CN117232317B - 换热机组远程控制方法和远程控制系统 - Google Patents
换热机组远程控制方法和远程控制系统 Download PDFInfo
- Publication number
- CN117232317B CN117232317B CN202311522966.7A CN202311522966A CN117232317B CN 117232317 B CN117232317 B CN 117232317B CN 202311522966 A CN202311522966 A CN 202311522966A CN 117232317 B CN117232317 B CN 117232317B
- Authority
- CN
- China
- Prior art keywords
- heat exchange
- hot spot
- data
- remote control
- heat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 claims abstract description 24
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000012706 support-vector machine Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000011217 control strategy Methods 0.000 claims description 9
- 239000012530 fluid Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001931 thermography Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 230000002277 temperature effect Effects 0.000 claims description 3
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 2
- 230000003139 buffering effect Effects 0.000 claims description 2
- 208000037804 stenosis Diseases 0.000 claims description 2
- 230000036262 stenosis Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及机组控制技术领域，具体涉及换热机组远程控制方法和远程控制系统，包括以下步骤：实时收集热分布数据；建立换热机组与远程控制中心之间的通信连接；在远程控制中心实时分析热分布数据，识别热点区域，并评估热交换效率；开发热点追踪与管理模块，自动生成热点响应控制指令；将控制指令传输给换热机组，并确保通过冗余机制的指令可靠性；换热机组接收控制指令，并实施局部参数调整；实时监控调整效果；远程控制中心根据反馈数据再次优化控制指令，并持续监测热点变化。本发明，提供了更高的换热精确性和响应速度，有效减少了能量损失，提高了操作的灵活性和智能化水平，优化了设备的运行维护决策。
Description
技术领域
本发明涉及机组控制技术领域，尤其涉及换热机组远程控制方法和远程控制系统。
背景技术
在现有的工业应用中，换热机组是核心的组件之一，它在能量转换、传输和利用过程中起着至关重要的作用。传统的换热机组主要依赖于经验设置和定期检测来维持其运行效率，这不仅耗时耗力，而且往往不能实时响应系统状态的变化，导致能效低下和资源浪费。同时，换热过程中的不均匀热分布可能导致设备过早磨损或故障，增加维护成本和停机时间。
当前，虽然一些换热机组已经开始采用自动化控制系统，但这些系统往往局限于简单的反馈循环和预设的控制策略，缺乏对换热过程动态特性的深入理解和实时优化能力。此外，远程监控和控制功能在很多现有系统中仍然是一个未被充分开发的领域，这在多变的现代工业环境中限制了它们的性能和适用性。
因此，需要一种新的换热机组远程控制方法，它能够实时监测和精确调控换热过程，同时具备智能化的数据处理和决策支持功能，以提升能源利用效率和设备运行的稳定性，本发明正是在此背景下应运而生，旨在通过技术创新解决现有技术中存在的问题，实现换热机组的高效、智能和远程控制。
发明内容
基于上述目的，本发明提供了换热机组远程控制方法和远程控制系统。
换热机组远程控制方法，包括以下步骤：
S1：通过传感器网络建立换热机组内部的热能监测单元，实时收集热分布数据；
S2：建立换热机组与远程控制中心之间的通信连接，用于传输监测到的热能数据；
S3：在远程控制中心实时分析热分布数据，识别热点区域，并评估热交换效率；
S4：基于S3的识别热点区域以及评估的热交换效率结果，开发热点追踪与管理模块，自动生成热点响应控制指令，用于调整换热机组的局部运行参数来均衡热能分布；
S5：将控制指令传输给换热机组，并确保通过冗余机制的指令可靠性；
S6：换热机组接收控制指令，并实施局部参数调整，具体包括调整流速、流向或热交换介质的分布以响应热点问题；
S7：实时监控调整效果，将调整后的热能分布数据反馈至远程控制中心；
S8： 远程控制中心根据反馈数据再次优化控制指令，并持续监测热点变化；
S9：重复S3至S8，形成一个关于热点追踪与管理的动态优化闭环，以确保换热机组在整个运行过程中热能分布均衡且热交换效率最大化。
进一步的，所述S1具体包括：
S11：在换热机组关键热交换位置安装多点温度传感器；
S12：通过温度传感器的分布式布局，确保全面覆盖热交换区域，实现热分布的细节捕捉；
S13：利用无线或有线通信技术将各个温度传感器节点连接成网络，并实时传输采集到的温度数据至预设的中央处理单元；
S14：中央处理单元对接收到的数据进行同步处理，包括数据校准、同步和分析，以形成实时的热分布图像。
进一步的，所述关键热交换位置包括：
进出口管道换热介质进入和离开换热机组的位置、管壳交界处壳管式换热器中、换热器的管板、传热管、温度梯度变化大的位置、热流路径热介质流动路径中的任何狭窄或弯曲处、换热介质接触面直接与热介质接触的表面。
进一步的，所述S2中，在换热机组的控制系统中安装一个数据传输模块，该数据传输模块配置有通信硬件接口，用于支持以太网、无线局域网或蜂窝网络通信协议，将传感器网络所采集的热能数据通过数据传输模块发送至一个本地数据集成器，该本地数据集成器负责数据的初步整合、缓存和预处理。
进一步的，所述S3具体包括：
S31：采用热成像分析算法，通过构建热分布的二维或三维模型，实时接收并处理换热机组内部的温度传感器网络收集的数据，热成像算法通过热分布模型T(x, y, z, t)对每一时间点t的三维位置(x, y, z)处的温度值T进行实时渲染，进而识别热点区域；
S32：利用熵增最小化方法对热点区域进行定量分析，对热点区域的无序度进行量化，以熵增ΔS作为评估热效率的指标，熵增的计算通过以下公式表示：
；其中，/>是玻尔兹曼常数，/>是第i个热点区域在总热量分布中所占的比例，评估系统的总熵变化，熵增的最小化表示热分布更均匀，从而热交换效率更高；
S33：结合热点分析和熵增计算结果，运用神经网络优化模型自动调整换热机组参数。
进一步的，所述S4具体包括：
S41：开发热点追踪模块，该开发热点追踪模块通过实时分析换热机组的温度传感器数据，利用热点识别算法来确定和追踪换热机组内部的热点区域，利用温度数据对换热机组内部的正常和热点区域进行分类，实现实时热点追踪；
S42：设计热点响应控制模块，该设计热点响应控制模块基于热点追踪结果自动计算出局部运行参数的调整方案，运用控制理论中的PID 控制器，计算得出各控制点的调整量，以减少热点区域的温度偏差，调整量由以下公式确定：
；其中，/>、/>、/>分别是PID控制器的比例、积分、微分增益，/>是当前热点区域的温度偏差；
S43：将计算得出的调整方案通过换热机组的远程控制接口实施，包括流体流速的调整、热交换介质的温度变化、换热面积的调节，调整方案实施后，热点追踪与管理模块将继续监控温度变化，以验证调整效果，并根据需要迭代优化控制指令。
进一步的，所述热点识别算法采用基于支持向量机的分类算法，具体如下：
利用换热机组内部的多点温度传感器网络实时收集温度数据，并将该温度数据作为支持向量机算法的输入，对收集到的温度数据进行预处理；
应用支持向量机算法对预处理后的数据进行训练和模型建立，通过构建一个或多个超平面，以最大化不同类别数据之间的边界距离，支持向量机算法定义一个决策函数：，其中/>是超平面的法向量，b是偏置项，用于将热点区域和非热点区域分开；
将训练好的支持向量机模型用于实时数据的分类，标记出温度异常升高的区域，即热点区域，热点区域视为分类中的正类，而正常温度区域视为负类，
支持向量机模型根据实时数据不断更新分类结果，确保热点追踪的实时性，检测到新的热点区域时，向控制系统发出信号，以便采取相应的调节措施。
进一步的，所述S8具体包括：
S81：接收来自换热机组热点追踪模块的反馈数据，包括热点位置、温度读数、控制指令的执行状态以及调整后的温度效应；
S82：将反馈数据输入到远程控制中心，应用时间序列预测算法进行数据分析，分析控制指令的效果，并预测热点的动态变化趋势；
S83：基于分析结果，远程控制中心将重新计算和生成新的控制指令，如果热点没有得到有效控制或有新的热点产生，将调整PID控制参数，改变流体流速，温度设定或换热面积的控制策略，以实现精确的控制。
换热机组远程控制系统，用于执行上述的换热机组远程控制方法，该控制系统包括：
多点温度传感器网络，部署在换热机组关键热交换位置，实时收集热能分布数据；
通信接口，负责将收集的热能数据传输到远程控制中心；
数据分析模块，采用时间序列预测算法对热能数据进行处理和分析，以预测热点变化趋势；
控制指令生成模块，根据数据分析结果，自动产生调整换热机组操作参数的控制指令；
执行系统，接收并实施远程控制中心发出的控制指令，调整换热机组的运行；
反馈机制，持续监测调整效果并反馈至远程控制中心，以供后续的数据分析和控制策略优化；
用户接口，允许操作员监控系统状态，手动调整控制参数，或接收系统自动生成的建议。
本发明的有益效果：
本发明，通过在关键热交换位置部署多点温度传感器网络，实时监测和收集热分布数据，这种精细的温度监控机制允许系统快速响应温度变化，并及时调整操作参数，从而确保换热机组在各种操作条件下都能保持最佳的换热效率。相较于传统的温度监测和控制方法，提供了更高的换热精确性和响应速度，有效减少了能量损失。
本发明，通过采用时间序列预测算法分析热点数据，不仅可以实时监控当前的热分布情况，还能预测未来的热点变化趋势，这为远程控制中心提供了依据，以便更加科学和准确地制定控制策略，远程控制系统可以自动生成调整控制指令，迅速适应不断变化的工作条件，从而大幅提高了操作的灵活性和智能化水平，优化了设备的运行维护决策。
本发明，通过连续的反馈和优化机制，确保了控制指令的及时更新和精细调整，这种动态的控制不仅对于短期内提高换热效率至关重要，同时也有助于长期维持设备稳定运行，减少故障率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的远程控制方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1所示，换热机组远程控制方法，包括以下步骤：
S1：通过传感器网络建立换热机组内部的热能监测单元，实时收集热分布数据；
S2：建立换热机组与远程控制中心之间的通信连接，用于传输监测到的热能数据；
S3：在远程控制中心实时分析热分布数据，识别热点区域，并评估热交换效率；
S4：基于S3的识别热点区域以及评估的热交换效率结果，开发热点追踪与管理模块，自动生成热点响应控制指令，用于调整换热机组的局部运行参数来均衡热能分布；
S5：将控制指令传输给换热机组，并确保通过冗余机制的指令可靠性；
S6：换热机组接收控制指令，并实施局部参数调整，具体包括调整流速、流向或热交换介质的分布以响应热点问题；
S7：实时监控调整效果，将调整后的热能分布数据反馈至远程控制中心；
S8： 远程控制中心根据反馈数据再次优化控制指令，并持续监测热点变化；
S9：重复S3至S8，形成一个关于热点追踪与管理的动态优化闭环，以确保换热机组在整个运行过程中热能分布均衡且热交换效率最大化。
为提供了一种先进的内部热能管理方案，与传统的环境适应或参数调整方法相比，能够更直接地解决换热效率问题，具有很高的实用性和创新性。
S1具体包括：
S11：在换热机组关键热交换位置安装多点温度传感器，每个温度传感器具备高温稳定性和精确的数据采集能力；
S12：通过温度传感器的分布式布局，确保全面覆盖热交换区域，实现热分布的细节捕捉；
S13：利用无线或有线通信技术将各个温度传感器节点连接成网络，并实时传输采集到的温度数据至预设的中央处理单元；
S14：中央处理单元对接收到的数据进行同步处理，包括数据校准、同步和分析，以形成实时的热分布图像。
该传感器网络的设计确保了换热机组内部热能状态的精确监控，实现了对关键热交换区域温度分布的动态跟踪，从而优化机组运行效率和响应性。
关键热交换位置包括：
进出口管道-换热介质进入和离开换热机组的位置，这些点的温度数据能够直接反映出换热效果；
管壳交界处-壳管式换热器中，管束和壳体之间的交界处是热交换的主要区域，温度监测可以揭示传热性能；
换热器的管板、传热管；
温度梯度变化大的位置，任何热交换系统中，温度变化最大的区域总是最关键的，因为它们可能表明热点或效率低下的地方；
热流路径-热介质流动路径中的任何狭窄或弯曲处，这些位置的温度监测有助于了解流动对热交换的影响；
换热介质接触面-直接与热介质接触的表面，如换热板或螺旋管，是热交换发生的直接位置。
在这些关键位置安装温度传感器，不仅能够确保数据采集的全面性和准确性，还能够帮助监测和分析换热机组的运行状况，进一步指导换热机组的优化和调整，通过传感器网络的实时数据采集和分析，可以更精确地控制换热机组的运行参数，提升换热效率和设备的整体性能。
S2中，在换热机组的控制系统中安装一个数据传输模块，该数据传输模块配置有通信硬件接口，用于支持以太网、无线局域网或蜂窝网络通信协议，将传感器网络所采集的热能数据通过数据传输模块发送至一个本地数据集成器，该本地数据集成器负责数据的初步整合、缓存和预处理；
还包括设立一个安全协议，确保数据在传输过程中的加密与完整性校验，防止数据泄露或被未授权访问；通过上述通信硬件接口将处理后的数据传输至远程控制中心，利用建立好的网络连接，保障数据传输的实时性和连续性；在远程控制中心设立一个数据接收端，该接收端具备必要的解密和数据校验功能，以确保接收到的数据安全且未被篡改；实施远程控制中心的数据处理和显示系统，对接收到的数据进行进一步的分析和处理，生成热能分布的实时图表和报告。
通过实现上述通信连接方法，可以确保换热机组的实时热能状态有效地传输至远程控制中心，为远程监控和控制提供准确的数据支持，从而提高换热机组的运行效率和维护响应速度。
S3具体包括：
S31：采用热成像分析算法，通过构建热分布的二维或三维模型，实时接收并处理换热机组内部的温度传感器网络收集的数据，热成像算法通过热分布模型T(x, y, z, t)对每一时间点t的三维位置(x, y, z)处的温度值T进行实时渲染，进而识别热点区域；
S32：利用熵增最小化方法对热点区域进行定量分析，对热点区域的无序度进行量化，以熵增ΔS作为评估热效率的指标，熵增的计算通过以下公式表示：
；其中，/>是玻尔兹曼常数，/>是第i个热点区域在总热量分布中所占的比例，评估系统的总熵变化，熵增的最小化表示热分布更均匀，从而热交换效率更高；
S33：结合热点分析和熵增计算结果，运用神经网络优化模型自动调整换热机组参数，如流体流速和温度设定，该模型基于反向传播算法更新参数，以最小化热点区域对换热效率的影响，实现优化，神经网络模型通过训练数据学习热效率与参数设置之间的关系，自动预测最优的操作参数。
通过上述步骤，远程控制中心能够有效识别并响应热分布异常，同时通过高级算法精准评估并提升热交换效率，为换热机组的优化运行提供数据支持和决策依据。
S4具体包括：
S41：开发热点追踪模块，该开发热点追踪模块通过实时分析换热机组的温度传感器数据，利用热点识别算法来确定和追踪换热机组内部的热点区域，利用温度数据对换热机组内部的正常和热点区域进行分类，实现实时热点追踪；
S42：设计热点响应控制模块，该设计热点响应控制模块基于热点追踪结果自动计算出局部运行参数的调整方案，运用控制理论中的PID (比例-积分-微分) 控制器，计算得出各控制点的调整量，以减少热点区域的温度偏差，调整量由以下公式确定：
；其中，/>、/>、/>分别是PID控制器的比例、积分、微分增益，/>是当前热点区域的温度偏差；
S43：将计算得出的调整方案通过换热机组的远程控制接口实施，包括流体流速的调整、热交换介质的温度变化、换热面积的调节，调整方案实施后，热点追踪与管理模块将继续监控温度变化，以验证调整效果，并根据需要迭代优化控制指令。
热点识别算法采用基于支持向量机（SVM）的分类算法，具体如下：
利用换热机组内部的多点温度传感器网络实时收集温度数据，并将该温度数据作为支持向量机算法的输入，对收集到的温度数据进行预处理；
应用支持向量机算法对预处理后的数据进行训练和模型建立，通过构建一个或多个超平面，以最大化不同类别数据之间的边界距离，支持向量机算法定义一个决策函数：，其中/>是超平面的法向量，b是偏置项，用于将热点区域和非热点区域分开；
将训练好的支持向量机模型用于实时数据的分类，标记出温度异常升高的区域，即热点区域，热点区域视为分类中的正类，而正常温度区域视为负类，
支持向量机模型根据实时数据不断更新分类结果，确保热点追踪的实时性，检测到新的热点区域时，向控制系统发出信号，以便采取相应的调节措施。
S8具体包括：
S81：接收来自换热机组热点追踪模块的反馈数据，包括热点位置、温度读数、控制指令的执行状态以及调整后的温度效应；
S82：将反馈数据输入到远程控制中心，应用时间序列预测算法进行数据分析，分析控制指令的效果，并预测热点的动态变化趋势；
S83：基于分析结果，远程控制中心将重新计算和生成新的控制指令，如果热点没有得到有效控制或有新的热点产生，将调整PID控制参数，改变流体流速，温度设定或换热面积的控制策略，以实现精确的控制；
将优化后的控制指令发送到换热机组，指导现场执行系统进行调整，同时，优化模块会记录每次控制指令的效果，用于不断改善控制策略的准确性和响应速度，远程控制中心持续监测热点变化及控制效果，确保换热机组在不断变化的操作条件下维持最佳的热交换效率。
换热机组远程控制系统，用于执行上述的换热机组远程控制方法，该控制系统包括：
多点温度传感器网络，部署在换热机组关键热交换位置，实时收集热能分布数据；
通信接口，负责将收集的热能数据传输到远程控制中心；
数据分析模块，采用时间序列预测算法对热能数据进行处理和分析，以预测热点变化趋势；
控制指令生成模块，根据数据分析结果，自动产生调整换热机组操作参数的控制指令；
执行系统，接收并实施远程控制中心发出的控制指令，调整换热机组的运行；
反馈机制，持续监测调整效果并反馈至远程控制中心，以供后续的数据分析和控制策略优化；
用户接口，允许操作员监控系统状态，手动调整控制参数，或接收系统自动生成的建议。
该控制系统通过集成的传感器网络和先进的数据分析技术，实现了对换热机组的实时监测、远程控制以及效能优化，提高了换热效率和操作的灵活性。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明旨在涵盖落入权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.换热机组远程控制方法，其特征在于，包括以下步骤：
S1：通过传感器网络建立换热机组内部的热能监测单元，实时收集热分布数据，热能监测单元具体包括：
S11：在换热机组关键热交换位置安装多点温度传感器；
S12：通过温度传感器的分布式布局，确保全面覆盖热交换区域，实现热分布的细节捕捉；
S13：利用无线或有线通信技术将各个温度传感器节点连接成网络，并实时传输采集到的温度数据至预设的中央处理单元；
S14：中央处理单元对接收到的数据进行同步处理，包括数据校准、同步和分析，以形成实时的热分布图像；
所述关键热交换位置包括：
进出口管道换热介质进入和离开换热机组的位置；
管壳交界处壳管式换热器中；
换热器的管板、传热管；
温度梯度变化大的位置；
热流路径热介质流动路径中的任何狭窄或弯曲处；
换热介质接触面直接与热介质接触的表面；
S2：建立换热机组与远程控制中心之间的通信连接，用于传输监测到的热能数据；
S3：在远程控制中心实时分析热分布数据，识别热点区域，并评估热交换效率，具体包括：
S31：采用热成像分析算法，通过构建热分布的二维或三维模型，实时接收并处理换热机组内部的温度传感器网络收集的数据，热成像算法通过热分布模型T(x, y, z, t)对每一时间点t的三维位置(x, y, z)处的温度值T进行实时渲染，进而识别热点区域；
S32：利用熵增最小化方法对热点区域进行定量分析，对热点区域的无序度进行量化，以熵增ΔS作为评估热效率的指标，熵增的计算通过以下公式表示：
；其中，/>是玻尔兹曼常数，/>是第i个热点区域在总热量分布中所占的比例，评估系统的总熵变化，熵增的最小化表示热分布更均匀，从而热交换效率更高；
S33：结合热点分析和熵增计算结果，运用神经网络优化模型自动调整换热机组参数；
S4：基于S3的识别热点区域以及评估的热交换效率结果，开发热点追踪与管理模块，自动生成热点响应控制指令，用于调整换热机组的局部运行参数来均衡热能分布，具体包括：
S41：开发热点追踪模块，该开发热点追踪模块通过实时分析换热机组的温度传感器数据，利用热点识别算法来确定和追踪换热机组内部的热点区域，利用温度数据对换热机组内部的正常和热点区域进行分类，实现实时热点追踪，所述热点识别算法采用基于支持向量机的分类算法，具体如下：
利用换热机组内部的多点温度传感器网络实时收集温度数据，并将该温度数据作为支持向量机算法的输入，对收集到的温度数据进行预处理；
应用支持向量机算法对预处理后的数据进行训练和模型建立，通过构建一个或多个超平面，以最大化不同类别数据之间的边界距离，支持向量机算法定义一个决策函数：，其中/>是超平面的法向量，b是偏置项，用于将热点区域和非热点区域分开；
将训练好的支持向量机模型用于实时数据的分类，标记出温度异常升高的区域，即热点区域，热点区域视为分类中的正类，而正常温度区域视为负类，
支持向量机模型根据实时数据不断更新分类结果，确保热点追踪的实时性，检测到新的热点区域时，向控制系统发出信号，以便采取相应的调节措施；
S42：设计热点响应控制模块，该设计热点响应控制模块基于热点追踪结果自动计算出局部运行参数的调整方案，运用控制理论中的PID控制器，计算得出各控制点的调整量，以减少热点区域的温度偏差，调整量 由以下公式确定：
；其中，/>、/>、/>分别是PID控制器的比例、积分、微分增益，/>是当前热点区域的温度偏差；
S43：将计算得出的调整方案通过换热机组的远程控制接口实施，包括流体流速的调整、热交换介质的温度变化、换热面积的调节，调整方案实施后，热点追踪与管理模块将继续监控温度变化，以验证调整效果，并根据需要迭代优化控制指令；
S5：将控制指令传输给换热机组，并确保通过冗余机制的指令可靠性；
S6：换热机组接收控制指令，并实施局部参数调整，具体包括调整流速、流向或热交换介质的分布以响应热点问题；
S7：实时监控调整效果，将调整后的热能分布数据反馈至远程控制中心；
S8： 远程控制中心根据反馈数据再次优化控制指令，并持续监测热点变化，具体包括：
S81：接收来自换热机组热点追踪模块的反馈数据，包括热点位置、温度读数、控制指令的执行状态以及调整后的温度效应；
S82：将反馈数据输入到远程控制中心，应用时间序列预测算法进行数据分析，分析控制指令的效果，并预测热点的动态变化趋势；
S83：基于分析结果，远程控制中心将重新计算和生成新的控制指令，如果热点没有得到有效控制或有新的热点产生，将调整PID控制参数，改变流体流速，温度设定或换热面积的控制策略，以实现精确的控制；
S9：重复S3至S8，形成一个关于热点追踪与管理的动态优化闭环，以确保换热机组在整个运行过程中热能分布均衡且热交换效率最大化。
2.根据权利要求1所述的换热机组远程控制方法，其特征在于，所述S2中，在换热机组的控制系统中安装一个数据传输模块，该数据传输模块配置有通信硬件接口，用于支持以太网、无线局域网或蜂窝网络通信协议，将传感器网络所采集的热能数据通过数据传输模块发送至一个本地数据集成器，该本地数据集成器负责数据的初步整合、缓存和预处理。
3.换热机组远程控制系统，用于执行权利要求1-2任一项所述的换热机组远程控制方法，其特征在于，该控制系统包括：
多点温度传感器网络，部署在换热机组关键热交换位置，实时收集热能分布数据；
通信接口，负责将收集的热能数据传输到远程控制中心；
数据分析模块，采用时间序列预测算法对热能数据进行处理和分析，以预测热点变化趋势；
控制指令生成模块，根据数据分析结果，自动产生调整换热机组操作参数的控制指令；
执行系统，接收并实施远程控制中心发出的控制指令，调整换热机组的运行；
反馈机制，持续监测调整效果并反馈至远程控制中心，以供后续的数据分析和控制策略优化；
用户接口，允许操作员监控系统状态，手动调整控制参数，或接收系统自动生成的建议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311522966.7A CN117232317B (zh) | 2023-11-16 | 2023-11-16 | 换热机组远程控制方法和远程控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311522966.7A CN117232317B (zh) | 2023-11-16 | 2023-11-16 | 换热机组远程控制方法和远程控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117232317A CN117232317A (zh) | 2023-12-15 |
| CN117232317B true CN117232317B (zh) | 2024-02-13 |
Family
ID=89098865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311522966.7A Active CN117232317B (zh) | 2023-11-16 | 2023-11-16 | 换热机组远程控制方法和远程控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117232317B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117961382B (zh) * | 2024-03-28 | 2024-05-28 | 江苏恒久钢构股份有限公司 | 一种网架杆件智能加工控制系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200300278Y1 (ko) * | 2002-09-12 | 2003-01-14 | (주)엠앤하이텍 | 냉온정수기 누수차단 및 원격관리시스템 |
| DE102007045796A1 (de) * | 2007-09-25 | 2009-04-02 | Linde Aktiengesellschaft | Verfahren und Vorrichtung zur Vibrationsmessung in Wärmetauschern |
| CN202692248U (zh) * | 2012-06-08 | 2013-01-23 | 北京东方圣赛达能源环境工程有限公司 | 换热机组控制系统 |
| GB201501518D0 (en) * | 2015-01-29 | 2015-03-18 | Tech Innovation Ltd And Ea Technology Ltd C | Domestic hot water system |
| WO2019094721A2 (en) * | 2017-11-09 | 2019-05-16 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
| CN113222231A (zh) * | 2021-04-30 | 2021-08-06 | 洛阳双瑞精铸钛业有限公司 | 一种基于物联网技术的智慧供热系统 |
| CN113674235A (zh) * | 2021-08-15 | 2021-11-19 | 上海立芯软件科技有限公司 | 一种基于主动熵采样和模型校准的低代价光刻热点检测方法 |
| WO2021232387A1 (zh) * | 2020-05-22 | 2021-11-25 | 南京云创大数据科技股份有限公司 | 一种多功能的智能信号控制系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7987491B2 (en) * | 2002-05-10 | 2011-07-26 | Richard Reisman | Method and apparatus for browsing using alternative linkbases |
-
2023
- 2023-11-16 CN CN202311522966.7A patent/CN117232317B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200300278Y1 (ko) * | 2002-09-12 | 2003-01-14 | (주)엠앤하이텍 | 냉온정수기 누수차단 및 원격관리시스템 |
| DE102007045796A1 (de) * | 2007-09-25 | 2009-04-02 | Linde Aktiengesellschaft | Verfahren und Vorrichtung zur Vibrationsmessung in Wärmetauschern |
| CN202692248U (zh) * | 2012-06-08 | 2013-01-23 | 北京东方圣赛达能源环境工程有限公司 | 换热机组控制系统 |
| GB201501518D0 (en) * | 2015-01-29 | 2015-03-18 | Tech Innovation Ltd And Ea Technology Ltd C | Domestic hot water system |
| WO2019094721A2 (en) * | 2017-11-09 | 2019-05-16 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
| WO2021232387A1 (zh) * | 2020-05-22 | 2021-11-25 | 南京云创大数据科技股份有限公司 | 一种多功能的智能信号控制系统 |
| CN113222231A (zh) * | 2021-04-30 | 2021-08-06 | 洛阳双瑞精铸钛业有限公司 | 一种基于物联网技术的智慧供热系统 |
| CN113674235A (zh) * | 2021-08-15 | 2021-11-19 | 上海立芯软件科技有限公司 | 一种基于主动熵采样和模型校准的低代价光刻热点检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117232317A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117232317B (zh) | 换热机组远程控制方法和远程控制系统 | |
| US11774923B2 (en) | Augmented deep learning using combined regression and artificial neural network modeling | |
| Sun et al. | An adaptive fault detection and root-cause analysis scheme for complex industrial processes using moving window KPCA and information geometric causal inference | |
| JP5511698B2 (ja) | 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム | |
| CN109992921A (zh) | 一种燃煤电厂锅炉热效率的在线软测量方法及系统 | |
| Qin et al. | IIoT-enabled health monitoring for integrated heat pump system using mixture slow feature analysis | |
| Li et al. | A data-driven method for fault detection and isolation of the integrated energy-based district heating system | |
| Akram et al. | Quality monitoring and process adjustment by integrating SPC and APC: a review | |
| CN104765271A (zh) | 用于可变参数和相关程序产品的控制器系统 | |
| JP5467929B2 (ja) | 関数生成装置、及び関数生成方法 | |
| Djelloul et al. | Fault diagnosis of manufacturing systems using data mining techniques | |
| CN117066496B (zh) | 一种铸造冷却控制方法及系统 | |
| CN117245872A (zh) | 一种批次注塑过程的状态补偿模型控制方法及系统 | |
| KR20190114155A (ko) | 이동식 무인 감시 시스템 및 그 방법 | |
| Ren et al. | A three-level hierachical framework for additive manufacturing | |
| KR102222125B1 (ko) | 머신 러닝 기반의 수율 관리 장치 및 방법 | |
| Pitarch et al. | Optimal operation of an evaporation process | |
| EP3120209B1 (en) | Retrofit smart components for use in a fluid transfer system | |
| Tang et al. | A novel distributed CVRAE-based spatio-temporal process monitoring method with its application | |
| Sheriff et al. | An operating economics-driven perspective on monitoring and maintenance in multiple operating regimes: Application to monitor fouling in heat exchangers | |
| Brijet et al. | Optimum control of under‐grate pressure of clinker cooler by optimizing the proportional integral derivative controller parameters using honey badger algorithm technique | |
| CN113110356A (zh) | 一种低温热系统的智能优化控制装备 | |
| Song et al. | Building local models for flexible degradation modeling and Prognostics | |
| CN117170446B (zh) | 一种用于真空热压炉的循环水智能调节方法及系统 | |
| Hu et al. | A Framework of Cloud Model Similarity‐Based Quality Control Method in Data‐Driven Production Process |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |