CN108256672A - 一种集中供热系统全网平衡调节方法 - Google Patents

Abstract

一种供热管网全网平衡调节方法和系统，根据热力平衡分析，获取供热系统模型阶次和形式；通过构建供热系统的扩张状态观测器，来获取内部结构不明确不易建模的系统模型，并得到供热系统时滞性能参数；采用数值天气预报服务，预测从特定时刻起系统时滞时间τ后的室外温度，进一步预测τ时刻后的用户供热负荷，从而进行超前控制；通过构建自抗扰控制模块，来克服热力站彼此间的耦合性，进行供热系统运行态实时调节，控制一次网电动阀动作，使二次网用户的室内温度达到预定值；根据BP神经网络的自学习功能，整定出自抗扰控制器的参数。通过以上步骤，克服热力站彼此间的耦合性，实现全网的热力平衡，达到用户室温均衡一致、减少管网热量损失从而节能的目的，可广泛用于集中供热控制。

Description

一种集中供热系统全网平衡调节方法

技术领域

本发明涉及供热控制领域，尤其是涉及一种全网平衡控制方法。

背景技术

城市供热系统中，集中供热成为重中之重。通常一个城市有几个区域供热，每个区域 网有几十或几百个换热站。换热站连接着热网与热用户，热网输送的热媒通过换热站进行 调控和转换，根据各个热用户的热负荷需求进行合理分配。而供热系统是复杂的分布式大 系统，具有明显的大滞后性、时变性、非线性和强耦合性。因此，发明一种能够克服系统惰性，有效控制换热站设备，实现整个供热系统热力和水力平衡的方法，这对于供热系统节能减损，提高热管网工作质量是十分必要的。

发明内容

本发明实施例提供了一种能够通过采集供回温度进行供热参数自动整定的供热方法， 实现对大滞后、强耦合供热系统的精准、快速响应。

为实现上述目的，本发明所采用的技术方案为自抗扰神经网络控制算法，具体按以下 步骤进行：

步骤S1，建立供热管网系统模型，计算预测目标温度；

步骤S2，设计供热管网全网平衡系统的控制方案，达到供热系统平衡、稳定供热的目的。

进一步，所述步骤S1中建立供热管网系统模型的方法包括以下步骤：

步骤S11，采用数值天气预报分区块方法预测供热管网系统模型输入输出；

预测室外温度采用数值天气预报分区块方法，假设用户可以被分成m个区块，每个区 块用B_i表示，那么任意时刻的τ时刻后每个区块的室外温度为t_τi，风速为ν_τi，那么可找到合适的k_1i、k_2i，使得τ时刻后B_i的综合温度表示为T_i＝k_1it_τi+k_2iν_τi；

由于用户总负荷Q_O为每个用户的负荷总量，根据热量守恒原理，用户负荷总量等于 一次网热媒散出的总热量，即

式中，Q_I为热源释放的总热量；Q_O为用户总热负荷；q为用户数量，Q_i为每个用户 热负荷；m为区块个数，Q_j为每个区块热负荷。以区块为单位，视为一个用户，即令q＝m。 由供热公式可知，每个用户的负荷Q_i为供回温平均温度的函数(室内温度目标给定)，即

式中，t_g、t_h分别为供、回水实时温度；A为区块内总散热面积；F为综合散热器 的供热系数；b为散热常数；t_n为室内目标温度；

在室内目标温度t_n确定的前提下，全网平衡调节的目标等效代换成即用户供、 回水平均温度；

每个用户的供温t_g、回温t_h均为室外温度T_i的函数，即

式中，t_n为室内目标温度，T_wi为设计室外温度，t_gi、t_hi分别为设计供、回水温度，均可视为定值；

每个区块用户的目标温度T_tari也为室外温度T_i的函数，即

根据数值天气预报服务，获取t_τi、ν_τi，计算出T_tari；

根据天气预报和供热管网系统模型时间常数计算全网平衡系统目标温度，假如供热管 网系统时滞时间常数为τ，每个用户区块的τ时刻后的室外温度为T_tari，全网调节的总目标 温度T，取每个区块目标温度的加权几何平均值，即

步骤S12，通过热力平衡分析，获取供热管网系统模型阶次和形式；

选取一次网供水流量为被控对象的输入，二次网供回水平均温度为输出，通过建立热 平衡方程获取传递函数，初步确定供热管网系统模型阶次。

步骤S13，设计状态观测器，构建供热管网系统线性化模型，并得到系统时滞时间τ。

进一步，所述步骤S2中设计供热管网全网平衡系统的控制方案的方法包括：

设计自抗扰神经网络控制模块：结合扩张状态观测器，自抗扰算法分为跟踪微分器TD、 扩张状态观测器ESO和误差非线性状态误差反馈控制律(NLSEF)三部分，并整定涉及的 所有的参数。用神经网络方法整定参数，即使输出层神经元的输出状态对应于待整定参数， 通过神经网络的自学习调整权系数，从而使其稳定状态对应于某种最优控制规律下的待整 定参数。

另一方面，本发明提供了一种供热管网全网平衡调节系统，包括：

状态观测单元，用于按照实际供热管网系统模型的阶次和样式，估计供热管网系统对 象的内部状态，得到近似的供热管网系统模型；

数值天气预报单元，用于预测τ时间段后的室外天气情况，从而计算出τ时间段后的 全网目标温度，超前控制供热管网系统。

假设用户可以被分成m个区块，每个区块用B_i表示，特定时刻每个区块的室外温度为t_τi，风速为ν_τi，那么可找到合适的k_1i、k_2i，使得B_i的综合温度表示为T_i＝k_1it_τi+k_2iν_τi； 每个区块用户的目标温度T_tari为

其中，t_g为每个用户的供水温度，t_h为每个用户的回水温度。

全网调节的目标温度T，取每个区块目标温度T_tari的加权几何平均值，即

人工神经网络单元，用于根据样本数据自学习自整定系统的设计参数；

自抗扰控制单元，通过状态观测单元和人工神经网络单元，计算出被控系统给定的一 次网输入流量，实现供热系统一次网的质调节。

本发明具有以下有益的技术效果：

本发明以数值天气预报预测控制为核心，利用自抗扰神经网络控制方案自动控制电动 阀开度，实时对供热管网进行调节，克服了电动阀间的耦合问题，解决了供热滞后的问题， 保证了用户室内温度的合理性与高效性。

附图说明

为了更清楚地说明本发明实施例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 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以 根据这些附图获得其他的附图。

图1为本发明实施例提供的一种集中供热系统全网平衡调节方法的流程示意图；

图2为本发明实施例提供的自抗扰控制算法的结构示意图；

图3为本发明实施例提供的一种集中供热系统全网平衡调节系统的单元示意图；

图4为本发明实施例提供的基于神经网络的系统整体结构；

图5为本发明实施例提供的神经网络模型。

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做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。

如图1所示为本发明实施例提供的一种供热管网系统全网平衡调节方法的流程示意 图，该方法包括：

S1，建立供热管网系统模型，计算预测目标温度；

S2，设计供热管网全网平衡系统的控制方案，达到系统平衡、稳定供热的目的。

优选的，所述步骤S1中建立供热管网系统模型的方法包括以下步骤：

步骤S11，采用数值天气预报分区块方法预测供热管网系统模型输入输出；

预测室外温度采用数值天气预报分区块方法。假设用户可以被分成m个区块，每个区 块用B_i表示。以区块为单位，视为一个用户。

系统输出量为供回水平均温度，通过采集实时数据获取；

系统给定输入量为设计供回水平均温度，通过将天气预报数据加工计算后获取。

预测出每一区块供热管网系统时滞时间τ后的室外平均温度为T_i＝k_1it_τi+k_2iν_τi，t_τi为 室外温度，ν_τi为风速。

计算当地的调节目标温度T_tari：

式中，t_g为用户的供水温度，t_h为用户的回水温度。

再利用几何平均数的抑制极值功能，计算出满足绝大部分用户需求的整体目标温度 T：

步骤S12，通过热力平衡分析，获取供热管网系统模型阶次和形式；

供热管网中热力站众多，由于自抗扰控制模块能够克服未知模型部分，故无需考虑热 力站间的动态耦合。以热力站供热过程为对象建立数学模型，虽然不是精确的，但可以确 定对象模型的阶次和形式。取一网供水流量为被控对象的输入，二网供回水平均温度为输 出，建立热平衡方程。

Q₁＝Q₂ (1)

Q₁为一次网释放的热量，Q₂为二次网吸收的热量。

式中，c为水的比热，G₁为一次网供水流量，Δt_r为一次网供回水温差；

t_g为二次网供水温度，t_h为二次网回水温度，ρ为水密度，V₂为用户散热器水体积。

式中，V_k为外墙体积，c_k为墙的热容系数，k₂为墙的平均传热系数，t_aver为二次网供回水 平均温度。

由式(1)、(2)、(3)得系统传递函数

所以本发明研究的系统为二阶系统。

步骤S13，构建扩张状态检测器ESO，将实际系统反馈线性化，并获取系统时滞时间τ。

采用步骤S21中的ESO模型作为本状态观测器模型。由式中可见，需要整定的参数有 {α₀₁,α₀₂,α₀₃,δ₁,β₀₁,β₀₂,β₀₃,b₀}。

其中，{α₀₁,α₀₂,α₀₃,δ₁,b₀}采用专家经验法，采取特定的数值。通常取α₀₁＝1，α₀₂＝0.5， α₀₃＝0.25，b₀＝1，δ₁＝0.1。

对于{β₀₁,β₀₂,β₀₃}，采用神经网络方法进行整定，将ESO系统视为从{β₀₁,β₀₂,β₀₃}到状态变量{z₁,z₂,z₃}的非线性映射。每给定一组{β₀₁,β₀₂,β₀₃}值，将有一组状态变量值与之对应。因此，在一定范围内选取多组参数组合，利用龙格库塔算法，解出与各组参数相对 应的状态变量的取值，每一组对应关系可被视为一个训练样本。然后根据输入输出参数的 多少建立一个隐节点可变的神经网络，利用所获得的训练样本集，对神经网络加以训练， 使所构造的神经网络能够反映未知参数与状态变量解值之间的非线性对应关系，最后在给定的误差范围内，将理想的状态变量输出值{z^* ₁,z^* ₂,z^* ₃}输入到已经训练好的网络里，即可得到相应的参数值，从而实现扩展状态观测器参数整定的目的。

状态观测器的构建完毕，系统的固有参数τ即为可知。

所述步骤S2中设计供热管网系统的控制方案，达到供热系统平衡、稳定供热的目的 包括：

步骤S21，参考实际模型，设计自抗扰控制模块。

为了更加清楚的对本发明进行描述，如图2所示为自抗扰控制算法示意图。鉴于本系 统为模型部分未知二阶被控对象，给出二阶自抗扰控制器结构，如图所示。

TD

ESO：

NLSEF：

非线性函数

TD中，v₀为输入信号，v₁为v₀的跟踪信号，v₂为v₀的微分信号，{r,δ₀}为待调参数。

ESO中，z₁、z₂、z₃为扩张状态变量，y为系统输出变量，{α₀₁,α₀₂,α₀₃,δ₁,β₀₁,β₀₂,β₀₃,b₀} 为待整定参数。

NLSEF中，z₁、z₂、z₃为被扩张出来的状态变量，{α₁,α₂,δ,β₁,β₂}为待整定参数。

步骤S22，构建自抗扰控制模块，整定跟踪微分器和误差非线性状态误差反馈控制律 的设计静态参数；

跟踪微分器TD中，{r,δ₀}为待调参数。r用来调节跟踪速度，被称为速度因子；δ₀对噪声的抑制有重要影响，被称为滤波因子。速度因子r一般r取10～100之间；滤波因子δ₀取3～10。

非线性状态误差反馈控制规律中，{α₁,α₂,δ,β₁,β₂}为控制器待调参数。取特定值δ＝0.1，α₁＝0.5，α₂＝0.25，而β₁,β₂待在线整定。

S23：采用人工神经网络模拟训练法，在线整定自抗扰的动态参数。

图4为基于神经网络的系统整体结构，如图5所示为神经网络模型，这个网络有3个输入节点，8个隐含层节点，2个输出节点构成。

神经网络NN的输入模式为：

输出为：

隐含层为：

其中，n＝1,2，为输出层的节点数；j＝1,2,3,为输入层的节点数；m＝1，2，…8,为隐 含层节点数。ω_jnm为输出层权系数，g[·]为激发函数。

目标函数为：

式中，r为二次供回水平均温度设定值，y为用户的二次供回水平均温度。以最速下降法修正网络的权系数，即对J权系数的负梯度方向搜索调整，并附加一个能使搜索快速收敛到全局极小的惯性项。

实施例2

如图3所示为本发明实施例提供的一种集中供热系统全网平衡调节系统的结构示意 图，该装置包括：状态观测单元、数值天气预报单元、人工神经网络单元、自抗扰控制单元。其相互间的作用见图4。

数值天气预报单元，特定时刻预测出τ时间段后的室外天气情况，以便提前对τ时刻 的响应发出控制信号，为整个供热控制系统打响第一枪；

状态观测单元，根据近似系统的传递函数，获取系统模型样式，估计出系统的内部状 态空间形式，将难以精确建模的系统可视化，是其它系统模型单元的基础；

人工神经网络单元，根据目标函数的要求，按学习算法逐步调整连接权值，直至系统 输出能跟踪期望值，得到最优的设计参数；

自抗扰控制单元，用于根据状态观测单元和人工神经网络单元的设计参数，控制系统 执行模块电动阀动作，平衡用户供热平衡与稳定。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细 说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的 保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包 含在本发明的保护范围之内。

Claims (5)

1.一种供热管网全网平衡调节方法，其特征在于，所述全网平衡调节方法包括以下步骤：

步骤S1，建立供热管网系统模型，计算预测目标温度；

步骤S2，设计供热管网全网平衡系统的控制方案，达到供热系统平衡、稳定供热的目的。

2.如权利要求1所述的供热管网全网平衡调节方法，其特征在于，

所述步骤S1，建立供热管网系统模型，计算预测目标温度，包括：

步骤S11，采用数值天气预报分区块方法预测供热管网系统模型输入输出；

步骤S12，通过热力平衡分析，获取供热管网系统模型阶次和形式：

选取一次网供水流量为被控对象的输入，二次网供回水平均温度为输出，通过建立热平衡方程获取传递函数，初步确定供热管网系统模型阶次。

步骤S13，设计状态观测器，构建供热管网系统线性化模型，并得到系统时滞时间τ。

3.如权利要求2所述的供热管网全网平衡调节方法，其特征在于，

所述步骤S11，采用数值天气预报分区块方法预测系统模型输入输出，包括：

预测室外温度采用数值天气预报分区块方法，假设用户可以被分成m个区块，每个区块用B_i表示，那么任意时刻的τ时刻后每个区块的室外温度为t_τi，风速为ν_τi，那么可找到合适的k_1i、k_2i，使得τ时刻后B_i的综合温度表示为T_i＝k_1it_τi+k_2iν_τi；

由于用户总负荷Q_O为每个用户的负荷总量，根据热量守恒原理，用户负荷总量等于一次网热媒散出的总热量，即

式中，Q_I为热源释放的总热量；Q_O为用户总热负荷；q为用户数量，Q_i为每个用户热负荷；m为区块个数，Q_j为每个区块热负荷；

以区块为单位，视为一个用户，即令q＝m，由供热公式可知，每个用户的负荷Q_i为供回温平均温度的函数(室内温度目标给定)，即

式中，t_g、t_h分别为供、回水实时温度；A为区块内总散热面积；F为综合散热器的供热系数；b为散热常数；t_n为室内目标温度；

在室内目标温度t_n确定的前提下，全网平衡调节的目标等效代换成即用户供、回水平均温度；

每个用户的供温t_g、回温t_h均为室外温度T_i的函数，即

式中，t_n为室内目标温度，T_wi为设计室外温度，t_gi、t_hi分别为设计供、回水温度，均可视为定值；

每个区块用户的目标温度T_tari也为室外温度T_i的函数，即

根据数值天气预报服务，获取t_τi、ν_τi，计算出T_tari；

根据天气预报和供热管网系统模型时间常数计算全网平衡系统目标温度，假如供热管网系统时滞时间常数为τ，每个用户区块的τ时刻后的室外温度为T_tari，全网调节的总目标温度T，取每个区块目标温度的加权几何平均值，即

4.如权利要求1所述的供热管网全网平衡调节方法，其特征在于：

所述步骤S2，设计供热管网系统的控制方案还包括：

设计自抗扰神经网络控制模块：结合扩张状态观测器，自抗扰算法分为跟踪微分器TD、扩张状态观测器ESO和误差非线性状态误差反馈控制律(NLSEF)三部分，并整定涉及的所有的参数，用神经网络方法整定参数，即使输出层神经元的输出状态对应于待整定参数，通过神经网络的自学习调整权系数，从而使其稳定状态对应于某种最优控制规律下的待整定参数。

5.一种供热管网全网平衡调节系统，其特征在于，包括：

状态观测单元，用于按照实际供热管网系统模型的阶次和样式，估计供热管网系统对象的内部状态，得到近似的供热管网系统模型；

数值天气预报单元，用于预测τ时间段后的室外天气情况，从而计算出τ时间段后的全网目标温度，超前控制供热管网系统；

假设用户可以被分成m个区块，每个区块用B_i表示，特定时刻每个区块的室外温度为t_τi，风速为ν_τi，那么可找到合适的k_1i、k_2i，使得B_i的综合温度表示为T_i＝k_1it_τi+k_2iν_τi；每个区块用户的目标温度T_tari为

其中，t_g为每个用户的供水温度，t_h为每个用户的回水温度。

全网调节的目标温度T，取每个区块目标温度T_tari的加权几何平均值，即

人工神经网络单元，用于根据样本数据自学习自整定系统的设计参数；

自抗扰控制单元，用于根据状态观测单元和人工神经网络单元的设计参数，控制供热管网系统执行模块电动阀动作，维护用户供热平衡与稳定。