CN113154517B - 一种集中供热自主驾驶的生产运行调度控制系统 - Google Patents
一种集中供热自主驾驶的生产运行调度控制系统 Download PDFInfo
- Publication number
- CN113154517B CN113154517B CN202110485834.6A CN202110485834A CN113154517B CN 113154517 B CN113154517 B CN 113154517B CN 202110485834 A CN202110485834 A CN 202110485834A CN 113154517 B CN113154517 B CN 113154517B
- Authority
- CN
- China
- Prior art keywords
- decision
- heat supply
- data
- heat
- module
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 84
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012795 verification Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000008447 perception Effects 0.000 claims abstract description 11
- 210000001503 joint Anatomy 0.000 claims abstract description 10
- 238000010223 real-time analysis Methods 0.000 claims abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 71
- 238000004088 simulation Methods 0.000 claims description 64
- 238000007726 management method Methods 0.000 claims description 61
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000005338 heat storage Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000002567 autonomic effect Effects 0.000 claims description 2
- 238000013523 data management Methods 0.000 claims description 2
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 210000004556 brain Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
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
本发明公开了一种集中供热自主驾驶的生产运行调度控制系统,它包括:供热设备层,作为集中供热自主驾驶的生产运行调度控制系统的基础;供热自动化层,针对供热系统各环节,搭建相应的自动化系统,所述自动化系统用于测量和感知供热系统运行的状态参数以及气象环境条件、建筑物室温,并进行远程自动化控制;供热自主驾驶层,所述供热自主驾驶层建立与供热自动化层对接通道。本发明提供一种集中供热自主驾驶的生产运行调度控制系统,通过对接实际供热系统的运行数据,基于数字孪生技术建立数字化供热系统实时分析验证运行方案,给出优化运行决策,对接自动化系统实现自动控制,完成“状态感知、实时分析、科学决策、精准执行”的闭环控制过程。
Description
技术领域
本发明涉及一种集中供热自主驾驶的生产运行调度控制系统,属于集中供热系统控制领域。
背景技术
目前,集中供热系统是国内主流的供热方式,其主要特点有热网规模大,站点数量多,站点之间存在很强的耦合性,并且,通过热水流动实现热量的传输,系统存在很强的滞后性,实现供热系统各环节,包括热源、热力站、热用户间的协同运行,对运行调度人员来说存在着很大的困难。
近十年来,供热企业开始建立供热系统的数据采集系统与自动化系统,通过在热源侧、热力站、热用户现场安装温度、压力、流量等传感器,安装电动阀、水泵等远程调节设备,采用互联网、物联网、专用局域网络等通讯手段,将远程设备上采集到的运行数据信号传输到企业服务器,进行解析后,实现数据的远程采集,与阀门的远程控制,从而替代传统人工现场手抄数据与人工现场手动调节阀门的过程。
然而,目前大中型城市供热系统,因为供热系统控制的复杂性,仍然无法实现全自动闭环控制运行,其主要的运行控制方式为:建立供热企业调度大屏,展示远程采集的运行数据,有经验的运行人员,观察与分析屏幕数据,考虑户外的工况变化情况,结合专业知识与运行经验,为热源侧、热力站侧的调节设备,作出相应的控制决策,再通过自动化系统下发执行。决策过程由人脑完成,执行过程由自动化系统完成。通过运行人员人工观察与分析数据,达不到实时分析的要求,在做出相应的控制决策时,也不够及时准确,无法满足科学精准控制的需求。
发明内容
本发明所要解决的技术问题是,克服现有技术的不足,提供一种集中供热自主驾驶的生产运行调度控制系统,通过对接实际供热系统的运行数据,基于数字孪生技术建立数字化供热系统实时分析验证运行方案,给出优化运行决策,对接自动化系统实现自动控制,完成“状态感知、实时分析、科学决策、精准执行”的闭环控制过程。
为了解决上述技术问题,本发明的技术方案是:
一种集中供热自主驾驶的生产运行调度控制系统,它包括:
供热设备层,针对供热系统各环节,将供热系统各环节构成一个上下游衔接的供热系统,作为集中供热自主驾驶的生产运行调度控制系统的基础;
供热自动化层,针对供热系统各环节,搭建相应的自动化系统,包括集散控制系统DCS、数据采集与监视控制系统SCADA和工业物联网系统,所述自动化系统用于测量和感知供热系统运行的状态参数以及气象环境条件、建筑物室温,并进行远程自动化控制;
供热自主驾驶层,所述供热自主驾驶层建立与供热自动化层对接通道,获得供热设备层状态信息的数据,内部采用算法、模型或专家系统等手段,给出驾驶决策目标值,为供热自动化层提供预测性的调控策略。
进一步,所述供热自动化层包括:
自主决策模块,所述自主决策模块将供热需求、监控分析、仿真校验、控制执行、异常诊断、实时寻优进行有效组织,实现需求的全生命周期自动闭环;
智能分析模块,所述智能分析模块基于大数据采集的数字孪生底座,实现对投运方案的安全性、运行效果的实时分析、异常快速发现以及根因的精准定位;所述智能分析模块根据供热系统的总体态势感知、业务指标、方案评估、设备状态、异常定位这些目标,针对性的搭建智能分析的子模块,以使得供热系统在实际运行中,支持对运行情况进行实时感知与分析,并能迅速提供分析于其他模块进行调用;
仿真验证模块,在计算机系统内建立与供热系统一致的热网结构机理模型,支持对接实时状态传感器、运行历史等数据接口,实现对供热系统各状态、多尺度的仿真,建立与供热系统一一对应的映射系统;
自动化模块,所述自动化模块用于实现设备系统间的网络通讯,供热系统运行的数据采集与存储,运行调控设备的控制与执行;
数据中台模块,所述数据中台模块对接与集中供热自主驾驶的生产运行调度控制系统相关的各类数据源,包括互联网接口数据、供热企业热网基础信息数据、设备台账数据、生产运行数据、经营管理数据以及企业内各系统计算数据等,建立事务性关系数据库和相关的大数据数据库进行存储,以及两类数据库之间的数据表关联;对外制定统一化的数据接口,对内制度规范的数据调用方式,具有良好的兼容性、通用性、开放性、延展性与安全性,实现数据的存储与取用。
进一步,所述自主决策模块包括:
需求管理模块,所述需求管理模块包括工况需求管理、用户需求管理、系统需求管理与异常需求管理;
自主决策模块,由需求管理模块对需求进行整理后,所述自主决策模块运用人工智能、大数据算法、最优化算法、统计分析、专家系统,组织调用系统相关模块对总体需求进行分析,基于系统运行的安全性、经济性、环保性、稳定性、高效性等目标,给出均衡、优化、实用的决策方案;所述决策方案包括用户侧舒适性管理决策、用户侧的热需求决策、热源侧的负荷生产决策、热网侧站点调控决策等一系列决策方案。
进一步,所述工况需求管理用于支持自动获取与供热系统相关的工况参数,通过对工况需求的分析,对工况变化后的热负荷需求进行管理;
所述用户需求管理用于满足用户侧需求是供热系统的主要目标,系统应支持对用户侧需求进行实时监测,实现对用户的需求的收集与管理;
所述系统需求管理用于系统基础条件、各模块运行流程、系统软硬件资源自检,以此保障自主驾驶系统的安全稳定运行;
所述异常需求管理用于对系统出现异常需求进行管理。
进一步,所述用户侧舒适性管理决策用于给出各用户的目标室温曲线的决策;
所述用户侧的热需求决策用于实现按天气工况变化,系统实时响应需求侧变化,给出供热系统需求热负荷总量的决策;
所述热源侧的负荷生产决策用于根据需求侧热负荷,给出系统多个热源优化生产的决策,指导各热源给出优化的负荷、供水温度与流量参数;
所述热网侧站点调控决策用于实现按天气工况、需求侧目标、热源运行参数的动态变化,给出针对热网侧水力平衡调控的决策;指导给出各热力站点的调控目标,包括各站点的一级网目标供水温度、一级网目标回水温度、一级网目标供回水平均温度、一级网目标流量、二级网目标供水温度、二级网目标回水温度、二级网目标供回水平均温度、二级网目标流量;指导给出各站点的调控参数,包括热源循环泵频率、站点阀门开度、热力站水泵频率、楼栋阀门开度。
进一步,所述智能分析模块包括:
总体感知子模块,支持对供热系统总体运行情况的分析,包括系统运行安全性、经济性、环保性,以及用户舒适性等进行分析;
业务指标计算子模块,能够实时计算供热系统的各项指标,支持对各项指标进行统计、分析等;
决策方案评估子模块,对决策方案的执行效果进行评估,实时反馈方案参数,如方案执行后实际效果存在偏差,需要辅助决策模块进行决策修正;
设备状态评估子模块,针对供热系统中的关键设备的健康状况、运行性能进行分析评估;
异常定位及诊断子模块,对供热系统中的一些异常故障进行快速定位与诊断。
进一步,所述仿真验证模块包括:
模型校准子服务,搭建模型校准子服务,以工况作为输入条件,对比供热系统仿真结果与供热系统观测结果,基于数据对仿真系统进行辨识修正,减少两者之间的偏差,提升仿真系统的精确性;所述模型校准子服务自动监测偏差值,在超越阈值时,即自动启动;
离线仿真子服务,搭建离线仿真子服务,离线仿真时,所述离线仿真子服务是和周边服务或模块是解耦的,可以独立部署或与客户系统集成,基于用户导入基础热网数据、全量、增量配置,完成特定边界条件下的各供热系统方案的仿真校验;
在线仿真子服务,搭建在线仿真子服务,在决策方案生成过程中,以及自动化下发之前,通过在线仿真验证整体方案的运行结果,模拟方案执行并基于用户需求进行验证;
事后验收子服务,搭建事后验收子服务,需求转化为供热运行方案执行后,通过仿真计算的方式实现运行结果的验收;
what-if子服务,搭建what-if子服务,即所见所得的仿真应用,基于数字孪生的仿真环境,供用户完成基于仿真供热系统场景下的模拟运行,对系统自主生成的决策方案进行仿真验证。
进一步,所述自动化模块包括:
网络通讯模块,以互联网、局域网、物联网等多种形式,搭建供热系统下位传感器、控制设备、其他监测设备与调度中心服务器、上位系统、接口之间的数据传输通道,同时保障数据的安全性、完整性与稳定性;
数据采集模块,针对供热系统各环节的必要位置,安装对应的数据采集传感器,同时搭建数据采集与传输系统,支持定义数据采样特征,基于标准数据协议,完成数据的采集,上传至服务器;
数据清洗模块,数据采集完成后,基于数据清洗算法,对供热系统运行数据进行补齐、降噪处理,提升数据采集质量;
数据存储模块,按照数据特征,对不同数据进行分类,选择不同数据存储形式进行存储;
控制执行模块,基于网络通讯通道,建立下位设备与上位系统之间的控制链路,接受来自于自主决策模块或其他系统的控制指令,对供热系统各环节的设备进行控制。
进一步,所述用户侧舒适性管理决策、用户侧的热需求决策、热源侧的负荷生产决策以及热网侧站点调控决策的生成过程如下:
所述用户侧舒适性管理决策D1,系统针对不同工况条件,制定对应的室温曲线,对相同类型用户曲线进行满意度打分,并进行修正,结合大数据算法,给出不同工况条件下满意度最高的室温曲线决策,可表示为L=[l1,l2...li,...ln],n为工况参数。
则所述用户侧舒适性管理决策D1可表示为:D1={L};
所述用户侧的热需求决策D2,根据用户的历史用热数据,包括:天气工况Uh、供热负荷Qh、用户面积A、供水温度Ts、回水温度Tr、流量q,以及预测天气工况Uw,系统采用大数据算法,建立不同工况条件下用户的需求用热负荷Qu,Qu=[Qu1,Qu2,...Quj,...Qum],Qu的表达式为:
Qu=f1(Uh,Qh,A,Ts,Tr,q,L);
其中,
f1:为建立负荷预测模型的大数据算法函数;
Quj为第j个用户的需求热负荷;
m为用户数量;
给出对应的需求侧用热总负荷Qs,Qs=[Qs1,Qs2,...Qsk,...Qsn],Qsk表达为:
其中,
Qsk为第k个工况下,用户侧对应的需求总负荷;
则所述用户侧的热需求决策D2可表示为:D2={Qs};
所述热源侧的负荷生产决策D3,基于不同工况条件下的总负荷Qs、机组约束条件G为边界条件,应用模型、算法或专家系统,给出各热源的生产负荷参数,包括机组负荷Qe、供水温度Tes、机组流量qe、阀门开度Ke、水泵频率He;即生成在约束条件满足的前提下,满足目标的优化决策方案,目标GL,GL=[gl1,gl2...gli...glz],gli表示第i个目标,目标可以为成本、环保、安全性最优,决策模型可以表示为:
Min GL=f2(Qe,Tes,qe)
St.{G,Qs};
其中,
Qe=[Qe1,Qe2...Qei,...Qev],Qei为第i个机组的供热负荷;
Tes=[tes1,tes2...tesi,...tesv],tesi为第i个机组的供水温度;
qe=[qe1,qe2...qei,...qev],qei为第i个机组的供水流量;
v为热源侧机组总数量;
Oe=[oe1,oe2...oei,...oea],oei为热源侧第i个阀门的开度,a为热源侧阀门的总数量;
He=[he1,he2...hei,...heb],hei为热源侧第i个水泵的频率,b为热源侧水泵的总数量;
f2为热源侧决策模型、算法或专家系统函数;
G为约束条件,G={g1,g2,...gi...gp},p为约束条件数量,可以为各机组的最大、最小性能参数,如最小供水流量、负荷加载率、升温速率;也可以为热网侧约束条件,如最低回水温度、最小循环流量等;
z为决策目标的数量;
则所述决策方案D3可表示为:
D3={Qe,Tes,qe};
所述热网侧站点调控决策D4,基于不同工况条件下各用户的需求用热负荷Qu,热源侧运行参数Ps,应用模型、算法或专家系统,给出热网侧满足全网热力平衡、水力平衡达标时,站点的运行调控参数,包括站点阀门开度Osu、水泵频率Hsu;
则所述决策方案D4可表示为:
D4={Osu,Hsu}=f3(Osu,Hsu);
Osu=[osu1,osu2...osui,...osuc],osui为热源侧第i个阀门的开度,c为热网侧阀门的总数量;
Hsu=[hsu1,hsu2...hsui,...hsud],hsui为热源侧第i个水泵的频率,d为热网侧水泵的总数量;
f3为热网侧决策模型、算法或专家系统函数。
进一步,所述供热系统各环节包括热源、热网、热力站、热用户以及储热装置。
采用了上述技术方案,本发明通过建立一种供热系统自主驾驶运行系统,大幅降低了用户对供热系统运行经验和技能的要求,基于对供热需求管理与决策,实时感知工况、环境变化,形成动态供热系统运行决策,与自动化系统对接,实现供热系统的自主驾驶运行,大大提升供热系统行业运行的智能化水平。
附图说明
图1是本发明的一种集中供热自主驾驶的生产运行调度控制系统的主要步骤图;
图2是本发明的一种集中供热自主驾驶的生产运行调度控制系统的架构图;
图3是本发明的一种集中供热自主驾驶的生产运行调度控制系统的运转流程图。
具体实施方式
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明。
如图1~3所示,一种集中供热自主驾驶的生产运行调度控制系统,它包括:
供热设备层,针对供热系统各环节,包括热源、热网、热力站、热用户、储热装置等各种供热设备,将供热系统各环节构成一个上下游衔接的供热系统,作为集中供热自主驾驶的生产运行调度控制系统的基础;集中供热自主驾驶的生产运行调度控制系统的建设,供热设备层需要具备基础的设备传感器与调节设备等条件;
供热自动化层,针对供热系统各环节,包括热源、热网、热力站、热用户、储热装置等各种供热设备,搭建相应的自动化系统,包括集散控制系统DCS、数据采集与监视控制系统SCADA和工业物联网系统,自动化系统用于测量和感知供热系统运行的负荷、温度、压力、流量等状态参数以及气象环境条件、建筑物室温,并通过电调泵、阀等设备进行远程自动化控制;供热自动化层基于互联网、物联网和移动通讯技术,实现管网感知调控层中设备与分析优化层中应用服务器之间的双向数据传输,并通过数据中心、数据库技术实现海量运行数据的可靠存储;
供热自主驾驶层,供热自主驾驶层建立与供热自动化层对接通道,获得供热设备层状态信息的数据,内部采用算法、模型或专家系统等手段,给出驾驶决策目标值,为供热自动化层提供预测性的调控策略。对于大多数供热企业,这一层次的系统尚未建设,承担该层次职能的还是人类运行调度控制人员的大脑;采用基于模型做预测,基于预测做决策的技术路线,构建自主驾驶调度控制平台,周期性的对供热系统进行全局统筹和协调控制,解决强耦合、大延迟的调控难题。
其中,供热自动化层包括:
自主决策模块,是实现供热系统自主驾驶的大脑,自主决策模块将供热需求、监控分析、仿真校验、控制执行、异常诊断、实时寻优进行有效组织,实现需求的全生命周期自动闭环;
智能分析模块,智能分析模块基于大数据采集的数字孪生底座,实现对投运方案的安全性、运行效果的实时分析、异常快速发现以及根因的精准定位;具有主动性、实时性、扩展性、多样性等特点,智能分析模块根据供热系统的总体态势感知、业务指标、方案评估、设备状态、异常定位这些目标,针对性的搭建智能分析的子模块,以使得供热系统在实际运行中,支持对运行情况进行实时感知与分析,并能迅速提供分析于其他模块进行调用;
仿真验证模块,仿真验证模块实现供热系统自主驾驶的一个亮点功能,其核心能力是基于现实数据中台网络构筑一个数字孪生,数字化模拟用户的重大需求的执行,验证方案的预期效果和对其他业务的影响,进而保证客户网络的可靠性;在计算机系统内建立与供热系统一致的热网结构机理模型,支持对接实时状态传感器、运行历史等数据接口,实现对供热系统各状态、多尺度的仿真,建立与供热系统一一对应的映射系统;
自动化模块,是实现供热系统自主驾驶的核心,自动化模块用于实现设备系统间的网络通讯,供热系统运行的数据采集与存储,运行调控设备的控制与执行;
数据中台模块,数据中台模块对接与集中供热自主驾驶的生产运行调度控制系统相关的各类数据源,包括互联网接口数据、供热企业热网基础信息数据、设备台账数据、生产运行数据、经营管理数据以及企业内各系统计算数据等,建立事务性关系数据库和相关的大数据数据库进行存储,以及两类数据库之间的数据表关联;对外制定统一化的数据接口,对内制度规范的数据调用方式,具有良好的兼容性、通用性、开放性、延展性与安全性,实现数据的高效存储与取用。
其中,自主决策模块包括:
需求管理模块,需求管理模块包括工况需求管理、用户需求管理、系统需求管理与异常需求管理;
自主决策模块,由需求管理模块对需求进行整理后,自主决策模块运用人工智能、大数据算法、最优化算法、统计分析、专家系统,组织调用系统相关模块对总体需求进行分析,基于系统运行的安全性、经济性、环保性、稳定性、高效性等目标,给出均衡、优化、实用的决策方案;决策方案包括用户侧舒适性管理决策、用户侧的热需求决策、热源侧的负荷生产决策、热网侧站点调控决策等一系列决策方案。
其中,工况需求管理用于支持自动获取与供热系统相关的工况参数,通过对工况需求的分析,对工况变化后的热负荷需求进行管理;例如:室外天气工况变化后的热负荷需求。
用户需求管理用于满足用户侧需求是供热系统的主要目标,系统应支持对用户侧需求进行实时监测,实现对用户的需求的收集与管理;例如:不同室外工况下,用户对室温进行调整后的热负荷需求。
系统需求管理用于系统基础条件、各模块运行流程、系统软硬件资源自检,以此保障自主驾驶系统的安全稳定运行;例如:系统运行资源不足时,所发出的硬件扩展需求。
异常需求管理用于对系统出现异常需求进行管理。
其中,用户侧舒适性管理决策用于给出各用户的目标室温曲线的决策;
用户侧的热需求决策用于实现按天气工况变化,系统实时响应需求侧变化,给出供热系统需求热负荷总量的决策;
热源侧的负荷生产决策用于根据需求侧热负荷,给出系统多个热源优化生产的决策,指导各热源给出优化的负荷、供水温度与流量参数;
热网侧站点(可为楼栋、用户,以下简称“站点”)调控决策用于实现按天气工况、需求侧目标、热源运行参数的动态变化,给出针对热网侧水力平衡调控的决策;指导给出各热力站点的调控目标,包括各站点的一级网目标供水温度、一级网目标回水温度、一级网目标供回水平均温度、一级网目标流量、二级网目标供水温度、二级网目标回水温度、二级网目标供回水平均温度、二级网目标流量;指导给出各站点的调控参数,包括热源循环泵频率、站点阀门开度、热力站水泵频率、楼栋阀门开度。
其中,智能分析模块包括:
总体感知子模块,支持对供热系统总体运行情况的分析,包括系统运行安全性、经济性、环保性,以及用户舒适性等进行分析;
业务指标计算子模块,能够实时计算供热系统的各项指标,支持对各项指标进行统计、分析等;
决策方案评估子模块,对决策方案的执行效果进行评估,实时反馈方案参数,如方案执行后实际效果存在偏差,需要辅助决策模块进行决策修正;
设备状态评估子模块,针对供热系统中的关键设备的健康状况、运行性能进行分析评估;
异常定位及诊断子模块,对供热系统中的一些异常故障进行快速定位与诊断。
其中,仿真验证模块包括:
模型校准子服务,搭建模型校准子服务,以工况作为输入条件,对比供热系统仿真结果与供热系统观测结果,基于数据对仿真系统进行辨识修正,减少两者之间的偏差,提升仿真系统的精确性;模型校准子服务自动监测偏差值,在超越阈值时,即自动启动;
离线仿真子服务,搭建离线仿真子服务,离线仿真时,离线仿真子服务是和周边服务或模块是解耦的,可以独立部署或与客户系统集成,基于用户导入基础热网数据、全量、增量配置,完成特定边界条件下的各供热系统方案的仿真校验;
在线仿真子服务,搭建在线仿真子服务,在决策方案生成过程中,以及自动化下发之前,通过在线仿真验证整体方案的运行结果,模拟方案执行并基于用户需求进行验证;
事后验收子服务,搭建事后验收子服务,需求转化为供热运行方案执行后,通过仿真计算的方式实现运行结果的验收;
what-if子服务,搭建what-if子服务,即所见所得的仿真应用,基于数字孪生的仿真环境,供用户完成基于仿真供热系统场景下的模拟运行,对系统自主生成的决策方案进行仿真验证;例如热源启停、阀门调节后、水泵开启后的热网变化等。
其中,自动化模块包括:
网络通讯模块,以互联网、局域网、物联网等多种形式,搭建供热系统下位传感器、控制设备、其他监测设备与调度中心服务器、上位系统、接口之间的数据传输通道,同时保障数据的安全性、完整性与稳定性;
数据采集模块,针对供热系统各环节(热源、一级网、二级网、热力站、热用户)的必要位置,安装对应的数据采集传感器,同时搭建数据采集与传输系统,支持定义数据采样特征,基于标准数据协议,完成数据的采集,上传至服务器;
数据清洗模块,数据采集完成后,基于数据清洗算法,对供热系统运行数据进行补齐、降噪处理,提升数据采集质量;
数据存储模块,按照数据特征,对不同数据进行分类,选择不同数据存储形式进行存储;
控制执行模块,基于网络通讯通道,建立下位设备与上位系统之间的控制链路,接受来自于自主决策模块或其他系统的控制指令,对供热系统各环节(热源侧、热网侧、热力站侧)的设备进行控制。
其中,用户侧舒适性管理决策、用户侧的热需求决策、热源侧的负荷生产决策以及热网侧站点调控决策的生成过程如下:
所述用户侧舒适性管理决策D1,系统针对不同工况条件,制定对应的室温曲线,对相同类型用户曲线进行满意度打分,并进行修正,结合大数据算法,给出不同工况条件下满意度最高的室温曲线决策,可表示为L=[l1,l2...li,...ln],n为工况参数。
则所述用户侧舒适性管理决策D1可表示为:D1={L};
所述用户侧的热需求决策D2,根据用户的历史用热数据,包括:天气工况Uh、供热负荷Qh、用户面积A、供水温度Ts、回水温度Tr、流量q,以及预测天气工况Uw,系统采用大数据算法,建立不同工况条件下用户的需求用热负荷Qu,Qu=[Qu1,Qu2,...Quj,...Qum],Qu的表达式为:
Qu=f1(Uh,Qh,A,Ts,Tr,q,L);
其中,
f1:为建立负荷预测模型的大数据算法函数;
Quj为第j个用户的需求热负荷;
m为用户数量;
给出对应的需求侧用热总负荷Qs,Qs=[Qs1,Qs2,...Qsk,...Qsn],Qsk表达为:
其中,
Qsk为第k个工况下,用户侧对应的需求总负荷;
则所述用户侧的热需求决策D2可表示为:D2={Qs};
所述热源侧的负荷生产决策D3,基于不同工况条件下的总负荷Qs、机组约束条件G为边界条件,应用模型、算法或专家系统,给出各热源的生产负荷参数,包括机组负荷Qe、供水温度Tes、机组流量qe、阀门开度Ke、水泵频率He;即生成在约束条件满足的前提下,满足目标的优化决策方案,目标GL,GL=[gl1,gl2...gli...glz],gli表示第i个目标,目标可以为成本、环保、安全性最优,决策模型可以表示为:
Min GL=f2(Qe,Tes,qe)
St.{G,Qs};
其中,
Qe=[Qe1,Qe2...Qei,...Qev],Qei为第i个机组的供热负荷;
Tes=[tes1,tes2...tesi,...tesv],tesi为第i个机组的供水温度;
qe=[qe1,qe2...qei,...qev],qei为第i个机组的供水流量;
v为热源侧机组总数量;
Oe=[oe1,oe2...oei,...oea],oei为热源侧第i个阀门的开度,a为热源侧阀门的总数量;
He=[he1,he2...hei,...heb],hei为热源侧第i个水泵的频率,b为热源侧水泵的总数量;
f2为热源侧决策模型、算法或专家系统函数;
G为约束条件,G={g1,g2,...gi...gp},p为约束条件数量,可以为各机组的最大、最小性能参数,如最小供水流量、负荷加载率、升温速率;也可以为热网侧约束条件,如最低回水温度、最小循环流量等;
z为决策目标的数量;
则所述决策方案D3可表示为:
D3={Qe,Tes,qe};
所述热网侧站点调控决策D4,基于不同工况条件下各用户的需求用热负荷Qu,热源侧运行参数Ps,应用模型、算法或专家系统,给出热网侧满足全网热力平衡、水力平衡达标时,站点的运行调控参数,包括站点阀门开度Osu、水泵频率Hsu;
则所述决策方案D4可表示为:
D4={Osu,Hsu}=f3(Osu,Hsu);
Osu=[osu1,osu2...osui,...osuc],osui为热源侧第i个阀门的开度,c为热网侧阀门的总数量;
Hsu=[hsu1,hsu2...hsui,...hsud],hsui为热源侧第i个水泵的频率,d为热网侧水泵的总数量;
f3为热网侧决策模型、算法或专家系统函数。
本发明同时跟踪方案执行后的动态变化与效果,实时反馈给自主决策模块,如果方案不及预期或需求侧重新发生变化,重新评估生成新的决策方案,完成供热系统自主驾驶的过程。当供热系统自主驾驶过程中,智能分析模块实时监测供热系统的状态,如诊断出现异常情况时,则自主决策模块对异常情况进行评估,必要时切换至人工控制模式,并发生告警提醒。
本发明与自动化控制系统的主要区别在于:针对供热系统的热源侧、热网侧,传统的自动化控制系统主要用于执行确定性目标值,比如在不同工况条件下,各热力站点对应不同的目标供水温度(回水温度、供回水平均温度、流量)值T=[T1,T2,...Ti,...Tn],现有自动化控制系统中的T值是人为给定,由系统控制使站点目标供水温度(回水温度、供回水平均温度、流量)维持在Ti。
自主驾驶控制系统通过采用先进的信息技术,对接自动化系统采集数据,由自主决策模块,内部具有需求分析管理、决策模型等子模块,并且统筹调用仿真验证模块、智能分析模块,生成供热系统运行调控过程中的多样性决策。
以上的具体实施例,对本发明解决的技术问题、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种集中供热自主驾驶的生产运行调度控制系统,其特征在于,它包括:
供热设备层,针对供热系统各环节,将供热系统各环节构成一个上下游衔接的供热系统,作为集中供热自主驾驶的生产运行调度控制系统的基础;
供热自动化层,针对供热系统各环节,搭建相应的自动化系统,包括集散控制系统DCS、数据采集与监视控制系统SCADA和工业物联网系统,所述自动化系统用于测量和感知供热系统运行的状态参数以及气象环境条件、建筑物室温,并进行远程自动化控制;
供热自主驾驶层,所述供热自主驾驶层建立与供热自动化层对接通道,获得供热设备层状态信息的数据,内部采用算法、模型或专家系统手段,给出驾驶决策目标值,为供热自动化层提供预测性的调控策略;
所述供热自动化层包括:
自主决策模块,所述自主决策模块将供热需求、监控分析、仿真校验、控制执行、异常诊断、实时寻优进行有效组织,实现需求的全生命周期自动闭环;
智能分析模块,所述智能分析模块基于大数据采集的数字孪生底座,实现对投运方案的安全性、运行效果的实时分析、异常快速发现以及根因的精准定位;所述智能分析模块根据供热系统的总体态势感知、业务指标、方案评估、设备状态、异常定位这些目标,针对性的搭建智能分析的子模块,以使得供热系统在实际运行中,支持对运行情况进行实时感知与分析,并能迅速提供分析于其他模块进行调用;
仿真验证模块,在计算机系统内建立与供热系统一致的热网结构机理模型,支持对接实时状态传感器、运行历史数据接口,实现对供热系统各状态、多尺度的仿真,建立与供热系统一一对应的映射系统;
自动化模块,所述自动化模块用于实现设备系统间的网络通讯,供热系统运行的数据采集与存储,运行调控设备的控制与执行;
数据中台模块,所述数据中台模块对接与集中供热自主驾驶的生产运行调度控制系统相关的各类数据源,包括互联网接口数据、供热企业热网基础信息数据、设备台账数据、生产运行数据、经营管理数据以及企业内各系统计算数据,建立事务性关系数据库和相关的大数据数据库进行存储,以及两类数据库之间的数据表关联;对外制定统一化的数据接口,对内制度规范的数据调用方式,具有良好的兼容性、通用性、开放性、延展性与安全性,实现数据的存储与取用;
所述自主决策模块包括:
需求管理模块,所述需求管理模块包括工况需求管理、用户需求管理、系统需求管理与异常需求管理;
自主决策模块,由需求管理模块对需求进行整理后,所述自主决策模块运用人工智能、大数据算法、最优化算法、统计分析、专家系统,组织调用系统相关模块对总体需求进行分析,基于系统运行的安全性、经济性、环保性、稳定性、高效性目标,给出均衡、优化、实用的决策方案;所述决策方案包括用户侧舒适性管理决策、用户侧的热需求决策、热源侧的负荷生产决策、热网侧站点调控决策一系列决策方案;
所述用户侧舒适性管理决策用于给出各用户的目标室温曲线的决策;
所述用户侧的热需求决策用于实现按天气工况变化,系统实时响应需求侧变化,给出供热系统需求热负荷总量的决策;
所述热源侧的负荷生产决策用于根据需求侧热负荷,给出系统多个热源优化生产的决策,指导各热源给出优化的负荷、供水温度与流量参数;
所述热网侧站点调控决策用于实现按天气工况、需求侧目标、热源运行参数的动态变化,给出针对热网侧水力平衡调控的决策;指导给出各热力站点的调控目标,包括各站点的一级网目标供水温度、一级网目标回水温度、一级网目标供回水平均温度、一级网目标流量、二级网目标供水温度、二级网目标回水温度、二级网目标供回水平均温度、二级网目标流量;指导给出各站点的调控参数,包括热源循环泵频率、站点阀门开度、热力站水泵频率、楼栋阀门开度;
所述用户侧舒适性管理决策、用户侧的热需求决策、热源侧的负荷生产决策以及热网侧站点调控决策的生成过程如下:
所述用户侧舒适性管理决策D1,系统针对不同工况条件,制定对应的室温曲线,对相同类型用户曲线进行满意度打分,并进行修正,结合大数据算法,给出不同工况条件下满意度最高的室温曲线决策,可表示为L=[l1,l2...li,...ln],n为工况参数;
则所述用户侧舒适性管理决策D1可表示为:D1={L};
所述用户侧的热需求决策D2,根据用户的历史用热数据,包括:天气工况Uh、供热负荷Qh、用户面积A、供水温度Ts、回水温度Tr、流量q,以及预测天气工况Uw,系统采用大数据算法,建立不同工况条件下用户的需求用热负荷Qu,Qu=[Qu1,Qu2,...Quj,...Qum],Qu的表达式为:
Qu=f1(Uh,Qh,A,Ts,Tr,q,L);
其中,
f1:为建立负荷预测模型的大数据算法函数;
Quj为第j个用户的需求热负荷;
m为用户数量;
给出对应的需求侧用热总负荷Qs,Qs=[Qs1,Qs2,...Qsk,...Qsn],Qsk表达为:
其中,
Qsk为第k个工况下,用户侧对应的需求总负荷;
则所述用户侧的热需求决策D2可表示为:D2={Qs};
所述热源侧的负荷生产决策D3,基于不同工况条件下的总负荷Qs、机组约束条件G为边界条件,应用模型、算法或专家系统,给出各热源的生产负荷参数,包括机组负荷Qe、供水温度Tes、机组流量qe、阀门开度Ke、水泵频率He;即生成在约束条件满足的前提下,满足目标的优化决策方案,目标GL,GL=[gl1,gl2...gli...glz],gli表示第i个目标,目标可以为成本、环保、安全性最优,决策模型可以表示为:
Min GL=f2(Qe,Tes,qe)
St.{G,Qs};
其中,
Qe=[Qe1,Qe2...Qei,...Qev],Qei为第i个机组的供热负荷;
Tes=[tes1,tes2...tesi,...tesv],tesi为第i个机组的供水温度;
qe=[qe1,qe2...qei,...qev],qei为第i个机组的供水流量;
v为热源侧机组总数量;
Oe=[oe1,oe2...oei,...oea],oei为热源侧第i个阀门的开度,a为热源侧阀门的总数量;
He=[he1,he2...hei,...heb],hei为热源侧第i个水泵的频率,b为热源侧水泵的总数量;
f2为热源侧决策模型、算法或专家系统函数;
G为约束条件,G={g1,g2,...gi...gp},p为约束条件数量,具体为各机组的最大、最小性能参数或热网侧约束条件,其中,最大、最小性能参数包括最小供水流量、负荷加载率、升温速率;热网侧约束条件包括最低回水温度、最小循环流量;
z为决策目标的数量;
则所述决策方案D3可表示为:
D3={Qe,Tes,qe};
所述热网侧站点调控决策D4,基于不同工况条件下各用户的需求用热负荷Qu,热源侧运行参数Ps,应用模型、算法或专家系统,给出热网侧满足全网热力平衡、水力平衡达标时,站点的运行调控参数,包括站点阀门开度Osu、水泵频率Hsu;
则所述决策方案D4可表示为:
D4={Osu,Hsu}=f3(Osu,Hsu);
Osu=[osu1,osu2...osui,...osuc],osui为热源侧第i个阀门的开度,c为热网侧阀门的总数量;
Hsu=[hsu1,hsu2...hsui,...hsud],hsui为热源侧第i个水泵的频率,d为热网侧水泵的总数量;
f3为热网侧决策模型、算法或专家系统函数。
2.根据权利要求1所述的一种集中供热自主驾驶的生产运行调度控制系统,其特征在于:
所述工况需求管理用于支持自动获取与供热系统相关的工况参数,通过对工况需求的分析,对工况变化后的热负荷需求进行管理;
所述用户需求管理用于满足用户侧需求是供热系统的主要目标,系统应支持对用户侧需求进行实时监测,实现对用户的需求的收集与管理;
所述系统需求管理用于系统基础条件、各模块运行流程、系统软硬件资源自检,以此保障自主驾驶系统的安全稳定运行;
所述异常需求管理用于对系统出现异常需求进行管理。
3.根据权利要求1所述的一种集中供热自主驾驶的生产运行调度控制系统,其特征在于,所述智能分析模块包括:
总体感知子模块,支持对供热系统总体运行情况的分析,包括系统运行安全性、经济性、环保性,以及用户舒适性进行分析;
业务指标计算子模块,能够实时计算供热系统的各项指标,支持对各项指标进行统计、分析;
决策方案评估子模块,对决策方案的执行效果进行评估,实时反馈方案参数,如方案执行后实际效果存在偏差,需要辅助决策模块进行决策修正;
设备状态评估子模块,针对供热系统中的关键设备的健康状况、运行性能进行分析评估;
异常定位及诊断子模块,对供热系统中的一些异常故障进行快速定位与诊断。
4.根据权利要求1所述的一种集中供热自主驾驶的生产运行调度控制系统,其特征在于,所述仿真验证模块包括:
模型校准子服务,搭建模型校准子服务,以工况作为输入条件,对比供热系统仿真结果与供热系统观测结果,基于数据对仿真系统进行辨识修正,减少两者之间的偏差,提升仿真系统的精确性;所述模型校准子服务自动监测偏差值,在超越阈值时,即自动启动;
离线仿真子服务,搭建离线仿真子服务,离线仿真时,所述离线仿真子服务是和周边服务或模块是解耦的,可以独立部署或与客户系统集成,基于用户导入基础热网数据、全量、增量配置,完成特定边界条件下的各供热系统方案的仿真校验;
在线仿真子服务,搭建在线仿真子服务,在决策方案生成过程中,以及自动化下发之前,通过在线仿真验证整体方案的运行结果,模拟方案执行并基于用户需求进行验证;
事后验收子服务,搭建事后验收子服务,需求转化为供热运行方案执行后,通过仿真计算的方式实现运行结果的验收;
what-if子服务,搭建what-if子服务,即所见所得的仿真应用,基于数字孪生的仿真环境,供用户完成基于仿真供热系统场景下的模拟运行,对系统自主生成的决策方案进行仿真验证。
5.根据权利要求1所述的一种集中供热自主驾驶的生产运行调度控制系统,其特征在于,所述自动化模块包括:
网络通讯模块,以互联网、局域网、物联网多种形式,搭建供热系统下位传感器、控制设备、其他监测设备与调度中心服务器、上位系统、接口之间的数据传输通道,同时保障数据的安全性、完整性与稳定性;
数据采集模块,针对供热系统各环节的必要位置,安装对应的数据采集传感器,同时搭建数据采集与传输系统,支持定义数据采样特征,基于标准数据协议,完成数据的采集,上传至服务器;
数据清洗模块,数据采集完成后,基于数据清洗算法,对供热系统运行数据进行补齐、降噪处理,提升数据采集质量;
数据存储模块,按照数据特征,对不同数据进行分类,选择不同数据存储形式进行存储;
控制执行模块,基于网络通讯通道,建立下位设备与上位系统之间的控制链路,接受来自于自主决策模块或其他系统的控制指令,对供热系统各环节的设备进行控制。
6.根据权利要求1所述的一种集中供热自主驾驶的生产运行调度控制系统,其特征在于:所述供热系统各环节包括热源、热网、热力站、热用户以及储热装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485834.6A CN113154517B (zh) | 2021-04-30 | 2021-04-30 | 一种集中供热自主驾驶的生产运行调度控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485834.6A CN113154517B (zh) | 2021-04-30 | 2021-04-30 | 一种集中供热自主驾驶的生产运行调度控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113154517A CN113154517A (zh) | 2021-07-23 |
CN113154517B true CN113154517B (zh) | 2022-11-15 |
Family
ID=76873178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110485834.6A Active CN113154517B (zh) | 2021-04-30 | 2021-04-30 | 一种集中供热自主驾驶的生产运行调度控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113154517B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114186834A (zh) * | 2021-12-06 | 2022-03-15 | 刘铄 | 智慧城市系统 |
CN114777193B (zh) * | 2022-04-24 | 2023-05-30 | 浙江英集动力科技有限公司 | 一种供热系统二级网分户调控模式切换方法及系统 |
CN117764561B (zh) * | 2024-02-21 | 2024-05-14 | 临沂明振仪表科技有限公司 | 基于物联网的热力设备智能运维管理系统 |
-
2021
- 2021-04-30 CN CN202110485834.6A patent/CN113154517B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113154517A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113154517B (zh) | 一种集中供热自主驾驶的生产运行调度控制系统 | |
CN113657031B (zh) | 基于数字孪生的供热调度自动化实现方法、系统及平台 | |
CN109270842B (zh) | 一种基于贝叶斯网络的区域供热模型预测控制系统及方法 | |
CN108916986B (zh) | 信息物理融合的二级管网变流量水力平衡调控方法及系统 | |
CN109028481A (zh) | 一种空调系统的无人值守机房控制系统及方法 | |
CN103591637B (zh) | 一种集中供热二次网运行调节方法 | |
US20230070989A1 (en) | Methods and systems of optimizing pressure regulation at intelligent gas gate stations based on internet of things | |
CN114693069B (zh) | 一种自主优化运行集中供热运行稳定性评估方法及系统 | |
CN113606634A (zh) | 一种基于长输管网优化热源运行参数的热源保障系统 | |
CN114383299A (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
CN104283222B (zh) | 一种地区电网无功电压控制系统 | |
CN112268312A (zh) | 一种基于深度学习的智慧供热管理系统 | |
CN113110056B (zh) | 一种基于人工智能的供热智能决策方法及智能决策机 | |
CN112671831A (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 | |
CN111787123A (zh) | 智慧热网运维管理系统 | |
CN112950001A (zh) | 基于云边端闭环架构的智慧能量管控系统及方法 | |
CN110994790B (zh) | 一种企业电网调度知识决策分析系统 | |
CN113821008A (zh) | 一种大型工业企业的能源管理控制方法及能源管理中心 | |
CN112688317B (zh) | 一种双层协同架构下的县域级电-气互联系统优化调度方法 | |
CN117515649A (zh) | 一种基于供热一体化管控的智能管理系统及工作方法 | |
CN108764751A (zh) | 一种装配流水线效能评估方法 | |
CN112698602A (zh) | 一种无线物联网智能楼宇管理控制系统 | |
CN116974247A (zh) | 一种存在多个控制策略系统的管控系统及管控方法 | |
CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
CN109472715A (zh) | 一种数字化工业能源管控服务系统 |
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 | ||
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 |