CN117404699A - 一种智慧供热系统分布式二级泵的控制策略 - Google Patents
一种智慧供热系统分布式二级泵的控制策略 Download PDFInfo
- Publication number
- CN117404699A CN117404699A CN202311309961.6A CN202311309961A CN117404699A CN 117404699 A CN117404699 A CN 117404699A CN 202311309961 A CN202311309961 A CN 202311309961A CN 117404699 A CN117404699 A CN 117404699A
- Authority
- CN
- China
- Prior art keywords
- heating system
- flow
- branch
- secondary pump
- real
- 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 114
- 238000011217 control strategy Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000012417 linear regression Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010200 validation analysis Methods 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
- F24D3/00—Hot-water central heating systems
- F24D3/02—Hot-water central heating systems with forced circulation, e.g. by pumps
-
- 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
- F24D19/1012—Arrangement or mounting of control or safety devices for water heating systems for central heating by regulating the speed of a pump
-
- 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
- F24D3/00—Hot-water central heating systems
- F24D3/18—Hot-water central heating systems using heat pumps
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)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种智慧供热系统分布式二级泵的控制策略,涉及分布式供热技术领域。步骤为:N1、实时监测并收集供热系统各分支的温度、压力等参数的实时数据,并对实时数据进行分析和处理,以获取供热系统的实时状态;N2、通过智能算法对供热系统进行分析,根据用户需求和供热系统的实时状态,确定各分支所需的热量和流量;N3、根据各分支所需的热量和流量,确定二级泵的运行状态和流量,以实现对供热系统的智能化控制。本发明采用先进的控制算法,实时监测供热系统各分支的运行状态和流量需求,从而实现对分布式二级泵的智能化控制,降低能耗,提高系统运行效率,提升用户体验,具有显著的经济和社会效益。
Description
技术领域
本发明属于分布式供热技术领域,更具体地说,是涉及一种智慧供热系统分布式二级泵的控制策略。
背景技术
城市供热系统由热源、热网和热用户三部分组成。城市供热系统是利用集中热源,通过供热管网等设施向热能用户供应生产或生活用热能的供热网络。我国城市供热热源的型式有热电厂、集中锅炉房、分散锅炉房、工业余热、核能、地热、太阳能、热泵、家庭用电暖器和小燃煤(油、气)炉等。随着我国城市供热系统的发展,分布式供热系统已经逐渐成为一种较为成熟的技术模式。分布式供热是指将供热系统分成多个小区域,每个小区域独立运行,通过管道连接起来,实现供热的方式。分布式供热系统中,一般采用多个泵站进行供热管网的控制和调节,以实现对用户热量的分配和供应。然而,现有的分布式供热系统中,泵站控制策略存在诸多问题,如泵站之间调节不协调、能耗高、运行效率低、用户体验差等,影响了供热系统的正常运行和服务质量。
发明内容
本发明所要解决的技术问题是提供一种智慧供热系统分布式二级泵的控制策略,采用先进的控制算法,实时监测供热系统各分支的运行状态和流量需求,从而实现对分布式二级泵的智能化控制,降低能耗,提高系统运行效率,提升用户体验,具有显著的经济和社会效益。
为解决上述技术问题,本发明所采取的技术方案是:
一种智慧供热系统分布式二级泵的控制策略,包括以下步骤:
N1、实时监测并收集供热系统各分支的温度、压力等参数的实时数据,并对实时数据进行分析和处理,以获取供热系统的实时状态;
N2、通过智能算法对供热系统进行分析,根据用户需求和供热系统的实时状态,确定各分支所需的热量和流量;
N3、根据各分支所需的热量和流量,确定二级泵的运行状态和流量,以实现对供热系统的智能化控制。
优选地,为了根据用户需求和供热系统的实时状态,通过智能算法对供热系统进行分析,确定各分支所需的热量和流量,我们可以采用以下步骤:
P1、收集供热系统实时数据:首先需要收集供热系统的各个分支的温度、压力等参数的实时数据,这些数据可以通过传感器等设备实时获取;
P2、数据清洗和预处理:对于实时数据,需要进行数据清洗和预处理,去除异常值和缺失值,并对数据进行归一化处理,以便进行后续分析;
P3、建立模型:在获取并预处理数据后,可以根据用户需求和实时数据建立模型,如基于多元线性回归、神经网络、支持向量机等模型;
P4、模型训练和验证:利用历史数据进行模型训练,并根据验证集上的表现来选择合适的模型;
P5、模型应用和调整:利用已训练好的模型,输入供热系统实时数据,输出各分支所需的热量和流量;同时,根据模型预测结果,可以对供热系统进行调整,如调整供热系统中的阀门和泵的状态,使得各分支所需的热量和流量得到满足以保证供热效果。
优选地,步骤N3中的供热系统的智能化控制包括:
定时控制策略:根据供热系统的使用情况,可以设置二级泵的启停时间,以满足各分支的热量和流量需求;
比例控制策略:根据各分支的热量和流量需求,可以通过比例控制二级泵的运行状态和流量,比例控制需要根据分支的需求来调节泵的运行状态和流量,能够更加精细地控制供热系统;
反馈控制策略:根据供热系统的实时状态和各分支的需求,可以采用反馈控制策略来控制二级泵的运行状态和流量;反馈控制可根据反馈信号来实时调节泵的状态和流量,以达到系统稳定和优化。
优选地,可以采用以下步骤来确定二级泵的运行状态和流量:
M1、获取各分支所需的热量和流量:根据之前建立的模型,获取各分支所需的热量和流量数据;
M2、确定二级泵的启停状态:根据定时控制策略,设定二级泵的启停时间,以满足各分支的热量和流量需求;
M3、确定二级泵的流量:根据比例控制策略,将各分支的热量和流量需求量化为流量信号,通过调节二级泵的流量来满足各分支的需求;
M4、反馈控制二级泵的状态和流量:根据反馈控制策略,实时监测供热系统的各分支温度、压力等参数,并根据分支的需求和系统的状态,调节二级泵的状态和流量,以达到系统稳定和调节的效果;
在确定二级泵的运行状态和流量后,可以将其实现为供热系统的智能化控制系统的一部分,以实现对供热系统的智能化控制;智能化控制系统可以利用传感器、控制器、执行器等硬件设备来实现。
优选地,采用多元线性回归模型获取供热系统的流量和热量,将各分支的热量和流量需求作为自变量,将二级泵的状态和流量作为因变量,建立模型如下:
Y=b0+b1X1+b2X2+…+bnXn
其中,Y代表二级泵的状态和流量,X1、X2、…、Xn分别代表各分支的热量和流量需求,b0、b1、b2、…、bn是回归系数。
优选地,可以采用多元线性回归模型对实时数据进行建模,以预测供热系统的实时状态,具体如下:
假设监测到的供热系统参数包括温度、压力和流量,分别用$T_i$、$P_i$和$Q_i$表示第$i$个分支的温度、压力和流量,用$S_i$表示第$i$个分支的状态,其中$S_i=1$表示该分支处于正常运行状态,$S_i=0$表示该分支处于故障状态,则多元线性回归模型可以表示为:
$S_i=f(T_i,P_i,Q_i)+\epsilon_i$
其中,$f$是一个线性函数,$\epsilon_i$是误差项,$f$的具体形式可以通过最小二乘法来估计,即
$f(T_i,P_i,Q_i)=\beta_0+\beta_1T_i+\beta_2P_i+\beta_3Q_i$
其中,$\beta_0,\beta_1,\beta_2$和$\beta_3$是回归系数,可以通过梯度下降算法来求解。
采用上述技术方案所产生的有益效果在于:
1、本发明通过多元线性回归模型,可以对实时监测到的供热系统各分支的温度、压力和流量等参数进行分析和处理,得到供热系统的实时状态,从而为智慧供热分布式二级泵的控制策略提供重要的数据支持。
2、本发明将实时数据作为模型的输入,从而预测二级泵的状态和流量,此外,还可以结合控制策略,动态地调整各分支的热量和流量需求,不断优化模型,实现更加精准的预测和控制。
3、本发明可以实现对供热系统的实时监测、预测和智能化控制,提高供热系统的效率和稳定性,降低能耗,提升用户体验,具有显著的经济和社会效益。
具体实施方式
下面将结合本申请实施例中,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
本发明旨在提供一种智慧供热分布式二级泵的控制策略,以解决现有分布式供热系统中泵站控制策略存在的问题。具体来说,本发明针对现有二级泵的控制方式,设计了一种智能化的控制策略,包括以下步骤:
N1、实时监测供热系统各分支的温度、压力等参数,并对数据进行分析和处理,以获取供热系统的实时状态。
N2、通过智能算法对供热系统进行分析,根据用户需求和供热系统的实时状态,确定各分支所需的热量和流量。
N3、根据各分支所需的热量和流量,确定二级泵的运行状态和流量,以实现对供热系统的智能化控制。
具体来说,在本发明中,采用的智能算法可以是人工神经网络、模糊控制、遗传算法等,这些算法可以根据实际情况进行选择和调整。同时,本发明还可以采用传感器、执行器等设备,对供热系统进行实时监测和控制。
对于实时监测到的供热系统各分支的温度、压力等参数数据,本发明中可以采用机器学习方法来进行分析和处理,以获取供热系统的实时状态。具体来说,可以采用多元线性回归模型对数据进行建模,以预测供热系统的实时状态。以下是一种可能的数学模型:
假设监测到的供热系统参数包括温度、压力和流量等,分别用$T_i$、$P_i$和$Q_i$表示第$i$个分支的温度、压力和流量,用$S_i$表示第$i$个分支的状态,其中$S_i=1$表示该分支处于正常运行状态,$S_i=0$表示该分支处于故障状态。
则多元线性回归模型可以表示为:
$S_i=f(T_i,P_i,Q_i)+\epsilon_i$
其中,$f$是一个线性函数,$\epsilon_i$是误差项。$f$的具体形式可以通过最小二乘法来估计,即
$f(T_i,P_i,Q_i)=\beta_0+\beta_1T_i+\beta_2P_i+\beta_3Q_i$
其中,$\beta_0,\beta_1,\beta_2$和$\beta_3$是回归系数,可以通过最小二乘法来估计。在实际应用中,可以采用梯度下降等算法来求解回归系数。
梯度下降是一种常用的优化算法,可以用来求解回归系数。其基本思想是通过迭代来逐步调整回归系数,使得损失函数达到最小值。
以下是一种简单的例子,说明如何利用梯度下降算法求解多元线性回归模型的回归系数:
假设有如下数据集:$X=\begin{bmatrix}1&2&3\1&3&4\1&4&5\1&5&6\end{bmatrix},Y=\begin{bmatrix}2\4\5\6\end{bmatrix}$,其中$X$是输入矩阵,$Y$是输出向量。
我们想要建立如下的线性模型:$Y=\beta_0+\beta_1X_1+\beta_2X_2$,其中$\beta_0,\beta_1,\beta_2$是待求解的回归系数。
损失函数可以选择平方误差函数:$L=\frac{1}{2m}\sum_{i=1}^m(Y^{(i)}-\hat{Y}^{(i)})^2$,其中$m$是样本数量,$Y^{(i)}$是第$i$个样本的真实输出值,$\hat{Y}^{(i)}$是第$i$个样本的预测输出值。
梯度下降算法的基本思路是每次迭代通过计算梯度来更新回归系数,具体的更新公式为:$\beta_j=\beta_j-\alpha\frac{\partial L}{\partial\beta_j}$,其中$\alpha$是学习率,控制着每次迭代的步长。
对于平方误差函数,其偏导数可以表示为:$\frac{\partial L}{\partial\beta_j}=\frac{1}{m}\sum_{i=1}^m(\hat{Y}^{(i)}-Y^{(i)})X_j^{(i)}$。因此,我们可以通过以下代码来实现梯度下降算法的求解过程:
通过多元线性回归模型,可以对实时监测到的供热系统各分支的温度、压力和流量等参数进行分析和处理,得到供热系统的实时状态,从而为智慧供热分布式二级泵的策略提供重要的数据支持。
为了根据用户需求和供热系统的实时状态,通过智能算法对供热系统进行分析,确定各分支所需的热量和流量,我们可以采用以下步骤:
P1、收集供热系统实时数据:首先需要收集供热系统的各个分支的温度、压力等参数的实时数据。这些数据可以通过传感器等设备实时获取。
P2、数据清洗和预处理:对于实时数据,需要进行数据清洗和预处理,去除异常值和缺失值,并对数据进行归一化处理,以便进行后续分析。
P3、建立模型:在获取并预处理数据后,可以根据用户需求和实时数据建立模型,如基于多元线性回归、神经网络、支持向量机等模型。
P4、模型训练和验证:利用历史数据进行模型训练,并根据验证集上的表现来选择最优的模型。
P5、模型应用和优化:利用已训练好的模型,输入供热系统实时数据,输出各分支所需的热量和流量。同时,根据模型预测结果,可以对供热系统进行优化,如调整供热系统中的阀门和泵的状态,以达到更优的供热效果。
具体地,以多元线性回归模型为例,可以采用如下步骤:
定义模型:设$y_i$为第$i$个分支所需的热量,$x_{i1},x_{i2},...,x_{ip}$为第$i$个分支的温度、压力等参数,$w_1,w_2,...,w_p$为回归系数,$b$为截距,则模型可以表示为:
$y_i=w_1x_{i1}+w_2x_{i2}+...+w_px_{ip}+b$
模型训练:利用历史数据训练模型,得到回归系数$w_1,w_2,...,w_p$和截距$b$。
模型应用:根据实时监测的各分支温度、压力等参数,利用已训练好的模型,预测各分支所需的热量和流量。
优化控制:根据预测结果,调整供热系统中的阀门和泵的状态,使得各分支所需的热量和流量得到满足,并优化供热系统的整体效果。
根据各分支所需的热量和流量,确定二级泵的运行状态和流量是实现对供热系统智能化控制的关键步骤。下面是一些基本的控制策略:
定时控制策略:根据供热系统的使用情况,可以设置二级泵的启停时间,以满足各分支的热量和流量需求。这种策略简单易行,但不能适应不同的需求和系统状态。
比例控制策略:根据各分支的热量和流量需求,可以通过比例控制二级泵的运行状态和流量。比例控制需要根据分支的需求来调节泵的运行状态和流量,能够更加精细地控制供热系统。
反馈控制策略:根据供热系统的实时状态和各分支的需求,可以采用反馈控制策略来控制二级泵的运行状态和流量。反馈控制可根据反馈信号来实时调节泵的状态和流量,以达到系统稳定和优化。
综合上述控制策略,可以采用以下步骤来确定二级泵的运行状态和流量:
M1、获取各分支所需的热量和流量:根据之前建立的模型,获取各分支所需的热量和流量数据。
M2、确定二级泵的启停状态:根据定时控制策略,设定二级泵的启停时间,以满足各分支的热量和流量需求。
M3、确定二级泵的流量:根据比例控制策略,将各分支的热量和流量需求量化为流量信号,通过调节二级泵的流量来满足各分支的需求。
M4、反馈控制二级泵的状态和流量:根据反馈控制策略,实时监测供热系统的各分支温度、压力等参数,并根据分支的需求和系统的状态,调节二级泵的状态和流量,以达到系统稳定和优化的效果。
在确定二级泵的运行状态和流量后,可以将其实现为供热系统的智能化控制系统的一部分,以实现对供热系统的智能化控制。该控制系统可以利用传感器、控制器、执行器等硬件设备来实现。
作为建立供热系统的预测模型,下面介绍一种基于多元线性回归的模型。
多元线性回归是一种常用的回归分析方法,适用于多个自变量和一个因变量之间的关系。在预测供热系统的热量和流量方面,可以采用多元线性回归模型,将各分支的热量和流量需求作为自变量,将二级泵的状态和流量作为因变量,建立模型如下:
Y=b0+b1X1+b2X2+…+bnXn
其中,Y代表二级泵的状态和流量,X1、X2、…、Xn分别代表各分支的热量和流量需求,b0、b1、b2、…、bn是回归系数。可以通过最小二乘法等方法来估计回归系数,并对模型进行验证。
对于实时数据,可以将其作为模型的输入,预测二级泵的状态和流量。此外,还可以结合控制策略,动态地调整各分支的热量和流量需求,不断优化模型,实现更加精准的预测和控制。
综上所述,本发明的逻辑框架如下:
1、数据采集与预处理:采集供热系统的实时数据,包括各分支的温度、压力等参数,并进行数据预处理,如去除噪声、缺失值处理等。
2、数据分析与建模:对预处理后的数据进行分析,建立供热系统的预测模型,如基于多元线性回归的模型,以预测各分支的热量和流量需求,并根据二级泵的状态和流量作为因变量,进行回归分析。
3、智能算法分析:基于用户需求和实时数据,通过智能算法对供热系统进行分析,确定各分支所需的热量和流量,将其作为多元线性回归模型的输入,预测二级泵的状态和流量。
4、控制策略优化:通过不断地调整各分支的热量和流量需求,结合控制策略,优化预测模型,实现更加精准的预测和控制。
5、二级泵控制:根据预测结果和控制策略,控制二级泵的运行状态和流量,以实现对供热系统的智能化控制。
通过以上的逻辑框架,可以实现对供热系统的实时监测、预测和智能化控制,提高供热系统的效率和稳定性。
以上,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种智慧供热系统分布式二级泵的控制策略,其特征在于,包括以下步骤:
N1、实时监测并收集供热系统各分支的温度、压力等参数的实时数据,并对实时数据进行分析和处理,以获取供热系统的实时状态;
N2、通过智能算法对供热系统进行分析,根据用户需求和供热系统的实时状态,确定各分支所需的热量和流量;
N3、根据各分支所需的热量和流量,确定二级泵的运行状态和流量,以实现对供热系统的智能化控制。
2.根据权利要求1所述的一种智慧供热系统分布式二级泵的控制策略,其特征在于,为了根据用户需求和供热系统的实时状态,通过智能算法对供热系统进行分析,确定各分支所需的热量和流量,我们可以采用以下步骤:
P1、收集供热系统实时数据:首先需要收集供热系统的各个分支的温度、压力等参数的实时数据,这些数据可以通过传感器等设备实时获取;
P2、数据清洗和预处理:对于实时数据,需要进行数据清洗和预处理,去除异常值和缺失值,并对数据进行归一化处理,以便进行后续分析;
P3、建立模型:在获取并预处理数据后,可以根据用户需求和实时数据建立模型,如基于多元线性回归、神经网络、支持向量机等模型;
P4、模型训练和验证:利用历史数据进行模型训练,并根据验证集上的表现来选择合适的模型;
P5、模型应用和调整:利用已训练好的模型,输入供热系统实时数据,输出各分支所需的热量和流量;同时,根据模型预测结果,可以对供热系统进行调整,如调整供热系统中的阀门和泵的状态,使得各分支所需的热量和流量得到满足以保证供热效果。
3.根据权利要求1所述的一种智慧供热系统分布式二级泵的控制策略,其特征在于,步骤N3中的供热系统的智能化控制包括:
定时控制策略:根据供热系统的使用情况,可以设置二级泵的启停时间,以满足各分支的热量和流量需求;
比例控制策略:根据各分支的热量和流量需求,可以通过比例控制二级泵的运行状态和流量,比例控制需要根据分支的需求来调节泵的运行状态和流量,能够更加精细地控制供热系统;
反馈控制策略:根据供热系统的实时状态和各分支的需求,可以采用反馈控制策略来控制二级泵的运行状态和流量;反馈控制可根据反馈信号来实时调节泵的状态和流量,以达到系统稳定和优化。
4.根据权利要求3所述的一种智慧供热系统分布式二级泵的控制策略,其特征在于,可以采用以下步骤来确定二级泵的运行状态和流量:
M1、获取各分支所需的热量和流量:根据之前建立的模型,获取各分支所需的热量和流量数据;
M2、确定二级泵的启停状态:根据定时控制策略,设定二级泵的启停时间,以满足各分支的热量和流量需求;
M3、确定二级泵的流量:根据比例控制策略,将各分支的热量和流量需求量化为流量信号,通过调节二级泵的流量来满足各分支的需求;
M4、反馈控制二级泵的状态和流量:根据反馈控制策略,实时监测供热系统的各分支温度、压力等参数,并根据分支的需求和系统的状态,调节二级泵的状态和流量,以达到系统稳定和调节的效果;
在确定二级泵的运行状态和流量后,可以将其实现为供热系统的智能化控制系统的一部分,以实现对供热系统的智能化控制;智能化控制系统可以利用传感器、控制器、执行器等硬件设备来实现。
5.根据权利要求4所述的一种智慧供热系统分布式二级泵的控制策略,其特征在于,采用多元线性回归模型获取供热系统的流量和热量,将各分支的热量和流量需求作为自变量,将二级泵的状态和流量作为因变量,建立模型如下:
Y=b0+b1X1+b2X2+…+bnXn
其中,Y代表二级泵的状态和流量,X1、X2、…、Xn分别代表各分支的热量和流量需求,b0、b1、b2、…、bn是回归系数。
6.根据权利要求1所述的一种智慧供热系统分布式二级泵的控制策略,其特征在于,可以采用多元线性回归模型对实时数据进行建模,以预测供热系统的实时状态,具体如下:
假设监测到的供热系统参数包括温度、压力和流量,分别用$T_i$、$P_i$和$Q_i$表示第$i$个分支的温度、压力和流量,用$S_i$表示第$i$个分支的状态,其中$S_i=1$表示该分支处于正常运行状态,$S_i=0$表示该分支处于故障状态,则多元线性回归模型可以表示为:
$S_i=f(T_i,P_i,Q_i)+\epsilon_i$
其中,$f$是一个线性函数,$\epsilon_i$是误差项,$f$的具体形式可以通过最小二乘法来估计,即
$f(T_i,P_i,Q_i)=\beta_0+\beta_1T_i+\beta_2P_i+\beta_3Q_i$
其中,$\beta_0,\beta_1,\beta_2$和$\beta_3$是回归系数,可以通过梯度下降算法来求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309961.6A CN117404699A (zh) | 2023-10-11 | 2023-10-11 | 一种智慧供热系统分布式二级泵的控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309961.6A CN117404699A (zh) | 2023-10-11 | 2023-10-11 | 一种智慧供热系统分布式二级泵的控制策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117404699A true CN117404699A (zh) | 2024-01-16 |
Family
ID=89491786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311309961.6A Pending CN117404699A (zh) | 2023-10-11 | 2023-10-11 | 一种智慧供热系统分布式二级泵的控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117404699A (zh) |
-
2023
- 2023-10-11 CN CN202311309961.6A patent/CN117404699A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
EP1698956B1 (en) | Method for optimizing combined cycle/combined process facilities | |
Sun et al. | A dynamic control strategy of district heating substations based on online prediction and indoor temperature feedback | |
CN103591637B (zh) | 一种集中供热二次网运行调节方法 | |
CN103453580B (zh) | 换热站综合智能控制方法 | |
CN102360181B (zh) | 基于ga-sqp混合优化策略的低温热实时优化系统 | |
CN108490790A (zh) | 一种基于多目标优化的过热汽温自抗扰串级控制方法 | |
Qiu et al. | Chilled water temperature resetting using model-free reinforcement learning: Engineering application | |
CN113110057A (zh) | 一种基于人工智能的热力站节能控制方法及智能决策系统 | |
Sun et al. | Integrated control strategy of district heating system based on load forecasting and indoor temperature measurement | |
CN113513783A (zh) | 一种换热站在线监控系统及换热站控制方法 | |
CN113623719A (zh) | 一种基于有效室温检测的换热站预测控制方法 | |
Petrie et al. | Energy efficient control methods of HVAC systems for smart campus | |
Wang et al. | A decentralized swarm intelligence algorithm for global optimization of HVAC system | |
CN114484556B (zh) | 一种基于目标能耗管控的供水温度调控方法 | |
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 | |
Xing et al. | Chiller–pump system optimisation method for minimum energy operation based on multi-objective evolutionary algorithm | |
CN117404699A (zh) | 一种智慧供热系统分布式二级泵的控制策略 | |
KR101089170B1 (ko) | 지역난방 네트워크의 고급 프로세스 제어 방법 | |
WO2022233101A1 (zh) | 一种低温热系统的智能优化控制装备 | |
CN115808944B (zh) | 一种定子温升试验控制方法 | |
CN112984617B (zh) | 一种基于人工智能的恒定供暖二网供温一网温控阀开度调节方法 | |
CN110633844A (zh) | 基于emd和ann的建筑能源系统模拟预测方法及应用 | |
CN112984617A (zh) | 一种基于人工智能的恒定供暖二网供温一网温控阀开度调节方法 | |
Li et al. | Research on temperature response of secondary loop of district heating system with XGBoost |
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 |