CN113048550A - 一种集中供热系统一次侧优化控制方法及系统 - Google Patents

一种集中供热系统一次侧优化控制方法及系统 Download PDF

Info

Publication number
CN113048550A
CN113048550A CN202110322342.5A CN202110322342A CN113048550A CN 113048550 A CN113048550 A CN 113048550A CN 202110322342 A CN202110322342 A CN 202110322342A CN 113048550 A CN113048550 A CN 113048550A
Authority
CN
China
Prior art keywords
secondary side
temperature
water supply
primary side
optimal
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.)
Granted
Application number
CN202110322342.5A
Other languages
English (en)
Other versions
CN113048550B (zh
Inventor
陈方毅
刘圣冠
邹兵
乔磊
郭涛
刘洪波
苗毅
曲德敏
郭相男
吕波
崔再新
伊福龙
王越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Branch Of China Huaneng Group Co ltd
Xian Thermal Power Research Institute Co Ltd
Dalian Power Plant of Huaneng International Power Co Ltd
Original Assignee
Northeast Branch Of China Huaneng Group Co ltd
Xian Thermal Power Research Institute Co Ltd
Dalian Power Plant of Huaneng International Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Branch Of China Huaneng Group Co ltd, Xian Thermal Power Research Institute Co Ltd, Dalian Power Plant of Huaneng International Power Co Ltd filed Critical Northeast Branch Of China Huaneng Group Co ltd
Priority to CN202110322342.5A priority Critical patent/CN113048550B/zh
Publication of CN113048550A publication Critical patent/CN113048550A/zh
Application granted granted Critical
Publication of CN113048550B publication Critical patent/CN113048550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24DDOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00Details
    • F24D19/10Arrangement or mounting of control or safety devices
    • F24D19/1006Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1009Arrangement or mounting of control or safety devices for water heating systems for central heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种集中供热系统一次侧优化控制方法及系统,包括以下步骤:1)计算训练后的二次侧供热网络模型输出的二次侧回水温度与期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;2)计算训练后的换热站设备系统模型输出的二次侧供水温度与步骤1)得到的最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制,该方法及系统能够实现集中供热系统长期稳定运行。

Description

一种集中供热系统一次侧优化控制方法及系统
技术领域
本发明属于供热调节技术领域,涉及一种集中供热系统一次侧优化控制方法及系统。
背景技术
集中供热系统由于其结构复杂,时延高,测量难等特点,难以使用传统的自动控制技术进行调优。当前普遍使用基于运维人员经验的人工调节方式进行网络调优,导致集中供热系统维护成本高昂且调整时延过大。当前基于大数据和人工智能的集中供热系统调优技术普遍为理论研究,对测量数据要求过高,且存在模型时效性不足和模型过拟合的问题,难以在实际集中供热系统中长期稳定的运行。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种集中供热系统一次侧优化控制方法及系统,该方法及系统能够实现集中供热系统长期稳定运行。
为达到上述目的,本发明所述的集中供热系统一次侧优化控制方法包括以下步骤:
1)向训练后的二次侧供热网络模型中输入当前时刻的室外温度及二次侧流量,同时调节二次侧供水温度,计算训练后的二次侧供热网络模型输出的二次侧回水温度与期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;
2)向训练后的换热站设备系统模型中输入当前时刻的一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度,同时调节一次侧电调阀的开度,再计算训练后的换热站设备系统模型输出的二次侧供水温度与步骤1)得到的最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制。
步骤1)之前还包括:
根据系统参数及室外温度,计算二次侧供回水平均温度与供回水温度的差值,然后根据二次侧供回水平均温度与供回水温度的差值计算期望二次侧回水温度。
步骤1)之前还包括:
根据历史数据及实际供热区域特性,在供热区域给定室外气温为0度时,获取保持最优室内温度所需的二次侧回水温度值以及对应的基准二次侧流量,并将保持最优室内温度所需的二次侧回水温度值以及对应的基准二次侧流量分别作为基准二次侧回水温度及基准二次侧流量,再根据基准测供热网络模型、基准二次侧回水温度及基准二次侧流量计算基准二次侧供水温度;
步骤1)之前还包括:
采用LSTM模型,以一次侧电调阀开度、一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度作为输入,以二次侧供水温度作为输出,对供热区域建立换热站设备的时间序列模型,再利用换热站设备的时间序列模型对换热站设备系统模型进行训练;
步骤1)之前还包括:
采用LSTM模型,以二次侧供水温度、二次侧流量及室外温度作为输入,以二次侧回水温度作为输出,对供热区域建立关于二次侧供热网络的时间序列模型,再利用关于二次侧供热网络的时间序列模型对二次侧供热网络模型进行训练。
还包括:对期望二次侧回水温度进行校准。
对期望二次侧回水温度进行校准的具体过程为:
设定校准周期,计算实际的二次侧回水温度与当前期望二次侧回水温度的偏差,然后将该偏差增加当前期望二次侧回水温度的结果作为校准后的期望二次侧回水温度。
还包括:对最优二次侧供水温度进行校准。
对最优二次侧供水温度进行校准的具体过程为:
设定校准周期,计算实际的二次侧供水温度与当前最优二次侧供水温度的偏差值,将该偏差值加上当前最优二次侧供水温度的结果作为校准后的最优二次侧供水温度。
一种集中供热系统一次侧优化控制系统包括:
计算模块,用于向训练后的二次侧供热网络模型中输入当前时刻的室外温度及二次侧流量,同时调节二次侧供水温度,计算训练后的二次侧供热网络模型输出的二次侧回水温度与期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;
控制模块,用于向训练后的换热站设备系统模型中输入当前时刻的一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度,同时调节一次侧电调阀的开度,再计算训练后的换热站设备系统模型输出的二次侧供水温度与最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制。
本发明具有以下有益效果:
本发明所述的集中供热系统一次侧优化控制方法及系统在具体操作时,利用训练后的二次侧供热网络模型计算最优二次侧供水温度,利用训练后的换热站设备系统模型计算二次侧供水温度,再根据最优二次侧供水温度及二次侧供水温度调节一次侧电动调节阀的开度,以建立一次侧电动调节阀与二次侧供水温度之间的关系,避免因安装一次侧流量计所带来的资金成本、时间成本和维护成本问题,同时采用训练后的二次侧供热网络模型及换热站设备系统模型,有效克服供热网络大时延特性带来的长反馈周期问题,同时避免模型时效性不足及模型过拟合的问题,保证实现集中供热系统长期稳定运行。
附图说明
图1为集中供热网络结构图;
图2为本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
参考图1及图2,本发明所述的集中供热系统一次侧优化控制方法包括以下步骤:
1)训练二次侧供热网络模型
具体的,采用LSTM模型,以二次侧供水温度、二次侧流量及室外温度作为输入,以二次侧回水温度作为输出,对供热区域建立二次侧供热网络的时间序列模型,然后利用二次侧供热网络的时间序列模型对二次侧供热网络模型进行训练;
2)训练换热站设备系统模型
具体的,采用LSTM模型,以一次侧电调阀开度、一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度作为输入,以二次侧供水温度作为输出,对供热区域建立关于换热站设备的时间序列模型,再利用关于换热站设备的时间序列模型对换热站设备系统模型进行训练;
3)计算基准二次侧供水温度;
根据历史经验和实际供热区域特性,在供热区域给定室外气温为0度时,保持最优室内温度所需的二次侧回水温度值以及对应的基准二次侧流量,并将保持最优室内温度所需的二次侧回水温度值以及对应的基准二次侧流量分别作为基准二次侧回水温度及基准二次侧流量,再根据基准测供热网络模型、基准二次侧回水温度及基准二次侧流量计算基准二次侧供水温度;
4)计算最优二次侧供水温度
具体为:41)计算期望的二次侧回水温度;
具体的,根据系统参数及室外温度,计算二次侧供回水平均温度与供回水温度差,然后根据二次侧供回水平均温度与供回水温度差计算期望二次侧回水温度;
42)计算最优二次侧供水温度,具体为:
向二次侧供热网络模型中输入当前时刻的室外温度及二次侧流量,同时调节二次侧供水温度,计算二次侧供热网络的时间序列模型输出的二次侧回水温度与步骤41)计算得到的期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;
43)期望二次侧回水温度的校准
设定校准周期,计算实际的二次侧回水温度与步骤41)计算得到的期望二次侧回水温度的偏差,然后该偏差增加步骤41)计算得到的期望二次侧回水温度的结果作为校准后的期望二次侧回水温度。
5)计算最优一次侧电动调节阀开度;
51)向换热站设备系统模型中输入当前时刻的一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度,同时调节一次侧电调阀的开度,再计算换热站设备系统模型输出的二次侧供水温度与步骤4)得到的最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制。
52)设定校准周期,计算实际的二次侧供水温度与最优二次侧供水温度的偏差,将偏差值加上最优二次侧供水温度,得到校准后的最优二次侧供水温度。
本发明所述的集中供热系统一次侧优化控制系统包括:
计算模块,用于向训练后的二次侧供热网络模型中输入当前时刻的室外温度及二次侧流量,同时调节二次侧供水温度,计算训练后的二次侧供热网络模型输出的二次侧回水温度与期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;
控制模块,用于向训练后的换热站设备系统模型中输入当前时刻的一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度,同时调节一次侧电调阀的开度,再计算训练后的换热站设备系统模型输出的二次侧供水温度与最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制。
实施例一
本实施例的具体过程为:
1)二次侧供热网络模型
11)采集数据
每个采样周期收集热力站中的每个测量仪表的测量值,包括二次侧流量、二次侧供水温度、二次侧回水温度及室外温度,分别使用f2,t2_input、t2_output及t_outside表示,采样周期可以取任意值,例如5分钟。为保证模式实时性,可仅取最近一段时间的数据,该时间长短应根据实际供热网络情况设置。例如,可以仅取最近1周的数据。
12)清洗数据
将热力站的测量值中超出上下限的值认为异常值,置为空置(null)。其中,每个测量值的合理上下限范围为f2:[1,1000],t2_input:[25,100],t2_output:[10,100],t_outside:[-30,30]。括号中的第一值对应测量值的默认表示下限,第二个值表示对应测量值的默认上限,每个测量值的上下限应根据实际供热网络设置。
采用重采样方法将每个测量值的对应时间统一为采样周期的倍数,例如,当采样周期为5分钟,则每个测量值对应的时间为[2020-11-05:00:00:00,2020-11-05:00:10:00,2020-11-05:00:15:00,2020-11-05:00:20:00,……],可采用python语言中Pandas库的resample函数实现该功能。
采用内插的方法补全测量值序列中的空值,可采用python语言中Pandas库的interpolate函数实现该功能。
13)训练模型
将[t2_input,f2,t_outside]组合为模型输入时间序列,将[t2_output]作为模型输出时间序列。输入时间序列和输出时间序列的前70%数据作为训练数据,输入时间序列和输出时间序列的后30%数据作为测试数据,采用LSTM模型对数据进行训练,得到二次侧供热网络模型,并将该二次侧供热网络模型保存为文件格式。该功能可使用python语言中的keras库实现,LSTM模型中的时延参数t_step设置为120(分钟)/采样周期,在采样周期为5分钟的情况下,t_step为24,采样周期大于120分钟时,t_step为1。
14)更新模型
为保证模型的实时性,需要定期更新二次侧供热网络模型,更新周期根据实际供热网络情况确定,例如,可以设置每天更新,并假设仅取最近一周数据,即可以在每日0点重新取最近1周数据,重新进行数据清洗和模型训练,使用得到的二次侧供热网络模型代替之前训练得到的二次侧供热网络模型。
2)训练换热站设备系统模型
21)采集数据
每个采样周期收集热力站中如表1所示的每个测量仪表的测量值,包括一次侧电调阀开度、一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量、二次侧供水温度及二次侧回水温度,分别使用v,t1_input,p1_input,p1_output,f2,t2_input表示,采样周期可以取任意值,例如5分钟。为保证模式实时性,可仅取最近一段时间的数据,该时间长短应根据实际供热网络情况设置。例如,可以仅取最近1周的数据。
21)清洗数据
将热力站的测量值中超出上下限的值认为异常值,置为空置(null)。其中,每个测量值的合理上下限范围为v:[0,100],t1_input:[35,120],p1_input:[0,10],p1_output:[0,10],f2:[1,1000],t2_input:[25,100],t2_output:[10,100]。括号中的第一值对应测量值的默认表示下限,第二个值表示对应测量值的默认上限,每个测量值的上下限应根据实际供热网络设置。
采用重采样方法将每个测量值的对应时间统一为采样周期的倍数,例如,若采样周期为5分钟,则每个测量值对应的时间为:
[2020-11-05:00:00:00,2020-11-05:00:10:00,2020-11-05:00:15:00,2020-11-05:00:20:00,……],可采用python语言中Pandas库的resample函数实现该功能。
采用内插的方法补全测量值序列中的空值,其中,采用python语言中Pandas库的interpolate函数实现该功能。
23)训练模型
将[v,t1_input,p1_input,p1_output,f2]组合为模型输入时间序列,将[t2_input]作为模型输出时间序列。输入时间序列和输出时间序列的前70%数据作为训练数据,输入时间序列和输出时间序列的后30%数据作为测试数据,采用LSTM模型对数据进行训练,得二次侧供热网络模型,并将该模型保存为文件格式。该功能可使用python语言中的keras库实现。LSTM模型中的时延参数t_step设置为20(分钟)/采样周期,在采样周期为5分钟的情况下,t_step为4,采样周期大于20分钟时,t_step为1。
24)更新模型
为保证模型的实时性,需要定期更新二次侧供热网络模型,更新周期根据实际供热网络情况确定,例如,可以设置每天更新,并假设仅取最近一周数据,即可以在每日0点重新取最近1周数据,重新进行数据清洗和模型训练,用得到的二次侧供热网络模型代替之前训练得到的二次侧供热网络模型。
3)初始化系统参数
31)设置基准室外温度
基准室外温度取0,记作t_outside_base。
32)设置基准室内温度
取室外温度为-1度到1度之间时,所有f2数值的中位数,作为基准二次侧流量,记作f2_base,假设,供热区域最优室内平均温度为26度,即基准室内温度,记作t_inside_base。
33)设置基准二次侧回水温度
室外气温为t_outside_base时,设保持供热区域最优室内温度所需的二次侧回水温度设定为t2_output_base,即为基准二次侧回水温度。对于供热区域主要为地热采暖方式大的热力站,t2_output_base初始值设置为35度。对于供热区域主要为散热器采暖方式的热力站,t2_output_base初始值设置为37度,其中,t2_output_base根据实际运营过程中的投诉率进行调整,投诉率高时提高t2_output_base,投诉率低时降低t2_output_base。
34)计算基准二次侧供水温度
取最小值为30,最大值为70,间隔为0.5,生成候选的二次侧供水温度集合T2_INPUT_BASE_CANDIDATE,其值为{30,30.5,31,31.5……,69.5,70}。取T2_INPUT_BASE_CANDIDATE中的每个值t2_input_base_candidate[i],i={0,1,2……,140},与f2_base,t_outside_base以及t2_output_base组合成向量,并适配二次侧供热网络模型的输入格式,将该输入数据输入二次侧供热网络模型中,得每个t2_input_base_candidate[i]对应的二次侧回水温度t2_output_base_candidate[i]。计算t2_output_base_candidate[i]与t2_output_base差值的绝对值,从而获得差值最小的数据索引I,t2_input_base_candidate[I]即为基准二次侧供水温度,记作t2_input_base。
4)计算最优二次侧供水温度
41)计算期望的二次侧回水温度
当前时刻室外温度测量值记作t_outside[n];二次侧供回水平均温度t2_mean[n]=(t_inside_base-t_outside[n])/(t_inside_base–t_outside_base)*(t2_input_base/2+t2_output_base/2–t_inside_base)+t_inside_base;
二次侧供回水平均温度t2_delta[n]=(t_inside_base-t_outside[n])/(t_inside_base–t_outside_base)*(t2_input_base-t2_output_base);
期望的二次侧回水温度t2_output_expect[n]=t2_mean[n]-t2_delta[n]/2;
42)根据模型计算最优二次侧供水温度
取最小值为30,最大值为70,间隔为0.5,生成候选的二次侧供水温度集合T2_INPUT_CANDIDATE1,其值为{30,30.5,31,31.5……,69.5,70}。取T2_INPUT_CANDIDATE中的每个值t2_input_candidate[j],j={0,1,2……,140},与当前时刻(时刻n)测量值t_outside[n]以及步骤41)所得结果(t2_output_expect[n]+t2_output_delta)组合成向量,并适配二次侧供热网络模型的输入格式,其中,t2_output_delta为步骤43)的输出,初始化为0,将该输入数据输入二次侧供热网络模型中,即得到每个t2_input_candidate1[j]对应的二次侧回水温度t2_output_candidate[j],计算t2_output_candidate[j]与t2_output_expect[n]差值的绝对值,从而获得差值最小的数据索引J,t2_input_candidate1[J]即为最优二次侧供水温度,记作t2_input_expected[n]。
43)模型输出校准
设校准周期为2小时,每隔2小时计算一次实际测量得到的二次侧回水温度t2_output与步骤41)中期望二次侧回水温度t2_output_expect[n]的偏差t2_output_delta=t2_output-t2_output_expect[n]
5)计算最优一次侧电动调节阀开度
51)根据模型计算一次侧电动调节阀开度
取最小值为4,最大值为99,间隔为1,生成候选的一次侧电动调节阀开度集合V_CANDIDATE,其值为{4,5,6……,100}。取V_CANDIDATE中的每个值v_candidate[k],k={0,1,2……,96},与当前时刻(时刻n)测量值t1_input[n],p1_input[n],p1_output[n],f2[n]以及步骤4)的结果(t2_input_expected[n]+t2_input_delta)组合成向量,并适配一次侧热力站设备模型的输入格式,其中t2_input_delta为步骤52)的输出结果,初始化为0。将该输入数据输入二次侧供热网络模型中,即得到每个v_candidate[k]对应的二次侧供水温度t2_input_candidate2[k]。计算t2_input_candidate2[k]与t2_input_expect[n]差值的绝对值,从而获得差值最小的数据索引K,v_candidate2[K]即为最优一次侧电动调节阀开度,记作v_expect[n]。
52)模型输出校准
假设校准周期为15分钟,每隔15分钟计算一次实际测量得到的二次侧供水温度t2_input与0中期望二次侧供水温度t2_input_expect[n]的偏差t2_input_delta=t2_input-t2_input_expect[n]。

Claims (10)

1.一种集中供热系统一次侧优化控制方法,其特征在于,包括以下步骤:
1)向训练后的二次侧供热网络模型中输入当前时刻的室外温度及二次侧流量,同时调节二次侧供水温度,计算训练后的二次侧供热网络模型输出的二次侧回水温度与期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;
2)向训练后的换热站设备系统模型中输入当前时刻的一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度,同时调节一次侧电调阀的开度,再计算训练后的换热站设备系统模型输出的二次侧供水温度与步骤1)得到的最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制。
2.根据权利要求1所述的集中供热系统一次侧优化控制方法,其特征在于,步骤1)之前还包括:
根据系统参数及室外温度,计算二次侧供回水平均温度与供回水温度的差值,然后根据二次侧供回水平均温度与供回水温度的差值计算期望二次侧回水温度。
3.根据权利要求1所述的集中供热系统一次侧优化控制方法,其特征在于,步骤1)之前还包括:
根据历史数据及实际供热区域特性,在供热区域给定室外气温为0度时,获取保持最优室内温度所需的二次侧回水温度值以及对应的基准二次侧流量,并将保持最优室内温度所需的二次侧回水温度值以及对应的基准二次侧流量分别作为基准二次侧回水温度及基准二次侧流量,再根据基准测供热网络模型、基准二次侧回水温度及基准二次侧流量计算基准二次侧供水温度。
4.根据权利要求1所述的集中供热系统一次侧优化控制方法,其特征在于,步骤1)之前还包括:
采用LSTM模型,以一次侧电调阀开度、一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度作为输入,以二次侧供水温度作为输出,对供热区域建立换热站设备的时间序列模型,再利用换热站设备的时间序列模型对换热站设备系统模型进行训练。
5.根据权利要求1所述的集中供热系统一次侧优化控制方法,其特征在于,步骤1)之前还包括:
采用LSTM模型,以二次侧供水温度、二次侧流量及室外温度作为输入,以二次侧回水温度作为输出,对供热区域建立关于二次侧供热网络的时间序列模型,再利用关于二次侧供热网络的时间序列模型对二次侧供热网络模型进行训练。
6.根据权利要求1所述的集中供热系统一次侧优化控制方法,其特征在于,还包括:对期望二次侧回水温度进行校准。
7.根据权利要求6所述的集中供热系统一次侧优化控制方法,其特征在于,对期望二次侧回水温度进行校准的具体过程为:
设定校准周期,计算实际的二次侧回水温度与当前期望二次侧回水温度的偏差,然后将该偏差增加当前期望二次侧回水温度的结果作为校准后的期望二次侧回水温度。
8.根据权利要求1所述的集中供热系统一次侧优化控制方法,其特征在于,还包括:对最优二次侧供水温度进行校准。
9.根据权利要求8所述的集中供热系统一次侧优化控制方法,其特征在于,对最优二次侧供水温度进行校准的具体过程为:
设定校准周期,计算实际的二次侧供水温度与当前最优二次侧供水温度的偏差值,将该偏差值加上当前最优二次侧供水温度的结果作为校准后的最优二次侧供水温度。
10.一种集中供热系统一次侧优化控制系统,其特征在于,包括:
计算模块,用于向训练后的二次侧供热网络模型中输入当前时刻的室外温度及二次侧流量,同时调节二次侧供水温度,计算训练后的二次侧供热网络模型输出的二次侧回水温度与期望二次侧回水温度之间的偏差,然后将所述偏差最小时对应的二次侧供水温度作为最优二次侧供水温度;
控制模块,用于向训练后的换热站设备系统模型中输入当前时刻的一次侧供水温度、一次侧供水压力、一次侧回水压力、二次侧流量及二次侧回水温度,同时调节一次侧电调阀的开度,再计算训练后的换热站设备系统模型输出的二次侧供水温度与最优二次侧供水温度的偏差,将该偏差最小时对应的一次侧电动阀的开度最为最优一次侧电动调节阀开度,然后根据最优一次侧电动调节阀开度调节一次侧电动调节阀的开度,完成集中供热系统一次侧优化控制。
CN202110322342.5A 2021-03-25 2021-03-25 一种集中供热系统一次侧优化控制方法及系统 Active CN113048550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110322342.5A CN113048550B (zh) 2021-03-25 2021-03-25 一种集中供热系统一次侧优化控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110322342.5A CN113048550B (zh) 2021-03-25 2021-03-25 一种集中供热系统一次侧优化控制方法及系统

Publications (2)

Publication Number Publication Date
CN113048550A true CN113048550A (zh) 2021-06-29
CN113048550B CN113048550B (zh) 2022-11-08

Family

ID=76515496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110322342.5A Active CN113048550B (zh) 2021-03-25 2021-03-25 一种集中供热系统一次侧优化控制方法及系统

Country Status (1)

Country Link
CN (1) CN113048550B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113685890A (zh) * 2021-07-06 2021-11-23 华能国际电力股份有限公司大连电厂 一种供热管网流量调节方法
CN113983543A (zh) * 2021-10-11 2022-01-28 河北工大科雅能源科技股份有限公司 用于热力站循环泵控制的方法、装置、终端及存储介质
CN114754396A (zh) * 2022-04-12 2022-07-15 西安热工研究院有限公司 一种经智能算法优化的热电厂集中供热系统和方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011242057A (ja) * 2010-05-18 2011-12-01 Tokyo Gas Co Ltd 送水制御システム及びその制御方法
CN102519083A (zh) * 2011-12-19 2012-06-27 威海米特智能仪表有限公司 一种集中供暖控制系统及方法
CN103453580A (zh) * 2013-08-22 2013-12-18 鞍山市海汇自动化有限公司 换热站综合智能控制方法
CN107860252A (zh) * 2017-09-28 2018-03-30 上海柯垓冷却技术有限公司 换热系统及换热控制方法
CN111473407A (zh) * 2020-04-10 2020-07-31 浙江大学 一种基于模型的集中供热系统按需精准调控方法
CN212777617U (zh) * 2020-08-24 2021-03-23 西安热工研究院有限公司 一种能降低供热主管网流量波动的换热站系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011242057A (ja) * 2010-05-18 2011-12-01 Tokyo Gas Co Ltd 送水制御システム及びその制御方法
CN102519083A (zh) * 2011-12-19 2012-06-27 威海米特智能仪表有限公司 一种集中供暖控制系统及方法
CN103453580A (zh) * 2013-08-22 2013-12-18 鞍山市海汇自动化有限公司 换热站综合智能控制方法
CN107860252A (zh) * 2017-09-28 2018-03-30 上海柯垓冷却技术有限公司 换热系统及换热控制方法
CN111473407A (zh) * 2020-04-10 2020-07-31 浙江大学 一种基于模型的集中供热系统按需精准调控方法
CN212777617U (zh) * 2020-08-24 2021-03-23 西安热工研究院有限公司 一种能降低供热主管网流量波动的换热站系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李琦等: "基于机器学习的热源总供热量优化控制", 《系统仿真学报》 *
董晨等: "基于神经网络的换热站二次回水温度预测方法", 《计算机应用与软件》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113685890A (zh) * 2021-07-06 2021-11-23 华能国际电力股份有限公司大连电厂 一种供热管网流量调节方法
CN113685890B (zh) * 2021-07-06 2023-07-25 华能国际电力股份有限公司大连电厂 一种供热管网流量调节方法
CN113983543A (zh) * 2021-10-11 2022-01-28 河北工大科雅能源科技股份有限公司 用于热力站循环泵控制的方法、装置、终端及存储介质
CN114754396A (zh) * 2022-04-12 2022-07-15 西安热工研究院有限公司 一种经智能算法优化的热电厂集中供热系统和方法
CN114754396B (zh) * 2022-04-12 2023-08-18 西安热工研究院有限公司 一种经智能算法优化的热电厂集中供热系统和方法

Also Published As

Publication number Publication date
CN113048550B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN113048550B (zh) 一种集中供热系统一次侧优化控制方法及系统
CN109708258B (zh) 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法
CN112128841B (zh) 一种基于负荷预测和室温反馈修正的全网平衡调节方法
CN108681244B (zh) 基于多模型前馈的燃料电池阳极压力动态矩阵控制方法
CN104515271B (zh) 中央空调冷冻站系统的节能优化控制系统及其控制方法
CN102721104A (zh) 集中供热系统供水温度气候补偿算法和控制方法
CN103576553B (zh) 一种燃煤锅炉蒸汽温度的分数阶自整定控制方法
CN110909904A (zh) 基于无线互联与数据挖掘技术的终端用户负荷预测系统
CN114484556B (zh) 一种基于目标能耗管控的供水温度调控方法
CN112377984B (zh) 基于历史数据和气象参数的二次网供水温度设定方法
CN113418228A (zh) 基于供需匹配的空气源热泵变回差水温控制方法及系统
CN114576698A (zh) 基于多目标监控主动抗扰源网末端协同自趋优供热调控方法
CN111981547B (zh) 一种集中供热换热站室内温度直接调控装置与调控方法
CN116149401B (zh) 一种压缩空气储能电站换热器出口温度控制系统及方法
JPH10224990A (ja) 電力需要量予測値補正方法
CN111156586B (zh) 一种基于户内温度的供热系统调控方法
CN115344070B (zh) 一种基于温度设定值和主电源开关联合控制的空调用能优化方法
CN114608065B (zh) 一种新型热力入口阀位调控方法
CN114100833B (zh) 一种变工况调节磨煤机风量的控制系统、计算机及可读存储介质
CN112539450B (zh) 一种基于温度和时间偏移控制的多策略智能供热方法
CN112696728B (zh) 一种平衡用电负荷减少电力增容控制系统
CN113819505A (zh) 一种解决供热管网水力失调的控制系统及其控制方法
CN111156587B (zh) 换热站控制系统及室温特性曲线模型ai算法
CN115480478A (zh) 一种基于dmc-pid的恒速变温过程控制方法
CN113503581A (zh) 一种用于供热系统的智能控制方法

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