CN113091123B - 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
一种基于数字孪生模型的楼宇机组供热系统调控方法 Download PDFInfo
- Publication number
- CN113091123B CN113091123B CN202110509070.XA CN202110509070A CN113091123B CN 113091123 B CN113091123 B CN 113091123B CN 202110509070 A CN202110509070 A CN 202110509070A CN 113091123 B CN113091123 B CN 113091123B
- Authority
- CN
- China
- Prior art keywords
- building
- model
- digital twin
- twin model
- regulation
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
- F24D19/1015—Arrangement or mounting of control or safety devices for water heating systems for central heating using a valve or valves
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)
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
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:
Bj=[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:
Hj=[α,t1,t2,q],j=1,2,……n,n为楼宇换热器的数量;
利用Bj和Hj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:
Wj=[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:
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:
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。
对楼宇热负荷需求预测模型的控制满足下面的关系式:
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 (5)
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;
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;yd(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;
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:Bj=[Q,T],j=1,2,……n,n为楼宇数量,Bj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:Hj=[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,Hj代表建筑j的[α,t1,t2,q]组成数据的集合;
利用Bj和Hj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:
Wj=[ta,d,r,v],j=1,2,……n,n为楼宇数量;ta为气温,d为湿度,r为光照,v为风速;
步骤S22:
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:
φj=f([W,T]j)=fj([ta,d,r,v,T]j),j=1,2,……n,n为楼宇数量;并利用该模型对各楼宇的热负荷进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509070.XA CN113091123B (zh) | 2021-05-11 | 2021-05-11 | 一种基于数字孪生模型的楼宇机组供热系统调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509070.XA CN113091123B (zh) | 2021-05-11 | 2021-05-11 | 一种基于数字孪生模型的楼宇机组供热系统调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113091123A CN113091123A (zh) | 2021-07-09 |
CN113091123B true CN113091123B (zh) | 2022-06-10 |
Family
ID=76665151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509070.XA Active CN113091123B (zh) | 2021-05-11 | 2021-05-11 | 一种基于数字孪生模型的楼宇机组供热系统调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113091123B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113719886B (zh) * | 2021-08-10 | 2024-01-26 | 华能山东发电有限公司烟台发电厂 | 一种户间水利平衡控制系统 |
CN113657031B (zh) * | 2021-08-12 | 2024-02-23 | 浙江英集动力科技有限公司 | 基于数字孪生的供热调度自动化实现方法、系统及平台 |
CN113623705A (zh) * | 2021-08-13 | 2021-11-09 | 程思精 | 一种以水流量比例为基准的管网平衡方法 |
CN114183796B (zh) * | 2021-11-26 | 2023-06-16 | 浙江英集动力科技有限公司 | 基于电制热与集中供热多能互补系统优化调度方法及装置 |
CN114484557B (zh) * | 2022-01-22 | 2022-10-11 | 天津大学 | 一种基于目标能耗管控的建筑群供热负荷调控方法 |
CN114674026A (zh) * | 2022-03-28 | 2022-06-28 | 内蒙古科技大学 | 一种管网供水流量优化控制方法及系统 |
CN114811713B (zh) * | 2022-04-22 | 2024-03-19 | 常州英集动力科技有限公司 | 基于混合深度学习的二级网户间均衡供热调控方法 |
CN114777192B (zh) * | 2022-04-22 | 2024-01-19 | 浙江英集动力科技有限公司 | 基于数据关联和深度学习的二级网供热自主优化调控方法 |
CN114909707B (zh) * | 2022-04-24 | 2023-10-10 | 浙江英集动力科技有限公司 | 一种基于智能平衡装置和强化学习的供热二级网调控方法 |
CN114909706B (zh) * | 2022-04-24 | 2024-05-07 | 常州英集动力科技有限公司 | 一种基于强化学习算法和压差控制的二级网平衡调控方法 |
CN115013858B (zh) * | 2022-05-27 | 2023-09-22 | 浙江英集动力科技有限公司 | 一种基于滞后时间辨识的供热二级网分户调控方法 |
CN115013860B (zh) * | 2022-05-27 | 2023-11-03 | 浙江英集动力科技有限公司 | 一种基于楼宇画像的喷射泵供热系统自主优化调控方法 |
CN115013859B (zh) * | 2022-05-27 | 2023-11-24 | 浙江英集动力科技有限公司 | 一种基于用户画像的供热二级网分户调控方法 |
CN115013863B (zh) * | 2022-06-01 | 2023-11-17 | 浙江英集动力科技有限公司 | 基于数字孪生模型的喷射泵供热系统自主优化调控方法 |
CN115013862B (zh) * | 2022-06-01 | 2023-05-16 | 浙江英集动力科技有限公司 | 基于喷射泵和辅助循环泵的供热系统自主优化运行方法 |
CN115423951B (zh) * | 2022-11-07 | 2023-09-26 | 南京朝鹿鸣科技有限公司 | 基于数字孪生的给排水可视化方法 |
CN115978630A (zh) * | 2022-11-30 | 2023-04-18 | 山东核电有限公司 | 一种供热节能系统及方法 |
CN115842347B (zh) * | 2023-02-24 | 2023-05-05 | 深圳市三和电力科技有限公司 | 一种基于数字孪生的微网负荷动态平衡方法、系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202006003226U1 (de) * | 2006-03-01 | 2006-05-24 | Dünnleder, Werner, Dipl.-Ing. | Anlage zum Erwärmen von Trinkwasser und zum Abtöten von Legionellen und sonstigen Keimen |
CN109681957A (zh) * | 2018-08-30 | 2019-04-26 | 中节能唯绿(北京)科技股份有限公司 | 一种换热站热负荷预测方法 |
CN110161856A (zh) * | 2019-05-24 | 2019-08-23 | 华南理工大学 | 一种商业楼宇空调负荷集中调度方法 |
CN111578371A (zh) * | 2020-05-22 | 2020-08-25 | 浙江大学 | 一种数据驱动的城市集中供热系统精准调控方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048347B (zh) * | 2014-07-01 | 2017-09-19 | 赵爱国 | 智慧热网集成系统及其控制方法 |
CN111396982B (zh) * | 2020-02-26 | 2021-04-13 | 华电电力科学研究院有限公司 | 一种热力耦合水力的热网平衡调节方法及供热系统 |
CN212408807U (zh) * | 2020-05-13 | 2021-01-26 | 北京首创热力股份有限公司 | 一种供热管网系统 |
-
2021
- 2021-05-11 CN CN202110509070.XA patent/CN113091123B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202006003226U1 (de) * | 2006-03-01 | 2006-05-24 | Dünnleder, Werner, Dipl.-Ing. | Anlage zum Erwärmen von Trinkwasser und zum Abtöten von Legionellen und sonstigen Keimen |
CN109681957A (zh) * | 2018-08-30 | 2019-04-26 | 中节能唯绿(北京)科技股份有限公司 | 一种换热站热负荷预测方法 |
CN110161856A (zh) * | 2019-05-24 | 2019-08-23 | 华南理工大学 | 一种商业楼宇空调负荷集中调度方法 |
CN111578371A (zh) * | 2020-05-22 | 2020-08-25 | 浙江大学 | 一种数据驱动的城市集中供热系统精准调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113091123A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113091123B (zh) | 一种基于数字孪生模型的楼宇机组供热系统调控方法 | |
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 | |
CN110410942B (zh) | 一种冷热源机房节能优化控制方法及系统 | |
CN111550861B (zh) | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 | |
CN110793094B (zh) | 一种城市集中供热系统综合灵活调度方法和系统 | |
CN111578371B (zh) | 一种数据驱动的城市集中供热系统精准调控方法 | |
CN112232980A (zh) | 一种区域能源供热系统热泵机组调控方法 | |
CN109636037B (zh) | 一种基于pso算法的多热源环状热网水力优化调度方法 | |
CN110410960B (zh) | 一种风机盘管预测控制方法 | |
CN110794775B (zh) | 多台锅炉负荷智能控制系统和方法 | |
JP5248897B2 (ja) | 運転計画決定システム | |
CN111523210B (zh) | 城市集中供热系统升降温过程预测分析方法及其系统 | |
CN105674487A (zh) | 一种中央空调系统动态水力平衡调节方法 | |
CN114909706B (zh) | 一种基于强化学习算法和压差控制的二级网平衡调控方法 | |
CN114811714A (zh) | 一种基于模型预测控制的供暖房间室温控制方法 | |
CN115423191A (zh) | 一种基于神经网络并受房间热负荷约束的室温模型预测控制方法 | |
CN108303898A (zh) | 新型太阳能-空气能耦合冷热联供系统的智能调度方法 | |
CN108895532A (zh) | 基于随机分布控制算法的区域供热节能控制方法 | |
Li et al. | Reinforcement learning-based demand response strategy for thermal energy storage air-conditioning system considering room temperature and humidity setpoints | |
CN116149401A (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 | |
Lianzhong et al. | Hybrid fuzzy logic control strategies for hot water district heating systems | |
CN113091122B (zh) | 一种补燃型楼宇换热机组的调控方法 | |
CN114517930A (zh) | 一种融合机理和数据的热网换热站供热调节方法和装置 | |
CN114358604A (zh) | 一种考虑建筑蓄热特性的城市集中供热系统分时分区调控方法 | |
Kim et al. | Artificial neural network based optimized control of condenser water temperature set-point |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 310000 rooms 208, 209-1, 209-2, building 2, 88 Longyuan Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Yingji Power Technology Co.,Ltd. Address before: 310000 rooms 208, 209-1, 209-2, building 2, 88 Longyuan Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: Hangzhou Yingji Power Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |