋势呈上升趋势，则基于所述流量控制指令，通过模糊控制算法调整各蓄热单元的蓄热准备状态，得到蓄热状态调整参数；

步骤503，若所述变化趋势呈下降趋势，则通过线性回归算法优化热能释放策略，得到热能释放参数；

步骤504，通过实时数据处理模块，融合所述蓄热状态调整参数和所述热能释放参数，生成动态调节执行参数。

首先，将实时采集的太阳辐射强度信息与用户设定的室内温度需求数据作为核心输入，并采用时间序列分析方法对太阳辐射强度数据进行处理，以通过对历史与当前数据的序列模式进行挖掘，该时间序列分析方法能够准确推断出未来一段时间内太阳辐射强度的变化趋势，如变化趋势是持续上升、下降或保持平稳。其中，时间序列分析方法可以是ARIMA模型或指数平滑法。

基于太阳辐射强度的变化趋势，进行差异化的优化策略，具体地，若分析判定趋势为上升趋势，预示着太阳能即将增强，则不会机械地执行原有的流量控制指令，而是通过模糊控制算法来动态调整策略。该模糊控制算法通过模拟人类专家的决策思维，基于条件规则库，综合考虑上升的太阳辐射强度、当前蓄热单元的蓄热状态及室内温度需求，输出对各蓄热单元蓄热准备状态的调整参数，得到蓄热状态调整参数，如暂缓电辅热、降低目标蓄热温度等，为即将到来的充足太阳能预留空间，从而实现节能。

反之，若趋势判定为下降趋势，表明外部热源即将减弱或消失，则调用线性回归算法，该线性回归算法通过建立热量需求与时间等因素的线性关系模型，更精确地预测未来时段的负荷变化，并计算出热能释放参数，例如提前开始温和释热、调整释热速率等，以平滑温度过渡，防止室内温度因外部环境突变而出现较大波动，提升舒适度。最后，通过实时数据处理模块，基于不同策略产生的蓄热状态调整参数或热能释放参数进行协调，确保在不同策略切换或并行时参数的一致性性与可行性，生成一套统一、协调、且可直接下发给执行机构的动态调节执行参数。

本实施例通过时间序列分析对外部环境进行预测性感知，从被动响应转变为主动调控，实现了与太阳能变化的协同运作，大幅降低了传统能源消耗；针对上升与下降两种不同趋势，采用模糊控制处理不确定性复杂的节能准备问题，线性回归处理趋势相对明确的负荷预测问题，实现了算法优势与业务场景的精准匹配，提升了决策的科学性与效率。

在一种实施例中，请参照图6，还包括：

步骤700，在后，监测各蓄热单元内相变材料的实时温度数据，并基于所述实时温度数据获取温度变化，得到新的温度分布状态；

步骤800，若所述新的温度分布状态显示存在局部温度波动，则实时调整热媒循环速度和流向分配，确定所述蓄热单元的实时充热状态；

步骤900，基于所述实时充热状态和温度分布均匀化目标，通过反馈控制机制调整太阳能集热器的工作模式和所述蓄热单元的相变时序，得到系统控制策略参数；

其中，所述太阳能集热器连接所述蓄热单元，为所述蓄热单元提供热能，所述系统控制策略参数用于控制所述太阳能集热器的工作模式以及所述蓄热单元的相变时序，以使所述蓄热单元的实时充热状态达到所述温度分布均匀化目标。

在根据调整完成各蓄热单元的热媒循环速度和流向分配后，启动新一轮的监测循环，通过高精度温度传感器网络，持续采集各蓄热单元内相变材料的实时温度数据，并通过对这些时序数据的实时计算与分析，获取每个单元的温度变化速率与方向，从而构建出一个全新的、反映最新系统状态的温度分布状态图谱，得到新的温度分布状态。之后对新的温度分布状态进行实时扫描与分析，若基于新的温度分布状态检测到存在不符合均匀供暖目标的局部温度波动，如个别单元过热或升温过慢，则触发调控机制，实时微调热媒的循环速度与流向分配，尝试抑制该局部温度波动，并同时根据该单元的实时温度数据及其变化趋势，精准确定其当前的实时充热状态。

将所述实时充热状态与全局性的温度分布均匀化目标同时输入一个高级的反馈控制机制中，该反馈控制机制的核心决策在于，协调控制为蓄热单元提供热源的太阳能集热器的工作模式，包括调整集热器回路流量、启停辅助加热器等以及各蓄热单元的相变时序，或控制其蓄热或放热的先后顺序与速率，通过复杂的优化计算，输出系统控制策略参数。

进一步地，系统控制策略参数还可以通过以下方式得到：从太阳能集热器获取实时热能输入数据，结合蓄热单元温度分布，计算热能传递效率，得到初始热能分配状态。若初始热能分配状态低于预设的传递效率阈值，则通过反馈控制机制调整太阳能集热器工作模式，确定优化后的热能输入参数。根据优化后的热能输入参数，采用线性回归算法预测相变材料在下一循环周期内的相变时序，得到相变时序调整方案。通过相变时序调整方案，控制各蓄热单元的热能释放节奏，计算单元间热能传递效率，得到调整后的热能分布状态。若调整后的热能分布状态满足预设的均匀化阈值，则根据当前工作模式和相变时序，生成下一循环周期的控制策略参数。从调整后的热能分布状态获取温度变化趋势，采用K均值聚类算法分析各蓄热单元的热能传递特性，得到单元间热能传递优化方向。根据热能传递优化方向，更新反馈控制机制的调节参数，生成下一循环周期的系统控制策略参数。

本实施例，确保了系统能够在动态变化中持续逼近并维持最优运行状态，极大地提升了系统的稳定性与可靠性；将太阳能集热器的运行策略与蓄热单元的相变时序管理进行协同优化，打破了传统系统中热源与储热单元独立控制的模式，这种协同以全局能效最高为目标，灵活决定是优先利用太阳能、还是调动蓄热单元间的能量平衡，从而在保障供暖均匀性的前提下，实现了太阳能的最大化消纳与系统整体能效的显著提升。

在一种实施例中，请参照图7，所述若所述新的温度分布状态显示存在局部温度波动，则实时调整热媒循环速度和流向分配，确定所述蓄热单元的实时充热状态，包括：

步骤801，若所述新的温度分布状态显示存在局部温度波动，则采用预设的控制算法调整热媒循环速度，确定新的循环速度参数；

步骤802，基于所述调整后的循环速度参数，计算热媒流向分配比例，得到流向分配方案；

步骤803，基于所述流向分配方案，驱动所述热媒循环模块执行流向调节，确定所述蓄热单元的实时充热状态。

当监测到新的温度分布状态中存在局部温度波动时，立即触发预设的先进控制算法，如模糊PID控制或自适应控制算法。该控制算法以消除局部波动、恢复温度均匀为核心目标，通过实时计算快速输出对总热媒循环速度的调整量，从而确定一个能够适应当前热负荷需求的新循环速度参数。基于调整后的循环速度参数，进一步执行更为精细化的流向分配决策，依据各蓄热单元最新的温度状态与全局均匀化目标，通过内置的优化计算模型，动态计算出输配至各支路或各蓄热单元的热媒流量理想比例，据此生成一个具体的流向分配方案。该流向分配方案用于为补偿已识别的局部波动，需要在不同管路间增加或减少的流量配比。

最终，将该流向分配方案转换为具体的执行指令，驱动热媒循环模块中的关键执行器协同动作，实际改变管路中热媒的流向与各支路的流量分配。与此同时，通过持续监测执行后各单元的温度反馈，确认调控效果，并精准判定出每个蓄热单元在此新流量工况下的实时充热状态，为是否达到稳定均衡或是否需要启动下一轮调控提供至关重要的状态依据。

例如，为实现动态调节执行参数以驱动各蓄热单元的相变过程协调控制，系统首先通过嵌入式传感器阵列实时采集相变材料（PCM）在固液转换过程中的温度数据，假设采用石蜡基相变材料，熔点为58°C，传感器以0.1秒间隔采集温度，精度为±0.2°C。采集数据通过卡尔曼滤波算法进行平滑处理，滤波公式为:

其中,为卡尔曼增益，为观测值，为观测矩阵，初始状态以历史数据均值为基础。经滤波后，若检测到某蓄热单元温度波动超过±1°C，例如某单元温度在57.8°C至59.2°C间震荡，系统判断为相变过程不稳定，触发热媒循环速度调整。热媒循环速度通过比例-积分-微分（PID）控制算法计算，假设某单元温度为59°C，误差为1°C，计算得出热媒流速需增加10%，从2L/min调整至2.2L/min。同时，流向分配通过阀门控制矩阵优化，基于流量分配公式，由单元温度偏差占比确定，若某单元偏差占总偏差30%，则分配30%热媒流量。系统随后通过红外热成像分析温度场均匀性，计算温度分布标准差，目标为标准差小于0.5°C。若检测到某区域标准差为0.7°C，系统迭代调整流速和流向，直至标准差降至0.4°C，确认达到均匀化目标。

本实施例，实现对局部异常进行毫秒级的感知与响应，极大缩短了调控滞后，有效抑制了温度波的扩大，显著提升了供暖均匀性和舒适度；采用分级调控策略，通过调节总流速快速稳定总体能量供应水平，又通过流向的精细化分配精准消除局部不平衡，兼顾了响应速度与控制精度。

下面对本发明提供的相变蓄热材料精准温控的供暖均匀智能调节系统进行描述，下文描述的相变蓄热材料精准温控的供暖均匀智能调节系统与上文描述的相变蓄热材料精准温控的供暖均匀智能调节方法可相互对应参照。

本发明还提供一种相变蓄热材料精准温控的供暖均匀智能调节系统，包括：

温度分布确定模块，用于基于各蓄热单元内相变材料的实时温度数据和太阳辐射强度信息，确定各蓄热单元的温度分布状态；

异常确定模块，用于基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表；

能量分配模块，用于基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数；

流量调节模块，用于基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，其中，所述流量控制指令包括蓄热单元的热媒流量开度增加或减小；

执行参数确定模块，用于基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数；

热媒调节模块，用于基于所述动态调节执行参数，驱动热媒循环模块执行流向调节，以调整各蓄热单元的热媒循环速度和流向分配。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，由计算机执行，包括：

基于各蓄热单元内相变材料的实时温度数据和太阳辐射强度信息，确定各蓄热单元的温度分布状态；

基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表；

基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数；

基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，其中，所述流量控制指令包括蓄热单元的热媒流量开度增加或减小；

基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数；

基于所述动态调节执行参数，驱动热媒循环模块执行流向调节，以调整各蓄热单元的热媒循环速度和流向分配。

2.根据权利要求1所述的相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，所述基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表，包括：

基于所述温度分布状态，采用卡尔曼滤波算法处理所述温度分布状态，预测各蓄热单元的温度梯度变化趋势，得到预测温度梯度序列；

基于所述预测温度梯度序列，计算各蓄热单元的温度梯度变化率，得到变化率序列；

将所述变化率序列和预设变化率阈值进行比对，确定存在相变过程异常的蓄热单元，得到异常单元集合；

基于所述异常单元集合中异常单元的单元标识信息，生成所述目标单元列表。

3.根据权利要求1所述的相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，所述基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数，包括：

基于所述目标单元列表中各蓄热单元的实时温度数据，确定各蓄热单元的充热状态以及所述充热状态对应的充热状态差异；

基于所述充热状态差异，确定热能输入量比例，得到各蓄热单元的调整需求；

基于所述调整需求，采用粒子群优化算法，计算各蓄热单元的初始能量分配权重系数；

基于所述初始能量分配权重系数，输入至循环神经网络模型进行预测，获取各蓄热单元的能量分配方案；

基于所述能量分配方案，计算各蓄热单元的热能输入量和散热调节量，得到各蓄热单元的能量分配权重系数。

4.根据权利要求1所述的相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，所述基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，包括：

若所述能量分配权重系数大于预设权重阈值，则生成增大阀门开度的第一控制信号；

若所述能量分配权重系数小于或等于所述预设权重阈值，则生成减小阀门开度的第二控制信号；

基于所述第一控制信号或所述第二控制信号，采用K-means算法进行聚类分析，确定流量分配模式；

基于所述流量分配模式以及实时能量需求，调整各蓄热单元的热媒流量分配比例，生成优化后的流量控制指令；

通过智能调节阀门控制模块执行所述优化后的流量控制指令，动态调节各蓄热单元的阀门开度，得到实际流量分配结果；

基于所述实际流量分配结果与预期能量分配的偏差，采用PID控制算法对所述阀门开度进行微调，得到所述流量控制指令。

5.根据权利要求1所述的相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，所述基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数，包括：

基于所述太阳辐射强度信息和所述室内温度需求数据，采用时间序列分析方法确定太阳辐射强度的变化趋势；

若所述变化趋势呈上升趋势，则基于所述流量控制指令，通过模糊控制算法调整各蓄热单元的蓄热准备状态，得到蓄热状态调整参数；

若所述变化趋势呈下降趋势，则通过线性回归算法优化热能释放策略，得到热能释放参数；

通过实时数据处理模块，融合所述蓄热状态调整参数和所述热能释放参数，生成动态调节执行参数。

6.根据权利要求1所述的相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，还包括：

在调整完成各蓄热单元的热媒循环速度和流向分配后，监测各蓄热单元内相变材料的实时温度数据，并基于所述实时温度数据获取温度变化，得到新的温度分布状态；

若所述新的温度分布状态显示存在局部温度波动，则实时调整热媒循环速度和流向分配，确定所述蓄热单元的实时充热状态；

基于所述实时充热状态和温度分布均匀化目标，通过反馈控制机制调整太阳能集热器的工作模式和所述蓄热单元的相变时序，得到系统控制策略参数；

其中，所述太阳能集热器连接所述蓄热单元，为所述蓄热单元提供热能，所述系统控制策略参数用于控制所述太阳能集热器的工作模式以及所述蓄热单元的相变时序，以使所述蓄热单元的实时充热状态达到所述温度分布均匀化目标。

7.根据权利要求6所述的相变蓄热材料精准温控的供暖均匀智能调节方法，其特征在于，所述若所述新的温度分布状态显示存在局部温度波动，则实时调整热媒循环速度和流向分配，确定所述蓄热单元的实时充热状态，包括：

若所述新的温度分布状态显示存在局部温度波动，则采用预设的控制算法调整热媒循环速度，确定新的循环速度参数；

基于所述调整后的循环速度参数，计算热媒流向分配比例，得到流向分配方案；

基于所述流向分配方案，驱动所述热媒循环模块执行流向调节，确定所述蓄热单元的实时充热状态。

8.一种相变蓄热材料精准温控的供暖均匀智能调节系统，其特征在于，包括：

温度分布确定模块，用于基于各蓄热单元内相变材料的实时温度数据和太阳辐射强度信息，确定各蓄热单元的温度分布状态；

异常确定模块，用于基于所述温度分布状态，采用卡尔曼滤波算法预测各蓄热单元的温度梯度变化趋势，确定所述蓄热单元的相变过程异常的目标单元列表；

能量分配模块，用于基于所述目标单元列表中各蓄热单元的充热状态差异，采用粒子群优化算法计算能量分配方案，得到各蓄热单元的能量分配权重系数；

流量调节模块，用于基于所述能量分配权重系数，通过智能调节阀门控制模块调整各蓄热单元的热媒流量分配，得到流量控制指令，其中，所述流量控制指令包括蓄热单元的热媒流量开度增加或减小；

执行参数确定模块，用于基于所述流量控制指令，结合所述太阳辐射强度信息和室内温度需求数据，采用模糊控制算法调整各蓄热单元的蓄热准备状态或热能释放策略，得到动态调节执行参数；

热媒调节模块，用于基于所述动态调节执行参数，驱动热媒循环模块执行流向调节，以调整各蓄热单元的热媒循环速度和流向分配。