CN117387118A - 一种供热管网控制方法以及供热系统、控制装置、介质 - Google Patents
一种供热管网控制方法以及供热系统、控制装置、介质 Download PDFInfo
- Publication number
- CN117387118A CN117387118A CN202311184279.9A CN202311184279A CN117387118A CN 117387118 A CN117387118 A CN 117387118A CN 202311184279 A CN202311184279 A CN 202311184279A CN 117387118 A CN117387118 A CN 117387118A
- Authority
- CN
- China
- Prior art keywords
- fluid
- pipe section
- fluid performance
- pipe network
- network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000012530 fluid Substances 0.000 claims abstract description 200
- 238000010438 heat treatment Methods 0.000 claims abstract description 78
- 238000011217 control strategy Methods 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000009471 action Effects 0.000 claims abstract description 7
- 230000015654 memory Effects 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000017525 heat dissipation Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction 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
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- F24D19/1003—Arrangement or mounting of control or safety devices for steam heating systems
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)
- Pipeline Systems (AREA)
Abstract
本发明公开了一种供热管网控制方法以及供热系统、控制装置、介质，包括：获取管网结构信息，其中，管网结构信息包括蒸汽供热管网的管道连接关系、蒸汽供热管网中各个连接节点位置以及各个连接节点之间的管道参数；获取流体检测信息；根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略；根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断；若流体性能变化参数满足流体性能阈值，则将控制策略输出至蒸汽供热管网的运行模块中执行动作，本设计提高蒸汽供热管网的控制合理性、运行效率以及安全性。
Description
技术领域
本发明涉及供热管网计算机控制技术领域，特别涉及一种供热管网控制方法以及供热系统、控制装置、介质。
背景技术
蒸汽供热管网是一种广泛应用于工业、民用和农业等领域的热能输送方式，它利用蒸汽作为热载体，通过管道将热能从锅炉或其他热源输送到用户。蒸汽供热管网具有传热效率高、温度可控、节能环保等优点，但也存在一些问题，如管网结构复杂、运行参数多变、设备老化、散热损失等，这些问题会影响管网的运行效率和安全性。
现有的蒸汽供热管控系统，均是在蒸汽供热管网中各个位置均设置检测各种参数的传感器，通过人工对传感器的数值进行判断，当传感器反馈的数值超过预设的阈值，则利用人为经验来给出相应的控制策略，此方式效率低下，调控效果不佳，容易出错导致蒸汽供热管网受损。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种供热管网控制方法以及供热系统、控制装置、介质，提高蒸汽供热管网的控制合理性、运行效率以及安全性。
根据本发明的第一方面实施例的一种供热管网控制方法，包括：获取管网结构信息，其中，管网结构信息包括蒸汽供热管网的管道连接关系、蒸汽供热管网中各个连接节点位置以及各个连接节点之间的管道参数；获取流体检测信息，所述流体检测传感信息为设置于蒸汽供热管网的各个传感器检测的数据；根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略；根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断；若流体性能变化参数满足流体性能阈值，则将控制策略输出至蒸汽供热管网的运行模块中执行动作。
根据本发明实施例的一种供热管网控制方法，至少具有如下有益效果：
本发明供热管网控制方法，由于得知管网结构信息，可以根据各个传感器检测的数据，基于管道连接关系以及各个连接节点位置将传感器检测的数据相关联，并且结合连接节点之间的管道参数可以计算出蒸汽供热管网中至少部分位置的流体特性参数，而后再制定出控制策略，并且预估控制策略对蒸汽供热管网进行控制后形成的流体性能变化参数，通过流体性能阈值的比较判断，决定控制策略是否适用于蒸汽供热管网，选择适用的控制策略控制运行模块执行动作，本设计提高蒸汽供热管网的控制合理性、运行效率以及安全性。
根据本发明的一些实施例，在所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中，若流体性能变化参数不满足流体性能阈值，则重新根据流体特性参数制定控制策略，并且再次执行所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断，直至流体性能变化参数满足流体性能阈值。
根据本发明的一些实施例，在所述根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略中包括：所述流体动态模型包括水力动态模型以及热力动态模型，所述流体检测信息包括各个管段的流量Gk、管段k的入口温度Tfk、管段k的外界温度T0k，所述管网结构信息包括管段k的摩阻系数λk、管段k的平均密度ρk、管段k的直径Dk、管段k的长度Lk、管段k的平均定压比热容Cpk、管段k的总传热系数Kk、节点i的密度ρi、蒸汽的气体常数R和节点i的温度Ti；所述水力动态模型根据流体检测信息以及管网结构信息计算出各个管段k的压降Δpk以及各个节点的水压pi，所述热力动态模型根据流体检测信息以及管网结构信息计算出管段k的温度降ΔTk，各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk作为流体特性参数；根据各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk基于神经网络模型制定控制策略。
根据本发明的一些实施例，所述水力动态模型包括管段压降模型：
所述热力动态模型包括管段温度降模型：
所述水力动态模型还包括节点水压模型：
pi＝ρiRTi。
根据本发明的一些实施例，在所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中包括：根据控制策略估算经过控制策略对运行模块控制后各个管段的流量Gk以及管段k的入口温度Tfk；根据估算的各个管段的流量Gk以及管段k的入口温度Tfk计算出各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk的变化量以作为流体性能变化参数；根据流体性能变化参数与流体性能阈值进行比较判断。
根据本发明的一些实施例，在所述根据流体特性参数制定控制策略中包括：根据流体特性参数基于神经网络模型制定多个控制策略；在根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中包括：每个控制策略根据流体动态模型预估出对应的流体性能变化参数，并且每个流体性能变化参数均与流体性能阈值进行比较判断；若多个流体性能变化参数满足流体性能阈值，选择超过流体性能阈值的差值最多的一个流体性能变化参数对应的控制策略来对运行模块控制。
根据本发明的一些实施例，所述控制策略包括对至少部分节点处的阀门启闭控制信号、泵功率控制信号以及加热件功率控制信号。
根据本发明第二方面实施例的供热系统，包括：蒸汽供热管网，包括多个连接节点以及多条管道，相邻的多条管道通过所述连接节点连通；运行模块，设置于所述蒸汽供热管网中，所述运行模块用于为蒸汽供热管网供蒸汽、为供蒸汽提供热量以及调节供蒸汽的流量；多个传感器，设置于所述蒸汽供热管网，所述传感器用于检测流体检测信息；控制模块，分别与所述运行模块以及所述传感器连接以执行包括上述任一实施例公开的供热管网控制方法。
根据本发明实施例的供热系统，至少具有如下有益效果：
本发明供热系统，应用上述任一实施例公开的供热管网控制方法对蒸汽供热管网的运行模块控制，本设计提高蒸汽供热管网的控制合理性、运行效率以及安全性。
根据本发明第三方面实施例的控制装置，包括：一个或多个存储器；一个或多个处理器，用于执行存储在所述一个或多个存储器中的一个或多个计算机程序，还用于执行上述任一实施例公开的一种供热管网控制方法。
根据本发明第四方面实施例的计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述任一实施例公开的一种供热管网控制方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明供热系统其中一种实施例的原理结构框图；
图2为本发明供热管网控制方法其中一种实施例的流程图；
图3为本发明控制装置其中一种实施例的原理结构框图。
附图标记：
蒸汽供热管网100；运行模块200；传感器300；控制模块400；处理器610；存储器620；输入/输出接口630；通信接口640；总线650。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
本申请应用于蒸汽供热管网100中，如图1所示，在蒸汽供热管网100中，蒸汽供热管网100包括多个连接节点、多条管道、运行模块200、多个传感器300以及控制模块400，相邻的多条管道通过所述连接节点连通，所述运行模块200包括蒸汽输出源、气泵等，运行模块200用于为蒸汽供热管网100供蒸汽、为供蒸汽提供热量以及调节供蒸汽的流量，传感器300包括温度传感器300、流量传感器300等，温度传感器300用于检测位置处的蒸汽温度，流量传感器300用于检测位置处的蒸汽流量，控制模块400分别与传感器300以及运行模块200连接以执行供热管网控制方法。
具体地，传感器包括多个(201，202，…20m)分布在蒸汽供热管网各个节点上，每个传感器均可以包括温度传感器、压力传感器、流量传感器、电池、无线通信模块和微控制器。
如图1、2所示，根据本发明的第一方面实施例的一种供热管网控制方法，包括：
S510、获取管网结构信息，其中，管网结构信息包括蒸汽供热管网的管道连接关系、蒸汽供热管网中各个连接节点位置以及各个连接节点之间的管道参数；
S520、获取流体检测信息，所述流体检测传感信息为设置于蒸汽供热管网的各个传感器检测的数据；
S530、根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略；
S540、根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断；
S550、若流体性能变化参数满足流体性能阈值，则将控制策略输出至蒸汽供热管网的运行模块中执行动作。
其中，管道连接关系以及蒸汽供热管网中各个连接节点位置包括：将管网划分为若干个节点和管段，每个节点和管段设定节点编号、管段编号、管段长度、管段直径等几何参数。
由于蒸汽流体会在管道中流动，根据流体检测信息以及管网结构信息，能够基于流体动态模型计算出蒸汽供热管网中动态的流体特性参数。
而流体性能阈值可以是工作人员设定的值，通过控制策略控制运行模块的动作，使得蒸汽供热管网中的流体性能发生改变，流体性能变化参数超过流体性能阈值，才能达到用户使用要求。
本发明供热管网控制方法，由于得知管网结构信息，可以根据各个传感器检测的数据，基于管道连接关系以及各个连接节点位置将传感器检测的数据相关联，并且结合连接节点之间的管道参数可以计算出蒸汽供热管网中至少部分位置的流体特性参数，而后再制定出控制策略，并且预估控制策略对蒸汽供热管网进行控制后形成的流体性能变化参数，通过流体性能阈值的比较判断，决定控制策略是否适用于蒸汽供热管网，选择适用的控制策略控制运行模块执行动作，本设计提高蒸汽供热管网的控制合理性、运行效率以及安全性。
在本发明的一些实施例中，在所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中，若流体性能变化参数不满足流体性能阈值，则重新根据流体特性参数制定控制策略，并且再次执行所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断，直至流体性能变化参数满足流体性能阈值。
相当于当流体特性参数制定的控制策略未能满足流体性能阈值，则对步骤S530、步骤S540进行循环，直至流体性能变化参数能够满足流体性能阈值为止，本设计自动生成控制策略，并且实现对运行模块进行控制。
在本发明的一些实施例中，在所述根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略中包括：
所述流体动态模型包括水力动态模型以及热力动态模型，所述流体检测信息包括各个管段的流量Gk、管段k的入口温度Tfk、管段k的外界温度T0k，所述管网结构信息包括管段k的摩阻系数λk、管段k的平均密度ρk、管段k的直径Dk、管段k的长度Lk、管段k的平均定压比热容Cpk、管段k的总传热系数Kk、节点i的密度ρi、蒸汽的气体常数R和节点i的温度Ti；
所述水力动态模型根据流体检测信息以及管网结构信息计算出各个管段k的压降Δpk以及各个节点的水压pi，所述热力动态模型根据流体检测信息以及管网结构信息计算出管段k的温度降ΔTk，各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk作为流体特性参数；
根据各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk基于神经网络模型制定控制策略。
本设计采用运行神经网络模型的自适应学习算法来制定控制策略，根据传感器采集的历史数据以及以往控制策略的经验对神经网络模型进行训练，并且用传感器采集的实时流体检测信息对神经网络模型进行动态调整和优化，以解决供热管网设备衰退和性能老化导致的仿真精度问题。
具体地，深度的神经网络模型的数学表达式可以表示为：
y＝f(x；W，b)；
其中，x是输入数据，如管网的压力、温度、流量等；y是输出数据，如模型需要调整和优化的参数，如管段的摩阻系数、热损失系数、定压比热容等；W和b是网络的权重和偏置；f是网络的函数，由多个层组成，每个层由一个线性变换和一个非线性激活函数构成。例如，对于一个有L个隐藏层的深度神经网络，f可以表示为：
f(x；W，b)＝WLσL(WL-1σL-1(...σ1(W1x+b1)...)+bL-1)+bL；
其中，WL和bL是第I层的权重和偏置；σL是第I层的激活函数，如ReLU函数、sigmoid函数、tanh函数等。
为了训练深度的神经网络模型，需要定义一个目标函数和一个优化算法。目标函数是衡量模型与实际情况之间一致性的指标，如最小化模型输出与传感器数据之间的均方误差：
其中，N是数据集的大小；xi和yi是第i个数据点的输入和输出。
优化算法是用于更新和优化模型参数的方法，如梯度下降、随机梯度下降、Adam等。梯度下降算法的基本思想是沿着目标函数的负梯度方向更新参数，以达到局部最小值。梯度下降算法的更新公式为：
其中，α是学习率；和/>是目标函数对权重和偏置的偏导数。为了计算这些偏导数，可以使用反向传播算法，它利用链式法则从输出层到输入层逐层计算梯度。
具体地，所述水力动态模型包括管段压降模型：
所述热力动态模型包括管段温度降模型：
所述水力动态模型还包括节点水压模型：
pi＝ρiRTi。
另外，热力动态模型中还可以包括管道温度流式模型，对于任意一个管段k，管道温度流式模型为：
q1kLk(1+ηk)＝1000GkCpkΔTk；
其中，q1k是管段k的单位长度散热量，Lk是局部散热损失修正系数。
以其中一种蒸汽供热管网举例，蒸汽供热管网由一台锅炉、四个用户和六个管段组成，各个参数如下表所示：
在本发明的一些实施例中，在所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中包括：根据控制策略估算经过控制策略对运行模块控制后各个管段的流量Gk以及管段k的入口温度Tfk；根据估算的各个管段的流量Gk以及管段k的入口温度Tfk计算出各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk的变化量以作为流体性能变化参数；根据流体性能变化参数与流体性能阈值进行比较判断。
在本发明的一些实施例中，在所述根据流体特性参数制定控制策略中包括：根据流体特性参数基于神经网络模型制定多个控制策略；
在根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中包括：每个控制策略根据流体动态模型预估出对应的流体性能变化参数，并且每个流体性能变化参数均与流体性能阈值进行比较判断；若多个流体性能变化参数满足流体性能阈值，选择超过流体性能阈值的差值最多的一个流体性能变化参数对应的控制策略来对运行模块控制。
此处相当于制定多个控制策略，利用每个控制策略来估算出对应的流体性能变化参数，每个流体性能变化参数均能够表征经过控制策略控制后，蒸汽供热管网所呈现的效果，因此，通过与流体性能阈值比对，选择超过流体性能阈值的差值最多的一个流体性能变化参数对应的控制策略来对运行模块控制，能够取得较好的控制效果。
在本发明的一些实施例中，所述控制策略包括对至少部分节点处的阀门启闭控制信号、泵功率控制信号以及加热件功率控制信号。
根据本发明第二方面实施例的供热系统，如图1所示，包括：蒸汽供热管网100，包括多个连接节点以及多条管道，相邻的多条管道通过所述连接节点连通；运行模块200，设置于所述蒸汽供热管网100中，所述运行模块200用于为蒸汽供热管网100供蒸汽、为供蒸汽提供热量以及调节供蒸汽的流量；多个传感器300，设置于所述蒸汽供热管网100，所述传感器300用于检测流体检测信息；控制模块400，分别与所述运行模块200以及所述传感器300连接以执行包括上述任一实施例公开的供热管网控制方法。本发明供热系统，应用上述任一实施例公开的供热管网控制方法对蒸汽供热管网的运行模块控制，本设计提高蒸汽供热管网的控制合理性、运行效率以及安全性。
根据本发明第三方面实施例的控制装置，控制装置包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一实施例公开的供热管网控制方法。
该控制装置可以为包括中央电脑、远程设备终端电脑等任意智能终端。
如图3所示，图3还示意了另一实施例的控制装置的硬件结构，控制装置包括：
处理器610，可以采用通用的中央处理器610(central processing unit，CPU)、微处理器610、应用专用集成电路(application specific integrated circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器620，可以采用只读存储器620(read only memory，ROM)、静态存储设备、动态存储设备或者随机存取存储器620(random access memory，RAM)等形式实现。存储器620可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器620中，并由处理器610来调用执行本申请实施例的供热管网控制方法；
输入/输出接口630，用于实现信息输入及输出；
通信接口640，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线650，在设备的各个组件(例如处理器610、存储器620、输入/输出接口630和通信接口640)之间传输信息；
其中处理器610、存储器620、输入/输出接口630和通信接口640通过总线650实现彼此之间在设备内部的通信连接。
根据本发明第四方面实施例的计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现上述任一实施例公开的供热管网控制方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.一种供热管网控制方法，应用于蒸汽供热管网系统，其特征在于，包括：
获取管网结构信息，其中，管网结构信息包括蒸汽供热管网的管道连接关系、蒸汽供热管网中各个连接节点位置以及各个连接节点之间的管道参数；
获取流体检测信息，所述流体检测传感信息为设置于蒸汽供热管网的各个传感器检测的数据；
根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略；
根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断；
若流体性能变化参数满足流体性能阈值，则将控制策略输出至蒸汽供热管网的运行模块中执行动作。
2.根据权利要求1所述的一种供热管网控制方法，其特征在于，在所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中，若流体性能变化参数不满足流体性能阈值，则重新根据流体特性参数制定控制策略，并且再次执行所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断，直至流体性能变化参数满足流体性能阈值。
3.根据权利要求1所述的一种供热管网控制方法，其特征在于，在所述根据将流体检测信息以及管网结构信息基于流体动态模型计算出蒸汽供热管网中至少部分位置的流体特性参数，并且根据流体特性参数制定控制策略中包括：
所述流体动态模型包括水力动态模型以及热力动态模型，所述流体检测信息包括各个管段的流量Gk、管段k的入口温度Tfk、管段k的外界温度T0k，所述管网结构信息包括管段k的摩阻系数λk、管段k的平均密度ρk、管段k的直径Dk、管段k的长度Lk、管段k的平均定压比热容Cpk、管段k的总传热系数Kk、节点i的密度ρi、蒸汽的气体常数R和节点i的温度Ti；
所述水力动态模型根据流体检测信息以及管网结构信息计算出各个管段k的压降Δpk以及各个节点的水压pi，所述热力动态模型根据流体检测信息以及管网结构信息计算出管段k的温度降ΔTk，各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk作为流体特性参数；
根据各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk基于神经网络模型制定控制策略。
4.根据权利要求3所述的一种供热管网控制方法，其特征在于，所述水力动态模型包括管段压降模型：
所述热力动态模型包括管段温度降模型：
所述水力动态模型还包括节点水压模型：
pi＝ρiRTi。
5.根据权利要求3所述的一种供热管网控制方法，其特征在于，在所述根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中包括：
根据控制策略估算经过控制策略对运行模块控制后各个管段的流量Gk以及管段k的入口温度Tfk；
根据估算的各个管段的流量Gk以及管段k的入口温度Tfk计算出各个管段k的压降Δpk、各个节点的水压pi以及管段k的温度降ΔTk的变化量以作为流体性能变化参数；
根据流体性能变化参数与流体性能阈值进行比较判断。
6.根据权利要求5所述的一种供热管网控制方法，其特征在于，在所述根据流体特性参数制定控制策略中包括：根据流体特性参数基于神经网络模型制定多个控制策略；
在根据控制策略根据流体动态模型预估出流体性能变化参数，利用流体性能变化参数与流体性能阈值进行比较判断中包括：每个控制策略根据流体动态模型预估出对应的流体性能变化参数，并且每个流体性能变化参数均与流体性能阈值进行比较判断；
若多个流体性能变化参数满足流体性能阈值，选择超过流体性能阈值的差值最多的一个流体性能变化参数对应的控制策略来对运行模块控制。
7.根据权利要求1所述的一种供热管网控制方法，其特征在于，所述控制策略包括对至少部分节点处的阀门启闭控制信号、泵功率控制信号以及加热件功率控制信号。
8.一种供热系统，其特征在于，包括：
蒸汽供热管网，包括多个连接节点以及多条管道，相邻的多条管道通过所述连接节点连通；
运行模块，设置于所述蒸汽供热管网中，所述运行模块用于为蒸汽供热管网供蒸汽、为供蒸汽提供热量以及调节供蒸汽的流量；
多个传感器，设置于所述蒸汽供热管网，所述传感器用于检测流体检测信息；
控制模块，分别与所述运行模块以及所述传感器连接以执行如权利要求1-7任意一项所述的供热管网控制方法。
9.一种控制装置，其特征在于，包括：
一个或多个存储器；
一个或多个处理器，用于执行存储在所述一个或多个存储器中的一个或多个计算机程序，还用于执行如权利要求1-7任意一项所述的一种供热管网控制方法。
10.一种计算机可读存储介质，其特征在于，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-7任意一项所述的一种供热管网控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311184279.9A CN117387118A (zh) | 2023-09-13 | 2023-09-13 | 一种供热管网控制方法以及供热系统、控制装置、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311184279.9A CN117387118A (zh) | 2023-09-13 | 2023-09-13 | 一种供热管网控制方法以及供热系统、控制装置、介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117387118A true CN117387118A (zh) | 2024-01-12 |
Family
ID=89463980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311184279.9A Pending CN117387118A (zh) | 2023-09-13 | 2023-09-13 | 一种供热管网控制方法以及供热系统、控制装置、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117387118A (zh) |
-
2023
- 2023-09-13 CN CN202311184279.9A patent/CN117387118A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Hydraulic resistance identification and optimal pressure control of district heating network | |
| WO2017006137A1 (en) | Temperature control system | |
| CN109409614A (zh) | 一种基于贝叶斯正则化神经网络的电力负荷预测方法 | |
| CN108615097A (zh) | 一种风速预测方法、系统、设备及计算机可读存储介质 | |
| CN106369834A (zh) | 基于神经网络的直热式热泵系统恒温流量控制方法 | |
| CN112923433B (zh) | 供暖控制方法及相关装置 | |
| CN104500979A (zh) | 供热管网内蒸汽流动滞留段在线诊断消除系统及工作方法 | |
| CN106371316A (zh) | 基于pso‑lssvm的水岛加药在线控制方法和装置 | |
| Li et al. | Design and online calibration methods of pressure-independent intelligent regulating valve based on hydrodynamic resistance characteristics | |
| 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 | |
| CN117387118A (zh) | 一种供热管网控制方法以及供热系统、控制装置、介质 | |
| Pasquier et al. | Simulation of ground-coupled heat pump systems using a spectral approach | |
| CN113251321A (zh) | 一种识别蒸汽热网爆管位置的方法和系统 | |
| CN108952637B (zh) | 一种用于深水作业水合物抑制的水下树安全系统及抑制方法 | |
| CN114611418B (zh) | 天然气管道流动状态预测方法 | |
| WO2021124997A1 (en) | Monitoring and controlling domestic hot water production and distribution | |
| CN117759997A (zh) | 供水温度控制方法、装置、设备及存储介质 | |
| Javed et al. | Modelling and optimization of residential heating system using random neural networks | |
| KR101657137B1 (ko) | 지능형 축사 환풍구 제어방법 | |
| Yadav et al. | Artificial neural network based hydro electric generation modelling | |
| RU2643945C1 (ru) | Способ определения оптимального времени разогрева объекта | |
| CN106126808B (zh) | 一种基于遗传算法的纯水管路动态摩擦项参数辨识方法 | |
| CN106097153B (zh) | 一种确定管网特性曲线的方法及装置 | |
| CN114033734B (zh) | 风机联合管网系统的控制方法、装置、介质及设备 | |
| Leonow et al. | Automatic controller tuning for soft sensor based flow rate control |
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 |