CN103591637A - 一种集中供热二次网运行调节方法 - Google Patents

Abstract

一种集中供热二次网运行调节方法，涉及供热调节技术领域。解决现有供热系统由于设计上的不足，导致应用中存在不同程度的局限性，运行调节难以达到预期效果，且采用的调节方法存在结构复杂、运行时间长及计算量大等问题，采用三层前向型神经网络和PID结合的方法实现二次网回水温度的自动控制。以RBF神经网络建立集中供热二次网温度控制系统给定值预测模型，通过训练好的RBF预测模型，利用现场采集的一次网供水温度、一次网供水流量、室外温度、二次网供水温度和二次网供水流量这五个数据实时预测二次网回水温度，并将该值作为集中供热二次网温度控制系统的给定值。本发明通过自动控制保证系统供热质量的同时，实现能源合理利用。

Description

一种集中供热二次网运行调节方法

技术领域

本发明涉及供热调节技术领域，特别是一种集中供热二次网运行调节方法。

背景技术

目前应用于集中供热系统这种非线性、大惯性、大时滞系统的运行调节方法，主要有以下几种方式：

一、现行的集中供热二次网运行调节方法主要采用以下两种方式：

（a）、人工调节。现行的热网运行调节是在各换热站配备至少两名值班人员，值班人员依据室外温度和一次网供水温度，按照一定的操作规则，调节二次网循环水流量，以满足用户的采暖需求。该方法存在人力浪费的问题，需要工作人员24小时值守，工作人员工作时间长，不便于管理；另外，人工调节存在主观片面性，容易出现疏忽、懈怠、调解不及时，导致能源浪费或供热不足。

（b）、传统PID控制。这种调节方法是在供热控制系统中装控制柜，实现温度的自动调节，其相对第一种方法应用较少。从工程运行的实际状况来看，传统PID控制效果不是十分理想，这是由于常规PID控制对供热这种非线性、大惯性系统的自适应性差，控制质量欠佳。

二、基于模糊理论的运行调节，这种控制方法还没有完善的系统分析手段，模糊控制规则的获取、输入模糊变量论域和隶属度函数的确定等需要实验分析和操作人员经验的汇总，受人为主观因素影响大，而这些因素都决定了模糊控制系统的品质。如何实现语言变量与模糊数之间的转换，是实现上的一个难点。

三、基于遗传算法和神经网络相结合的运行调节方法，这种方法的关键问题是遗传算法对新空间的探索能力有限，容易收敛到局部最优解，并且计算量大，处理规模小，难以处理非线性约束。采用遗传算法优化神经网络结构的运行调节方法结构复杂，运行时间长，计算规模大，不便于实现。

综上所述，各种运行调节方法在应用时，由于各自的不足，使运行调节难以达到预期的效果。发明一种能够提高控制品质、合理利用能源的自动控制方法具有重要意义。

发明内容

本发明为解决现有供热系统由于在设计上的不足，导致在应用中存在不同程度的局限性，并且采用的调节方法中存在结构复杂、运行时间长以及计算量大等问题，提供一种集中供热二次网运行调节方法。

一种集中供热二次网运行调节方法，具体步骤如下：

步骤一、选择二次网回水温度作为集中供热二次网自动控制系统的控制量，并取一次网供水温度、一次网供水流量、室外温度、二次网供水温度和二次网供水流量以及二次网回水温度作为采集的数据样本；并对所述的数据样本进行归一化处理，将处理后的数据分为训练数据和校验数据；

步骤二、采用步骤一获得的训练数据训练RBF神经网络，具体为：将一次网供水温度、一次网供水流量、室外温度、二次网供水温度和二次网供水流量作为RBF神经网络的输入数据，二次网回水温度作为RBF神经网络的输出数据；输入数据取当前时刻t的控制系统的实际采样值，控制系统的采样周期为T，控制系统时滞为τ，若k＝T/τ为整数，则输出数据取t+k时刻实际采样值；若k为小数，则令K表示k的整数部分，输出数据取t+K时刻与t+K+1时刻控制系统实际采样值的三次样条插值，计算经过控制系统时滞τ延时后的控制系统实际值，实现输入数据与输出数据在时间上的对应，达到实时预测；

步骤三、采用步骤一获得的校验数据校验步骤二所得的RBF神经网络预测模型，是否达到期望的预测精度，如果是，则建立完成集中供热二次网控制系统预测模型；如果否，重新训练RBF神经网络，直至达到期望的预测精度；

步骤四、设计三层前向型神经网络与PID相结合的控制器；

具体过程为：设定三层前向型神经网络的初值；在线获取神经网络输入矢量p＝[y(t),y(t-1),u(t)]^T，其中，y(t)为当前时刻t二次网回水温度的测量值，y(t-1)为t-1时刻的二次网回水温度的测量值，u(t)为控制器输出值，用神经网络输出量y_m(t)与当前时刻t的二次网回水温度y(t)做差，获得误差；根据误差值按照性能指标调整函数

调整三层前向型神经网络的网络参数以及PID参数，构成神经网络与PID相结合的控制器。

步骤五、将步骤三建立的集中供热二次网控制系统预测模型的输出值作为控制系统的给定值，将步骤四设计的控制器作为集中供热二次网自动控制系统的系统控制器，将系统控制器的输出值作用于二次网循环水泵的变频器，改变二次网的循环水量，在控制器闭环控制的作用下使控制系统实际输出的二次网回水温度值与集中供热二次网控制系统预测模型的输出值一致，实现二次网回水温度的实时控制。

本发明的有益效果：本发明综合一次网供水温度T1供、一次网供水流量F1供）、室外温度T外、二次网供水温度T2供和二次网供水流量F2供五个量，通过训练好的RBF神经网络预测模型预测二次网回水温度T2回，实现控制量的实时预测。将RBF预测模型的输出作为二次网回水温度自动控制系统的给定值，通过三层前向型神经网络PID控制器实施闭环控制，从而实现供热的实时调节。本发明保证供热质量，同时有效避免控制不及时造成的能源浪费或供热不足，实现能源合理利用，而且又避免了人员浪费，将工作人员从漫长的工作时间中解脱出来。

附图说明

图1为本发明所述的集中供热二次网运行调节方法的控制系统框图。

图2为本发明所述的集中供热二次网运行调节方法中RBF预测模块框图。

图3为本发明所述的集中供热二次网运行调节方法中的控制器的原理图。

具体实施方式

具体实施方式一、结合图1至图3说明本实施方式，一种集中供热二次网运行调节方法，其具体步骤如下：

一、对集中供热系统进行原理和工艺分析，总结归纳出供热品质、能源利用率与一次网供水温度T1供、一次网回水温度T1回、一次网供水流量F1供、一次网回水流量F1回、二次网供水温度T2供、二次网回水温度T2回、二次网供水流量F2供、二次网回水流量F2回、室外温度T外、换热效率、建筑物保温系数、日照强度等因素之间的关系，以保证供热品质、合理利用能源为前提，选择集中供热二次网自动控制系统的控制量；

二、步骤一确立的控制量为二次网回水温度，从时变性和可量化的角度选择影响二次网回水温度的量，取一次网供水温度T1供、一次网供水流量F1供、室外温度T外、二次网供水温度T2供和二次网供水流量F2供等五个量。从供热现场采集上述数据；

三、用步骤一采集到数据组作为样本，对数据进行归一化处理，把归一化处理后的数据分成两部分：训练数据和校验数据。

四、用步骤三得到的训练数据训练RBF神经网络，将一次网供水温度T1供、一次网供水流量F1供、室外温度T外、二次网供水温度T2供和二次网供水流量F2供作为RBF神经网络的输入，二次网回水温度T2回作为RBF神经网络的输出。按照一定的训练指标构造五个输入，一个输出的网络；

五、步骤四中RBF神经网络输入、输出数据的时间对应上，输入数据取当前时刻t时刻的系统实际采样值，当集中供热二次网系统的采样周期为T，系统时滞为τ，若k＝T/τ为整数，则输出数据取t+k时刻实际采样值；若k为小数，则令K表示k的整数部分，输出数据取t+K时刻与t+K+1时刻系统实际采样值的三次样条插值，计算经过系统时滞τ延时后的系统实际值，实现输入输出数据在时间上的对应，达到实时预测；

六、用步骤三得到的校验数据校验所建立的RBF神经网络预测模型，判断是否达到期望的预测精度，若是则集中供热二次网控制系统预测模型的建立完成；若否，则重新训练网络，直至达到期望的校验精度；

七、设计控制器，设计一个三层前向型神经网络与PID相结合的控制器。三层前向型神经网络由输入层、隐含层和输出层三层组成。设置控制器中三层前向型神经网络的隐含层神经元数H以及连接权值、中心向量、方差向量以及PID控制参数的初始值。

通过渐进式训练方法训练神经网络，即神经网络在线调整。

1)每个控制周期神经网络接收一组输入矢量

$p=\left[\begin{array}{c}y\left(t\right)\\ y(t-1)\\ u\left(t\right)\end{array}\right]$

其中，y(t)表示当前时刻t二次网回水温度T2回的测量值，y(t-1)表示t-1时刻的二次网回水温度T2回的测量值，u(t)表示控制器输出值。

2)输出

其中H表示神经网络隐含层神经元数，w_i表示隐含层第i个神经元与输出层神经元的连接权值，θ_i表示隐含层第i个神经元的输出，且

u_i和σ_i分别为隐含层第i个神经元的中心和方差，u_i＝[u_i1,u_i2,u_i3]^T,i=1,2,…,H。||.||表示欧几里得距离。

3）神经网络输出量y_m(t)与系统实际输出量y(t)比较，通过动量优化梯度下降法，按照性能指标函数

修正神经网络的连接权值、中心向量和方差向量。

4）比较系统实际输出量y(t)和控制系统的控制量二次网回水温度T2回给定值r(t)，通过梯度下降学习算法，按照性能指标

e(t)＝r(t)-y(t)修正PID参数。

八、将步骤六建立的二次网回水温度预测模型输出作为控制系统的给定值，将步骤七设计的控制器作为集中供热二次网自动控制系统的系统控制器。控制器输出作用于二次网循环水泵的变频器，从而改变二次网的循环水量，在闭环控制的作用下使二次网回水温度值与预测模型的输出值一致，实现二次网回水温度的实时控制。

本实施方式以RBF神经网络建立集中供热控制系统的预测模型，通过训练好的RBF神经网络预测模型，利用现场采集的一次网供水温度T1供、一次网供水流量F1供、室外温度T外、二次网供水温度T2供和二次网供水流量F2供这五个数据实时预测二次网回水温度T2回，并将该值作为集中供热系统的给定值；采用三层前向型神经网络和PID相结合的方法实现二次网回水温度的自动控制，神经网络的加入，可实时调节PID控制器的参数，克服常规PID的不足。本实施方案能保证供热质量，同时有效避免控制不及时造成的能源浪费或供热不足，将工作人员从漫长的工作时间中解脱出来。通过自动控制代替人工操作，避免人工调节的主观片面性和延迟，保证用户的采暖品质的同时，实现能源合理利用。

Claims (3)

1.一种集中供热二次网运行调节方法，其特征是，该方法由以下步骤实现：

步骤一、选择二次网回水温度作为集中供热二次网自动控制系统的控制量，并取一次网供水温度（T1供）、一次网供水流量（F1供）、室外温度（T外）、二次网供水温度（T2供）和二次网供水流量（F2供）以及二次网回水温度（T2回）作为采集的数据样本；并对所述的数据样本进行归一化处理，将处理后的数据分为训练数据和校验数据；

步骤二、采用步骤一获得的训练数据训练RBF神经网络，具体为：一次网供水温度（T1供）、一次网供水流量（F1供）、室外温度（T外）、二次网供水温度（T2供）和二次网供水流量（F2供）作为RBF神经网络的输入数据，二次网回水温度（T2回）作为RBF神经网络的输出数据；输入数据取当前时刻t的控制系统的实际采样值，控制系统的采样周期为T，控制系统时滞为τ，若k＝T/τ为整数，则输出数据取t+k时刻实际采样值；若k为小数，则令K表示k的整数部分，输出数据取t+K时刻与t+K+1时刻控制系统实际采样值的三次样条插值，计算经过控制系统时滞τ延时后的控制系统实际值，实现输入数据与输出数据在时间上的对应，达到实时预测；

步骤三、采用步骤一获得的校验数据校验步骤二所得的RBF神经网络预测模型，是否达到期望的预测精度，如果是，则集中供热二次网控制系统预测模型建立完成；如果否，重新训练RBF神经网络，直至达到期望的预测精度；

步骤四、设计三层前向型神经网络与PID相结合的控制器；

具体过程为：设定三层前向型神经网络的初值；在线获取神经网络输入矢量p＝[y(t),y(t-1),u(t)]^T，其中，y(t)为当前时刻t二次网回水温度（T2回）的测量值，y(t-1)为t-1时刻的二次网回水温度（T2回）的测量值，u(t)为当前时刻t控制器输出值，用当前时刻t的神经网络输出量y_m(t)与二次网回水温度y(t)做差，获得误差；根据误差值按照性能指标调整函数

调整三层前向型神经网络的网络参数以及PID参数，构成神经网络与PID相结合的控制器；

步骤五、将步骤三建立的集中供热二次网控制系统预测模型的输出值作为控制系统的给定值，将步骤四设计的控制器作为集中供热二次网自动控制系统的系统控制器，将系统控制器的输出值作用于二次网循环水泵的变频器，改变二次网的循环水量，在控制器闭环控制的作用下使控制系统实际输出的二次网回水温度值与集中供热二次网控制系统预测模型的输出值一致，实现二次网回水温度（T2回）的实时控制。

2.根据权利要求1所述的一种集中供热二次网运行调节方法，其特征在于，所述集中供热二次网控制系统预测模型的预测精度小于或等于0.01℃。

3.根据权利要求1所述的一种集中供热二次网运行调节方法，其特征在于，控制二次网回水温度（T2回）与预测的回水温度的绝对误差小于或等于0.5℃。

Images