CN113091123A - 一种基于数字孪生模型的楼宇机组供热系统调控方法 - Google Patents

Abstract

本发明公开了一种基于数字孪生模型的楼宇换热机组系统调控方法。楼宇换热机组系统调控方法先针对单元楼栋进行室温、用户阀门和楼宇机组改造，楼宇换热机组应包含动态压差平衡阀；再建立与真实管网结构一致的数字孪生模型，并利用历史运行数据对数字孪生模型进行辨识修正；之后基于历史运行数据和未来的天气数据，建立楼宇负荷预测数据模型，通过楼宇负荷预测数据模型获得各楼宇机组和热用户的预测负荷和流量；同时结合室温对楼宇负荷预测数据模型进行修正；然后再基于所述热网机理模型和预测数据，给出调控策略；最后执行调控策略。实现了按需供热，降低能源产供消成本和排放，更大限度保证用户的用能质量，进一步提高了调控水平和用能水平。

Description

一种基于数字孪生模型的楼宇机组供热系统调控方法

技术领域

本发明涉及供热调控领域，具体涉及基于数字孪生模型的楼宇机组供热系统调控方法。

背景技术

使用楼宇换热机组的集中供热模式是通过在热源厂内产生高温热水并驱动热水送入到各个楼宇换热机组，此时可以把从热源到换热站的部分当作一次侧管网，把楼宇换热机组到各个热用户部分当成二次侧管网，在楼宇换热机组中，一次侧与二次侧进行换热，将热量从一次侧换热到二次侧，二次侧再向二次侧管网内的各个热用户进行供热。

目前楼宇换热机组无法准确预测各个热用户的具体负荷需求，但为了避免由于水力不平衡导致某些热用户过冷的问题，往往采用过量供热的措施，造成了能源浪费、利用效率低的问题，且调控措施存在时滞性大，调节不及时等问题。

发明内容

本发明的目的是提供一种基于数字孪生模型的楼宇机组供热系统调控方法，可以解决上述技术问题中的一个或是多个。

为了达到上述目的，本发明提出的技术方案如下：

一种基于数字孪生模型的楼宇机组供热系统调控方法，包括

步骤S1：建立与真实管网结构一致的数字孪生模型；

步骤S2：以楼宇热负荷需求指标为目标，基于历史运行数据和未来的天气数据，建立楼宇负荷预测数据模型；通过楼宇负荷预测数据模型获得各楼宇机组的预测热负荷和流量，以及获得热用户的预测热负荷和流量。并同时结合室温对楼宇负荷预测数据模型进行修正；

步骤S3：基于S2的负荷预测数据模型的预测数据对S1步骤中的数字孪生模型制定调控策略；

步骤S4：对真实管网执行调控策略。

进一步的：步骤S1中的所述真实管网是对现有管网的改造，包括在热用户室内安装室温采集设备、在热用户供热管道入口安装阀门以及在每个单元楼前安装楼宇换热机组，其中所述楼宇换热机组安装有动态压差平衡阀。

进一步的：所述步骤S1中数字孪生模型建立过程如下：利用流体力学和传热学的机理方法，建立数字化平台，该平台中的管网结构均与实际改造后的管网一致，是真实管网的映射模型即数字孪生模型。

流体力学的机理方法包括通过管路直径、阀门位置、蒸汽或是热水的流速等而建立的关系；传热学的机理方法包括通过蒸汽或热水在一定流量下、在管路各位置的变化(增加或减少)。需要根据实际的管网情况进行建立，在此不做展开。

进一步的：利用历史运行数据对数字孪生模型进行辨识修正；所述修正过程如下：

根据得到的各楼宇的热负荷Q和楼宇温度数据T：

B_j＝[Q,T],j＝1,2,……n，n为楼宇数量；

得到各个楼宇换热站的阀门开度α，供水温度t₁、回水温度t₂、供水流量q：

H_j＝[α，t₁，t₂，q],j＝1,2,……n，n为楼宇换热器的数量；

利用B_j和H_j模型对数字孪生模型进行阻力辨识和修正。

进一步的：所述步骤S2中利用机器学习训练楼宇负荷预测数据模型，在楼宇负荷预测数据模型中输入给定天气与目标室温，计算出能够满足各楼宇热负荷需求的楼宇换热器的阀门开度及供回水温度和流量数据；对楼宇负荷预测数据模型进行训练的具体方法为：

步骤S21：

实时获取各楼宇所在地理位置的未来天气因素向量：

W_j＝[t，d，r，v],j＝1,2,……n，n为楼宇数量；t为气温,d为湿度,r为光照,v为风速；

步骤S22:

根据该地区供暖标准中的室温要求设定各楼宇目标温度T_j，与天气因素向量一起作为训练模式所需的输入向量

步骤S23：

针对各楼宇利用历史数据训练得到各楼宇的非线性回归算法模型：

n为楼宇数量；并利用该模型对各楼宇的热负荷进行预测。

进一步的：对于步骤S3中的调控约束关系如下：

其中，y(t+k)是数字孪生模型的目前状态；yd(t+k)是数字孪生模型的期望状态；

在未来N个时间步都要尽量接近，即在阀门控制动作中，要求能量损失更小的情况下来

满足所需负荷的阀门开度，因此，上式中需要满足下列关系：

s.t.y(t+1)＝f(u(t)) (1)

约束(1)表示被控对象的动态特性即阀门开度，约束(2)表示控制量u(t)；约束(3)

表示状态量y(t)，约束(2)和约束(3)受到一个上下限的约束。

本发明的技术效果是：

本发明中根据当前站内一次侧供温、二次侧回温、二次侧流量以及要达到的二次侧供温，通过训练得到楼宇换热器的模型，从而计算出二次测供水温度阀门的开度，并将此参数提供给控制系统执行控制操作。通过对各楼宇单元的负荷进行预测，同时以用户侧室温作为响应条件实现按需供热，降低能源产供消成本和排放，更大限度保证用户的用能质量，进一步提高了调控水平和用能水平。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

在附图中：

图1是本发明的控制过程示意图。

图2是本发明的供热模式系统与传统供热模型的结构对比示意图。

图3是本发明系统的控制结构示意图。

图4是模型预测控制流程示意图

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的不当限定。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示；在本发明中建立与真实管网结构一致的数字孪生模型，预测供暖期内楼宇的热负荷需求，根据预测的热负荷在数字孪生模型中进行模拟，给出调控策略，最后执行调控策略，达到按需精准供热的目的，提高能源的利用率。

首先是对现有管网的改造，具体包括但不限于在热用户室内安装室温采集设备、在热用户供热管道入口安装阀门以及在每个单元楼前安装楼宇换热机组，其中该楼宇换热机组应安装有动态压差平衡阀。如图2所示，在图2上虚线框住的上部分是现有技术中的管网供热系统，图2下部分每一个楼宇对应一个换热器是本发明管网改造的部分示意图。

第二，对改造之后的管网，利用流体力学和传热学的机理方法、根据实际建设过程中的管网走线图，建立数字孪生模型，该模型是真实管网结构的映射模型，运用历史的运行数据，即给定水泵的功率和楼宇换热机组的阀门开度α流量q等信息，用该信息来对数字孪生模型进行辨识修正，其本质是进行阻力系数的辨识与修正；数字孪生模型建立好之后，待用；

第三，根据数字孪生模型上的各楼宇换热器供热参数(目标室温T、供水流量q、供水温度t₁)以及与之相对应地楼宇附近气象站的天气参数(气温t、湿度d、光照r和风速v)等历史数据建立各楼宇热负荷需求指标和相应的预测模型。其中，天气参数可用一个矢量W来表示，即：W＝[t,d,r,v]。运用机器学习的方法，建立楼宇负荷预测数据模型。

楼宇热负荷需求指标模型

在该模型中输入为天气数据和历史的供回水温度及流量，输出为楼宇换热机组的热负荷。据此建立起楼宇所需热负荷与天气和供回水温度及流量的关系。

楼宇热负荷需求预测模型

n为楼宇数量；在该模型中，输入为阀门开度，输出为供回水的温度；建立楼宇换热机组的阀门开度与热源供给楼宇换热机组热水的关系。

第四，在本步骤中按照数字孪生模型上的楼宇热负荷需求指标

为目标，使用楼宇热负荷需求预测模型，对阀门开度进行改变，给出此时按照负荷需要进行的预测控制。

对楼宇热负荷需求预测模型的控制满足下面的关系式：

其中式张工所满足的约束条件如下：

s.t.y(t+1)＝f(u(t)) (1)

目标函数表示系统的状态y(t+k)和期望的状态yd(t+k)在未来N个时间步都要尽量接近，即在阀门控制动作中，要求能量损失更小的情况下来满足所需负荷的阀门开度。

约束(1)表示被控对象的动态特性即阀门开度，约束(2)表示控制量u(t)；约束(3)表示状态量y(t)；其中约束(2)和约束(3)受到一个上下限的约束。

第五，根据实际的预测需要对改造之后的真实管网进行阀门动作的调整。

本发明通过负荷预测来对每栋楼所需的供热负荷进行预测，然后再通过楼宇换热器模块对负荷进行按需分配，分配中运用模型预测控制进行调控，最终满足热用户的热负荷需求，减小不必要的热能损失，提高能源的利用效率。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于数字孪生模型的楼宇机组供热系统调控方法，其特征在于：包括

步骤S1：建立与真实管网结构一致的数字孪生模型；

步骤S2：以楼宇热负荷需求指标为目标，基于历史运行数据和未来的天气数据，建立楼宇负荷预测数据模型；

步骤S3：基于S2的负荷预测数据模型的预测数据对S1步骤中的数字孪生模型制定调控策略；

步骤S4：对真实管网执行调控策略。

2.根据权利要求1所述的基于数字孪生模型的楼宇机组供热系统调控方法，其特征在于：步骤S1中的所述真实管网是对现有管网的改造，包括在热用户室内安装室温采集设备、在热用户供热管道入口安装阀门以及在每个单元楼前安装楼宇换热机组，其中所述楼宇换热机组安装有动态压差平衡阀。

3.根据权利要求1所述的基于数字孪生模型的楼宇机组供热系统调控方法，其特征在于：所述步骤S1中数字孪生模型建立过程如下：利用流体力学和传热学的机理方法，建立数字化平台，该平台中的管网结构均与实际改造后的管网一致，是真实管网的映射模型即数字孪生模型。

4.根据权利要求3所述的基于数字孪生模型的楼宇机组供热系统调控方法，其特征在于：利用历史运行数据对数字孪生模型进行辨识修正；所述修正过程如下：

根据得到的各楼宇的热负荷Q和楼宇温度数据T：B_j＝[Q,T],j＝1,2,……n，n为楼宇数量，B_j代表建筑j的Q和T组成数据的集合；

从而得到其对应的各个楼宇换热站的阀门开度α，供水温度t₁、回水温度t₂、供水流量q：H_j＝[α，t₁，t₂，q],j＝1,2,……n，n为楼宇换热器的数量，该系统每个楼宇采用一个楼宇换热机组，所以楼宇换热机组和楼宇的数量是一致的，H_j代表建筑j的[α，t₁，t₂，q]组成数据的集合；

利用B_j和H_j模型对数字孪生模型进行阻力辨识和修正。

5.根据权利要求1所述的基于数字孪生模型的楼宇机组供热系统调控方法，其特征在于：所述步骤S2中利用机器学习训练楼宇负荷预测数据模型，在楼宇负荷预测数据模型中输入给定天气与目标室温，计算出能够满足各楼宇热负荷需求的楼宇换热器的阀门开度及供回水温度和流量数据；对楼宇负荷预测数据模型进行训练的具体方法为：

步骤S21：

实时获取各楼宇所在地理位置的未来天气因素向量：

W_j＝[t_a，d，r，v],j＝1,2,……n，n为楼宇数量；t_a为气温,d为湿度,r为光照,v为风速；

步骤S22:

根据该地区供暖标准中的室温要求设定各楼宇目标温度T_j，与天气因素向量一起作为训练模式所需的输入向量

步骤S23：

针对各楼宇利用历史数据训练得到各楼宇的非线性回归算法模型：

φ_j＝f([W，T]_j)＝f_j([t_a,d,r,v,T]_j),j＝1,2,……n，n为楼宇数量，其他参数意义与上相同；

并利用该模型对各楼宇的热负荷进行预测。

6.根据权利要求1所述的基于数字孪生模型的楼宇机组供热系统调控方法，其特征在于：对于步骤S3中的调控约束关系如下：

其中，u是输出与参考值的差值经过模型预测控制器之后的输出，为控制量；t是当前的时刻，t+k是t时刻之后k步之后的时刻；是预测是y(t+k)是数字孪生模型的目前状态；y_d(t+k)是数字孪生模型的期望状态；N为控制的未来时间步数，共有N步；

在未来N个时间步都要尽量接近，即在阀门控制动作中，要求能量损失更小的情况下来满足所需负荷的阀门开度，因此，上式中需要满足下列关系：

y(t+1)＝f(u(t)) (1)

约束(1)表示被控对象的动态特性即阀门开度，约束(2)表示控制量u(t)；约束(3)表示状态量y(t)，约束(2)和约束(3)受到一个上下限的约束。

Images