CN112671831B - 一种面向大型集团公司数字化智能供热平台的多级应用系统 - Google Patents
一种面向大型集团公司数字化智能供热平台的多级应用系统 Download PDFInfo
- Publication number
- CN112671831B CN112671831B CN202011389817.4A CN202011389817A CN112671831B CN 112671831 B CN112671831 B CN 112671831B CN 202011389817 A CN202011389817 A CN 202011389817A CN 112671831 B CN112671831 B CN 112671831B
- Authority
- CN
- China
- Prior art keywords
- data
- enterprise
- platform
- heating
- heating power
- 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
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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Abstract
本发明公开了一种面向大型集团公司数字化智能供热平台的多级应用系统,包括热力企业级应用平台、区域分公司级应用平台、集团总部级应用平台和总部数据中心云平台等;热力企业级应用平台接收底层各个热力站和热用户的生产运行数据信息;总部数据中心云平台采用集团私有云的方式存储所需的热力企业级应用平台数据;集团总部级应用平台达成对下属基层热力企业供热的统筹管理;区域分公司级应用平台用于从总部数据中心云平台获取数据,并根据数据管控区域内热力企业进行综合管理。本发明可以针对区域特点开展和优化各种热力服务,减少了重新构建各级平台的成本,并针对评价较低的热力企业提供相应的诊断处理方案,实现节能降耗。
Description
技术领域
本发明涉及智能供热技术领域,尤其涉及一种面向大型集团公司数字化智能供热平台的多级应用系统。
背景技术
伴随中国城镇化进程的不断推进,我国大中型城市集中供热的规模不断扩大,供热企业需要平衡好供热安全性、可靠性、环保性、舒适性、经济性等诸多方面的矛盾因素。随着能源互联网的出现和信息技术的快速发展,用信息技术推动传统供热产业升级成为新的趋势;利用先进的信息通信技术和互联网平台的优势,打造数字化智能供热,提升供热的现代化水平,是供热产业发展的新方向,也是建设“清洁低碳、安全高效”的现代化能源体系的时代要求。
特别是对于拥有基层热力企业众多,覆盖多个省份地区,规模庞大的能源供应集团公司而言,集团公司总部、区域分公司、基层热力企业之间普遍存在信息鸿沟。集团内部的供热技术监督和经营查评工作依托人工报送,信息传输效率低下且时间周期较长,进而使得集团公司无法及时系统地对所属区域分公司、基层热力企业进行能效对标与监督考核,将严重影响大型能源供应集团公司的经济效益与高质量发展。
发明内容
本发明的目的在于克服现有技术中存在的上述不足,而提供一种面向大型集团公司数字化智能供热平台的多级应用系统,以解决现有技术中对于大型能源供应集团公司内部信息交互效率低下的技术问题。
本发明解决上述问题所采用的技术方案是:一种面向大型集团公司数字化智能供热平台的多级应用系统,包括:热力站、热用户、热力企业级应用平台、边缘系统、区域分公司级应用平台、集团总部级应用平台和总部数据中心云平台。
所述热力企业级应用平台通过光纤专线和无线传输的方式接收底层各个热力站和热用户的生产运行数据信息,实现对企业内部热力生产控制调度和热力企业信息的收集和存储;所述边缘系统部署在热力企业级应用平台上,作为企业级数据上传至总部数据中心云平台的桥梁,通过互联网与总部数据中心云平台连接;所述总部数据中心云平台采用集团私有云的方式存储所需的热力企业级应用平台数据;所述集团总部级应用平台从总部数据中心云平台采集下属各基层热力企业生产运营的全过程数据,达成对下属基层热力企业供热生产经营、能效对标考核、供热查评展示的统筹管理,实现对热力企业运行优化管理调度、促进节能降耗的目的;所述区域分公司级应用平台用于从所述总部数据中心云平台获取数据,并根据数据管控区域内热力企业进行综合管理,所述区域分公司级应用平台通过所述集团总部级应用平台提供的端口服务实现。
进一步的,所述热力企业级应用平台,包括:
热力企业控制调度模块,用于对供热生产运行进行调度,包含以用户需求为导向的热源热网协同调节和对一次网、二次网的实时供热调节;
热力企业管理信息模块,用于提供供热业务相关服务,包含热用户信息档案的管理查询、多渠道收费线上开票管理、多维度一体化客户服务管理、检修稽查工单闭环管理;
相应的,所述区域分公司级应用平台用于根据所述热力企业控制调度模块的调度信息和热力企业管理信息模块的相关服务信息对热力企业进行综合管理。
进一步的,所述应用系统还包括:边缘系统,所述边缘系统用于对热力企业级应用平台的数据进行解析处理,以符合总部数据中心云平台的数据格式要求。
进一步的,所述边缘系统还用于根据预设的编码规则对解析处理后的数据进行编码。
进一步的,所述热力企业级应用平台需要上传至总部数据中心云平台的数据包含以下内容:
(1)基层热力企业信息
序号 | 名称 | 单位 | 备注 |
1 | 企业名称 | ||
2 | 所属城市 | ||
3 | 设计供热能力 | MW | |
4 | 设计供热能力 | t/h | |
5 | 联网面积 | 万m<sup>2</sup> | |
6 | 实供面积 | 万m<sup>2</sup> | |
7 | 热力站数量 | ||
8 | 热用户数量 |
(2)运行实时数据
序号 | 名称 | 单位 | 备注 |
1 | 一次网供水温度 | ℃ | 热网首站 |
2 | 一次网回水温度 | ℃ | |
3 | 一次网供水压力 | MPa | |
4 | 一次网回水压力 | MPa | |
5 | 一次网瞬时流量 | t/h | |
6 | 首站累计供热量 | GJ | 热网首站 |
7 | 一次侧供水温度 | ℃ | 热力站 |
8 | 一次侧回水温度 | ℃ | 热力站 |
9 | 一次侧供水压力 | MPa | 热力站 |
10 | 一次侧回水压力 | MPa | 热力站 |
11 | 一次侧瞬时流量 | t/h | 热力站 |
12 | 二次侧供水温度 | ℃ | 热力站 |
13 | 二次侧回水温度 | ℃ | 热力站 |
14 | 二次侧供水压力 | MPa | 热力站 |
15 | 二次侧回水压力 | MPa | 热力站 |
16 | 二次侧瞬时流量 | t/h | 热力站 |
17 | 环境气温 | ℃ | |
18 | 室内温度 | ℃ | 用户侧 |
19 | 热源售热总量 | GJ | |
20 | 热源供汽温度 | ℃ | |
21 | 热源供汽压力 | MPa | |
22 | 用户入口蒸汽温度 | ℃ | |
23 | 用户入口蒸汽压力 | MPa |
(3)能耗指标数据
序号 | 名称 | 单位 | 备注 |
1 | 设计采暖热指标 | w/ m<sup>2</sup> | |
2 | 实际综合采暖热指标 | w/ m<sup>2</sup> | |
3 | 采暖期天数 | 天 | |
4 | 采暖期供热总量 | GJ | |
5 | 实供面积 | m<sup>2</sup> | |
6 | 热源达产率 | % | |
7 | 采暖度日数 | ℃·d | |
8 | 采暖度日数热耗 | w/(m<sup>2</sup>·℃·d) | |
9 | 一次网单位水耗 | Kg/m<sup>2</sup> | |
10 | 二次网单位水耗 | Kg/m<sup>2</sup> | 热力站 |
11 | 一次网平均补水率 | % | |
12 | 二次网平均补水率 | % | 热力站 |
13 | 一次网耗电量 | Kwh | 热网首站 |
14 | 单位电耗 | Kwh/m<sup>2</sup> | 热力站 |
15 | 供热系统输配效率 | % | |
16 | 一次网平均水力失调度 | % | |
17 | 一次网沿程温降 | ℃/km | 最不利环路末端 |
18 | 一次网沿程压降 | kPa/km | 最不利环路末端 |
19 | 蒸汽管网热损失 | % | |
20 | 工业蒸汽参数过供用户数量 | 个 | |
21 | 工业蒸汽参数欠供用户数量 | 个 | |
22 | 蒸汽管网平均水力失调度 | % | |
23 | 蒸汽管网沿程温降 | ℃/km | 最末端用户 |
24 | 蒸汽管网沿程压降 | kPa/km | 最末端用户 |
(4)生产管理指标
序号 | 名称 | 单位 | 备注 |
1 | 供热安全裕度 | % | 因关停容量最大的一台机组后的剩余供热能力占比 |
2 | 采暖期检修次数 | 次 | |
3 | 检修响应率 | % | 规定时间内检修完成 |
4 | 热力站无人值守比例 | % | |
5 | 在编供热工作人员数量 | 人 | |
6 | 采暖期临时工数量 | 人 | |
7 | 采暖期工作人员配备率 | 人/万平米 | |
8 | 采暖期检修次数 | 次 | |
9 | 检修响应率 | % | 规定时间内检修完成 |
10 | 在编供热工作人员数量 | 人 | |
11 | 采暖期临时工数量 | 人 | |
12 | 采暖期工作人员配备率 | 人/万GJ |
(5)收费管理指标
序号 | 名称 | 单位 | 备注 |
1 | 在线自助收费率 | % | |
2 | 发票办理自助率 | % | |
3 | 当年热费回收率 | % | |
4 | 热费退费率 | % |
(6)客服管理指标
序号 | 名称 | 单位 | 备注 |
1 | 客户报修处理响应率 | % | |
2 | 客户投诉结办率 | % | |
3 | 客服回访满意度 | % |
(7)热网布置图
基于GIS地理信息系统的热网布置图,涵盖管道材质、管道直径、敷设方式、管道长度等信息。
进一步的,所述集团总部级应用平台包含能源成本管控模块、指标评价决策模块、远程诊断运维模块和智能专家库模块。
进一步的,所述指标评价决策模块用于查询各基层热力企业历史指标数据;
根据所述历史指标数据进行数据的对比分析,指标数据包括:供热损失率、管网沿程温降、管网沿程压降、管网泄漏率、单位热量电耗、单位面积电耗、单位面积水耗、采暖全年耗热量,进而确定最优指标参数。
进一步的,所述指标评价决策模块还用于根据所述最优指标参数对基层热力企业进行指标评价,确定未达标热力企业。
进一步的,所述远程诊断运维模块用于根据供热全过程数据资源组成的数据库形成知识库;
根据所述知识库、未达标热力企业的指标数据和热力企业控制调度模块的各种调度控制数据,利用神经网络模型确定优化调度控制数据,以使得所述未达标热力企业根据优化调度控制数据对运营进行优化。
进一步的,所述能源成本管控模块包括:负荷分析单元,用于根据天气预报数据和企业实时所需热负荷预测未来时段热负荷数据调整供热负荷。
更进一步的,所述负荷分析模块还用于:根据未来时段热负荷数据和联动的分布式能源的预测负荷对供热负荷进行调整。
本发明与现有技术相比,具有以下优点和效果:本发明提供的面向大型集团公司数字化智能供热平台的多级应用系统,通过设置总部数据中心云平台,能够有效快速准确的收集集团内部各热力企业运行过程中产生的各种热力运营和服务数据。方便集团级别及时获取掌握各种数据,在不改变热力企业级运营系统架构的基础上,利用云平台,实现数据的快速传输。并且充分考虑到区域分公司级应用平台的各种需求,利用云平台架构,充分利用集团总部级应用平台的数据处理能力,提供相应的端口服务实现区域分公司级获取区域内的热力企业的实际运营情况数据,针对区域特点开展和优化各种热力服务。减少了重新构建各级平台的成本。同时集团级别可以针对所有热力企业的运营情况进行评价,针对评价较低的热力企业提供相应的诊断处理方案。实现节能降耗和优化热力服务的目的。
附图说明
图1是本发明的系统结构示意图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例
参见图1,本实施例中,面向大型集团公司的数字化智能供热平台多级应用系统,包括:
热力企业级应用平台,用于实现对企业内部生产控制调度和热力企业信息收集和存储;
区域分公司级应用平台,用于实现对区域内的热力企业进行生产经营管理;
总部数据中心云平台,用于利用云端存储热力企业级应用平台手机和存储的数据;
集团总部级应用平台,用于根据总部数据中心云平台存储的数据对热力企业进行管理,以实现对热力企业运行优化管理调度的目的;
区域分公司级应用平台,用于从总部数据中心云平台获取数据,并根据数据管控区域内热力企业进行综合管理,区域分公司级应用平台通过集团总部级应用平台提供的端口服务实现。
在本实施例中,热力企业级应用平台基于基层供热企业的生产需求,将供热技术和信息通信技术结合起来,进行供热基础设施与信息网络系统的相互耦合形成。热力企业级应用平台以热源—热网—热力站—用户热力输送为主线,涵盖采暖供热与工业供热两方面,以基层大数据的采集存储为基础实现信息收集和存储。可选的,可以利用物联网技术,实现基层数据的采集和存储。例如:在热源侧首站加装电动调节阀,与循泵变频器协同调节首站输送热量,并在各输出关口加装温度、压力、流量等测量装置,以计算输出热量。在热力站侧设置温度、压力、流量、液位、热量等相关参数测点,跑水报警、摄像头、对讲装置等安全设备,电磁阀、调节阀、变频器等控制装置,以及水表、电表、热表等计量装置。在热用户侧根据热用户种类设置。热用户为采暖供热,楼栋立管加装平衡阀,保证二次网水力平衡;在指定小区安装室内温度测量装置;对于按计量收费的小区,增设进户通断阀与热量表,实现按需供热。工业供热,热水用户,在确定的贸易结算点处加装电动阀门和具备贸易结算资格的测量装置;蒸汽用户,在确定的贸易结算点处加装快速关断阀门(预付费)和具备贸易结算资格的测量装置。上述采集到的数据可以通过以太网通讯技术传输至DCS或热网SCADA系统,进而上传至热力企业级应用平台实现对所有热力站的实时数据采集。
在本实施例中,热力企业级应用平台收集和存储的信息可以通过内部专网等方式实现与总部数据中心云平台的数据传输。由于各个热力企业级应用平台并不统一,数据格式五花八门,致使总部数据中心云平台存储的各热力企业级应用平台上传的收集和存储数据格式不统一,不便于后期对数据的分析和整理,因此,在本实施例中,面向大型集团公司的数字化智能供热平台多级应用系统还包括:边缘系统,边缘系统用于对热力企业级应用平台的数据进行解析处理已符合的数据。边缘系统是企业级平台与集团级平台进行数据传输交互的枢纽平台,能够按照集团公司的统一标准体系,实现企业级平台和集团级平台的数据和智能算法模型交互,具有边缘处理、协议解析、标识解析、接口管理、数据处理等功能,提高智能供热系统整体基础资源的利用效率。示例性的,边缘系统可以具有一定的运算能力,根据预先设定的数据转换的规则,将热力企业级应用平台的数据进行解析处理,以得到符合总部数据中心云平台规定格式的数据。可选的,每个热力企业级应用平台对设有对应的边缘系统通过网络连接,将数据传输到对应的边缘系统,实现对数据的分析处理。
由于热力企业众多,总部数据中心云平台需要对不同热力企业上传的数据进行标记,便于后期进行处理时予以识别。具体的,在集团数字中心体系下,业务需要明确智能供热系统需要统一管控的数据及相关要求(如数据标准、编码规范、数据治理等)。通过梳理基层供热企业现有数据资源编码和标准,采取对现有数据扩展、映射、重新编码等方法,结合集团公司、直属单位、供热企业的应用需求及智能供热平台建设要求,建立集团级-企业级数据标准及编码规范,统一基础数据及交换数据,并基于数据质量管理工具开展数据集成、数据核查及清洗工作,实现供热数据的标准化管理。因此,在本实施例中,边缘系统还用于:根据预设的编码规则对解析处理后的数据进行编码。示例性的,编码规则可以考虑如下标准:数据标准:数据标准要求涉及数据命名、定义、分类、属性、值域及相关规定及要求。编码原则:制定标准的代码编写规范,严格按照规范开发相关应用程序,符合模块化开发和可扩展性要求。用户编码规范:根据集团级-区域级-企业级的层级规则,对用户的唯一标识编码进行严格的制定。测点编码规范:充分考虑集团及区域公司数据集成需求,制定集团级-区域级-企业级三级测点编码规范、名称规范及相应的测点管理标准及工作标准。指标编码规范:根据集团级-区域级-企业级各类指标数据特点,制定各类指标的编码规范、名称规范及相应的指标管理标准及工作标准。
在本实施例中,热力企业级应用平台,包括:热力企业控制调度模块,用于对供热运行进行调度;热力企业管理信息模块,用于提供供热相关服务。通常热力企业主要有生产管理和经营管理两部分主要职能。利用上述两个模块可以实现对生产和经营的管理,并可提供对应的数据上传至总部数据中心云平台。区域分公司级应用平台根据热力企业控制调度模块的调度信息和热力企业管理信息模块的相关服务信息对热力企业进行综合管理。示例性的,可以根据生产情况提供新的运营产品,并根据新的运营产品结合服务信息提升服务质量。
集团总部级应用平台涵盖对集团所辖各单位供热生产运营、能效对标考核、供热经营查评等各项业务的过程管理,实现集团公司系统从上至下、由纵到横的数据互通与共享,为集团公司系统在统筹管控、顶层设计、科学决策和发展规划制定等方面提供有力支持;协助集团公司完善对标与考核体系,科学下达考核指标与业务指令,进一步促进基层供热企业提质增效。
因此,在本实施例中,集团总部级应用平台包含能源成本管控模块、指标评价决策模块、远程诊断运维模块和智能专家库模块。以实现对下属热力企业科学管理,进而实现提质增效的目的。
其中,指标评价模块用于对下属各热力企业按照一定的标准进行评价,以使得评价较低的热力企业对生产进行改良,实现提质增效的目的。传统的指标评价采用对标的方式,其是指企业以行业内外的一流企业作为标杆,与之进行比较、分析、判断,不断追求优秀业绩的良性循环过程。对标考核管理解决方案助力企业全面开展考核及对标管理工作,支持企业持续改进,获得竞争优势。但热力企业与传统企业不同,其经营情况受制于地域环境和气候影响,淡出与一流企业进行对标不符合热力企业的发展情况,因此,在本实施例中,可以将集团公司的热力公司中的优秀企业作为对标标准,以使得对标更加具有针对性。
在本实施例中,指标评价模块用于对所属的热力企业进行指标评价,通过对生产数据进行分析,确定最优企业,作为对标对象,同时也可筛选出未达标企业,作为可改善目标。
在本实施例中,指标评价模块,用于查询各基层热力企业实时和历史指标数据;根据历史指标数据进行数据的对比分析,指标数据包括:供热损失率、管网沿程温降、管网沿程压降、管网泄漏率、单位热量电耗、单位面积电耗、单位面积水耗、采暖全年耗热量,进而确定最优指标参数。由于热力企业存在多种指标数据,并且部分指标数据之间存在一定的关联关系,因此,可以综合考虑各基层热力企业历史指标数据,根据历史数据确定最优指标参数。在确定最优指标参数后,可以利用最优指标参数与基层热力企业的历史参数进行比较,在差值大于设定的阈值时,则可认为其为未达标热力企业。
通过该种方式,可以有效减少选取对标企业的盲目性,根据行业和区域的自身特点确定合理的对标数据,进而确定未达标热力企业,以督促未达标热力企业改善自身管理。使得对标更加符合集团内热力企业的实际情况。更加具有针对性。
可选的,对于未达标热力企业,可以根据对其具体情况进行诊断,并可利用诊断结果对运营进行优化,也实现达标的目的。
示例性的,面向大型集团公司的数字化智能供热平台多级应用系统,包括:远程诊断运维模块,用于根据供热全过程数据资源组成的数据库形成知识库;根据知识库、未达标热力企业的指标数据和热力企业控制调度模块的各种调度控制数据,利用神经网络模型确定优化调度控制数据,以使得未达标热力企业根据优化调度控制数据对运营进行优化。示例性的,知识库可以包括:供热全过程数据资源中各种数据的约束条件。由于热力企业的指标数据种类繁多,利用神经网络极容易陷入局部最优解困境,因此。需要设定各种指标数据的约束条件,以避免造成局部最优解困境得到的控制数据无法实际使用。
在本实施例中,由于指标数据种类众多,每种指标数据作为一个维度,因此,适用于卷积神经网络进行运算。卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一。卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类。
示例性的,可以将指标数据作为一个多维数组,将多维数组中包含约束关系的额外用函数关系表达,将其与优化调度数据一同输入卷积神经网络进行训练,并在训练完成后,输入知识库、未达标热力企业的指标数据得到相应的调度优化数据,利用调度优化数据可以实现对未达标热力企业运营进行优化。以实现节能降耗,提高供热效率的目的。
节能降耗不仅取决于调度优化,天气情况也起到决定性的作用。在冬季温度较高的情况下,如果按照设定的热负荷进行供热,不仅会造成能源浪费,而且还会影响到热用户的使用效果。因此,在本实施例中,能源成本管控模块包括:负荷分析单元,用于根据天气预报数据和企业实时所需热负荷预测未来时段热负荷数据,调整供热负荷。示例性的,负荷分析单元可以通过支持向量回归机根据天气预报数据和企业实时所需热负荷来对未来时段热负荷数据进行预测。影响供热负荷的相关因素进行预处理分为训练数据和测试数据,建立一种用于负荷预测的支持向量回归模型,支持向量回归机具有较好的非线性映射特点,且比一般线性预测模型的预测准确度更高。
影响采暖负荷的相关因素主要分为两大类:随机因素和非随机因素;其中,
非随机因素是影响电采暖负荷的变化的确定性因素,包括气象因素和日期因素。随机因素中可能出现供热设施故障等特殊情况,具体来说,气象因素是影响热负荷变化的最重要因素,其包括室外温度、湿度、太阳辐射强度、天气条件、风向风速等。除室外温度外,天气条件值还表示湿度和太阳辐射强度等参数。以室外温度和天气条件为输入变量,通过天气预报得到室外温度,得到具体的定量值,通过定性分类对天气条件值进行量化。根据文献对天气条件进行了量化。因此,天气条件分为晴、多云、多云、小雨、雨、小雪、中雪和大雪,分别设定对应的量化值。通过对历史数据的研究发现,负荷通常受到周末和节假日的影响,造成不同程度的冲击。不同类型的建筑,如学校、住宅、日期因素有不同的权重。通过专家咨询量化住宅建筑的数据因素。因此,日期分为工作日、周末和假日,并设定对应的量化值。
通过代入历史数据。利用粒子群算法识别处理后的训练数据,得到最优参数,并利用得到的最优参数根据天气预报数据和企业实时所需热负荷预测未来时段热负荷数据,调整供热负荷,实现节能降耗的目的。
分布式能源企业通常利用各种发电机组机组例如内燃机组、溴化锂机组、电制冷机组、锅炉等,在发电的同时,利用产生的热量加入到热能管网中,提供相应的热力服务。但分布式能源首先要考虑上网电量的稳定,通常其常与风电、光伏等并行运营,利用其作为风电和光伏等真实发电量与预测量之间的平衡参数,以保证上网电量的稳定。因此,其提供的负荷在一定范围的区间内波动。因此,需要对其负荷进行预测,示例性的,可以根据其运行数据,主要包括采集机组的负荷信息、能耗信息以及过程数据等,对能源站的逐时负荷及逐日负荷(一般为7天)做出预测。示例性的,可以采用现有的多种方式实现预测。结合上述计算得到的所需供负荷去除分布式能源的预测负荷,对供热设备的供热负荷进行调整,在考虑到分布式能源联动的状态下,对供热负荷进行更为精准的测算,以得到更优的节能降耗的效果。本发明实施例提供的面向大型集团公司的数字化智能供热平台多级应用系统,通过设置总部数据中心云平台,能够有效快速准确的收集集团内部各热力企业运行过程中产生的各种热力运营和服务数据。方便集团级别及时获取掌握各种数据,在不改变热力企业级运营系统架构的基础上,利用云平台,实现数据的快速传输。并且充分考虑到区域分公司级应用平台的各种需求,利用云平台架构,充分利用集团总部级应用平台的数据处理能力,提供相应的端口服务实现区域分公司级获取区域内的热力企业的实际运营情况数据,针对区域特点开展和优化各种热力服务。减少了重新构建各级平台的成本。同时集团级别可以针对所有热力企业的运营情况进行评价,针对评价较低的热力企业提供相应的诊断处理方案。实现节能降耗和优化热力服务的目的。
本说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。
虽然本发明已以实施例公开如上,但其并非用以限定本发明的保护范围,任何熟悉该项技术的技术人员,在不脱离本发明的构思和范围内所作的更动与润饰,均应属于本发明的保护范围。
Claims (3)
1.一种面向大型集团公司数字化智能供热平台的多级应用系统,其特征是,包括:热力站、热用户、热力企业级应用平台、边缘系统、区域分公司级应用平台、集团总部级应用平台和总部数据中心云平台;所述热力企业级应用平台通过光纤专线和无线传输的方式接收底层各个热力站和热用户的生产运行数据信息,实现对企业内部热力生产控制调度和热力企业信息的收集和存储;所述边缘系统部署在热力企业级应用平台上,作为企业级数据上传至总部数据中心云平台的桥梁,通过互联网与总部数据中心云平台连接;所述总部数据中心云平台采用集团私有云的方式存储所需的热力企业级应用平台数据;所述集团总部级应用平台从总部数据中心云平台采集下属各基层热力企业生产运营的全过程数据,达成对下属基层热力企业供热生产经营、能效对标考核、供热查评展示的统筹管理,实现对热力企业运行优化管理调度、促进节能降耗的目的;所述区域分公司级应用平台用于从所述总部数据中心云平台获取数据,并根据数据管控区域内热力企业进行综合管理,所述区域分公司级应用平台通过所述集团总部级应用平台提供的端口服务实现;
所述热力企业级应用平台,包括:
热力企业控制调度模块,用于对供热生产运行进行调度,包含以用户需求为导向的热源热网协同调节和对一次网、二次网的实时供热调节;
热力企业管理信息模块,用于提供供热业务相关服务,包含热用户信息档案的管理查询、多渠道收费线上开票管理、多维度一体化客户服务管理、检修稽查工单闭环管理;
所述区域分公司级应用平台用于根据所述热力企业控制调度模块的调度信息和热力企业管理信息模块的相关服务信息对热力企业进行综合管理;
所述集团总部级应用平台包含能源成本管控模块、指标评价决策模块、远程诊断运维模块和智能专家库模块;
所述指标评价决策模块用于查询各基层热力企业历史指标数据;根据所述历史指标数据进行数据的对比分析,指标数据包括:供热损失率、管网沿程温降、管网沿程压降、管网泄漏率、单位热量电耗、单位面积电耗、单位面积水耗、采暖全年耗热量,进而确定最优指标参数;
所述指标评价决策模块还用于根据所述最优指标参数对基层热力企业进行指标评价,确定未达标热力企业;
所述远程诊断运维模块用于根据供热全过程数据资源组成的数据库形成知识库;根据所述知识库、未达标热力企业的指标数据和热力企业控制调度模块的各种调度控制数据,利用神经网络模型确定优化调度控制数据,以使得所述未达标热力企业根据优化调度控制数据对运营进行优化;
所述能源成本管控模块包括:负荷分析单元,用于根据天气预报数据和企业实时所需热负荷预测未来时段热负荷数据调整供热负荷;
所述负荷分析模块还用于:根据未来时段热负荷数据和联动的分布式能源的预测负荷对供热负荷进行调整。
2.根据权利要求1所述的面向大型集团公司数字化智能供热平台的多级应用系统,其特征是,所述边缘系统用于对热力企业级应用平台的数据进行解析处理,根据预设的编码规则对解析处理后的数据进行编码,以符合总部数据中心云平台的数据格式要求。
3.根据权利要求1所述的面向大型集团公司数字化智能供热平台的多级应用系统,其特征是,所述热力企业级应用平台需要上传至总部数据中心云平台的数据包含以下内容:(1)基层热力企业信息;(2)运行实时数据;(3)能耗指标数据;(4)生产管理指标;(5)收费管理指标;(6)客服管理指标;(7)热网布置图,基于GIS地理信息系统的热网布置图;
其中,能耗指标数据包括采暖度日数、采暖度日数热耗、一次网平均水力失调度、一次网沿程温降以及一次网沿程压降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011389817.4A CN112671831B (zh) | 2020-12-02 | 2020-12-02 | 一种面向大型集团公司数字化智能供热平台的多级应用系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011389817.4A CN112671831B (zh) | 2020-12-02 | 2020-12-02 | 一种面向大型集团公司数字化智能供热平台的多级应用系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112671831A CN112671831A (zh) | 2021-04-16 |
CN112671831B true CN112671831B (zh) | 2023-03-24 |
Family
ID=75400965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011389817.4A Active CN112671831B (zh) | 2020-12-02 | 2020-12-02 | 一种面向大型集团公司数字化智能供热平台的多级应用系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112671831B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408843B (zh) * | 2021-05-06 | 2022-07-05 | 华电电力科学研究院有限公司 | 一种能源企业数字化转型管理方法 |
CN113359625B (zh) * | 2021-05-19 | 2024-03-12 | 华电电力科学研究院有限公司 | 具备网络安全防护功能的供热管控一体化平台系统及应用 |
CN113569366B (zh) * | 2021-07-30 | 2024-02-06 | 河北华热工程设计有限公司 | 基于大数据的供热管网优化设计方法及终端设备 |
CN113819512A (zh) * | 2021-09-08 | 2021-12-21 | 华能兰州新区热电有限公司 | 一种基于大数据分析集中供热控制方法 |
CN115034687A (zh) * | 2022-08-09 | 2022-09-09 | 河北工大科雅能源科技股份有限公司 | 用于城市供热监管及供热企业管控的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105278504A (zh) * | 2015-10-28 | 2016-01-27 | 华电电力科学研究院 | 发电集团级水电机组分布式状态监测与诊断平台建设的体系结构 |
CN108305456A (zh) * | 2018-01-26 | 2018-07-20 | 住建互联清洁能源供热采暖技术研究院(北京)有限公司 | 互联网+电采暖供热系统及云平台电负荷监控方法 |
CN109407634A (zh) * | 2018-10-29 | 2019-03-01 | 华电电力科学研究院有限公司 | 一种发电集团水电机组远程诊断平台业务架构 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013123443A1 (en) * | 2012-02-16 | 2013-08-22 | Lazaris Spyros | System and method for managing the generation, transmission and distribution of power |
CN103824168B (zh) * | 2014-03-17 | 2017-09-01 | 国家电网公司 | 一种基于两级部署和多级应用模式的电能服务管理平台 |
CN108833523A (zh) * | 2018-06-07 | 2018-11-16 | 深圳汉光电子技术有限公司 | 一种基于物联网的供热智慧运行系统 |
-
2020
- 2020-12-02 CN CN202011389817.4A patent/CN112671831B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105278504A (zh) * | 2015-10-28 | 2016-01-27 | 华电电力科学研究院 | 发电集团级水电机组分布式状态监测与诊断平台建设的体系结构 |
CN108305456A (zh) * | 2018-01-26 | 2018-07-20 | 住建互联清洁能源供热采暖技术研究院(北京)有限公司 | 互联网+电采暖供热系统及云平台电负荷监控方法 |
CN109407634A (zh) * | 2018-10-29 | 2019-03-01 | 华电电力科学研究院有限公司 | 一种发电集团水电机组远程诊断平台业务架构 |
Also Published As
Publication number | Publication date |
---|---|
CN112671831A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112671831B (zh) | 一种面向大型集团公司数字化智能供热平台的多级应用系统 | |
CN101619850B (zh) | 基于热电系统负荷在线预测的调度方法与系统 | |
CN111291963B (zh) | 一种协调经济性与可靠性的园区综合能源系统规划方法 | |
CN112178756B (zh) | 一种供热智能管理系统及其工作方法 | |
CN107784410B (zh) | 区域能源互联网集成系统以及优化其配置和运行的方法 | |
CN113746144B (zh) | 一种源网荷实时交互的电碳控制方法及其智能管理系统 | |
CN104791903A (zh) | 一种热网智能调度系统 | |
CN107103091B (zh) | 一种物联网大数据接入节能管控方法及装置 | |
CN103714426A (zh) | 中小径流式水电站群一体化调度系统 | |
Weinand et al. | Identification of potential off-grid municipalities with 100% renewable energy supply for future design of power grids | |
CN113888132A (zh) | 一种大型工业企业的能源管理系统 | |
Calderón et al. | An area-based modelling approach for planning heating electrification | |
Jin et al. | A review and reflection on open datasets of city-level building energy use and their applications | |
Xu et al. | Community load leveling for energy configuration optimization: Methodology and a case study | |
Li et al. | Study on operation strategy and load forecasting for distributed energy system based on Chinese supply-side power grid reform | |
Testasecca et al. | Recent advances on data-driven services for smart energy systems optimization and pro-active management | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
CN106548266A (zh) | 一种考虑水火电协调的机组运行方式决策方法 | |
Zhakiyev et al. | The energy sector of the capital of Kazakhstan: Status quo and policy towards Smart City | |
Kimata et al. | Operation planning for heat pump in a residential building | |
Huang et al. | Multi-scene design analysis of integrated energy system based on feature extraction algorithm | |
CN113642778A (zh) | 一种考虑多维度多因素的电力需求预测框架 | |
CN112199402A (zh) | 一种基于能源大数据的监管系统及方法 | |
Weinand et al. | Identification of potential off-grid municipalities with 100% renewable energy supply | |
CN113837418A (zh) | 一种电力电量平衡分析系统 |
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 |