CN114065450A - 一种基于5g技术的集中供暖系统的调度优化方法 - Google Patents

一种基于5g技术的集中供暖系统的调度优化方法 Download PDF

Info

Publication number
CN114065450A
CN114065450A CN202111255121.7A CN202111255121A CN114065450A CN 114065450 A CN114065450 A CN 114065450A CN 202111255121 A CN202111255121 A CN 202111255121A CN 114065450 A CN114065450 A CN 114065450A
Authority
CN
China
Prior art keywords
equipment
heating system
data
training
heat exchange
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.)
Pending
Application number
CN202111255121.7A
Other languages
English (en)
Inventor
亢猛
钟祎勍
张梅
刘博研
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.)
Hebei Xiong'an Branch Of China Huaneng Group Co ltd
China Mobile Shanghai ICT Co Ltd
Original Assignee
Hebei Xiong'an Branch Of China Huaneng Group Co ltd
China Mobile Shanghai ICT 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 Hebei Xiong'an Branch Of China Huaneng Group Co ltd, China Mobile Shanghai ICT Co Ltd filed Critical Hebei Xiong'an Branch Of China Huaneng Group Co ltd
Priority to CN202111255121.7A priority Critical patent/CN114065450A/zh
Publication of CN114065450A publication Critical patent/CN114065450A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于5G技术的集中供暖系统的调度优化方法，该方法包括：在供暖系统中安装信息采集设备和通讯设备；室内通过半经验公式建立环境参数与用户热负荷需求的关系；使用该关系训练得出室温调节方案；室内信息采集设备与通讯设备配合调控室内温度；建立不同设备的数学模型；按照实际供暖系统情况，对各设备数学模型进行叠加；使用设备运行数据训练具体设备的数学模型；使用供暖系统整体模型训练得出调度优化方案；换热站信息采集设备与通讯设备配合调控换热站运行；信息采集设备和通讯设备将数据传输至集控中心计算最优调度优化方案；声音频谱仪采集各设备声音频谱数据，训练得出设备调节声音特征谱；通过声音特征频谱识别事故类型与位置；通过管道机器人确定具体事故位置。

Description

一种基于5G技术的集中供暖系统的调度优化方法
技术领域
本发明属于集中供暖系统调度技术领域，具体涉及一种基于5G技术的集中供暖系统的调度优化方法
背景技术
2035年远景目标纲要中提到：“深化工业、建筑、交通等领域和公共机构节能，推动5G、大数据中心等新兴领域能效提升，强化重点用能单位节能管理，实施能量系统优化、节能技术改造等重点工程。”我国集中供暖应用广泛，耗能大，发展快。国家统计局发布的数据显示，2010年全国经营性的集中供热面积43亿平方米，2018年集中供热面积达到了87.8亿平方米，2019年更已经突破100亿平方米。从供热量上看，对比于2011年的蒸汽供热5.1亿吉焦和热水供热22.9亿吉焦，2019年，我国实现蒸汽供热 5.8亿吉焦，热水供热总量33.6亿吉焦。
集中供暖系统是由三部分组成：热源、换热站和热用户，采用供热管网衔接各个部分，集生产、输送和使用热量为一体的系统。集中供热系统中的热源是生产热的部分。供热管网是输送热的部分，它主要由管道和阀门等附件构成。热源与换热站之间称为一级(一次)网，热用户与换热站之间称为二级(二次)网。热用户是使用热量的部分，它主要有室内管道系统及末端用热设备构成。在换热站处总是存在供热量与需求量不匹配的现象，降低了热用户居住环境的舒适度，并且热源给换热站分配的热量存在近端换热站热量过多，远端换热站热量过少的现象。
目前，我国集中供暖仍采用传统的PLC控制方法，不但供暖损耗巨大，信息不清晰，系统维修困难，用户端也经常出现冷热不稳，体验差的评价。
发明内容
为解决上述技术问题，本发明提出了一种基于5G技术的集中供暖系统的调度优化方法。技术方案：在供暖系统中安装信息采集设备和通讯设备，建立环境参数与用户热负荷需求的关系，构建含有常系数的半经验公式。在运行数据中获取半经验公式中的系数。使用该公式预测在用户端边缘计算得单用户热负荷及用户端调度计划，各用户端将预测数据及实际数据上传至集控中心得出总热负荷需求预测曲线。室内信息采集设备与通讯设备配合调控室内温度。根据流体力学及传热学建立热网部件库，将各部件组合成实际热网。在模型上使用机器学习针对热负荷变化，在运行中进行热负荷优化调度。比对实际数据与预测运行数据，实时监测管网中的异常变化。通过分析管网中的压力，流量变化曲线，完成基于压力波法的管网异常检测。
本发明优化调度的具体调度如下：
首先建立建筑热平衡半经验公式，即各环境变量间的关系。
f(Th，Tin，Tout，p，Pe，Qw，vw，ρw)＝0 (2)
其中Th为管道内换热介质平均温度，Tin为室内温度，Tout为室外温度， p为气压，Pe为室内用电功率，Ps为太阳辐射强度，Qw为建筑新风量，Vw为室外风力系数，ρw为室内湿度。
建立热平衡关系式：
Sh+Sc+St+Sr+Ss+Se+Sa＝0 (3)
Sh是室内热系统从供暖设备中获取的热量，因此Sh与管道平均换热温度与室内温度之差成正比。
Sh＝kh(Tha-Tin) (4)
Sc是室内系统与外界通风换热造成的热损失，因此与室内外温差成正比，与建筑通风量成正比。kc为通风换热系数。
Sc＝kcQw(Tout-Tin) (5)
St是室内系统与外界传导换热造成的热损失，因此与室内温差成正比，与风力成一定关系。kt1为室外对流换热系数和kt2为热传导系数。
Figure RE-GDA0003446709830000031
Sr是室内外辐射换热造成的热损失，因此与室外温度的四次方与室内温度的四次方之差成正比。σr为辐射换热系数。
Figure RE-GDA0003446709830000032
Ss是太阳辐射对室内的加热功率，与测得当地太阳直射辐射强度成正比。
Figure RE-GDA0003446709830000033
为辐射系数，可查询表格并结合实际建筑位置计算得出。
Figure RE-GDA0003446709830000034
Se是室内电气设备功率之和，与电表功率相等。Sa是室内生物体散热功率之和。
室内温度变化速率为
Figure RE-GDA0003446709830000041
各用户端通过物联网将数据实时传输至集控中心即可估算出每个部分和整体的热需求量。
然后，建立各部件的数学模型。
f(D，l，p，T，P，C，…)＝0 (1)
例如，对于输暖管线，可建立基于管段几何(直径，长度，倾角，粗糙度等)，介质物性(焓，温度，压力，比热容等)的数学模型；对于泵，可建立基于电功率，液体功率，压力比率，特性曲线等变量的数学模型。对于换热器，可建立基于温差，压力，相等变量的数学模型。
任意一个部件均可简化为一段或多段一维流体模型，认为水是不可压缩流体，因此服从质量守恒方程，伯努利方程，热守恒方程。
Q1＝Q2+Qs (11)
Figure RE-GDA0003446709830000042
Ein+Eh+Es＝Eout+Et (13)
其中Q为管道流量，z为高度，p为压力，ρ为流体密度，g为地球重力加速度，v为管道流体平均流速，hf为沿程水头损失使用达西公式计算，hj为局部水头损失可通过查表得，hs为外部压力驱动，Ein为流入计算部件的热量，Eh为水头损失释放的热量，Es为外部热源，Eout为流出计算部件的热量， Et为热量散失，由热传导公式计算。
Q＝Av (14)
Figure RE-GDA0003446709830000051
Et＝kSΔT (16)
将各部件连接成整体的复杂供暖系统，采用机器学习方法，以各部件的输入端流体参数为输入数据，输出端流体数据为输出数据，以一维流体模型为基础，训练得热系统中各设备及部件的数据模型。
以各用户采暖需求和各设备运行参数(如阀门开度，泵功率，补水量等)为输入参数，通过模型计算出的汽轮机抽汽总热量为输出参数，以热效率最高为优化目标，训练得出最佳调控策略。
Figure RE-GDA0003446709830000052
其中∑Qp为系统消耗的能量总和，∑Qc为用户采暖量总和。
采用声波探测法实时监测系统运行状况，通过各设备变动时声波的频率及振幅关系，确定各设备的特性震动曲线。
对于大型事故，通过对比表计数据曲线即可大致估算事故位置。对于小破口或小堵塞等则通过声波曲线识别的方式进行定位。由于管道内流速远小于流体声速。
Figure RE-GDA0003446709830000061
安装带有水轮机的可从管内流体中获取能量的永久式管道机器人，在声波探测初步定位后，采用管道机器人精准探测。
具体实施方式
以下对本发明实时例作进一步详细描述：
一种基于5G技术的集中供暖系统的调度优化方法，以5G设施为基础，以供暖系统运行成本最小为优化目标，结合物理规律与机器学习方法，根据系统运行参数与其他外部信息(如天气)，确定供暖系统的最佳调度指令。
具体包括以下步骤：
步骤一：102、在室内采暖管道进出口安装温度计及流量计，在室内安装温度计，温控板，边缘计算设备。
101、依据半经验公式以温度设定，进出口水温，流量及外部环境参数为输入参数，实际室温为输出参数，训练得室内温度模型。
103、依据室内温度模型结合外部预测环境参数，预测未来的采暖量曲线。
步骤二：102、在换热站安装智能表计，监控设备，边缘计算设备，工业网关，5G通讯节点。在集控中心安装工业网关，5G通讯节点，高性能计算机或云计算传输设备。
101、在建立不同部件的一维流体数学模型，并将其连接成为整体供暖系统，通过历史数据机器学习训练得各部件参数间的关系。
模型中，依据质量守恒和伯努利方程实时计算管道内压力分布。依据传热方程瞬态计算并预测供热系统运行状况。
通过随机用户热需求为输入数据，模型计算出的总汽轮机抽汽量为输出数据，以最高热效率为目标，训练得最佳调度方案。
步骤三：103、换热站内智能表计将数据传输至边缘计算设备，结合用户端预测采暖功率，天气预测等其他数据，根据供暖调度优化方案控制换热站内设备运行。
103、用户端边缘计算设备和换热站边缘计算设备通过将计算结果传输至集控中心，集控中心通过高性能计算设备通过供暖调度优化方案计算出最优控制策略，并将策略通过5G网络反馈至换热站与用户端。
步骤四：在长输暖管道两端安装声波探测器，训练学习实验换热站内设备调节造成的声音的频率能量图的变化。
在事故发生时可以通过判断声波频谱图初步确定事故类型。对于长管道破口，测量长管道发生泄漏时两端探测器接收到的信号时间差，初步确定破口或堵塞位置。安装管道机器人检查确定实际破口位置并精准开挖维修。

Claims (4)

1.一种基于5G技术的集中供暖系统的调度优化方法，其特征在于：包括以下步骤：在供暖系统中安装信息采集设备和通讯设备；室内通过半经验公式建立环境参数与用户热负荷需求的关系；使用该关系训练得室温调节方案；室内信息采集设备与通讯设备配合调控室内温度；建立不同设备的数学模型；将各数学模型连接与实际供暖系统一致；使用设备运行数据训练具体设备的数学模型；使用供暖系统整体模型训练得调度优化方案；换热站信息采集设备与通讯设备配合调控换热站运行；信息采集设备和通讯设备将数据传输至集控中心计算最优调度优化方案；换热站采集各表计使用各设备声音频谱数据训练得设备调节特征谱；通过声音特征频谱识别事故类型与位置；通过管道机器人确定具体事故位置。
2.根据权利要求1所述的一种基于5G技术的集中供暖系统的调度优化方法，其特征在于：具体步骤如下：
(1)在供暖系统中安装信息采集设备和通讯设备：在用户端安装智能表计，边缘计算设备及5G通讯节点。在换热站安装智能表计，监控设备，边缘计算设备，工业网关，5G通讯节点。在集控中心安装工业网关，5G通讯节点，高性能计算机或云计算传输设备。
(2)建立环境参数与用户热负荷需求的关系：影响因素有采暖管道平均温度Th，室内温度Tin，室外温度Tout，气压p，室内电功率Pe，太阳辐射强度Ps，建筑新风量Qw，室外风速vw，ρw室内湿度。采用半经验公式拟合的方法建立变量间关系。通过智能表计记录数据训练得热负荷需求关系中的参数。
(3)使用热负荷需求关系训练得室温调节方案：以不同的环境数据及温度需求作输入变量，实际室温为输出变量，实际室温与设定温度最小为优化目标，训练室温调节方案。
(4)室内信息采集设备与通讯设备配合调控室内温度：室内智能表计将参数传输至边缘计算设备，边缘计算设备结合天气预测等其他数据，根据室温调节方案计算出调节指令反馈至智能阀门调节开度。
(5)建立不同设备的数学模型：为不同类型的设备建立对应的数学模型。
f(D，l，p，T，P，C，…)＝0 (1)
(6)使用设备运行数据训练具体设备的数学模型：根据设备监控表计数据，训练得设备具体的数学模型。
(7)将各数学模型连接与实际供暖系统一致：按照实际供暖系统情况，将各设备连接与实际供暖系统相同，供暖系统稳态计算实时更新水力平衡，瞬态预测温度分布。
(8)使用供暖系统整体模型训练得调度优化方案：以随机的用户热负荷需求为输入数据，通过供暖系统模型计算出所需汽轮机抽汽量。以最小汽轮机抽汽量为优化目标，训练得供暖调度优化方案。
(9)换热站信息采集设备与通讯设备配合调控换热站运行：换热站内智能表计将数据传输至边缘计算设备，结合用户端预测采暖功率，天气预测等其他数据，根据供暖调度优化方案控制换热站内设备运行。
(10)信息采集设备和通讯设备将数据传输至集控中心计算最优调度优化方案：用户端边缘计算设备和换热站边缘计算设备通过将计算结果传输至集控中心，集控中心通过高性能计算设备通过供暖调度优化方案计算出最优控制策略，并将策略通过5G网络反馈至换热站与用户端。
(11)使用各设备声音频谱数据训练得设备调节特征谱：调节各个设备，训练得设备对应的声音频谱图。
(12)通过声音特征频谱识别事故类型与位置：在发生事故后，将事故声音频谱图与各个频谱图比对匹配诊断事故类型。对比不同位置捕捉的声音频谱图，依据时间差初步确定事故发生位置。
(13)通过管道机器人确定具体事故位置：在管道内设置带有水轮机，能够依靠管道内流体获取能量的机器人。在大致确定事故位置时，将机器人移动至可能区域，确定事故实际准确位置，并反馈至维修人员。
3.根据权利要求2所述的一种基于5G技术的集中供暖系统的调度优化方法，其特征在于：所述步骤(2)包含：
①根据具体的房屋情况构建对应的半经验公式。
f(Th，Tin，Tout，p，Pe，Qw，vw，ρw)＝0 (2)
Sh+Sc+St+Sr+Ss+Se+Sa＝0 (3)
Sh＝kh(Tha-Tin) (4)
Sc＝kcQw(Tout-Tin) (5)
Figure RE-FDA0003446709820000041
Figure RE-FDA0003446709820000042
Figure RE-FDA0003446709820000043
Figure RE-FDA0003446709820000044
②根据智能表计记录的运行数据初步确定公式参数。
③仍保持原有供暖调节方式，在实际运行中改进公式参数至预测温度变化较实际温度变化之比的误差小于20％，即：
Figure RE-FDA0003446709820000045
④将室内供暖预测方法应用至实际室内温度调节，并继续在实际运行中优化公式参数。
4.根据权利要求2所述的一种基于5G技术的集中供暖系统的调度优化方法，其特征在于：所述步骤(7)包含：
①根据步骤(6)中获取的可靠的供暖管路及设备数据建立一维供暖系统模型。
②实时根据管路中各压力计与流量计的读数，更新管路中的压力，速度分布。
Q1＝Q2+Qs (11)
Figure RE-FDA0003446709820000046
③瞬态计算系统中温度变化，预测设备变化对供暖系统的影响。
Ein+Eh+Es＝Eout+Et (13)
④实时监测预测数据与实际数据区别，若某设备数据偏差过大，则对其重复步骤(6)。
CN202111255121.7A 2021-10-27 2021-10-27 一种基于5g技术的集中供暖系统的调度优化方法 Pending CN114065450A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111255121.7A CN114065450A (zh) 2021-10-27 2021-10-27 一种基于5g技术的集中供暖系统的调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111255121.7A CN114065450A (zh) 2021-10-27 2021-10-27 一种基于5g技术的集中供暖系统的调度优化方法

Publications (1)

Publication Number Publication Date
CN114065450A true CN114065450A (zh) 2022-02-18

Family

ID=80235527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111255121.7A Pending CN114065450A (zh) 2021-10-27 2021-10-27 一种基于5g技术的集中供暖系统的调度优化方法

Country Status (1)

Country Link
CN (1) CN114065450A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115859455A (zh) * 2023-03-03 2023-03-28 山东博物馆 一种基于云计算技术的土木工程实验检测系统
CN115875730A (zh) * 2022-12-23 2023-03-31 吉林化工学院 一种用于城市供热的智能温度控制系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115875730A (zh) * 2022-12-23 2023-03-31 吉林化工学院 一种用于城市供热的智能温度控制系统
CN115859455A (zh) * 2023-03-03 2023-03-28 山东博物馆 一种基于云计算技术的土木工程实验检测系统

Similar Documents

Publication Publication Date Title
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
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
CN114065450A (zh) 一种基于5g技术的集中供暖系统的调度优化方法
CN107420743B (zh) 一种智能城市燃气pe管网测控系统及测控方法
CN106931603B (zh) 基于物联网技术的中央空调冷却水系统能效监测系统
CN102541015B (zh) 一种能效智能控制系统及方法
CN111222213B (zh) 一种热力网络动态仿真方法及装置
CN111503718B (zh) 基于多因素影响的热电联产供热负荷预测方法及供热系统
CN206709321U (zh) 一种中央空调冷却水系统能效在线测试控制系统
Wang et al. Hydraulic resistance identification and optimal pressure control of district heating network
CN109185972B (zh) 热力站循环泵优化调节方法
CN105143830B (zh) 监视系统
CN107726442A (zh) 一种热网平衡调控方法
CN104075403A (zh) 一种空调能耗监测与诊断系统和方法
CN108800303B (zh) 一种基于模式识别的精细化节能供热方法
CN111520809A (zh) 基于热网热负荷预测的热电联产耦合供热负荷调节方法及系统
CN107023966A (zh) 一种地铁站空调冷却水出水温度设定值优化方法
CN113375221A (zh) 一种供热系统网源协同调节方法
CN111523210A (zh) 城市集中供热系统升降温过程预测分析方法及其系统
Liu et al. A smart and transparent district heating mode based on industrial Internet of things
Li et al. Design and online calibration methods of pressure-independent intelligent regulating valve based on hydrodynamic resistance characteristics
KR20130089111A (ko) 지역난방 공동주택 2차측 배관의 열손실 평가 방법
CN111023223A (zh) 基于云端和回水温度的供暖热网智能水力平衡系统
CN113065190B (zh) 一种基于不确定性的居住建筑供热量计算方法
Sun et al. An intelligent control and regulation strategy aiming at building level heating balance in district heating system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication