随着我国工业化和城镇化进程的加快，建筑能耗在能源消耗中的占比越来越大，热水供应作为建筑能耗的重要部分，降低其能耗就显得尤为重要。而传统供热系统普遍采用“定温度、定时间、定水位”的方式实现启停的控制策略，通过对系统参数进行监控和设定，实现水泵和阀门等关键部件的开关操作。近年来，随着物联网技术的快速发展，供热系统从传统的现场控制模式发展到了远程在线监控模式。由于缺少智能化的控制算法，无法实现系统的自适应运行，节能效果不明显。
　　为了提高供热系统的现代化水平，本文根据热力系统实际需求，研究了基于物联网的多热源AI管控系统，包括以下几个方面：
　　第一，在热源合理利用、监测管理和AI管控等方面，分析了总体测控系统和多热源供热结构与需求；分析了太阳能集热、余热回收、热水转移、热水供应、自动补水和末端回水的控制逻辑和规律；探讨并确定该系统总体测控的物联网架构。
　　第二，对热水使用量进行了特性分析，结果表明热水需求量受到气象条件、日期类型和季节等因素不同程度的影响，为了保障热水供需匹配，热水需求量的预测是提高供热系统的自适应性和节能性的关键步骤。因此，对历史热水使用量、气象条件和日期类型等数据进行了预处理，构建了时间序列、非线性回归、神经网络的预测模型；为了同时利用数据的基本特性和时序性，提出了一种由长短期记忆网络和神经网络的组合模型；最后将四种模型的预测结果进行了对比，结果表明深度神经网络组合模型在预测中具有较大的优势。
　　第三，在云平台上，以预测的热水需求量为基础，并结合多热源系统的基本控制逻辑，制定相应的节能控制策略，包括对太阳能集热、余热回收和燃气机组等运行参数的设定，然后下发给本地服务的控制器；最后实现模型和策略的在线更新。
　　实验结果表明，相对于传统供热系统，该多热源AI管控系统达到了多元核心的优化过程测控效果。在满足用户热水需求的同时，提高了系统的自适应性和节能性。