CN116557950A - 一种基于人工智能的集中供热热网运行故障监测预警系统 - Google Patents
一种基于人工智能的集中供热热网运行故障监测预警系统 Download PDFInfo
- Publication number
- CN116557950A CN116557950A CN202310711565.XA CN202310711565A CN116557950A CN 116557950 A CN116557950 A CN 116557950A CN 202310711565 A CN202310711565 A CN 202310711565A CN 116557950 A CN116557950 A CN 116557950A
- Authority
- CN
- China
- Prior art keywords
- network
- central heating
- target
- heat exchange
- temperature
- 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
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 191
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 86
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 73
- 238000003745 diagnosis Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000001502 supplementing effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及集中供热热网运行故障监测分析领域,具体公开一种基于人工智能的集中供热热网运行故障监测预警系统,本发明通过获取目标集中供热热网在监测周期内的基本信息,进而判断目标集中供热热网是否存在故障;获取各目标换热站在分析周期内各采样时间点的工况信息,进而判断各目标换热站是否存在故障;获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度、压强和流量,分析目标集中供热热网中各管网是否存在故障并进行处理,及时察觉供热热网故障并制定故障排查计划,在充分解析运行信息基础上找到故障原因并进行抢修,进而保证热网运行的经济性和安全性,为热网的安全稳定运行提供保障。
Description
技术领域
本发明涉及集中供热热网运行故障监测分析领域,涉及到一种基于人工智能的集中供热热网运行故障监测预警系统。
背景技术
近些年来,随着国民经济的迅速发展,国家对于环境保护和节约能源采取了一系列推动措施,这也促进了我国集中供热事业的发展。
集中供热热系统一般由三部分组成,即热源、热网和热用户。其中热网是输送热媒的室外供热管路系统,是热源与热用户连接的纽带,起着输送和分配热源的作用。
随着热网规模的增大和使用年数的增长,由于管道及部件材质、敷设方式、环境、施工方法及管理的诸多因素的影响,各地热网故障不断发生,因此对热网进行故障监测诊断显得尤为重要。
现有的热网故障监测方法存在一些弊端:一方面,传统方式中故障主要靠热用户发现,或是当故障扩大化,导致供热热网出现大的运行波动,进而存在较大的延时性,不能及时发现故障和尽快进行故障分析。
一方面,在热网出现故障后,没有制定一个较为清晰的故障排查思路,同时由于热网的结构分布错综复杂,导致故障排查难以入手,效率比较低,不能快速找到故障原因,如换热站故障和管网故障等,进而浪费故障抢修的宝贵时间,间接增加了经济损失。
另一方面,在进行故障排查时,仅依靠某项运行信息进行独立分析,没有将运行信息充分利用起来,结合多项运行数据进行综合分析,进而使得故障评估结果出现误差,容易发生误判,耽误故障排查抢修时间。
发明内容
针对上述问题,本发明提出了一种基于人工智能的集中供热热网运行故障监测预警系统,实现对集中供热热网运行故障监测分析的功能。
本发明解决其技术问题采用的技术方案是:本发明提供一种基于人工智能的集中供热热网运行故障监测预警系统,包括:供热热网基本信息获取模块:用于获取目标集中供热热网在监测周期内的基本信息,其中基本信息包括总循环水量、总补水量和热用户供热温度。
供热热网故障诊断模块:用于根据目标集中供热热网在监测周期内的基本信息,判断目标集中供热热网是否存在故障,若存在故障,则进行预警,并执行换热站工况信息获取模块。
换热站工况信息获取模块:用于获取目标集中供热热网中热源厂与热用户之间各换热站在分析周期内各采样时间点的工况信息,将其记为各目标换热站在分析周期内各采样时间点的工况信息,其中工况信息包括控温力度系数、控压力度系数和控流力度系数。
换热站故障诊断模块:用于根据各目标换热站在分析周期内各采样时间点的工况信息,判断各目标换热站是否存在故障,若存在故障,则将存在故障的各目标换热站编号发送至目标集中供热热网的控制中心,反之,则执行管网基本信息获取模块。
管网基本信息获取模块:用于获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度、压强和流量。
管网故障诊断模块:用于根据目标集中供热热网中各管网中各支线上各检测点在检测周期内的温度、压强和流量,分析目标集中供热热网中各管网是否存在故障,并进行相应处理。
数据库:用于存储目标集中供热热网中热用户需求供热温度,以及各换热站输出侧的参考温度、参考水压和参考水流量,并存储历史周期内目标集中供热热网中各管网的平均运行功率。
在上述实施例的基础上,所述供热热网基本信息获取模块的具体分析过程为:设定监测周期的时长,通过目标集中供热热网的控制中心获取目标集中供热热网在监测周期内的总循环水量、总补水量和热用户供热温度,将其分别记为Q循环、Q补、T用户。
在上述实施例的基础上,所述供热热网故障诊断模块的具体过程为:提取数据库中存储的目标集中供热热网中热用户需求供热温度,将其记为T′用户。
通过分析公式得到目标集中供热热网的故障倾向系数α,其中χ表示预设的故障倾向系数修正因子,ΔQ表示预设的目标集中供热热网的水分损失量,β表示预设的目标集中供热热网的失水率阈值,ΔT表示预设的热用户供热温度允许偏差。
将目标集中供热热网的故障倾向系数与预设的故障倾向系数阈值进行比较,若目标集中供热热网的故障倾向系数大于预设的故障倾向系数阈值,则目标集中供热热网存在故障,并进行预警。
在上述实施例的基础上,所述换热站工况信息获取模块的具体过程包括:设定分析周期的时长,按照预设的等时间间隔原则在分析周期内设置各采样时间点,通过各目标换热站的显示中心获取分析周期内各采样时间点各目标换热站与上游侧管网连接处和与下游侧管网连接处的温度、水压和水流量,将其记为各目标换热站在分析周期内各采样时间点输入侧和输出侧的温度、水压和水流量,将其分别记为和/>i表示第i个目标换热站的编号,i=1,2,...,n,b表示第b个采样时间点的编号,b=1,2,...,c。
提取数据库中存储的目标集中供热热网中各换热站输出侧的参考温度、参考水压和参考水流量,得到各目标换热站输出侧的参考温度、参考水压和参考水流量,将其分别记为和/>
获取各目标换热站与热源厂之间各管网铺设区域的长度,并进行累加,得到各目标换热站的管网延伸长度,将其记为li。
在上述实施例的基础上,所述换热站工况信息获取模块的具体过程还包括:通过分析公式得到各目标换热站在分析周期内各采样时间点的控温力度系数/>ε1表示预设的换热站升温效率阈值,ΔT′表示预设的换热站输出侧实际温度与参考温度之间偏差的阈值,φΔl表示预设的单位管网长度对应的温度损失。
同理,根据各目标换热站在分析周期内各采样时间点的控温力度系数的分析方法,获取各目标换热站在分析周期内各采样时间点的控压力度系数和控流力度系数,将其分别记为和/>
在上述实施例的基础上,所述换热站故障诊断模块的具体分析过程为:将各目标换热站在分析周期内各采样时间点的控温力度系数控压力度系数/>和控流力度系数/>代入公式/>得到各目标换热站的故障隐患系数其中e表示自然常数,c表示采样时间点的数量,γ1、γ2、γ3分别表示预设的控温力度系数、控压力度系数和控流力度系数的权重因子。
根据各目标换热站的故障隐患系数,分析得到存在故障的各目标换热站,将存在故障的各目标换热站的编号发送至目标集中供热热网的控制中心。
在上述实施例的基础上,所述管网基本信息获取模块的具体分析过程为:在目标集中供热热网中各管网中各条支线上的各阀门处布设检测点,得到目标集中供热热网中各管网中各条支线上各检测点。
设定检测周期的时长,按照预设的等时间间隔原则在检测周期内设置各数据采集点。
获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内各数据采集点的温度,通过平均值计算得到目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度。
同理,根据目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度的分析方法,获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的压强和流量。
在上述实施例的基础上,所述管网故障诊断模块的具体分析过程包括:根据目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度,通过函数拟合方法获取目标集中供热热网中各管网中各条支线对应的温度特征函数,进一步得到目标集中供热热网中各管网中各条支线对应的温度特征函数图像,将目标集中供热热网中各管网中各条支线对应的温度特征函数图像与预设的参考温度特征函数图像进行比对,得到目标集中供热热网中各管网中各条支线对应的温度特征函数图像与预设的参考温度特征函数图像的相似度,将其记为目标集中供热热网中各管网中各条支线的温度符合度。
同理,根据目标集中供热热网中各管网中各条支线的温度符合度的分析方法,获取目标集中供热热网中各管网中各条支线的温度符合度、压强符合度和流量符合度,将其分别记为j表示第j个管网的编号,j=1,2,...,m,x表示第x条支线的编号,x=1,2,...,y。
在上述实施例的基础上,所述管网故障诊断模块的具体分析过程还包括:通过分析公式得到目标集中供热热网中各管网中各条支线的基本信息匹配系数κjx,其中μ表示预设的基本信息匹配系数修正因子,η1设、η2设、η3设分别表示预设的温度符合度、压强符合度和流量符合度的参考值,λ1、λ2、λ3分别表示预设的温度符合度、压强符合度和流量符合度的权值。
在上述实施例的基础上,所述管网故障诊断模块的具体分析过程还包括:将目标集中供热热网中各管网中各条支线的基本信息匹配系数与预设的基本信息匹配系数阈值进行比对,若目标集中供热热网中某管网中某条支线的基本信息匹配系数小于预设的基本信息匹配系数阈值,则将该条支线记为异常支线,筛选出目标集中供热热网中各管网中各条异常支线,统计得到目标集中供热热网中各管网中异常支线的数量,将其记为Nj。
提取数据库中存储的历史周期内目标集中供热热网中各管网的平均运行功率,将其记为wj。
通过分析公式得到目标集中供热热网中各管网的故障比例系数ξj,σΔN表示预设的单位异常支线数量对应的故障影响因子,/>表示预设的第j个管网的安全运行功率,j=1,2,...,m。
根据目标集中供热热网中各管网的故障比例系数,分析得到目标集中供热热网中存在故障的各管网,将目标集中供热热网中存在故障的各管网及其对应的各异常支线的编号发送至目标集中供热热网的控制中心。
相对于现有技术,本发明所述的一种基于人工智能的集中供热热网运行故障监测预警系统以下有益效果:1、本发明提供的一种基于人工智能的集中供热热网运行故障监测预警系统,判断目标集中供热热网是否存在故障并进行预警,进一步分别对各目标换热站和各管网进行排查,判断是否存在故障并进行相应处理,及时察觉供热热网故障并制定故障排查计划,在充分解析运行信息基础上找到故障原因并进行抢修,进而保证热网运行的经济性和安全性,为热网的安全稳定运行提供保障。
2、本发明通过获取目标集中供热热网在监测周期内的基本信息,判断目标集中供热热网是否存在故障并进行预警,及时发现供热热网异常故障并尽快进行故障分析。
3、本发明通过获取各目标换热站在分析周期内各采样时间点的工况信息,判断各目标换热站是否存在故障,制定故障排查计划,提高故障排查效率,有利快速找到故障原因。
4、本发明通过获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度、压强和流量,分析目标集中供热热网中各管网是否存在故障,将热网运行信息充分利用起来,结合多项运行数据进行综合分析,避免发生误判和耽误故障排查抢修时间。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块连接图。
图2为本发明的流程示意图。
图3为本发明的供热热网结构示意图。
图4为本发明的管网支线特征函数图像示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1和图2所示,本发明提供一种基于人工智能的集中供热热网运行故障监测预警系统,包括供热热网基本信息获取模块、供热热网故障诊断模块、换热站工况信息获取模块、换热站故障诊断模块、管网基本信息获取模块、管网故障诊断模块和数据库。
所述供热热网故障诊断模块分别与供热热网基本信息获取模块和换热站工况信息获取模块连接,换热站故障诊断模块分别与换热站工况信息获取模块和管网基本信息获取模块连接,管网故障诊断模块与管网基本信息获取模块连接,数据库分别与供热热网故障诊断模块、换热站工况信息获取模块和管网故障诊断模块连接。
所述供热热网基本信息获取模块用于获取目标集中供热热网在监测周期内的基本信息,其中基本信息包括总循环水量、总补水量和热用户供热温度。
参阅图3所示,所述供热热网基本信息获取模块的具体分析过程为:设定监测周期的时长,通过目标集中供热热网的控制中心获取目标集中供热热网在监测周期内的总循环水量、总补水量和热用户供热温度,将其分别记为Q循环、Q补、T用户。
所述供热热网故障诊断模块用于根据目标集中供热热网在监测周期内的基本信息,判断目标集中供热热网是否存在故障,若存在故障,则进行预警,并执行换热站工况信息获取模块。
进一步地,所述供热热网故障诊断模块的具体过程为:提取数据库中存储的目标集中供热热网中热用户需求供热温度,将其记为T用′户。
通过分析公式得到目标集中供热热网的故障倾向系数α,其中χ表示预设的故障倾向系数修正因子,ΔQ表示预设的目标集中供热热网的水分损失量,β表示预设的目标集中供热热网的失水率阈值,ΔT表示预设的热用户供热温度允许偏差。
将目标集中供热热网的故障倾向系数与预设的故障倾向系数阈值进行比较,若目标集中供热热网的故障倾向系数大于预设的故障倾向系数阈值,则目标集中供热热网存在故障,并进行预警。
需要说明的是,本发明通过获取目标集中供热热网在监测周期内的基本信息,判断目标集中供热热网是否存在故障并进行预警,及时发现供热热网异常故障并尽快进行故障分析。
所述换热站工况信息获取模块用于获取目标集中供热热网中热源厂与热用户之间各换热站在分析周期内各采样时间点的工况信息,将其记为各目标换热站在分析周期内各采样时间点的工况信息,其中工况信息包括控温力度系数、控压力度系数和控流力度系数。
进一步地,所述换热站工况信息获取模块的具体过程包括:设定分析周期的时长,按照预设的等时间间隔原则在分析周期内设置各采样时间点,通过各目标换热站的显示中心获取分析周期内各采样时间点各目标换热站与上游侧管网连接处和与下游侧管网连接处的温度、水压和水流量,将其记为各目标换热站在分析周期内各采样时间点输入侧和输出侧的温度、水压和水流量,将其分别记为和/>i表示第i个目标换热站的编号,i=1,2,...,n,b表示第b个采样时间点的编号,b=1,2,...,c。
提取数据库中存储的目标集中供热热网中各换热站输出侧的参考温度、参考水压和参考水流量,得到各目标换热站输出侧的参考温度、参考水压和参考水流量,将其分别记为和/>
获取各目标换热站与热源厂之间各管网铺设区域的长度,并进行累加,得到各目标换热站的管网延伸长度,将其记为li。
进一步地,所述换热站工况信息获取模块的具体过程还包括:通过分析公式得到各目标换热站在分析周期内各采样时间点的控温力度系数/>ε1表示预设的换热站升温效率阈值,ΔT′表示预设的换热站输出侧实际温度与参考温度之间偏差的阈值,φΔl表示预设的单位管网长度对应的温度损失。
同理,根据各目标换热站在分析周期内各采样时间点的控温力度系数的分析方法,获取各目标换热站在分析周期内各采样时间点的控压力度系数和控流力度系数,将其分别记为和/>
作为一种优选方案,所述各目标换热站在分析周期内各采样时间点的控温力度系数的分析公式中li*φΔl的数值小于1。
作为一种优选方案,所述上游侧指靠近热源厂的一侧,下游侧指靠近热用户的一侧。
作为一种优选方案,所述目标换热站与上游侧管网连接处和与下游侧管网连接处均布设有阀门,阀门上设有温度传感器、压强传感器和流量传感器,阀门处检测显示的数据会传输到目标换热站的显示中心。
所述换热站故障诊断模块用于根据各目标换热站在分析周期内各采样时间点的工况信息,判断各目标换热站是否存在故障,若存在故障,则将存在故障的各目标换热站编号发送至目标集中供热热网的控制中心,反之,则执行管网基本信息获取模块。
进一步地,所述换热站故障诊断模块的具体分析过程为:将各目标换热站在分析周期内各采样时间点的控温力度系数控压力度系数/>和控流力度系数/>代入公式得到各目标换热站的故障隐患系数/>其中e表示自然常数,c表示采样时间点的数量,γ1、γ2、γ3分别表示预设的控温力度系数、控压力度系数和控流力度系数的权重因子。
根据各目标换热站的故障隐患系数,分析得到存在故障的各目标换热站,将存在故障的各目标换热站的编号发送至目标集中供热热网的控制中心。
作为一种优选方案,所述分析存在故障的各目标换热站,具体过程为:将各目标换热站的故障隐患系数与预设的故障隐患系数预警值进行比对,若某目标换热站的故障隐患系数大于预设的故障隐患系数预警值,则该目标换热站存在故障,筛选出存在故障的各目标换热站。
需要说明的是,本发明通过获取各目标换热站在分析周期内各采样时间点的工况信息,判断各目标换热站是否存在故障,制定故障排查计划,提高故障排查效率,有利快速找到故障原因。
所述管网基本信息获取模块用于获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度、压强和流量。
进一步地,所述管网基本信息获取模块的具体分析过程为:在目标集中供热热网中各管网中各条支线上的各阀门处布设检测点,得到目标集中供热热网中各管网中各条支线上各检测点。
设定检测周期的时长,按照预设的等时间间隔原则在检测周期内设置各数据采集点。
获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内各数据采集点的温度,通过平均值计算得到目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度。
同理,根据目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度的分析方法,获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的压强和流量。
作为一种优选方案,各管网包括热源厂与换热站之间的管网、换热站与换热站之间的管网和换热站与热用户之间的管网。
作为一种优选方案,所述管网支线阀门上布设有温度传感器、压强传感器和流量传感器。
所述管网故障诊断模块用于根据目标集中供热热网中各管网中各支线上各检测点在检测周期内的温度、压强和流量,分析目标集中供热热网中各管网是否存在故障,并进行相应处理。
参阅图4所示,所述管网故障诊断模块的具体分析过程包括:根据目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度,通过函数拟合方法获取目标集中供热热网中各管网中各条支线对应的温度特征函数,进一步得到目标集中供热热网中各管网中各条支线对应的温度特征函数图像,将目标集中供热热网中各管网中各条支线对应的温度特征函数图像与预设的参考温度特征函数图像进行比对,得到目标集中供热热网中各管网中各条支线对应的温度特征函数图像与预设的参考温度特征函数图像的相似度,将其记为目标集中供热热网中各管网中各条支线的温度符合度。
同理,根据目标集中供热热网中各管网中各条支线的温度符合度的分析方法,获取目标集中供热热网中各管网中各条支线的温度符合度、压强符合度和流量符合度,将其分别记为j表示第j个管网的编号,j=1,2,...,m,x表示第x条支线的编号,x=1,2,...,y。
进一步,所述管网故障诊断模块的具体分析过程还包括:通过分析公式得到目标集中供热热网中各管网中各条支线的基本信息匹配系数κjx,其中μ表示预设的基本信息匹配系数修正因子,η1设、η2设、η3设分别表示预设的温度符合度、压强符合度和流量符合度的参考值,λ1、λ2、λ3分别表示预设的温度符合度、压强符合度和流量符合度的权值。
作为一种优选方案,所述温度特征函数的获取方法为:以检测点的编号为温度特征函数的自变量,以温度为温度特征函数的因变量。
作为一种优选方案,所述管网支线上各检测点的温度、压强和流量在理想情况下变动比较小或者基本一致,故理想情况下管网支线对应的温度特征函数图像、压强特征函数图像和流量特征函数图像均近似为一条直线。
进一步地,所述管网故障诊断模块的具体分析过程还包括:将目标集中供热热网中各管网中各条支线的基本信息匹配系数与预设的基本信息匹配系数阈值进行比对,若目标集中供热热网中某管网中某条支线的基本信息匹配系数小于预设的基本信息匹配系数阈值,则将该条支线记为异常支线,筛选出目标集中供热热网中各管网中各条异常支线,统计得到目标集中供热热网中各管网中异常支线的数量,将其记为Nj。
提取数据库中存储的历史周期内目标集中供热热网中各管网的平均运行功率,将其记为wj。
通过分析公式得到目标集中供热热网中各管网的故障比例系数ξj,σΔN表示预设的单位异常支线数量对应的故障影响因子,/>表示预设的第j个管网的安全运行功率,j=1,2,...,m。
根据目标集中供热热网中各管网的故障比例系数,分析得到目标集中供热热网中存在故障的各管网,将目标集中供热热网中存在故障的各管网及其对应的各异常支线的编号发送至目标集中供热热网的控制中心。
作为一种优选方案,所述分析目标集中供热热网中存在故障的各管网,具体过程为:将目标集中供热热网中各管网的故障比例系数与预设的故障比例系数阈值进行比对,若目标集中供热热网中某管网的故障比例系数大于预设的故障比例系数阈值,则该管网存在故障,统计目标集中供热热网中存在故障的各管网。
需要说明的是,本发明通过获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度、压强和流量,分析目标集中供热热网中各管网是否存在故障,将热网运行信息充分利用起来,结合多项运行数据进行综合分析,避免发生误判和耽误故障排查抢修时间。
所述数据库用于存储目标集中供热热网中热用户需求供热温度,以及各换热站输出侧的参考温度、参考水压和参考水流量,并存储历史周期内目标集中供热热网中各管网的平均运行功率。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于,包括:
供热热网基本信息获取模块:用于获取目标集中供热热网在监测周期内的基本信息,其中基本信息包括总循环水量、总补水量和热用户供热温度;
供热热网故障诊断模块:用于根据目标集中供热热网在监测周期内的基本信息,判断目标集中供热热网是否存在故障,若存在故障,则进行预警,并执行换热站工况信息获取模块;
换热站工况信息获取模块:用于获取目标集中供热热网中热源厂与热用户之间各换热站在分析周期内各采样时间点的工况信息,将其记为各目标换热站在分析周期内各采样时间点的工况信息,其中工况信息包括控温力度系数、控压力度系数和控流力度系数;
换热站故障诊断模块:用于根据各目标换热站在分析周期内各采样时间点的工况信息,判断各目标换热站是否存在故障,若存在故障,则将存在故障的各目标换热站编号发送至目标集中供热热网的控制中心,反之,则执行管网基本信息获取模块;
管网基本信息获取模块:用于获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度、压强和流量;
管网故障诊断模块:用于根据目标集中供热热网中各管网中各支线上各检测点在检测周期内的温度、压强和流量,分析目标集中供热热网中各管网是否存在故障,并进行相应处理;
数据库:用于存储目标集中供热热网中热用户需求供热温度,以及各换热站输出侧的参考温度、参考水压和参考水流量,并存储历史周期内目标集中供热热网中各管网的平均运行功率。
2.根据权利要求1所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述供热热网基本信息获取模块的具体分析过程为:
设定监测周期的时长,通过目标集中供热热网的控制中心获取目标集中供热热网在监测周期内的总循环水量、总补水量和热用户供热温度,将其分别记为Q循环、Q补、T用户。
3.根据权利要求2所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述供热热网故障诊断模块的具体过程为:
提取数据库中存储的目标集中供热热网中热用户需求供热温度,将其记为T用′户;
通过分析公式得到目标集中供热热网的故障倾向系数α,其中χ表示预设的故障倾向系数修正因子,ΔQ表示预设的目标集中供热热网的水分损失量,β表示预设的目标集中供热热网的失水率阈值,ΔT表示预设的热用户供热温度允许偏差;
将目标集中供热热网的故障倾向系数与预设的故障倾向系数阈值进行比较,若目标集中供热热网的故障倾向系数大于预设的故障倾向系数阈值,则目标集中供热热网存在故障,并进行预警。
4.根据权利要求1所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述换热站工况信息获取模块的具体过程包括:
设定分析周期的时长,按照预设的等时间间隔原则在分析周期内设置各采样时间点,通过各目标换热站的显示中心获取分析周期内各采样时间点各目标换热站与上游侧管网连接处和与下游侧管网连接处的温度、水压和水流量,将其记为各目标换热站在分析周期内各采样时间点输入侧和输出侧的温度、水压和水流量,将其分别记为 和i表示第i个目标换热站的编号,i=1,2,...,n,b表示第b个采样时间点的编号,b=1,2,...,c;
提取数据库中存储的目标集中供热热网中各换热站输出侧的参考温度、参考水压和参考水流量,得到各目标换热站输出侧的参考温度、参考水压和参考水流量,将其分别记为和/>
获取各目标换热站与热源厂之间各管网铺设区域的长度,并进行累加,得到各目标换热站的管网延伸长度,将其记为li。
5.根据权利要求4所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述换热站工况信息获取模块的具体过程还包括:
通过分析公式得到各目标换热站在分析周期内各采样时间点的控温力度系数/>ε1表示预设的换热站升温效率阈值,ΔT′表示预设的换热站输出侧实际温度与参考温度之间偏差的阈值,φΔl表示预设的单位管网长度对应的温度损失;
同理,根据各目标换热站在分析周期内各采样时间点的控温力度系数的分析方法,获取各目标换热站在分析周期内各采样时间点的控压力度系数和控流力度系数,将其分别记为和/>
6.根据权利要求5所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述换热站故障诊断模块的具体分析过程为:
将各目标换热站在分析周期内各采样时间点的控温力度系数控压力度系数/>和控流力度系数/>代入公式/>得到各目标换热站的故障隐患系数/>其中e表示自然常数,c表示采样时间点的数量,γ1、γ2、γ3分别表示预设的控温力度系数、控压力度系数和控流力度系数的权重因子;
根据各目标换热站的故障隐患系数,分析得到存在故障的各目标换热站,将存在故障的各目标换热站的编号发送至目标集中供热热网的控制中心。
7.根据权利要求1所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述管网基本信息获取模块的具体分析过程为:
在目标集中供热热网中各管网中各条支线上的各阀门处布设检测点,得到目标集中供热热网中各管网中各条支线上各检测点;
设定检测周期的时长,按照预设的等时间间隔原则在检测周期内设置各数据采集点;
获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内各数据采集点的温度,通过平均值计算得到目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度;
同理,根据目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度的分析方法,获取目标集中供热热网中各管网中各条支线上各检测点在检测周期内的压强和流量。
8.根据权利要求1所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述管网故障诊断模块的具体分析过程包括:
根据目标集中供热热网中各管网中各条支线上各检测点在检测周期内的温度,通过函数拟合方法获取目标集中供热热网中各管网中各条支线对应的温度特征函数,进一步得到目标集中供热热网中各管网中各条支线对应的温度特征函数图像,将目标集中供热热网中各管网中各条支线对应的温度特征函数图像与预设的参考温度特征函数图像进行比对,得到目标集中供热热网中各管网中各条支线对应的温度特征函数图像与预设的参考温度特征函数图像的相似度,将其记为目标集中供热热网中各管网中各条支线的温度符合度;
同理,根据目标集中供热热网中各管网中各条支线的温度符合度的分析方法,获取目标集中供热热网中各管网中各条支线的温度符合度、压强符合度和流量符合度,将其分别记为j表示第j个管网的编号,j=1,2,...,m,x表示第x条支线的编号,x=1,2,...,y。
9.根据权利要求8所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述管网故障诊断模块的具体分析过程还包括:
通过分析公式得到目标集中供热热网中各管网中各条支线的基本信息匹配系数κjx,其中μ表示预设的基本信息匹配系数修正因子,η1设、η2设、η3设分别表示预设的温度符合度、压强符合度和流量符合度的参考值,λ1、λ2、λ3分别表示预设的温度符合度、压强符合度和流量符合度的权值。
10.根据权利要求9所述的一种基于人工智能的集中供热热网运行故障监测预警系统,其特征在于:所述管网故障诊断模块的具体分析过程还包括:
将目标集中供热热网中各管网中各条支线的基本信息匹配系数与预设的基本信息匹配系数阈值进行比对,若目标集中供热热网中某管网中某条支线的基本信息匹配系数小于预设的基本信息匹配系数阈值,则将该条支线记为异常支线,筛选出目标集中供热热网中各管网中各条异常支线,统计得到目标集中供热热网中各管网中异常支线的数量,将其记为Nj;
提取数据库中存储的历史周期内目标集中供热热网中各管网的平均运行功率,将其记为wj;
通过分析公式得到目标集中供热热网中各管网的故障比例系数ξj,σΔN表示预设的单位异常支线数量对应的故障影响因子,/>表示预设的第j个管网的安全运行功率,j=1,2,...,m;
根据目标集中供热热网中各管网的故障比例系数,分析得到目标集中供热热网中存在故障的各管网,将目标集中供热热网中存在故障的各管网及其对应的各异常支线的编号发送至目标集中供热热网的控制中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310711565.XA CN116557950A (zh) | 2023-06-15 | 2023-06-15 | 一种基于人工智能的集中供热热网运行故障监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310711565.XA CN116557950A (zh) | 2023-06-15 | 2023-06-15 | 一种基于人工智能的集中供热热网运行故障监测预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116557950A true CN116557950A (zh) | 2023-08-08 |
Family
ID=87490068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310711565.XA Pending CN116557950A (zh) | 2023-06-15 | 2023-06-15 | 一种基于人工智能的集中供热热网运行故障监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116557950A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116866154A (zh) * | 2023-09-05 | 2023-10-10 | 湖北华中电力科技开发有限责任公司 | 一种基于虚拟机集群的配电网通讯服务智能调度管理系统 |
CN117272072A (zh) * | 2023-11-22 | 2023-12-22 | 瑞纳智能设备股份有限公司 | 一次管网的供水管网的热损失确定方法及装置 |
CN117329581A (zh) * | 2023-09-26 | 2024-01-02 | 山东和同信息科技股份有限公司 | 一种用于供热二次管网的大数据分析管控系统及方法 |
CN117406683A (zh) * | 2023-12-14 | 2024-01-16 | 山东一方制药有限公司 | 一种中药配方颗粒自动化生产流水线监测控制管理系统 |
-
2023
- 2023-06-15 CN CN202310711565.XA patent/CN116557950A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116866154A (zh) * | 2023-09-05 | 2023-10-10 | 湖北华中电力科技开发有限责任公司 | 一种基于虚拟机集群的配电网通讯服务智能调度管理系统 |
CN116866154B (zh) * | 2023-09-05 | 2023-11-28 | 湖北华中电力科技开发有限责任公司 | 一种基于虚拟机集群的配电网通讯服务智能调度管理系统 |
CN117329581A (zh) * | 2023-09-26 | 2024-01-02 | 山东和同信息科技股份有限公司 | 一种用于供热二次管网的大数据分析管控系统及方法 |
CN117329581B (zh) * | 2023-09-26 | 2024-04-19 | 山东和同信息科技股份有限公司 | 一种用于供热二次管网的大数据分析管控系统及方法 |
CN117272072A (zh) * | 2023-11-22 | 2023-12-22 | 瑞纳智能设备股份有限公司 | 一次管网的供水管网的热损失确定方法及装置 |
CN117272072B (zh) * | 2023-11-22 | 2024-02-20 | 瑞纳智能设备股份有限公司 | 一次管网的供水管网的热损失确定方法及装置 |
CN117406683A (zh) * | 2023-12-14 | 2024-01-16 | 山东一方制药有限公司 | 一种中药配方颗粒自动化生产流水线监测控制管理系统 |
CN117406683B (zh) * | 2023-12-14 | 2024-02-20 | 山东一方制药有限公司 | 一种中药配方颗粒自动化生产流水线监测控制管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116557950A (zh) | 一种基于人工智能的集中供热热网运行故障监测预警系统 | |
WO2019200662A1 (zh) | 电-热-气综合能源系统的稳定评估与静态控制方法 | |
CN113139353B (zh) | 蒸汽管网动态计算及在线监测预警分析方法 | |
CN110701796B (zh) | 一种基于云预测算法的热水系统节能控制系统 | |
CN105740989B (zh) | 一种基于varx模型的供水管网异常事件侦测方法 | |
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 | |
CN103207567B (zh) | 一种低误报率的改进主元分析过程监测方法及其监测系统 | |
Sun et al. | Integrated control strategy of district heating system based on load forecasting and indoor temperature measurement | |
CN110033181B (zh) | 一种基于自编码器的发电设备状态评估方法 | |
CN101813920A (zh) | 电站汽轮机组温度传感器虚拟冗余方法 | |
CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化系统 | |
CN108730775A (zh) | 一种树状管网爆管分析方法及装置 | |
CN107461881A (zh) | 一种医院空调机房的制冷主机能效诊断方法及其系统 | |
CN111582588A (zh) | 一种基于三重卷积融合gru的建筑物能耗预测方法 | |
CN105930936A (zh) | 一种生产流通过程中食品所含微生物的生长预测方法 | |
CN108536129A (zh) | 一种群智能搜索的相关向量机故障诊断系统 | |
CN115184734A (zh) | 一种电网线路故障检测方法和系统 | |
CN115450710A (zh) | 汽轮机滑压运行优化方法 | |
CN113819512A (zh) | 一种基于大数据分析集中供热控制方法 | |
CN113756886A (zh) | 一种汽轮机加热器的故障判断方法和系统 | |
CN114187976A (zh) | 一种基于实时测量数据的氧量预测方法 | |
CN110826776B (zh) | 一种配网线变关系识别中基于动态规划的初始解优化方法 | |
CN111859783A (zh) | 水压预测方法、系统、存储介质、设备、城市供水系统 | |
CN115682468B (zh) | 一种基于数据分析的空气源热泵机组智能运维管控系统 | |
CN110570024A (zh) | 基于部分运行数据和模型校准的制冷站运行评价方法 |
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 |