CN110017532A - 电采暖建筑免增容自动控制方法 - Google Patents

Abstract

为了解决建筑配电设计的配电负荷不能满足电采暖所需最大电容量与其他居民用电总和的难题，避免电力增容带来成本过高的问题，设计了一种免增容的电采暖建筑自动运行控制方法。它是基于温度变化常数、设定温度与实际温度差值、控制频率等影响因素，实现电采暖温控器启停操作的优先级排序，并根据实时功率控制各个房间的电采暖温控器。温度变化常数计算算法采集建筑朝向、高度、位置等自然影响因素的数据，由自适应神经网络模糊推理算法得出。设定温度与实际温度差值和控制频率均由电采暖温控器实时查询各个房间的参数获取。控制原则可基于低温原则、高温原则、随机原则或顺序原则。门限选择基于双门限原则。本发明用于电采暖的控制系统。

Description

电采暖建筑免增容自动控制方法

技术领域

本发明涉及一种控制方法，特别涉及一种在免增容条件下电采暖建筑自动运行控制方法。

背景技术

随着国家电力体制的深入改革以及建筑节能的推广普及，电采暖作为一种新兴的清洁能源供暖形式，终将会发展成为继集中供暖、燃气供暖的又一主流采暖形式。

电采暖方式有许多优点：1.运营成本低，可以考虑峰谷电价等因素降低成本；2.节能环保，零排放；3.占地小，安装铺设方便。

但是电采暖在民用建筑的应用过程中还存在一些问题。

建筑在实际运行过程中有额定最大的电容量，即在安全状况下，可承受的最大电力范围。

由于原建筑电力设计是按照国家标准建筑电力配电设计，建筑配电设计的配电负荷不能满足电采暖所需最大电容量与其他居民用电的总和。

在电采暖的过程中，如果建筑内部每个房间都进行供暖加热，居民用电和供暖用电的总和会超过最大安全限度，造成安全事故。

电力增容的方法可以解决这一问题，但是成本费用很高。从经济的角度考虑，电力增容不适合实际项目需要。

发明内容

本发明的目的是为了解决目前电采暖系统中，在实际供电过程中供应电容量远小于电采暖所需最大电容量的难题，避免了电力增容带来的成本过高，以及能源利用率低、供热不均的问题。本发明提供一种既满足电力容量的条件，又能实现按需供暖的电采暖自动控制运行方法。

本发明的电采暖建筑免增容自动控制方法，

它是基于温度变化常数、设定温度与实际温度差值、控制频率等影响因素，实现优先级的排序，并根据升温过程中的实时功率控制各个房间的电采暖温控器。

所述温度变化常数，由基于模糊推理、神经网络算法的自适应神经网络模糊推理算法得出。首先采集一部分实际运行中得到的数据对算法的整体结构进行训练，得到算法最合适的结构以及各部分的参数。再利用另一部分数据作为测试数据判断算法结构的准确性，并且对算法的结构进行修正。

所述温度变化常数计算算法采集建筑朝向、高度、位置等自然影响因素的数据，根据专家知识和实际供暖建筑房间总结的经验，设定各个房间的温度常数大小。

温度变化常数估计算法用于估计其具体的数值，数值的大小反映房间升温、降温的快慢。数值越大，房间升温速率越大，降温速率越慢；数值越小，房间升温速率越小，降温速率越快。

温度变化常数估计算法的输入值即为房间的各个属性参数：地理位置、层数、朝向等，输出值即为温度变化常数的大小。整个过程是一个非线性的过程。

位置输入变量是根据每个房间的地理位置，判断房间的保温特性，被包围的房间的耗热量小，保温性能好，参数数值较大；位于边缘的房间的耗热量大，保温性能差，参数数值较小。

朝向输入变量是根据暖通规范赋值的，由于太阳照射，位于南向的房间耗热最少，北向的房间耗热最多，因此朝向南的房间的参数数值较小，朝向北的房间的参数数值较大，东西向的房间的参数数值在南向和北向之间。

高度输入变量是根据实际建筑运行经验，不同高度的房间的保温性能有所不同，位于同一层的所有房间的高度参数数值相同，位于顶层和一层的房间比中间层的房间保温性能差，高度参数数值较大。

所述设定温度与实际温度差值由电采暖温控器实时查询各个房间的参数获取。

所述控制频率定义为温控器的一次启闭过程中，开启时间与关闭时间的比值。

所述电采暖温控器采用我司发明专利电力载波温度控制器及其温度控制方法(申请号为201711429533.1)，具体细节在此不再赘述。

本发明的控制原则可基于以下四种：1.低温原则；2.高温原则；3.随机原则；4.顺序原则。

低温原则优先满足处于较冷房间亟需升温的用户，将设定温度与实际温度差值较大的房间设置为较高的优先级，当房间温度差相同时，将温度变化常数较小的房间设置为较高的优先级；

高温原则使室温满足设定标准的用户达到最多，将设定温度与实际温度差值较小的房间设置为较高的优先级，当房间温度差相同时，将温度变化常数较大的房间设置为较高的优先级；

随机原则即随机选择房间进行升温控制，以防止建筑局部温度过高或过低，达到更均衡的效果；

顺序原则可以满足管理方自定义的需求，例如可以设定为按照房间号或楼层的顺序进行升温控制，使之能够更好地满足不同用户的个性化需求。

本发明的控制方法基于我司发明专利智能公共建筑电采暖控制方法及系统(申请号为201310653379.1)，具体细节在此不再赘述。

本发明控制方法的门限选择基于双门限原则，即有安全门限和极值门限两个门限值。

安全门限通常选取建筑额定总功率的80％，超过安全门限即停止开启温控器。

考虑到突发情况，为了防止由于消耗功率突然增高、超过建筑用电最高门限而造成的安全事故，设置极值门限。当实际功率到达极值门限后，系统开始关闭温控器。

极值门限与安全门限的差值设置为建筑内单个用电器的最大额定功率。

所述房间优先级的影响因素包含两大方面，分别是自然影响因素和人为影响因素。

自然影响因素的参数值即为温度变化常数。

人为影响因素的参数值包含设置温度、温控器的启闭控制频率等人为改变条件的值。

优先级排序算法基于决策网络算法，利用实时温度与设置温度的差值、控制频率和温度变化常数的线性组合计算优先级的数值，达到较好的控制效果。

决策网络算法的目的是根据供暖过程中的实时温度、功率等数据，对整体建筑供暖顺序进行决策，保证总功率不会超过额定标准。算法可以智能的决策开启或关闭某个房间的温控器开关，在满足功率的要求下，实现整体建筑的热平衡。

决策过程决定启闭温控器的序号分为三种情况：实际功率低于安全门限功率、实际功率高于安全功率但低于极值功率、实际功率高于极值功率。

当实际功率低于安全门限功率时，开启根据排序算法得到的优先级最高房间的温控器开关，再对剩余房间的温控器开关进行计算，以此类推，直至达到安全功率的上限。

当实际功率高于安全功率但低于极值功率时，不再进行排序算法，停止开启温控器。

当实际功率高于极值功率时，根据数据计算的另一种优先级，依次关闭优先级高的温控器开关，以此类推，直至实际功率降低至安全功率以下。

附图说明

图1为本发明的温度变化常数估计算法原理方案图。

图2为本发明温度变化常数估计算法应用神经网络和模糊推理的结合方式示意图。

图3为本发明模糊神经网络模型推理规则示意图。

图4为本发明决策网络算法流程图。

具体实施方式

具体实施方式由两部分构成：计算房间的优先级、根据升温过程实时功率控制各个房间的温控器启停。

房间优先级的计算包括温度变化常数、控制频率和设定温度与实际温度差值的计算。

模糊系统可以有效的解决不能定量分析的问题，可以将基于现有经验知识的输入输出规则转换成自动的控制行为。自学习能力是神经网络系统的一大特点，可以根据输入输出数据来进行网络参数的训练和调整，有助于建立模糊系统，使模糊系统的参数更加准确。因此选择运用神经网络模糊推理算法进行温度变化常数的估算，算法研究方案如图1所示。

使用自适应神经网络模糊推理算法ANFIS，将神经网络和模糊推理有机地结合在一起，结合方式如图2所示。

模型数据的来源是实际建筑，根据实际建筑的特性，采集模型输入变量所需的数据。所有训练数据以建筑的房间为单位进行计算。

模型共有三个输入变量：朝向、位置、高度，一个输出变量：温度变化常数。

朝向输入变量是根据暖通规范赋值的。根据暖通规范的说明，建筑物受太阳照射的影响，导致围护基本耗热量有一定程度的不同。朝向分为东，南，西，北四个方向。按照方位朝向修正率分别为：东、西朝向的数值为5％，南朝向的为-25％，北朝向的为10％。其他朝向的数值随着变化趋势逐渐增加或减少。

位置输入变量是根据每个房间的地理位置，判断房间的保温特性，从而确定变量数值的大小。不同区域房间的温度特性有一定差异，根据不同温度特性对每个区域内的位置参数进行赋值。其中极易受冷区域的参数数值较大，不易受冷区域的参数数值较小。

高度输入变量是根据实际建筑运行的经验进行赋值。不同高度的房间的保温性能有所不同，位于顶层和一层的房间比中间层的房间保温性能差，高度参数数值较大。位于顶层的房间的高度参数大于位于一层的房间的参数，原因是顶层的散热面积大，保温性能差。位于同一层的所有房间的高度参数数值相同。

算法参数确定的过程分为三部分，分别是训练过程，修正过程和测试过程。

在训练过程中，首先利用一部分数据建立初始的神经网络模糊推理模型，确定隶属度函数的数量、类型以及具体的参数。

为了满足自适应神经网络模糊推理算法输入的要求，对所有赋值后的输入输出量进行归一化处理，范围在0至1之间，避免因某项数据取值范围过大而引起较大误差。

模型输入量的隶属度函数采用高斯函数。其中μ代表隶属函数的中心值，σ代表隶属函数的宽度。隶属度函数的个数越多，宽度越窄，分辨率越高；反之，每个隶属度函数的主瓣宽度越宽，分辨率越低。μ和σ的取值根据各个输入输出变量的种类来确定。

输入变量朝向的隶属度函数设置为4个，分别代表东、西、南、北。根据朝向影响供暖的程度，四个变量的隶属度函数如式(1)至(4)所示：

北：

东：

西：

南：

输入变量位置的隶属度函数设置为5个，表达式分别如式(5)至(9)所示：

输入变量高度的隶属度函数设置为4个，表达式分别如式(10)至(13)所示：

根据实际供暖过程中积累的经验和专业知识，制定模糊神经网络模型的规则，推理规则的结构如图3所示。

采集建筑中各个房间的数据，将量化后的各个房间的朝向、高度、位置信息，收集在原始数据表格中，并在模糊神经网络模型中进行迭代训练，不断对隶属度函数的参数进行调整，使输出数据与真实数据的均方误差最小。

在修正过程中，利用核对数据判断训练数据与模型结构是否出现不匹配问题。

在测试过程中，将测试数据输入到模型中，根据输出的结果判断模型的质量。

决策网络算法流程图如图4所示。

根据自然影响因素和人为影响因素，优先级为选取实时温度与设置温度的差值、控制频率和温度变化常数的线性组合，其表达式如式(14)所示：

K＝f(ΔT,f_控制,C_temp)(14)

其中ΔT表示实时温度与设置温度差值，f_控制表示控制频率，C_temp表示温度变化常数。

实时温度与设置温度差值由电采暖温控器实时查询各个房间的参数获取。

控制频率为温控器的一次启闭过程中开启时间与关闭时间的比值，用来表征优先级更新的频率，计算公式如式(15)所示：

以低温原则为例，设置温度与室内实际温度在某一时刻有一定的差值，差值较大的房间的优先级要高于差值较小的房间。

升温过程中，首先根据温控器实时采集到的数据及温度变化常数计算出优先级，对优先级进行排序，开启优先级最高的房间的温控器开关，再对剩余房间的温控器开关进行计算，以此类推，直至达到安全功率。在整体功率下降至允许接入下一个温控器的条件下，开启下一个优先级最高的温控器开关，直至达到整体建筑的热平衡。

决策启闭温控器序号分为实际功率低于安全门限功率、实际功率高于安全功率但低于极值功率、实际功率高于极值功率三种情况。

当实际功率低于安全功率时，即当热功率与其他功率的和值小于安全功率p_热+p_其他＜p_安全时，决策出开启温控器的房间序号。需要开启温控器的房间需要满足两点条件：房间内实际温度小于设置温度、温控器处于关闭状态。式(16)中R(n)代表满足条件的房间的序号，n代表符合条件的房间的个数。

{R(1),R(2)，…R(n)}＝judge_up(t₁,t₂,…t_sum,flag₁,flag₂,…flag_sum)(16)

根据式(17)计算满足条件的房间的优先级的数值，优先级数值最小的房间即为决策结果，如式(18)所示。N代表优先级最小值的序号，find_priority代表用于找到符合条件房间序号对应的优先级数值大小的函数，g代表求最小优先级对应房间序号的函数。

{K₁,K₂,…K_n}＝find_priority(R(1),R(2),…R(n))(17)

N＝g(min(K₁,K₂,…K_n))(18)

对相应温控器进行开启操作，其表达式如式(19)所示。

flag_start(N)＝1(19)

当实际功率高于安全功率但低于极值功率时，不再进行决策网络算法的计算，停止开启温控器。

当实际功率高于极值功率时，即当热功率与其他功率的和值大于门限功率p_热+p_其他＞p_极值时，决策出关闭温控器的房间序号。需要关闭温控器的房间需要满足两点条件：房间内实际温度大于设置温度、温控器处于开启状态。式(20)中R(m)代表满足条件的房间的序号，m代表符合条件的房间的个数。

{R(1),R(2),…R(m)}＝judge_down(t₁,t₂,…t_sum,flag₁,flag₂,…flag_sum)(20)

根据式(21)计算满足条件的房间的优先级，优先级数值最大的房间即为决策结果，如式(22)所示。M代表优先级最小值的序号，h代表求最大优先级对应房间序号的函数

{K₁,K₂,…K_m}＝find_priority(R(1),R(2),…R(m))(21)

M＝h(max(K₁,K₂,…K_m))(22)

对相应温控器进行关闭操作，其表达式如式(23)所示。

flag_start(M)＝0(23)

按照上述过程不断循环，一直保持功率在容限范围内，直至达到整体建筑的热平衡。

Claims (6)

1.电采暖建筑免增容自动控制方法，基于温度变化常数、设定温度与实际温度差值、控制频率等自然和人为影响因素对温度的影响，利用决策网络实现电采暖温控器启停操作优先级的排序，并根据升温过程中的实时功率控制各个房间的电采暖温控器。

2.根据权利要求1所述的电采暖建筑免增容自动控制方法，其特征在于，温度变化常数计算算法采集建筑朝向、高度、位置等自然影响因素的数据，根据专家知识和实际供暖建筑房间总结的经验，由基于模糊推理、神经网络算法的自适应神经网络模糊推理算法得出；

算法模型共有三个输入变量：朝向、位置、高度，和一个输出变量：温度变化常数；

位置输入变量是根据每个房间的地理位置，判断房间的保温特性，被包围的房间的耗热量小，保温性能好，参数数值较大；位于边缘的房间的耗热量大，保温性能差，参数数值较小；

朝向输入变量是根据暖通规范赋值的，由于太阳照射，位于南向的房间耗热最少，北向的房间耗热最多，因此朝向南的房间的参数数值较小，朝向北的房间的参数数值较大，东西向的房间的参数数值在南向和北向之间；

高度输入变量是根据实际建筑运行经验，不同高度的房间的保温性能有所不同，位于同一层的所有房间的高度参数数值相同，位于顶层和一层的房间比中间层的房间保温性能差，高度参数数值较大；

温度变化常数数值的大小反映房间升温、降温的快慢，数值越大，房间升温速率越大，降温速率越慢；数值越小，房间升温速率越小，降温速率越快。

3.根据权利要求1所述的电采暖建筑免增容自动控制方法，其特征在于，为用户提供了4种控制原则，以便根据实际情况进行选择，这4种控制原则分别为：

低温原则，优先满足处于较冷房间亟需升温的用户，将设定温度与实际温度差值较大的房间设置为较高的优先级，当房间温度差相同时，将温度变化常数较小的房间设置为较高的优先级；

高温原则，使室温满足设定标准的用户达到最多，将设定温度与实际温度差值较小的房间设置为较高的优先级，当房间温度差相同时，将温度变化常数较大的房间设置为较高的优先级；

随机原则，随机选择房间进行升温控制，以防止建筑局部温度过高或过低，达到更均衡的效果；

顺序原则，可以满足管理方自定义的需求，例如可以设定为按照房间号或楼层的顺序进行升温控制，使之能够更好地满足不同用户的个性化需求；

控制方法使用我司发明专利智能公共建筑电采暖控制方法及系统(申请号为201310653379.1)。

4.根据权利要求1所述的电采暖建筑免增容自动控制方法，其特征在于，门限选择基于双门限原则，即有安全门限和极值门限两个门限值；

安全门限通常选取建筑额定总功率的80％，超过安全门限即停止开启温控器；

考虑到突发情况，为了防止由于消耗功率突然增高、超过建筑用电最高门限而造成的安全事故，设置极值门限，极值门限与安全门限的差值为建筑内单个用电器的最大额定功率，当实际功率到达极值门限后，系统开始关闭温控器。

5.根据权利要求1所述的电采暖建筑免增容自动控制方法，其特征在于，决策网络算法考虑自然影响因素和人为影响因素，选取实时温度与设置温度差值、控制频率和温度变化常数的线性组合来对优先级进行决策，即K＝f(ΔT,f_控制,C_temp)，其中ΔT表示实时温度与设置温度差值，f_控制表示控制频率，C_temp表示温度变化常数；

ΔT由电采暖温控器实时查询各个房间的参数获取，所使用的温控器需为我司发明专利电力载波温度控制器(申请号为201711429533.1)；

f_控制为温控器的一次启闭过程中，开启时间与关闭时间的比值。

6.根据权利要求1所述的电采暖建筑免增容自动控制方法，其特征在于，决策网络算法结合实际功率与门限功率的大小关系，智能的决策开启或关闭某个房间的温控器开关，在满足功率的要求下，实现整体建筑的热平衡；

当实际功率低于安全门限功率时，开启根据排序算法得到的优先级最高房间的温控器开关，再对剩余房间的温控器开关进行计算，以此类推，直至达到安全功率的上限；

当实际功率高于安全功率但低于极值功率时，不再进行排序算法，停止开启温控器；

当实际功率高于极值功率时，根据数据计算的另一种优先级，依次关闭优先级高的温控器开关，以此类推，直至实际功率降低至安全功率以下。