CN117419380B - 一种基于大数据的热网管理方法及系统 - Google Patents
一种基于大数据的热网管理方法及系统 Download PDFInfo
- Publication number
- CN117419380B CN117419380B CN202311734742.2A CN202311734742A CN117419380B CN 117419380 B CN117419380 B CN 117419380B CN 202311734742 A CN202311734742 A CN 202311734742A CN 117419380 B CN117419380 B CN 117419380B
- Authority
- CN
- China
- Prior art keywords
- heat supply
- node
- supply network
- data
- data acquisition
- 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
- 238000007726 management method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000035772 mutation Effects 0.000 claims description 81
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 52
- 230000007613 environmental effect Effects 0.000 claims description 50
- 238000010438 heat treatment Methods 0.000 claims description 50
- 230000000875 corresponding effect Effects 0.000 claims description 24
- 230000001360 synchronised effect Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013480 data collection Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 6
- 239000004744 fabric Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000694 effects Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Public Health (AREA)
- Mechanical Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Combustion & Propulsion (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开了一种基于大数据的热网管理方法及系统,涉及热网管理技术领域,具体公开了构建热网节点布置图,并在热网节点布置图上设定状态数据采集节点以及若干热网主节点,将状态数据采集节点的采集的环境指标数据和热网运行数据跟热网主节点进行关联,并基于热网主节点的供热质量指标,对供热节点参考数据组进行排序,确定出优选供热节点参考数据组,并基于优选供热节点参考数据组,生成最优热网运行数据生成模型,并基于最优热网运行数据生成模型,确定出实时最优热网运行数据,依据最优热网运行数据来调整热网主节点,实现了参考热网主节点最优供热状态的供热特征来进行供热,提升了供热质量,并减少了供热资源的浪费。
Description
技术领域
本发明涉及热网管理技术领域,尤其是涉及一种基于大数据的热网管理方法及系统。
背景技术
随着城市化进程的不断加速,城市供热系统的重要性日益突出。供热系统通过为居民和企业提供暖气和热水,不仅提高了居民生活的舒适度,还对城市能源使用和环境保护产生了深远影响。然而,传统的供热系统常常存在供热不均衡或者能源浪费等问题,因此需要一种先进的热网管理方法及系统,已解决上述问题。
发明内容
本发明的目的是提供一种能够避免能够合理调度热网,进而有效避免能源浪费和供热不均衡的问题。
本申请公开了一种基于大数据的热网管理方法,包括:
针对热网布置结构,构建热网节点布置图,所述热网节点布置图包括若干状态数据采集节点以及若干热网主节点,所述热网主节点之间相互连接;
采集不同状态数据采集节点采集到的环境指标数据和热网运行数据,并基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联;
获取每一热网主节点的供热质量指标,并将供热质量指标与所述热网主节点关联的环境指标数据和热网运行数据进行关联,生成供热节点参考数据组;
基于环境指标数据,对供热节点参考数据组进行环境状态类别划分,并基于供热质量指标对每一环境状态类别下的若干供热节点参考数据组进行排序,并基于排序结果,确定出优选供热节点参考数据组;
基于优选供热节点参考数据组,构建最优热网运行数据生成模型,并基于最优热网运行数据生成模型确定出热网主节点的实时最优热网运行数据;
基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略。
在本申请的一些实施例中,针对热网布置结构,构建热网节点布置图的方法包括:
获取热网供热区域的GIS区域地理图像,并针对GIS区域地理图像进行轮廓截取,生成热网供热基础图;
根据预设的集成供热筛选条件,对不同供热区域进行划分,并基于划分的不同的供热区域在GIS区域地理图像的相对位置,在热网供热基础图上配置热网主节点。
在本申请的一些实施例中,基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联的方法还包括:
根据热网主节点的供热区域大小,确定对热网主节点的第一扫描距离;
将热网主节点的第一位置坐标为扫描原点,以第一扫描距离为扫描半径,筛选出若干所属扫描区域内的数据采集节点,并对数据采集节点的第二位置坐标进行确定;
计算第一位置坐标和第二位置坐标之间的第一相对距离,并基于第一相对距离与第一扫描距离之间的比值,确定数据采集节点与热网主节点之间的位置相关程度;
基于数据采集节点采集到的热网运行数据之间的变化同步程度,确定不同数据采集节点与热网主节点之间运行相关程度;
基于数据采集节点的位置相关程度和运行相关程度,得到数据采集节点相对热网主节点的综合相关程度;
计算数据采集节点相对热网主节点的综合相关程度的表达式为:
;
其中,为第n个数据采集节点相对热网主节点的综合相关程度,/>为位置相关程度转换系数,/>为第n个数据采集节点对应的第一相对距离,S为热网主节点的供热区域面积,/>为第一调整常数,r为扫描距离转换系数,/>为运行相关程度转换系数,/>为第n个数据采集节点采集的热网运行数据出现同步变化的同步参考时间节点。
在本申请的一些实施例中,确定数据采集节点采集到的热网运行数据之间的变化同步程度的方法包括:
热网运行数据包括管道水压、管道水流速和管道内水温度;
针对数据采集节点采集到的管道内水压构建水压变化曲线,所述水压变化曲线的横坐标为时间,纵坐标为水压值;
针对数据采集节点采集到的管道内水流构建流速变化曲线,所述流速变化曲线的横坐标为时间,纵坐标为水流速;
针对数据采集节点采集到的管道内水温度构建水温变化曲线,所述水温变化曲线的横坐标为时间,纵坐标为水温值;
对同一个数据采集节点采集的水压变化曲线、流速变化曲线和水温变化曲线的突变特征和突变时间节点进行记录,其中,突变特征记为第一突变特征、第二突变特征和第三突变特征,突变时间节点记为第一突变时间节点、第二突变时间节点和第三突变时间节点;
针对水压变化曲线、流速变化曲线和水温变化曲线的突变时间节点分别设定第一突变关注权重、第二突变关注权重和第三突变关注权重,并计算得到数据采集节点的热网运行数据的突变参考时间节点;
根据所属于同一数据采集节点的第一突变时间节点、第一突变关注权重、第二突变时间节点、第二突变关注权重、第三突变时间节点和第三突变关注权重,确定数据采集节点的同步参考时间节点;
其中,计算数据采集节点的同步参考时间节点的表达式为:
;
其中,为第n个数据采集节点的同步参考时间节点,/>为第n个数据采集节点的第一突变时间节点,/>为第n个数据采集节点的第二突变时间节点,/>为第n个数据采集节点的第三突变时间节点,/>为第一突变关注权重,/>为第二突变关注权重,/>为第三突变关注权重。
在本申请的一些实施例中,获取每一热网主节点的供热质量指标的方法包括:
获取热网主节点关联的数据采集节点采集的实时供热温度;
基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度和预设标准供热温度的供热温度差值,确定热网主节点对应的第一供热子质量指标;
基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度的稳定特征,确定第二供热子质量指标;
基于第一供热子质量指标和第二供热子质量指标,确定热网主节点的供热质量指标。
在本申请的一些实施例中,基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度的稳定特征,确定第二供热子质量指标的方法包括:
基于每一数据采集节点的实时供热温度,生成实时供热曲线,所述实时供热曲线的横坐标为时间,纵坐标为实时供热温度;
对每一数据采集节点对应的实时供热曲线进行扫描分析,确定预设时间段内,实时供热曲线出现的曲线顶点数量;
基于所属于同一热网主节点的数据采集节点对应的曲线顶点数量,确定第二供热子质量指标。
在本申请的一些实施例中,计算热网主节点的供热质量指标的表达式为:
;
其中,g为热网主节点的供热质量指标,为供热质量指标转换系数,/>第i个数据采集节点对应的实时供热温度,/>为第i个数据采集节点对应的预设标准供热温度,/>为所属于同一热网主节点的数据采集节点对应的曲线顶点数量,/>为第二调整常数。
在本申请的一些实施例中,基于环境指标数据,对供热节点参考数据组进行环境状态类别划分的方法包括:
将不同的供热节点参考数据组中的环境指标数据进行比对,计算不同环境指标因子之间的环境因子差异量,若存在不同的供热节点参考组中的不同环境因子之间的环境因子差异量均在预设值范围内,则将对应的若干供热节点参考组归为同一环境状态类别。
在本申请的一些实施例中,基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略的方法包括:
对热网主节点的实时最优热网运行数据进行分析,确定热网主节点之下不同位置节点的阀门开度以及泵体的输出功率。
在本申请还公开了一种基于大数据的热网管理系统,包括:
布置图生成模块,用于针对热网布置结构,构建热网节点布置图,所述热网节点布置图包括若干状态数据采集节点以及若干热网主节点,所述热网主节点之间相互连接;
数据采集模块,用于采集不同状态数据采集节点采集到的环境指标数据和热网运行数据,并基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联;
数据整理模块,用于获取每一热网主节点的供热质量指标,并将供热质量指标与所述热网主节点关联的环境指标数据和热网运行数据进行关联,生成供热节点参考数据组,基于环境指标数据,对供热节点参考数据组进行环境状态类别划分,并基于供热质量指标对每一环境状态类别下的若干供热节点参考数据组进行排序,并基于排序结果,确定出优选供热节点参考数据组;
模型分析模块,用于基于优选供热节点参考数据组,构建最优热网运行数据生成模型,并基于最优热网运行数据生成模型确定出热网主节点的实时最优热网运行数据,基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略。
本申请公开了一种基于大数据的热网管理方法及系统,涉及热网管理技术领域,具体公开了构建热网节点布置图,并在热网节点布置图上设定状态数据采集节点以及若干热网主节点,将状态数据采集节点的采集的环境指标数据和热网运行数据跟热网主节点进行关联,并基于热网主节点的供热质量指标,对供热节点参考数据组进行排序,确定出优选供热节点参考数据组,并基于优选供热节点参考数据组,生成最优热网运行数据生成模型,并基于最优热网运行数据生成模型,确定出实时最优热网运行数据,依据最优热网运行数据来调整热网主节点,实现了参考热网主节点最优供热状态的供热特征来进行供热,提升了供热质量,并减少了供热资源的浪费。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本申请实施例公开的一种基于大数据的热网管理方法的方法步骤图。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
以下将结合附图以及具体实施例,对本发明的技术方案进行清楚、完整的描述,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,不能理解为对本发明保护范围的限制,该领域的技术熟练人员可以根据下述本发明的内容做出一些非本质的改进和调整。在本发明中,除非另有明确的规定和限定,本申请使用的技术术语应当为本发明所述技术人员所理解的通常意义。
实施例:
本发明的目的是提供一种能够避免能够合理调度热网,进而有效避免能源浪费和供热不均衡的问题。
本申请公开了一种基于大数据的热网管理方法,参阅图1,包括:
步骤S100,针对热网布置结构,构建热网节点布置图,所述热网节点布置图包括若干状态数据采集节点以及若干热网主节点,所述热网主节点之间相互连接。
需要理解的是,在这一步骤中,热网的结构被布置在一个节点图上,其中包括热网的主节点和状态数据采集节点。这些节点之间的连接表示它们之间的关系。
步骤S200,采集不同状态数据采集节点采集到的环境指标数据和热网运行数据,并基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联。
需要理解的是,状态数据采集节点负责采集环境指标数据和热网运行数据。这些数据与热网主节点进行关联,以便分析数据,了解它们之间的相关性。
步骤S300,获取每一热网主节点的供热质量指标,并将供热质量指标与所述热网主节点关联的环境指标数据和热网运行数据进行关联,生成供热节点参考数据组。
需要理解的是,在这一步骤中,每个热网主节点的供热质量指标与环境指标数据和热网运行数据关联,形成供热节点参考数据组。这些数据组可以用来评估每个主节点的性能和质量。
步骤S400,基于环境指标数据,对供热节点参考数据组进行环境状态类别划分,并基于供热质量指标对每一环境状态类别下的若干供热节点参考数据组进行排序,并基于排序结果,确定出优选供热节点参考数据组。
需要理解的是,根据环境指标数据,供热节点参考数据组被分为不同的环境状态类别。然后,基于供热质量指标,对每个环境状态类别下的数据组进行排序。这有助于确定出最佳供热节点参考数据组。
步骤S500,基于优选供热节点参考数据组,构建最优热网运行数据生成模型,并基于最优热网运行数据生成模型确定出热网主节点的实时最优热网运行数据。
需要理解的是,使用最优供热节点参考数据组,构建一个模型,可以生成最优的热网运行数据。这个模型可以帮助确定热网主节点的实时最优热网运行数据。
步骤S600,基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略。
需要理解的是,基于实时最优热网运行数据,构建热网主节点的节点调节策略。这些策略可以用于自动调整主节点的运行参数,以优化能源利用、提高供热质量,降低运营成本,同时保持环境可持续性。
在本申请的一些实施例中,针对热网布置结构,构建热网节点布置图的方法包括:
第一步,获取热网供热区域的GIS区域地理图像,并针对GIS区域地理图像进行轮廓截取,生成热网供热基础图。
需要理解的是,在这一步中,需要获取供热区域的地理信息系统(GIS)区域地理图像,这可以包括卫星图像、地图数据或其他地理信息。然后,使用软件工具,对该地理图像进行轮廓截取,以生成热网供热基础图。轮廓截取通常是根据供热区域的边界和地理特征进行的,以确定供热网络的范围。
第二步,根据预设的集成供热筛选条件,对不同供热区域进行划分,并基于划分的不同的供热区域在GIS区域地理图像的相对位置,在热网供热基础图上配置热网主节点。
需要理解的是,在这一步中,需要根据预设的集成供热筛选条件,对不同供热区域进行划分。这些筛选条件可能包括供热需求、地理位置、建筑密度等因素。根据划分的不同供热区域在GIS区域地理图像上的相对位置,你可以在热网供热基础图上配置热网主节点。主节点的配置通常基于这些供热区域的中心或其他战略位置,以便有效地服务供热区域。
在本申请的一些实施例中,基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联的方法还包括:
第一步,根据热网主节点的供热区域大小,确定对热网主节点的第一扫描距离。
第二步,将热网主节点的第一位置坐标为扫描原点,以第一扫描距离为扫描半径,筛选出若干所属扫描区域内的数据采集节点,并对数据采集节点的第二位置坐标进行确定。
第三步,计算第一位置坐标和第二位置坐标之间的第一相对距离,并基于第一相对距离与第一扫描距离之间的比值,确定数据采集节点与热网主节点之间的位置相关程度。
第四步,基于数据采集节点采集到的热网运行数据之间的变化同步程度,确定不同数据采集节点与热网主节点之间运行相关程度。
第五步,基于数据采集节点的位置相关程度和运行相关程度,得到数据采集节点相对热网主节点的综合相关程度。
需要理解的是,基于数据采集节点的位置相关程度和运行相关程度,得出数据采集节点相对热网主节点的综合相关程度。这个综合相关程度评估可以帮助确定哪些数据采集节点与主节点的关联是最合适的,以便有效地监测和管理热网运行。
计算数据采集节点相对热网主节点的综合相关程度的表达式为:
。
其中,为第n个数据采集节点相对热网主节点的综合相关程度,/>为位置相关程度转换系数,/>为第n个数据采集节点对应的第一相对距离,S为热网主节点的供热区域面积,/>为第一调整常数,r为扫描距离转换系数,/>为运行相关程度转换系数,/>为第n个数据采集节点采集的热网运行数据出现同步变化的同步参考时间节点。
在本申请的一些实施例中,确定数据采集节点采集到的热网运行数据之间的变化同步程度的方法包括:
第一步,热网运行数据包括管道水压、管道水流速和管道内水温度。
第二步,针对数据采集节点采集到的管道内水压构建水压变化曲线,所述水压变化曲线的横坐标为时间,纵坐标为水压值。
第三步,针对数据采集节点采集到的管道内水流构建流速变化曲线,所述流速变化曲线的横坐标为时间,纵坐标为水流速。
第四步,针对数据采集节点采集到的管道内水温度构建水温变化曲线,所述水温变化曲线的横坐标为时间,纵坐标为水温值。
第五步,对同一个数据采集节点采集的水压变化曲线、流速变化曲线和水温变化曲线的突变特征和突变时间节点进行记录,其中,突变特征记为第一突变特征、第二突变特征和第三突变特征,突变时间节点记为第一突变时间节点、第二突变时间节点和第三突变时间节点。
第六步,针对水压变化曲线、流速变化曲线和水温变化曲线的突变时间节点分别设定第一突变关注权重、第二突变关注权重和第三突变关注权重,并计算得到数据采集节点的热网运行数据的突变参考时间节点。
第七步,根据所属于同一数据采集节点的第一突变时间节点、第一突变关注权重、第二突变时间节点、第二突变关注权重、第三突变时间节点和第三突变关注权重,确定数据采集节点的同步参考时间节点。
其中,计算数据采集节点的同步参考时间节点的表达式为:
。
其中,为第n个数据采集节点的同步参考时间节点,/>为第n个数据采集节点的第一突变时间节点,/>为第n个数据采集节点的第二突变时间节点,/>为第n个数据采集节点的第三突变时间节点,/>为第一突变关注权重,/>为第二突变关注权重,/>为第三突变关注权重。
在本申请的一些实施例中,获取每一热网主节点的供热质量指标的方法包括:
第一步,获取热网主节点关联的数据采集节点采集的实时供热温度。
第二步,基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度和预设标准供热温度的供热温度差值,确定热网主节点对应的第一供热子质量指标。
第三步,基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度的稳定特征,确定第二供热子质量指标。
第四步,基于第一供热子质量指标和第二供热子质量指标,确定热网主节点的供热质量指标。
需要理解的是,基于第一供热子质量指标和第二供热子质量指标,可以计算热网主节点的供热质量指标。这个指标综合考虑了供热温度与标准的差异以及供热温度的稳定性,用于评估热网主节点的供热性能和质量。
在本申请的一些实施例中,基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度的稳定特征,确定第二供热子质量指标的方法包括:
第一步,基于每一数据采集节点的实时供热温度,生成实时供热曲线,所述实时供热曲线的横坐标为时间,纵坐标为实时供热温度。
第二步,对每一数据采集节点对应的实时供热曲线进行扫描分析,确定预设时间段内,实时供热曲线出现的曲线顶点数量。
第三步,基于所属于同一热网主节点的数据采集节点对应的曲线顶点数量,确定第二供热子质量指标。
在本申请的一些实施例中,计算热网主节点的供热质量指标的表达式为:
。
其中,g为热网主节点的供热质量指标,为供热质量指标转换系数,/>第i个数据采集节点对应的实时供热温度,/>为第i个数据采集节点对应的预设标准供热温度,/>为所属于同一热网主节点的数据采集节点对应的曲线顶点数量,/>为第二调整常数。
在本申请的一些实施例中,基于环境指标数据,对供热节点参考数据组进行环境状态类别划分的方法包括:将不同的供热节点参考数据组中的环境指标数据进行比对,计算不同环境指标因子之间的环境因子差异量,若存在不同的供热节点参考组中的不同环境因子之间的环境因子差异量均在预设值范围内,则将对应的若干供热节点参考组归为同一环境状态类别。
在本申请的一些实施例中,基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略的方法包括:对热网主节点的实时最优热网运行数据进行分析,确定热网主节点之下不同位置节点的阀门开度以及泵体的输出功率。
在本申请还公开了一种基于大数据的热网管理系统,包括:布置图生成模块、数据采集模块、数据整理模块和模型分析模块。
所述布置图生成模块用于针对热网布置结构,构建热网节点布置图,所述热网节点布置图包括若干状态数据采集节点以及若干热网主节点,所述热网主节点之间相互连接。
所述数据采集模块用于采集不同状态数据采集节点采集到的环境指标数据和热网运行数据,并基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联。
所述数据整理模块用于获取每一热网主节点的供热质量指标,并将供热质量指标与所述热网主节点关联的环境指标数据和热网运行数据进行关联,生成供热节点参考数据组,基于环境指标数据,对供热节点参考数据组进行环境状态类别划分,并基于供热质量指标对每一环境状态类别下的若干供热节点参考数据组进行排序,并基于排序结果,确定出优选供热节点参考数据组。
所述模型分析模块用于基于优选供热节点参考数据组,构建最优热网运行数据生成模型,并基于最优热网运行数据生成模型确定出热网主节点的实时最优热网运行数据,基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
本申请公开了一种基于大数据的热网管理方法及系统,涉及热网管理技术领域,具体公开了构建热网节点布置图,并在热网节点布置图上设定状态数据采集节点以及若干热网主节点,将状态数据采集节点的采集的环境指标数据和热网运行数据跟热网主节点进行关联,并基于热网主节点的供热质量指标,对供热节点参考数据组进行排序,确定出优选供热节点参考数据组,并基于优选供热节点参考数据组,生成最优热网运行数据生成模型,并基于最优热网运行数据生成模型,确定出实时最优热网运行数据,依据最优热网运行数据来调整热网主节点,实现了参考热网主节点最优供热状态的供热特征来进行供热,提升了供热质量,并减少了供热资源的浪费。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (3)
1.一种基于大数据的热网管理方法,其特征在于,包括:
针对热网布置结构,构建热网节点布置图,所述热网节点布置图包括若干状态数据采集节点以及若干热网主节点,所述热网主节点之间相互连接;
采集不同状态数据采集节点采集到的环境指标数据和热网运行数据,并基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联;
获取每一热网主节点的供热质量指标,并将供热质量指标与所述热网主节点关联的环境指标数据和热网运行数据进行关联,生成供热节点参考数据组;
基于环境指标数据,对供热节点参考数据组进行环境状态类别划分,并基于供热质量指标对每一环境状态类别下的若干供热节点参考数据组进行排序,并基于排序结果,确定出优选供热节点参考数据组;
基于优选供热节点参考数据组,构建最优热网运行数据生成模型,并基于最优热网运行数据生成模型确定出热网主节点的实时最优热网运行数据;
基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略;
基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联的方法还包括:
根据热网主节点的供热区域大小,确定对热网主节点的第一扫描距离;
将热网主节点的第一位置坐标为扫描原点,以第一扫描距离为扫描半径,筛选出若干所属扫描区域内的数据采集节点,并对数据采集节点的第二位置坐标进行确定;
计算第一位置坐标和第二位置坐标之间的第一相对距离,并基于第一相对距离与第一扫描距离之间的比值,确定数据采集节点与热网主节点之间的位置相关程度;
基于数据采集节点采集到的热网运行数据之间的变化同步程度,确定不同数据采集节点与热网主节点之间运行相关程度;
基于数据采集节点的位置相关程度和运行相关程度,得到数据采集节点相对热网主节点的综合相关程度;
计算数据采集节点相对热网主节点的综合相关程度的表达式为:
;
其中,为第n个数据采集节点相对热网主节点的综合相关程度,/>为位置相关程度转换系数,/>为第n个数据采集节点对应的第一相对距离,S为热网主节点的供热区域面积,为第一调整常数,r为扫描距离转换系数,/>为运行相关程度转换系数,/>为第n个数据采集节点采集的热网运行数据出现同步变化的同步参考时间节点;
确定数据采集节点采集到的热网运行数据之间的变化同步程度的方法包括:
热网运行数据包括管道水压、管道水流速和管道内水温度;
针对数据采集节点采集到的管道内水压构建水压变化曲线,所述水压变化曲线的横坐标为时间,纵坐标为水压值;
针对数据采集节点采集到的管道内水流构建流速变化曲线,所述流速变化曲线的横坐标为时间,纵坐标为水流速;
针对数据采集节点采集到的管道内水温度构建水温变化曲线,所述水温变化曲线的横坐标为时间,纵坐标为水温值;
对同一个数据采集节点采集的水压变化曲线、流速变化曲线和水温变化曲线的突变特征和突变时间节点进行记录,其中,突变特征记为第一突变特征、第二突变特征和第三突变特征,突变时间节点记为第一突变时间节点、第二突变时间节点和第三突变时间节点;
针对水压变化曲线、流速变化曲线和水温变化曲线的突变时间节点分别设定第一突变关注权重、第二突变关注权重和第三突变关注权重,并计算得到数据采集节点的热网运行数据的突变参考时间节点;
根据所属于同一数据采集节点的第一突变时间节点、第一突变关注权重、第二突变时间节点、第二突变关注权重、第三突变时间节点和第三突变关注权重,确定数据采集节点的同步参考时间节点;
其中,计算数据采集节点的同步参考时间节点的表达式为:
;
其中,为第n个数据采集节点的同步参考时间节点,/>为第n个数据采集节点的第一突变时间节点,/>为第n个数据采集节点的第二突变时间节点,/>为第n个数据采集节点的第三突变时间节点,/>为第一突变关注权重,/>为第二突变关注权重,/>为第三突变关注权重;
获取每一热网主节点的供热质量指标的方法包括:
获取热网主节点关联的数据采集节点采集的实时供热温度;
基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度和预设标准供热温度的供热温度差值,确定热网主节点对应的第一供热子质量指标;
基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度的稳定特征,确定第二供热子质量指标;
基于第一供热子质量指标和第二供热子质量指标,确定热网主节点的供热质量指标;
基于所属于同一热网主节点的若干数据采集节点各自采集的实时供热温度的稳定特征,确定第二供热子质量指标的方法包括:
基于每一数据采集节点的实时供热温度,生成实时供热曲线,所述实时供热曲线的横坐标为时间,纵坐标为实时供热温度;
对每一数据采集节点对应的实时供热曲线进行扫描分析,确定预设时间段内,实时供热曲线出现的曲线顶点数量;
基于所属于同一热网主节点的数据采集节点对应的曲线顶点数量,确定第二供热子质量指标;
计算热网主节点的供热质量指标的表达式为:
;
其中,g为热网主节点的供热质量指标,为供热质量指标转换系数,/>第i个数据采集节点对应的实时供热温度,/>为第i个数据采集节点对应的预设标准供热温度,/>为所属于同一热网主节点的数据采集节点对应的曲线顶点数量,/>为第二调整常数;
基于环境指标数据,对供热节点参考数据组进行环境状态类别划分的方法包括:
将不同的供热节点参考数据组中的环境指标数据进行比对,计算不同环境指标因子之间的环境因子差异量,若存在不同的供热节点参考组中的不同环境因子之间的环境因子差异量均在预设值范围内,则将对应的若干供热节点参考组归为同一环境状态类别;
基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略的方法包括:
对热网主节点的实时最优热网运行数据进行分析,确定热网主节点之下不同位置节点的阀门开度以及泵体的输出功率。
2.根据权利要求1所述的一种基于大数据的热网管理方法,其特征在于,针对热网布置结构,构建热网节点布置图的方法包括:
获取热网供热区域的GIS区域地理图像,并针对GIS区域地理图像进行轮廓截取,生成热网供热基础图;
根据预设的集成供热筛选条件,对不同供热区域进行划分,并基于划分的不同的供热区域在GIS区域地理图像的相对位置,在热网供热基础图上配置热网主节点。
3.一种基于大数据的热网管理系统,其特征在于,用于执行权利要求1或2中的基于大数据的热网管理方法,包括:
布置图生成模块,用于针对热网布置结构,构建热网节点布置图,所述热网节点布置图包括若干状态数据采集节点以及若干热网主节点,所述热网主节点之间相互连接;
数据采集模块,用于采集不同状态数据采集节点采集到的环境指标数据和热网运行数据,并基于相关程度分析,将数据采集节点采集到的环境指标数据和热网运行数据与热网主节点进行关联;
数据整理模块,用于获取每一热网主节点的供热质量指标,并将供热质量指标与所述热网主节点关联的环境指标数据和热网运行数据进行关联,生成供热节点参考数据组,基于环境指标数据,对供热节点参考数据组进行环境状态类别划分,并基于供热质量指标对每一环境状态类别下的若干供热节点参考数据组进行排序,并基于排序结果,确定出优选供热节点参考数据组;
模型分析模块,用于基于优选供热节点参考数据组,构建最优热网运行数据生成模型,并基于最优热网运行数据生成模型确定出热网主节点的实时最优热网运行数据,基于对热网主节点的实时最优热网运行数据,构建热网主节点的节点调节策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311734742.2A CN117419380B (zh) | 2023-12-18 | 2023-12-18 | 一种基于大数据的热网管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311734742.2A CN117419380B (zh) | 2023-12-18 | 2023-12-18 | 一种基于大数据的热网管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117419380A CN117419380A (zh) | 2024-01-19 |
CN117419380B true CN117419380B (zh) | 2024-03-08 |
Family
ID=89523396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311734742.2A Active CN117419380B (zh) | 2023-12-18 | 2023-12-18 | 一种基于大数据的热网管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117419380B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009053003A1 (de) * | 2009-11-16 | 2011-05-19 | Lichtblick Zuhausekraftwerk Gmbh | Regelungsverfahren einer Heizungsanlage |
CN104791903A (zh) * | 2015-04-30 | 2015-07-22 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
CN112178756A (zh) * | 2020-09-29 | 2021-01-05 | 华能国际电力股份有限公司日照电厂 | 一种供热智能管理系统及其工作方法 |
CN113819512A (zh) * | 2021-09-08 | 2021-12-21 | 华能兰州新区热电有限公司 | 一种基于大数据分析集中供热控制方法 |
CN114020809A (zh) * | 2021-11-04 | 2022-02-08 | 东南大学苏州研究院 | 一种基于dnn的电热综合能源系统快速状态估计方法及介质 |
CN115076716A (zh) * | 2022-07-01 | 2022-09-20 | 西安交通大学 | 一种多孔介质燃烧器的智能控制方法及系统 |
CN115095907A (zh) * | 2022-07-15 | 2022-09-23 | 唐山学院 | 基于深度学习的智慧供热节能调控方法、系统及存储介质 |
EP4113016A1 (de) * | 2021-06-29 | 2023-01-04 | Siemens Aktiengesellschaft | Verfahren und steuereinheit zur steuerung eines wärmenetzes |
CN116642218A (zh) * | 2023-07-27 | 2023-08-25 | 北京世纪黄龙技术有限公司 | 一种供热热网远程自动集中监测方法及系统 |
CN117109069A (zh) * | 2023-09-20 | 2023-11-24 | 国能宁夏供热有限公司 | 一种基于大数据分析的热网数据安全控制系统及方法 |
-
2023
- 2023-12-18 CN CN202311734742.2A patent/CN117419380B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009053003A1 (de) * | 2009-11-16 | 2011-05-19 | Lichtblick Zuhausekraftwerk Gmbh | Regelungsverfahren einer Heizungsanlage |
CN104791903A (zh) * | 2015-04-30 | 2015-07-22 | 北京上庄燃气热电有限公司 | 一种热网智能调度系统 |
CN112178756A (zh) * | 2020-09-29 | 2021-01-05 | 华能国际电力股份有限公司日照电厂 | 一种供热智能管理系统及其工作方法 |
EP4113016A1 (de) * | 2021-06-29 | 2023-01-04 | Siemens Aktiengesellschaft | Verfahren und steuereinheit zur steuerung eines wärmenetzes |
CN113819512A (zh) * | 2021-09-08 | 2021-12-21 | 华能兰州新区热电有限公司 | 一种基于大数据分析集中供热控制方法 |
CN114020809A (zh) * | 2021-11-04 | 2022-02-08 | 东南大学苏州研究院 | 一种基于dnn的电热综合能源系统快速状态估计方法及介质 |
CN115076716A (zh) * | 2022-07-01 | 2022-09-20 | 西安交通大学 | 一种多孔介质燃烧器的智能控制方法及系统 |
CN115095907A (zh) * | 2022-07-15 | 2022-09-23 | 唐山学院 | 基于深度学习的智慧供热节能调控方法、系统及存储介质 |
CN116642218A (zh) * | 2023-07-27 | 2023-08-25 | 北京世纪黄龙技术有限公司 | 一种供热热网远程自动集中监测方法及系统 |
CN117109069A (zh) * | 2023-09-20 | 2023-11-24 | 国能宁夏供热有限公司 | 一种基于大数据分析的热网数据安全控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117419380A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | A data-driven approach for multi-scale GIS-based building energy modeling for analysis, planning and support decision making | |
Weinand et al. | Developing a municipality typology for modelling decentralised energy systems | |
CN1295416A (zh) | 无线网参数基于道路的评估和内插 | |
CN108304266B (zh) | 一种移动多目标群智感知任务分配方法 | |
WO2019184161A1 (zh) | 基于中尺度数据的风机自动排布的方法和设备 | |
CN112766800A (zh) | 一种基于模糊层次分析法的城市绿色交通系统评价方法 | |
CN111310257A (zh) | 一种bim环境下的区域建筑能耗预测方法 | |
CN117419380B (zh) | 一种基于大数据的热网管理方法及系统 | |
CN114691803A (zh) | 污水处理站空间选址分析方法及装置 | |
CN114418382A (zh) | 屋顶空间综合利用评定方法、装置及平台 | |
Fattahi Tabasi et al. | Optimizing urban layouts through computational generative design: Density distribution and shape optimization | |
WO2024041409A1 (zh) | 确定代表风力发电机组的方法和装置以及控制方法和装置 | |
Grisiute et al. | Automated semantic swot analysis for city planning targets: Data-driven solar energy potential evaluations for building plots in Singapore | |
CN117332288A (zh) | 一种建筑节能技术评估系统及方法 | |
CN114091140B (zh) | 一种城市空间密度数据的网络构建方法 | |
CN115796466A (zh) | 基于图论的邻近单元共享服务要素配置方法及系统 | |
CN113065753B (zh) | 基于路网需求热度的运维区域分层管理方法、装置、终端及介质 | |
Sharma et al. | A comparison of simulated annealing and Gis based Molafor solving the problem of multi-objective land use assessment and allocation | |
Węglarz et al. | Application of expert systems in the construction sector | |
KR102520713B1 (ko) | 수열 냉난방 시스템에 대한 모델링 장치 및 그 방법 | |
CN112070351A (zh) | 一种基于重心回归和粒子群混合算法的变电站优化选址方法 | |
CN117152372B (zh) | 一种风电工程三维数字化地理信息服务平台 | |
Thinh et al. | GIS-based multiple criteria decision analysis and optimization for land suitability evaluation | |
Gerundo et al. | A Methodology Based on GIS-BIM Integration to Evaluate Energy Efficiency at Urban Scale | |
CN110752956A (zh) | 一种基于可信节点的分布式光伏采集布点及估计优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |