CN109828539B - 一种基于pdca体系的大数据供热能源管控平台系统 - Google Patents
一种基于pdca体系的大数据供热能源管控平台系统 Download PDFInfo
- Publication number
- CN109828539B CN109828539B CN201910092282.5A CN201910092282A CN109828539B CN 109828539 B CN109828539 B CN 109828539B CN 201910092282 A CN201910092282 A CN 201910092282A CN 109828539 B CN109828539 B CN 109828539B
- Authority
- CN
- China
- Prior art keywords
- heat
- big data
- data
- index
- energy consumption
- 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
- 238000010438 heat treatment Methods 0.000 claims abstract description 64
- 238000005265 energy consumption Methods 0.000 claims abstract description 55
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000003860 storage Methods 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000007619 statistical method Methods 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 239000003245 coal Substances 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000007728 cost analysis Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 239000003345 natural gas Substances 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000013590 bulk material Substances 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 23
- 238000012544 monitoring process Methods 0.000 description 10
- 238000004134 energy conservation Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012911 target assessment Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于PDCA体系的大数据供热能源管控平台系统,包括:热源控制系统、热力站控制系统、热用户室温采集系统、经营收费系统和其他数据源系统,分别用于提供相关数据源及底层执行机构控制;大数据服务器集群和关系库服务器集群,分别用于数据的存在、大数据分析及数据参数关系表的存储及Web网页发布;大数据分析模块,用于数据分析处理;考核指标体系,用于进行定额指标考核;全网调度优化模块,用于对供热全网的负荷预测及热源调度;跟踪考核系统,用于定额指标考核、能耗对标及成本统计跟踪分析;大数据分析模型,用于根据运行实施情况,进行环节持续在线动态优化改进。本发明能够实现降低能耗、提高能源效率目标。
Description
技术领域
本发明属于供热平台大数据分析应用及能源管理领域,尤其涉及一种基于PDCA体系的大数据供热能源管控平台系统。
背景技术
术语解释:
PDCA体系:P-计划(plan)、D-执行(do)、C-检查(check)、A-处理(action);
换热站热单耗:为对象下换热站的总热消耗与总供热面积的比值,单位为GJ/m2;换热站水单耗:为对象下换热站的总水消耗与总供热面积的比值,单位为kg/m2;换热站电单耗:为对象下换热站的总电消耗与总供热面积的比值,单位为kWh/m2;产热气单耗:为对象下热源厂的总气消耗与总产热量的比值,单位为Nm3/GJ;产热煤单耗:为对象下热源厂的总煤消耗与总产热量的比值,单位为kg/GJ;产热水单耗:为对象下热源厂的总水(生产用水)消耗与总产热量的比值,单位为kg/GJ;产热电单耗:为对象下热源厂的总电(生产用电)消耗与总产热量的比值,单位为kWh/GJ。
根据相关资料表明,目前全国供热公司的热源、热网供热效率仍普遍较低,单位供热面积耗能大,最终热利用率基本是实际热源输出供热量的50%左右。在满足热用户供热温度前提下,供热面积单位年耗热量为0.5GJ/平米左右。国家规划提出了智能供热,并提出在保证热用户所需室温情况下,实现单位耗热量每平米要降到0.35GJ,甚至更低的目标。
能源管理系统(Energy Management System,EMS),是企业信息化系统的一个重要组成部分,它的主要功能是实现能源系统分散的数据采集和控制、集中的管理调度和能源供需平衡以及能源预测,为在生产全过程中较好的实现节能、降耗和环保的目标创造条件。即对生产能源数据进行采集、加工分析,处理以实现对能源设备、能源实绩、能源计划、能源平衡、能源预测等全方位的监控和管理功能,达到企业节能增效的目的。
目前主要相关成果有:
(1)基于大数据采集分析处理的三网联控智能供热装置与方法(专利号:CN105737256A),该发明提出了一种基于大数据采集分析处理的三网联控智能供热装置与方法,供热装置包括有智能管控平台、数据库服务器、通讯服务器、WEB服务器、热源控制站、热网控制站和热用户控制站,之间通过工业以太网进行连接。其方法为:步骤一、设定温度的控制区间;步骤二、采集热用户室内温度值;步骤三、计算室内平均温度Tpi;步骤四、计算单网控制站所辖的室内平均温度;步骤五、计算所有热用户室内温度数据;步骤六、计算数据库服务器中所有热用户室内温度数据;步骤七、达到三网的平衡控制。保证了供热体系的管网平衡,保障了系统的安全。
(2)智慧热网集成系统及其控制方法(专利号:CN104048347A),该发明提出一种智慧热网集成系统及其控制方法,涉及城市供暖系统及其控制方法,系统包括热源、供热调度首站、换热站、一级供热管网、二级供热管网和楼宇供热管网,设有主控制系统,设有一级控制器、二级控制器和楼宇控制器。主控制系统通过各级管网上的传感器获得控制参数,根据各参数与设计值的比值来调控供热管网的工作状态。对供热管网的热量与水力平衡进行最优控制,不浪费一点可利用能源。
(3)一种基于物联网的城市区域集中供热监控系统及供热系统(专利号:CN105003958A),该发明提出了一种基于物联网的城市区域集中供热监控系统及供热系统,所述集中供热监控系统包括感知层、网络层与应用层。感知层与应用层通过网络层相互传输数据信号;所述感知层包括锅炉监控系统,换热站监控系统,楼宇监控系统以及气象数据采集系统;所述网络层包括网络通讯服务器、中心管理服务器以及通讯网络,用于接收感知层上传的各供热运行状态数据并将供热运行状态数据传输、存储供热运行状态数据于中心服务器并进行Web网页发布。实现热源、热网与热用户的分散控制以及协调控制的功能,具有自动化程度度高、可靠性好、能源消耗低等优点。
(4)热力能源监控管理平台(专利号:CN105717899A),该发明提出了一种热力能源监控管理平台,包括室内无线数据服务器、数据库服务器、远程管理服务器、WEB服务器及交换机,通过交换机进行信息数据的交互传输。该热力能源监控管理平台通过对供热数据、楼宇建筑数据、供热项目数据及用户室内数据进行收集、汇总、整理、分析、对比,并对供热系统进行远程智能控制,辅助专家在线指导功能,达到了提高供热系统整体运行效率,降低供热系统能耗排放,节省运营及人力成本的目的。
总体来看,以上供热信息化运行管理技术在一定程度上达到节能降耗目的,但未能较好的全局性考虑问题,节能效果有限。主要体现在1)目标温度或其他联合的反馈调节,未考虑供热滞后性特性;2)仅对热源、热力站及热用户运行控制角度出发,无相关能源管控目标、考核体系,运行人员管控调节积极性不高;3)虽以单一目标进行控制,但过程控制步骤繁琐、复杂,实际效果不佳等。
发明内容
针对现有供热行业信息化运行管理平台存在节能降耗效果不佳的技术问题,本发明提出了一种基于PDCA体系的大数据供热能源管控平台系统。
本发明所采用的技术方案是:
一种基于PDCA体系的大数据供热能源管控平台系统,包括:
热源控制系统、热力站控制系统、热用户室温采集系统、经营收费系统和所述其他数据源系统,分别用于提供相关数据源及底层执行机构控制;
大数据服务器集群,用于海量实时数据的存储、分析及计算,并进行平台Web网页发布;
关系库服务器集群,用于海量数据参数关系表单的存储;
大数据分析技术模块,基于分布式存储,根据具体业务需求提供批处理、流计算、内存计算的数据处理技术,同时提供通用的数据分析算法或工具,包括数据挖掘、统计分析和机器学习;
考核指标体系,用于根据下发的下个供暖季能耗总指标,平台根据输入的室外温度条件合理的进行指标分解,最终分解至各热力站及相应月、天值,继而建立了详细的定额目标;
全网调度优化模块,用于对供热全网的负荷预测及热源调度;
跟踪考核系统,用于定额指标考核、能耗对标及成本统计跟踪分析;
大数据分析模型,用于根据运行实施情况,进行大数据预测定额指标的合理化制定与大数据能耗动态模型精细化指导热力站运行调节。
较佳的,包括接口服务器和交换机;所述接口服务器和交换机用于接收各系统相关数据源并传输至所述大数据服务器集群。
较佳的,所述负荷预测是根据供热指标及预测室外温度而采用标准公式得到;其中,所述热指标是由基础热指标考虑天气情况、风力大小的天气气象因素进行修正得出;所述基础热指标设置可直接手动输入经验值,也可通过供暖季热负荷、供暖季室外平均温度参数进行反推计算得出。
较佳的,所述定额指标考核根据对接过来的能源消耗数据,利用所述大数据分析模块实时进行各对象能耗小时值、天值、月值及采暖季各时间段的计算,并将计算结果存于数据库;所述能耗对标主要用于进行各热力站实际能耗值与国际、行标或先进值进行对比分析,督促运行热源对运行能耗偏高的进行及时处理,维护或更新落户设备;所述成本统计分析用于用户实时了解单位面积供热成本及分析导致成本较高的对象及原因。
较佳的,所述成本统计分析以包括一次能源煤炭、天然气,二次能源热、水、电在内的能源消耗数据为基础,同时考虑包括大宗材料、人工、折旧、修理、管理、财务、营业在内的费用,实现精细化财务成本分析。
较佳的,所述大数据预测定额指标主要是建立时间序列和线性回归预测模型,对分公司、换热站、班组的各级单位的能源生产计划进行预测和定额目标制定;所述大数据能耗动态模型用于根据人的作息规律分时段设置合适的温度,并基于预报气象参数进行对热力站热负荷影响程度分析,通过大数据欧式距离算法学习历史运行经验,得出基础预测热负荷,再根据预报气象参数与历史运行条件的差异进行风力、室外温度的修正得出包括预测热负荷、阀门开度、循环泵频率在内的参数。
与现有技术相比,本发明的有益技术效果是:
1)全面的考虑到整个供热的能源供需平衡,基于大数据分析技术,建立了基于PDCA完整的能源管理体系,实现节能最大化,效益最佳化;
2)基于大数据技术,提出了大数据预测定额指标的合理化制定与大数据能耗动态模型,实现供热精细化运行调节;
3)建立了从计划制定、制定实施、目标考核及持续调整改进的能源管理体系思路的供热管控平台系统,较好的实现降低能耗、提高能源效率目标;
4)该管控平台系统可较好的应用于供热行业,实用性强。
附图说明
图1为本发明一实施例的基于PDCA体系的大数据供热能源管控平台系统的结构框图。
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,下面将结合附图对本发明的各实施方式进行详细的阐述。
如图1所示,一种基于PDCA体系的大数据供热能源管控平台系统,包括:
热源控制系统、热力站控制系统、热用户室温采集系统、经营收费系统和所述其他数据源系统,分别用于提供相关数据源及底层执行机构控制;
大数据服务器集群,主要实现分布式存储,具备高可用性与高吞吐能力两大特性,用于海量实时数据的存储、分析及计算,为大数据分析处理技术的应用基础条件,并进行平台Web网页发布;
关系库服务器集群,主要用于海量数据参数关系表单等的存储;
大数据分析技术模块,基于分布式存储,根据具体业务需求提供批处理、流计算、内存计算等数据处理技术,同时提供通用的数据分析算法或工具,包括数据挖掘、统计分析和机器学习;
考核指标体系,用于根据下发的下个供暖季能耗总指标,平台根据输入的室外温度条件合理的进行指标分解,最终分解至各热力站及相应月、天值,继而建立了详细的定额目标;
全网调度优化模块,用于对供热全网的负荷预测及热源调度;
跟踪考核系统,用于定额指标考核、能耗对标及成本统计跟踪分析;
大数据分析模型,用于根据运行实施情况,进行大数据预测定额指标的合理化制定与大数据能耗动态模型精细化指导热力站运行调节。
在一个实施例中,管控平台系统还包括接口服务器和交换机;接口服务器和交换机用于接收各系统相关数据源并传输至大数据服务器集群。
在一个实施例中,调度优化包括负荷预测及热源调度,负荷预测是根据提供热指标及预测室室外温度而采用标准公式计算得出;其中,热指标是由基础热指标(qf)考虑天气气象因素(天气情况、风力大小)进行修正得出。基础热指标(qf)设置可直接手动输入经验值,也可通过供暖季热负荷、供暖季室外平均温度参数进行反推计算得出。对于调度区即下层的热力站对象,基础热指标(qf)的确定方式有两种,分别为自上而下算法和自下而上算法。自上而下算法就是以调度区域指标定下层热力站指标,即热力站指标与所属调度区指标同步;自下而上算法是对每个换热站进行设置基础热指标(qf),而往上至调度区、分公司、总公司进行同步按面积折算得出基础热指标。由此得出调度区、各热力站全网的热负荷预测值。调度优化则以预测负荷进行计算出公司热源生产调度表,并下发至运行调度人员进行执行调度。其中生产调度表包含室外温度、面积、一次循环水流量、控制范围、瞬时热负荷值,并提供一次供水温度、二次供水温度等的指导参考值。同时对于热力站运行调节,按各热力站预测负荷进行相应调节供热,实现按需供热。
在一个实施例中,定额指标考核根据对接过来的能源消耗数据,利用大数据分析模块实时进行各对象能耗小时值、天值、月值及采暖季各时间段的计算,并将计算结果存于数据库,然后用户根据需要对各对象不同时间的实际能耗指标与定额计划指标进行查阅、跟踪及分析,并采用此方式大大提升了平台运行速度。为了便于分析,根据站点能耗水平情况以不同颜色区分,严重超标的进行报警标识,给出原因分析。能耗对标主要用于进行各热力站实际能耗值与国际、行标或先进值进行对比分析,督促运行热源对运行能耗偏高的进行及时处理,维护或更新落户设备;成本统计分析用于用户实时了解单位面积供热成本及分析导致成本较高的对象及原因。成本统计分析以能源消耗数据为基础,包括一次能源煤炭、天然气、二次能源热、水、电等,然后根据单价实时计算出相应的费用,同时考虑大宗材料、人工、折旧、修理、管理、财务、营业等费用,实现精细化财务成本分析。其中,除能源消耗数据以外,其他数据则通过人工录入。基于成本统计分析,可间接分析检查能源消耗情况,及时进行相应的运行调节。
在一个实施例中,大数据预测定额指标主要是建立时间序列和线性回归预测模型,对分公司、换热站、班组的各级单位的能源生产计划进行预测和定额目标制定。大数据能耗动态模型用于根据人的作息规律分时段设置合适的温度,并基于预报气象参数(室外温度、风速、降雨量或湿度)进行对热力站热负荷影响程度分析,通过大数据欧式距离算法学习历史运行经验,得出基础预测热负荷,再根据预报气象参数与历史运行条件的差异进行风力、室外温度的修正得出包括预测热负荷、阀门开度、循环泵频率在内的参数,并经过不断的学习,预测将越趋于理想值。
具体实施过程为:
第一:建立考核指标体系,分别进行换热站热单耗、换热站水单耗、换热站电单耗、产热气单耗、产热煤单耗、产热水单耗及产热电单耗参数指标计划的制定。其中产热气单耗、产热煤单耗、产热水单耗及产热电单耗等对象,理论上与时间无关,理解为效率值,因此该指标默认为不变的定额指标,无需分解计算;换热站水单耗与换热站电单耗,与时间有关,但一般受外界气象条件影响较小,因此总指标分解直接按时间均分,得出各时间、各对象的定额指标值;换热站热单耗,直接受室外温度影响较大,因此采用如下公式进行分解至各时间(月、天)、各对象的定额指标值。
第二:对供热全网的调度优化,进行热量供需平衡的管网运行,实现节能降耗目标。具体包含负荷预测与运行调度。
负荷预测,根据提供热指标及预测室外温度而采用标准公式计算得出,计算公式如下:
其中,Q:热负荷W;qf:热指标W/m2;F:面积m2;室内计算温度18℃;tw:室外实际温度;室外计算温度-7.6℃。而热指标计算如下:
qf=(qf基础*气象系数*风力系数)/(1-管损系数)
其中,气象系数根据天气晴、阴及雨天分别默认设置1、1.05-1.15、1.2-1.3;风力系数默认,风计级小于等于4取值1,大于4取值1.05-1.1;管损系数,根据实际管网情况由运行人员设定。
基础热指标(qf)设置可直接手动输入经验值,也可通过供暖季热负荷、供暖季室外平均温度参数进行反推计算得出,计算公式同上。对于调度区及下层的热力站对象,基础热指标(qf)的确定方式有两种,分别为自上而下算法和自下而上算法。自上而下算法就是以调度区域指标定下层热力站指标,即热力站指标与所属调度区指标同步;自下而上算法是对每个换热站进行设置基础热指标(qf),而往上至调度区、分公司、总公司进行同步按面积折算得出基础热指标。
运行调度,以预测负荷结果生成公司热源生产调度表,并下发至运行调度人员或反馈至热源控制系统进行执行调度。其中生产调度表包含室外温度、面积、一次循环水流量、控制范围、瞬时热负荷值,并提供一次供水温度、二次供水温度等的指导参考值。
其中,室外温度预测值、面积为属性量,自动生成;一次循环水流量,单位面积流量系数(一次循环水流量系数)乘以供热面积,单位面积流量系数(一次循环水流量系数)由用户自行设置;瞬时热负荷值,由公式计算得出,如下:
控制范围,由平均量一次循环水或瞬时热负荷乘以系数因子,系数因子默认为10%,也可后台设置。一次供水温差,采用水比热容与升高关系的标准公示得出。
热力站运行调节,按各热力站预测负荷结果反馈热力站控制系统进行相应调节阀门等执行机构调节,实现按需供热。
第三:进行定额指标考核、能耗对标及成本统计跟踪分析。
定额指标考核,根据对接过来的能源消耗数据,利用大数据分析技术实时进行各对象能耗小时值、天值、月值及采暖季各时间段的计算,并将计算结果存于数据库,建立实际运行指标。用户根据需要对各对象不同时间的实际能耗指标与定额计划指标进行查阅、跟踪及分析,检查实施情况。并为了便于分析,根据站点能耗水平情况以不同颜色区分显示,严重超标的进行报警标识,给出原因分析。
能耗对标,通过后台配置,设定国家标准、行业标准、先进值等对比体系。然后,可进行不同时间段、各热力站实际能耗值与国标、行标或先进值进行对比分析,督促运行人员对运行能耗偏高的进行及时处理,维护或更新落户设备。
成本统计分析,即建立一套完整的供热公司成本经济分析系统,便于用户实时了解单位面积供热成本及分析导致成本较高的对象及原因。大数据服务器集群通过交换机实现热源控制系统、热力站控制系统、经营收费系统及其他数据源系统等的数据互联互通,然后进行统计分析一次能源煤炭、天然气,二次能源热、水、电等能源消耗情况,计算出相应的小时值、天值、月值及季值,并根据单价实时计算出相应的费用。同时,由人工录入的方式,进行大宗材料、人工、折旧、修理、管理、财务、营业等费用录入后分析处理,实现精细化财务成本分析。基于成本统计分析,可间接分析检查能源消耗情况,及时进行相应的运行调节。
第四:根据运行实施情况,进行环节完善改进,在线持续优化运行,即大数据预测定额指标的合理化制定与大数据能耗动态模型精细化指导热力站运行调节,实现节能最大化,经济效益最佳化。
大数据预测定额指标,即能源计划模型进行指标定额合理化设定。首先,运用自回归移动平均(ARIMA)时间序列模型预测法,以一个采暖季5个月作为周期性规律,对过去3年的换热站热负荷时间序列进行统计分析,推测每个采暖季的热负荷变化规律,消除随机波动的影响,得到下一个采暖季的热负荷趋势预测值q。然后,通过近3年换热站的日均热负荷历史数据,结合通州和门头沟近3年的气象数据,建立线性回归热负荷修正模型:
q热负荷修正=k×T平均室外温度+b
最后,得出预测热负荷值:q预测热负荷=q热负荷修正+q热负荷趋势
根据模型计算得出的能源计划值,与公司下发指标进行比较,若预测值比公司下发指标小,则采用能源计划预测值作为定额计划,考核标准;若预测值比公司下发指标大,可能分析公司下发值不合理,由公司领导决策采用哪个指标值作为定额计划。由此,可较为合理进行能源定额的制定,最大化的节能能耗。
大数据能耗动态模型,实现精细化指导热力站运行调节。可根据人的作息规律分时段设置合适的温度,并基于预报气象参数(室外温度、风速、降雨量或湿度)进行对热力站热负荷影响程度分析,通过大数据欧式距离算法学习历史运行经验,得出基础预测热负荷,再根据预报气象参数与历史运行条件的差异进行风力、室外温度的修正得出预测热负荷、阀门开度、循环泵频率等参数。并经过不断的学习,预测将越趋于理想值。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种基于PDCA体系的大数据供热能源管控平台系统,其特征在于,包括:
热源控制系统、热力站控制系统、热用户室温采集系统、经营收费系统和其他数据源系统,分别用于提供相关数据源及底层执行机构控制;
大数据服务器集群,用于海量实时数据的存储、分析及计算,并进行平台Web网页发布;
关系库服务器集群,用于海量数据参数关系表单的存储;
大数据分析技术模块,基于分布式存储,根据具体业务需求提供批处理、流计算、内存计算的数据处理技术,同时提供通用的数据分析算法或工具,包括数据挖掘、统计分析和机器学习;
考核指标体系,用于根据下发的下个供暖季能耗总指标,平台根据输入的室外温度条件合理的进行指标分解,最终分解至各热力站及相应月、天值,继而建立了详细的定额目标,其中,转换月指标具体为:
全网调度优化模块,用于对供热全网的负荷预测及热源调度,其中,所述负荷预测是根据供热指标及预测室外温度而采用标准公式得出,计算公式如下:
Q:热负荷W;qf:热指标W/m2;F:面积m2;室内计算温度18℃;tw:室外实际温度;室外计算温度-7.6℃
其中,所述热指标是由基础热指标考虑天气情况、风力大小的天气气象因素进行修正得出,具体为:
qf=(qf基础*气象系数*风力系数)/(1-管损系数)
其中,气象系数根据天气晴、阴及雨天分别默认设置1、1.05-1.15、1.2-1.3;风力系数默认,风计级小于等于4取值1,大于4取值1.05-1.1;管损系数,根据实际管网情况由运行人员设定;
所述基础热指标qf基础设置可直接手动输入经验值,也可通过供暖季热负荷、供暖季室外平均温度参数进行反推计算得出;
跟踪考核系统,用于定额指标考核、能耗对标及成本统计跟踪分析;
大数据分析模型,用于根据运行实施情况,进行大数据预测定额指标的合理化制定与大数据能耗动态模型精细化指导热力站运行调节;
其中,所述大数据预测定额指标,及能源计划模型进行指标定额合理化设定,首先,运用自回归移动平均时间序列模型预测法,以一个采暖季5个月作为周期性规律,对过去3年的换热站热负荷时间序列进行统计分析,推测每个采暖季的热负荷变化规律,消除随机波动的影响,得到下一个采暖季的热负荷趋势预测值q,然后,通过近三年换热站的日均热负荷历史数据,结合近三年的气象数据,建立线性回归热负荷修正模型:
q热负荷修正=k×T平均室外温度+b;
最后得出预测热负荷值:q预测热负荷=q热负荷修正+q热负荷趋势;
所述大数据能耗动态模型,实现精细化指导热力站运行调节,根据人的作息规律分时段设置合适的温度,并基于预报气象参数进行对热力站热负荷影响程度分析,通过大数据欧式距离算法学习历史运行经验,得出基础预测热负荷,再根据预报气象参数与历史运行条件的差异进行风力、室外温度的修正得出预测热负荷、阀门开度、循环泵频率,并经过不断的学习,预测将趋于理想值。
2.根据权利要求1所述的一种基于PDCA体系的大数据供热能源管控平台系统,其特征在于,包括接口服务器和交换机;所述接口服务器和交换机用于接收各系统相关数据源并传输至所述大数据服务器集群。
3.根据权利要求1所述的一种基于PDCA体系的大数据供热能源管控平台系统,其特征在于,所述定额指标考核根据对接过来的能源消耗数据,利用所述大数据分析模块实时进行各对象能耗小时值、天值、月值及采暖季各时间段的计算,并将计算结果存于数据库;所述能耗对标主要用于进行各热力站实际能耗值与国际、行标或先进值进行对比分析,督促运行热源对运行能耗偏高的进行及时处理,维护或更新落户设备;成本统计分析用于用户实时了解单位面积供热成本及分析导致成本较高的对象及原因。
4.根据权利要求3所述的一种基于PDCA体系的大数据供热能源管控平台系统,其特征在于,所述成本统计分析以包括一次能源煤炭、天然气,二次能源热、水、电在内的能源消耗数据为基础,同时考虑包括大宗材料、人工、折旧、修理、管理、财务、营业在内的费用,实现精细化财务成本分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910092282.5A CN109828539B (zh) | 2019-01-30 | 2019-01-30 | 一种基于pdca体系的大数据供热能源管控平台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910092282.5A CN109828539B (zh) | 2019-01-30 | 2019-01-30 | 一种基于pdca体系的大数据供热能源管控平台系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109828539A CN109828539A (zh) | 2019-05-31 |
CN109828539B true CN109828539B (zh) | 2021-04-09 |
Family
ID=66863121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910092282.5A Active CN109828539B (zh) | 2019-01-30 | 2019-01-30 | 一种基于pdca体系的大数据供热能源管控平台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109828539B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597901A (zh) * | 2019-10-08 | 2019-12-20 | 吉林同鑫热力集团股份有限公司 | 一种智慧热网管理系统和方法 |
CN111174192A (zh) * | 2020-01-07 | 2020-05-19 | 西安西科节能技术服务有限公司 | 智能燃气锅炉控制器 |
CN114193029A (zh) * | 2020-09-18 | 2022-03-18 | 宝山钢铁股份有限公司 | 一种基于大数据分析模型的焊机焊缝预评估方法 |
CN112231492B (zh) * | 2020-10-22 | 2023-07-07 | 北京天地和兴科技有限公司 | 一种智能供热阀门控制知识图谱的构建方法和系统 |
CN112379705B (zh) * | 2020-11-24 | 2021-12-14 | 南京睿控自动化有限公司 | 一种ai+热能管控算法模型 |
CN112859728A (zh) * | 2021-01-14 | 2021-05-28 | 江西锋铄新能源科技有限公司 | 一种智慧能源管理平台 |
CN113606634A (zh) * | 2021-07-01 | 2021-11-05 | 华能国际电力股份有限公司上安电厂 | 一种基于长输管网优化热源运行参数的热源保障系统 |
CN114110716B (zh) * | 2021-11-24 | 2023-06-02 | 新疆天池能源有限责任公司 | 一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03182835A (ja) * | 1989-12-13 | 1991-08-08 | Nissan Motor Co Ltd | 自動車用空調制御装置 |
CN105783078A (zh) * | 2016-04-14 | 2016-07-20 | 范旭强 | 热力能源区域供热控制系统及其方法 |
CN106707880A (zh) * | 2016-12-29 | 2017-05-24 | 浙江中易和节能技术有限公司 | 管网监测装置及方法 |
CN108980504A (zh) * | 2018-07-16 | 2018-12-11 | 浙江大铭新材料股份有限公司 | 长输管线电伴热系统以及其铺设方法 |
CN109193808A (zh) * | 2018-11-13 | 2019-01-11 | 国网河北能源技术服务有限公司 | 电网调峰能力预测方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202093557U (zh) * | 2011-05-04 | 2011-12-28 | 深圳市拓远节能科技有限公司 | 能源管理系统 |
CN104505824A (zh) * | 2014-12-12 | 2015-04-08 | 国家电网公司 | 一种以热定电运行方式下热电厂发电负荷计划制定方法及装置 |
CN104791903B (zh) * | 2015-04-30 | 2018-04-06 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
CN104992298A (zh) * | 2015-07-16 | 2015-10-21 | 南京朗坤软件有限公司 | 能源管理系统 |
CN107103091B (zh) * | 2017-05-12 | 2021-05-07 | 华夏宏源(北京)科技有限公司 | 一种物联网大数据接入节能管控方法及装置 |
CN109212305A (zh) * | 2018-09-12 | 2019-01-15 | 济南四建(集团)有限责任公司 | 一种绿色环保建筑物用能耗监测系统 |
-
2019
- 2019-01-30 CN CN201910092282.5A patent/CN109828539B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03182835A (ja) * | 1989-12-13 | 1991-08-08 | Nissan Motor Co Ltd | 自動車用空調制御装置 |
CN105783078A (zh) * | 2016-04-14 | 2016-07-20 | 范旭强 | 热力能源区域供热控制系统及其方法 |
CN106707880A (zh) * | 2016-12-29 | 2017-05-24 | 浙江中易和节能技术有限公司 | 管网监测装置及方法 |
CN108980504A (zh) * | 2018-07-16 | 2018-12-11 | 浙江大铭新材料股份有限公司 | 长输管线电伴热系统以及其铺设方法 |
CN109193808A (zh) * | 2018-11-13 | 2019-01-11 | 国网河北能源技术服务有限公司 | 电网调峰能力预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
《化肥企业能源管理体系的建立与运行效果探讨》;杨金强等;《中氮肥》;20170930;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109828539A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109828539B (zh) | 一种基于pdca体系的大数据供热能源管控平台系统 | |
CN105243457B (zh) | 互联网+热电厂热力生产运营一体化管理平台 | |
CN106099993B (zh) | 一种适应新能源大规模接入的电源规划方法 | |
CN112178756B (zh) | 一种供热智能管理系统及其工作方法 | |
CN101777764B (zh) | 基于区域控制偏差和机组发电偏差的调度反馈控制系统 | |
CN109510247A (zh) | 一种可控负荷与清洁能源发电技术协同优化控制方法 | |
CN114243709A (zh) | 一种需求侧可调节资源分层分级的调度运行方法 | |
CN115062869B (zh) | 一种考虑碳排放量的综合能源调度方法和系统 | |
WO2023083235A1 (zh) | 一种分散式预测电网的优化方法及系统 | |
CN109858697A (zh) | 计及源荷随机的冷热电联供系统优化运行方法及系统 | |
CN115392547A (zh) | 基于数据分析的虚拟电厂能源综合管控平台 | |
CN114069700B (zh) | 一种基于能源互联网的区域综合能源调度控制系统 | |
Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
Borsche et al. | Scenario-based MPC for energy schedule compliance with demand response | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
CN211526662U (zh) | 一种基于负荷预测的地铁车站通风空调节能系统 | |
CN112288170A (zh) | 基于大数据分析的电厂机组工况寻优分析方法 | |
CN112859728A (zh) | 一种智慧能源管理平台 | |
CN112884265A (zh) | 一种应用于城市电网网源协调的智能管理方法 | |
CN113283649B (zh) | 供需协同运行能效控制方法、装置、设备和介质 | |
CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
Zhu et al. | Hierarchical cluster coordination control strategy for large-scale wind power based on model predictive control and improved multi-time-scale active power dispatching | |
Zhang et al. | Day-ahead intelligent energy management strategy for manufacturing load participating in demand response |
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 |