KR101295098B1 - Heating supply determination method for district heating network - Google Patents

Heating supply determination method for district heating network Download PDF

Info

Publication number
KR101295098B1
KR101295098B1 KR1020110079752A KR20110079752A KR101295098B1 KR 101295098 B1 KR101295098 B1 KR 101295098B1 KR 1020110079752 A KR1020110079752 A KR 1020110079752A KR 20110079752 A KR20110079752 A KR 20110079752A KR 101295098 B1 KR101295098 B1 KR 101295098B1
Authority
KR
South Korea
Prior art keywords
temperature
pipe
heat supply
time
pressure
Prior art date
Application number
KR1020110079752A
Other languages
Korean (ko)
Other versions
KR20130017368A (en
Inventor
신치범
김래현
이정빈
류승민
이준영
Original Assignee
아주대학교산학협력단
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 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020110079752A priority Critical patent/KR101295098B1/en
Publication of KR20130017368A publication Critical patent/KR20130017368A/en
Application granted granted Critical
Publication of KR101295098B1 publication Critical patent/KR101295098B1/en

Links

Images

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
    • F24D10/00—District heating systems
    • 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
    • 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
    • F24D2200/00—Heat sources or energy sources
    • F24D2200/13—Heat from a district heating network
    • 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
    • F24D2220/00—Components of central heating installations excluding heat sources
    • F24D2220/02—Fluid distribution means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E20/00—Combustion technologies with mitigation potential
    • Y02E20/14—Combined heat and power generation [CHP]

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 지역난방 네트워크의 각 임계지점에서 요구되는 온도에 적합하게 열공급량을 정확하게 예측하여 공급할 수 있는 지역난방 네트워크의 열공급량 결정방법에 관한 것이다.
본 발명의 주요구성은 임계지점의 배관망에 공급되는 열유체의 온도 및 압력을 예측 할 수 있는 배관망에 따른 시간-온도 신경망 모델(neural network model)을 수립하는 단계와; 수립된 배관망에 따른 시간-온도 신경망 모델을 이용하여 임계지점의 열유체의 온도에 알맞은 열 공급량을 예측하도록 시뮬레이션하는 단계와; 시뮬레이션에 따른 결과로서 미래 열 공급량의 예측값을 산정하는 단계를 포함하며, 배관망에 따른 시간-온도 신경망 모델을 수립하는 단계는 각 배관에서의 유량 및 압력을 계산하는 단계와 난방수가 배관에 도달되는 시간 및 온도을 산정하는 단계로 이루어진 것을 특징으로 한다.The present invention relates to a method for determining the heat supply amount of a district heating network capable of accurately predicting and supplying a heat supply amount for a temperature required at each critical point of the district heating network.
The main configuration of the present invention comprises the steps of establishing a time-temperature neural network model (neural network model) according to the pipe network that can predict the temperature and pressure of the heat fluid supplied to the pipe network of the critical point; Simulating a heat supply amount suitable for the temperature of the thermal fluid at the critical point using a time-temperature neural network model according to the established pipe network; As a result of the simulation, calculating a predicted value of the future heat supply includes establishing a time-temperature neural network model according to the pipe network, calculating a flow rate and pressure in each pipe, and a time for the heating water to reach the pipe. And calculating the temperature.

Description

지역난방 네트워크의 열공급량 결정방법{HEATING SUPPLY DETERMINATION METHOD FOR DISTRICT HEATING NETWORK}How to determine heat supply of district heating network {HEATING SUPPLY DETERMINATION METHOD FOR DISTRICT HEATING NETWORK}

본 발명은 지역난방 네트워크의 각 임계지점에서 요구되는 온도에 적합하게 열공급량을 정확하게 예측하여 공급할 수 있는 지역난방 네트워크의 열공급량 결정방법에 관한 것이다.
The present invention relates to a method for determining the heat supply amount of a district heating network capable of accurately predicting and supplying a heat supply amount for a temperature required at each critical point of the district heating network.

지역난방 네트워크(District Heat Network)는 넓은 지역에 분포되어 있는 사용자에 에너지를 공급하기 위해서 다양한 에너지 생산 시설 즉, 열 및 전기를 동시에 생산하는 주 보일러(CHP), 열 전용 보일러, 지역 폐기물 소각로 등이 있고, 생산된 에너지를 전달하기 위한 장거리 열 배관망과 열저장 탱크(축열조) 및 이를 운영하는 설비로 구성되어 있다. District Heat Networks include various energy production facilities, such as CHP, heat-only boilers, and local waste incinerators, that produce heat and electricity simultaneously to provide energy to users in a large area. It consists of a long-distance heat pipe network and heat storage tank (heat storage tank) for delivering the produced energy, and the equipment that operates it.

지역난방 각 지사는 해당 지역의 열 수요를 만족시키기 위해서 지역 열 배관망의 열전달이 가장 취약한 부분에 공급 및 회수 압력의 차, 공급 압력, 회수온도 및 공급온도를 운전 범위 내에 유지하여 줌으로써 전체 지역의 열 공급을 만족시키는 방법을 활용한다. 지역 열 배관망의 이러한 열전달이 취약한 부분을 임계지점(critical point) 라고 하며, 크리티컬 포인트에서 열공급 조건이 만족할 경우 전체 지역의 열공급이 원활하게 공급된다고 할 수 있다. District heating Each branch office maintains the heat of the entire area by keeping the difference of supply and recovery pressure, supply pressure, recovery temperature and supply temperature within the operating range in the area where heat transfer of the local heat pipe network is the weakest to satisfy the local heat demand. Use methods to satisfy supply. The weak point of this heat transfer in the local heat pipe network is called the critical point, and if the heat supply condition is satisfied at the critical point, the heat supply of the entire area is smoothly supplied.

임계지점에서의 열 공급 조건을 유지하면서 에너지 효율을 향상하는 것은 매우 중요한 과제이다. 지역난방에서 에너지의 효율적 사용을 의미하는 경제운전은 최적 전기 및 열 생산 그리고 지사간 연계를 통한 수익의 극대화, 각 지사의 공급 및 회수 온도 차를 최대화 하여 열 전달 용량의 증가, 배관내 평균온도를 감소하여 열 손실의 최소화 등의 방법으로 구현할 수 있다.
Improving energy efficiency while maintaining heat supply conditions at critical points is a very important task. Economic operation, which means the efficient use of energy in district heating, maximizes profits through optimal electricity and heat production and linkage between branches, increases the heat transfer capacity by maximizing the difference in supply and recovery temperature of each branch, and increases the average temperature in the pipe. This can be achieved by minimizing heat loss.

따라서, 본 발명이 해결하고자 하는 해결과제는 지역난방 네트워크의 각 임계지점에서 요구되는 온도에 적합하게 열공급량을 정확하게 예측하여 공급할 수 있는 지역난방 네트워크의 열공급량 결정방법을 제공하는 데 있다.Accordingly, a problem to be solved by the present invention is to provide a method for determining a heat supply amount of a district heating network that can accurately predict and supply a heat supply amount appropriate to a temperature required at each critical point of the district heating network.

본 발명의 다른 해결과제는 지역난방 네트워크에 공급하는 열공급량과 압력에 따라 배관망에서 도달되는 시간과 온도를 예측하여 공급되는 열공급량을 정확하게 예측하여 공급할 수 있는 지역난방 네트워크의 열공급량 결정방법을 제공하는 데 있다.
Another problem of the present invention is to provide a method of determining the heat supply amount of a district heating network that can accurately predict the amount of heat supply supplied by predicting the time and temperature reached in the pipe network according to the heat supply amount and pressure supplied to the district heating network. There is.

본 발명의 지역난방 네트워크의 열공급량 결정방법은 임계지점의 배관망에 공급되는 열유체의 온도 및 압력을 예측 할 수 있는 배관망에 따른 시간-온도 신경망 모델(neural network model)을 수립하는 단계와; 수립된 배관망에 따른 시간-온도 신경망 모델을 이용하여 임계지점의 열유체의 온도에 알맞은 열 공급량을 예측하도록 시뮬레이션하는 단계와; 시뮬레이션에 따른 결과로서 미래 열 공급량의 예측값을 산정하는 단계를 포함하며, 배관망에 따른 시간-온도 신경망 모델을 수립하는 단계는 각 배관에서의 유량 및 압력을 계산하는 단계와 난방수가 배관에 도달되는 시간 및 온도을 산정하는 단계로 이루어진 것을 특징으로 한다.The method of determining a heat supply amount of a district heating network according to the present invention comprises the steps of: establishing a time-temperature neural network model according to a pipe network capable of predicting a temperature and pressure of a heat fluid supplied to a pipe network at a critical point; Simulating a heat supply amount suitable for the temperature of the thermal fluid at the critical point using a time-temperature neural network model according to the established pipe network; As a result of the simulation, calculating a predicted value of the future heat supply includes establishing a time-temperature neural network model according to the pipe network, calculating a flow rate and pressure in each pipe, and a time for the heating water to reach the pipe. And calculating the temperature.

삭제delete

바람직하게, 각 배관의 유량 및 압력은 질량보존법칙, 운동량보존법칙으로 계산하는 것을 특징으로 한다.Preferably, the flow rate and pressure of each pipe is characterized in that it is calculated by the law of mass conservation, the law of conservation of momentum.

바람직하게, 열 공급량을 예측하도록 시뮬레이션하는 단계는 임계기준에서 필요한 시간대의 난방용수의 온도를 입력변수로 사용하여 공급되는 열공급량과 압력의 측정값을 산정하는 것을 특징으로 한다.Preferably, the step of simulating to predict the heat supply amount is characterized by calculating the measured value of the heat supply amount and the pressure supplied using the temperature of the heating water of the time zone required in the threshold criterion as an input variable.

바람직하게, 시뮬레이션에서의 난방온도는 임계지점에서 과거의 외기 온도와 난방온도에 대한 패턴은 인공 신경회로망에 학습시켜 예측한 예상 난방온도인 것을 특징으로 한다.
Preferably, the heating temperature in the simulation is characterized in that the pattern of the past outside temperature and heating temperature at the critical point is the expected heating temperature predicted by learning the artificial neural network.

본 발명에 따른 지역난방 네트워크의 열공급량 결정방법은 네트워크로 사용된 배관망에 따라 임계지역에 공급되는 시간과 온도를 정확하게 산정할 수 있기 때문에 정확하게 최적의 열공급량을 결정할 수 있는 장점이 있다.The method for determining the heat supply amount of the district heating network according to the present invention has an advantage of accurately determining the optimal heat supply amount because the time and temperature supplied to the critical area can be accurately calculated according to the pipe network used as the network.

또한, 임계지역의 외기온도와 연동하여 변화되는 외기온도를 예측하여 미리 필요한 온도를 유지하도록 열공급할 수 있는 장점이 있다.
In addition, there is an advantage that can supply heat to maintain the required temperature in advance by predicting the outside temperature changes in conjunction with the outside temperature of the critical region.

도 1은 지역난방 네트워크에서의 배관망에 따른 유체의 흐름을 공급관 및 회수관을 개략적으로 나타내기 위한 다이어그램 예시도.
도 2는 배관의 온도 거동을 계산하기 위한 에너지보존 법칙을 나타낸 그림.
도 3은 본 발명의 실시예를 위한 부천의 지역난방시스템 구조도.
도 4는 본 발명에 따른 실시예에서의 유량 및 압력 분포도.
도 5는 본 발명에 따른 실시예에서의 온도 분포도.
도 6은 본 발명에 따른 실시예에서 임계 지점에서의 압력 및 온도 변화를 실제 데이터와 시뮬레이션 데이터를 비교한 그래프.1 is an exemplary diagram for schematically illustrating a supply pipe and a recovery pipe of a fluid flow along a pipe network in a district heating network.
Figure 2 shows the energy conservation law for calculating the temperature behavior of the pipe.
Figure 3 is a bucheon district heating system structure diagram for an embodiment of the present invention.
4 is a flow rate and pressure distribution diagram in an embodiment according to the present invention.
5 is a temperature distribution diagram in an embodiment according to the present invention.
6 is a graph comparing actual data and simulation data of pressure and temperature changes at critical points in an embodiment according to the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 지역난방 네트워크의 열공급량 결정방법의 실시예에 대하여 자세히 살펴본다.Hereinafter, with reference to the accompanying drawings looks at in detail with respect to an embodiment of the heat supply amount determination method of the district heating network of the present invention.

본 발명의 지역난방 네트워크의 열공급량 결정방법은 임계지점의 배관망에 공급되는 열유체의 온도 및 압력을 예측 할 수 있는 배관망에 따른 시간-온도 신경망 모델을 수립하는 단계와; 수립된 배관망에 따른 시간-온도 신경망 모델을 이용하여 임계지점의 열유체의 온도에 알맞은 열 공급량을 예측하도록 시뮬레이션하는 단계와; 시뮬레이션에 따른 결과로서 미래 열 공급량의 예측값을 산정하는 단계를 포함한다.
The heat supply determination method of the district heating network of the present invention comprises the steps of establishing a time-temperature neural network model according to the pipe network to predict the temperature and pressure of the heat fluid supplied to the pipe network of the critical point; Simulating a heat supply amount suitable for the temperature of the thermal fluid at the critical point using a time-temperature neural network model according to the established pipe network; Calculating a predicted value of the future heat supply as a result of the simulation.

배관망에 따른 시간-온도 신경망 모델(neural network model)을 수립하는 단계Step of establishing time-temperature neural network model according to pipe network

배관망에 따른 시간-온도 신경망 모델은, 각 배관에서의 유량 및 압력을 계산하는 단계와 난방용수가 배관에 도달되는 시간 및 온도를 산정하는 단계로 이루어진다.The time-temperature neural network model according to the pipe network includes calculating a flow rate and pressure in each pipe and calculating a time and temperature at which the heating water reaches the pipe.

도 1에 도시된 바와 같이, 배관망에 따른 시간-온도 신경망 모델을 수립하는 단계에서는 우선적으로 실제 배관망이 연결되어 있는 도면을 쉽게 이해하기 위해 공급관 및 회수관으로 구성된 다이어그램으로 변경해야 된다. 도 1에서 도시된 다이어그램의 유량 흐름 방향은 왼쪽에서 오른쪽으로 흐르는 방향이다. As shown in FIG. 1, in establishing a time-temperature neural network model according to a pipe network, first of all, a diagram of a supply pipe and a recovery pipe should be changed in order to easily understand the drawing in which the actual pipe network is connected. The flow direction of flow in the diagram shown in FIG. 1 is the direction flowing from left to right.

각 배관의 유량 및 압력 계산 단계는 지역난방 네트워크로 배치된 배관에 적용되는 유량 및 압력을 계산하는 단계이다. 지역난방 네트워크에 사용된 각 배관의 유량 및 압력을 질량보존법칙과 운동량보존법칙을 적용하면 계산 할 수 있다.The flow and pressure calculation step of each pipe is a step of calculating the flow and pressure applied to the pipes arranged in the district heating network. The flow rate and pressure of each pipe used in district heating network can be calculated by applying mass conservation law and momentum conservation law.

도 1에 도시된 다이어그램을 기초로 하여 질량보존법칙으로 얻을 수 있는 식은 아래와 같다. Based on the diagram shown in Figure 1 can be obtained by the equation of mass conservation law as follows.

Figure 112011061933794-pat00001
Figure 112011061933794-pat00001

이때, 각각의 하첨자들은 다음과 같다. 61 : 열공급시설과 노드 1번까지 연결된 배관, 16 : 노드 1번과 1번 열사용자까지 연결된 배관, 12 : 노드 1번과 노드 2번이 연결된 배관, 23 : 노드 2번과 노드 3번이 연결된 배관, 32 : 노드 3번과 2번 열사용자까지 연결된 배관, 334 : 노드 3번과 3번 열사용자까지 연결된 배관, 25 : 노드 2번과 4번 열사용자까지 연결된 배관을 의미한다.At this time, each subscript is as follows. 61: pipe connected to the heat supply facility and node 1, 16: pipe connected to node 1 and node 1, 12: pipe connected to node 1 and node 2, 23: connected to node 2 and node 3 Piping, 32: pipes connected to nodes 3 and 2 thermal users, 334: pipes connected to nodes 3 and 3 thermal users, 25: pipes connected to nodes 2 and 4 thermal users.

도 1에 도시된 다이어그램을 기초로 하여 운동량보존법칙으로 얻을 수 있는 식은 아래와 같다.Based on the diagram shown in Figure 1, the equation that can be obtained by the law of conservation of momentum is as follows.

Figure 112011061933794-pat00002
Figure 112011061933794-pat00002

운동량보전법칙에서 사용된 하첨자들은 다음과 같다.The subscripts used in the law of momentum conservation are:

16 : 노드 1번을 시작으로 노드 6번에 도달할 때까지의 모든 압력손실, 61 : 노드 6번을 시작으로 노드 1번에 도달할 때까지의 모든 압력손실, 12 : 노드 1번을 시작으로 노드 2번에 도달할 때까지의 모든 압력손실, 23 : 노드 2번을 시작으로 노드 3번에 도달할 때까지의 모든 압력손실, 34 : 노드 3번을 시작으로 노드 4번에 도달할 때까지의 모든 압력손실, 45 : 노드 4번을 시작으로 노드 5번에 도달할 때까지의 모든 압력손실, 56 : 노드 5번을 시작으로 노드 6번에 도달할 때까지의 모든 압력손실, 61 : 노드 6번을 시작으로 노드 1번에 도달할 때까지의 모든 압력손실, 34 : 노드 3번을 시작으로 노드 4번에 도달할 때까지의 모든 압력손실, 43 : 노드 4번을 시작으로 노드 3번에 도달할 때까지의 모든 압력손실, 25 : 노드 2번을 시작으로 노드 5번에 도달할 때까지의 모든 압력손실, 54 : 노드 5번을 시작으로 노드 4번에 도달할 때까지의 모든 압력손실, 32 : 노드 3번을 시작으로 노드 2번에 도달할 때까지의 모든 압력손실을 의미한다.16: All pressure loss from node 1 to node 6, 61: All pressure loss from node 6 to node 1, 12: Node 1 to start All pressure loss until node 2 is reached, 23: all pressure loss from node 2 until node 3, 34: node 3 until node 4 is reached Pressure loss from 45, all pressure loss from node 4 to node 5, 56: all pressure loss from node 5 to node 6, 61: node All pressure losses from node 6 to node 1, 34: all nodes from node 3 to node 4, 43: node 4 to node 3 All pressure losses until reaching, 25: all nodes starting at node 2 and reaching node 5 Power loss, 54: refers to any pressure loss until it reaches a node 2, starting with node 3: All pressure loss until it reaches the fourth node to the start node 5, 32.

운동량보존법칙에 나온 압력강하 항은 유량에 관한 압력강하 식으로 표현할 수 있으며 아래와 같다. 마찰계수의 상수 a,b,c는 지역난방시스템 운전조건에 따라 변하게 되는 상수이다.The pressure drop term given in the law of conservation of momentum can be expressed by the pressure drop equation for the flow rate. The coefficients of friction a, b, and c are constants that vary with the district heating system operating conditions.

Figure 112011061933794-pat00003
Figure 112011061933794-pat00003

위에서 얻은 식들을 연립하여 해를 구하면 각 배관에 해당하는 유량을 알아낼 수 있다. 유량을 알아내면 압력강하 식에 대입하여 압력을 계산할 수 있다. 이와 같은 질량보존법칙과 운동량보존법칙의 각 식들은 상용 프로그램을 이용하거나 Newton-Rhapson 방법 등을 통하여 해를 구할 수 있다. By solving the above equations, we can find the flow rate for each pipe. Once the flow rate is known, the pressure can be calculated by substituting the pressure drop equation. These equations of mass conservation law and momentum conservation law can be solved by using commercial program or Newton-Rhapson method.

한편, 배관의 온도 산정단계는 각 지역난방 시스템으로 배치된 배관의 온도 거동을 산정하는 단계이다.On the other hand, the temperature calculation step of the pipe is a step of calculating the temperature behavior of the pipe arranged in each district heating system.

배관의 온도 산정은 도 2에 도시된 바와 같이, 배관의 온도 거동은 에너지 보존법칙을 사용하여 산정한다. 이때, 배관 내 유체는 Reynolds 수가 큰 난류이므로 일정한 구간에서 배관망 내 유체의 온도분포는 일정하다고 가정한다. As shown in FIG. 2, the temperature of the pipe is calculated using the energy conservation law. At this time, since the fluid in the pipe is turbulent with a large number of Reynolds, it is assumed that the temperature distribution of the fluid in the pipe network is constant in a certain section.

Figure 112011061933794-pat00004
Figure 112011061933794-pat00004

여기서 q는 배관의 열손실을 나타낸다. 지중매설 배관망의 열손실 모델은 Kvisganrd and Hadvig의 모델을 사용하였다. Where q represents the heat loss of the pipe. Kvisganrd and Hadvig's model is used for heat loss model of underground pipeline.

위에서 얻은 식들을 이용하여 유한차분법 중 하나인 forwad Euler법을 사용하여 시간에 따른 각 직경이 상이한 배관망에 따른 전체지역의 온도를 계산할 수 있다.
Using the equations obtained above, one of the finite difference methods, the forwad Euler method, can be used to calculate the temperature of the entire region of pipe networks with different diameters over time.

시뮬레이션 단계Simulation step

시뮬레이션을 위해서는, 지역난방 시스템에 배열된 각 배관망의 임계지점에서 도달되는 난방용수의 온도에 따른 난방용수의 압력과 도달시간을 수립된 시간-온도 신경망 모델에 적용하여 산정하는 단계를 수행하게 된다.For the simulation, the pressure and arrival time of the heating water according to the temperature of the heating water reached at the critical point of each pipe network arranged in the district heating system are applied to the established time-temperature neural network model.

예컨대, 도 1의 지역난방 네트워크 배관망에서 최초 공급된 발전소에서 공급된 열 공급량에 따라 1지점, 2지점, 3지점, 4지점 및 5지점에서의 도달시간 및 온도에 대하여 공급되는 난방용수의 공급량 및 공급압력에 대한 계산을 시뮬레이션하면, 기준 시간의 각 배관망에 도달되는 시간에 대한 열 공급량의 예측값을 얻어낼 수 있다.For example, the amount of heating water supplied for the time and temperature of arrival at points 1, 2, 3, 4 and 5 according to the heat supply from the power plant initially supplied in the district heating network pipe network of FIG. By simulating the calculation of the supply pressure, it is possible to obtain an estimated value of the heat supply for the time to reach each pipe network of the reference time.

본 발명의 실시예에서는, a) 시간-온도 신경망 모델 구성 시 난방용수의 공급량 및 압력에 따른 도달시간 및 도달온도의 효과를 적용하였다; b) 임계기준에서 필요한 시간대의 난방용수의 온도에 따라 미리 공급되는 열공급량과 압력의 측정값을 가질 수 있으므로 열공급량의 계산이 가능하였다; c) 임계지점의 외기 온도에 따라 난방용수의 필요온도를 적용하는 것이 모델의 타당성을 더 높여주는 것을 알 수 있다.In the embodiment of the present invention, a) the effects of the arrival time and the arrival temperature according to the supply amount and pressure of the heating water are applied when constructing the time-temperature neural network model; b) it is possible to calculate the amount of heat supply, since it can have a pre-supplied measurement of heat supply and pressure depending on the temperature of the heating water in the time zone required by the threshold; c) It can be seen that applying the required temperature of the heating water according to the outside air temperature at the critical point makes the model more valid.

본 발명의 실시예는 도 3에 도시된 바와 같이, 부천에 있는 지역 난방 회사에서 2011년 1월 24일 00시부터 26일 23시까지의 한 곳의 임계지점에서의 압력과 온도 결과를 비교하였다.In the embodiment of the present invention, as shown in Figure 3, the district heating company in Bucheon compared the pressure and temperature results at one critical point from January 24, 2011 to 00:26 23 hours.

도 4는 시뮬레이션 결과 중 1월 24일 12시의 지역난방 시스템 내의 유량 및 압력의 분포 결과를 나타낸 그래프이고, 도 5는 시뮬레이션 결과 중 1월 24일 01시와 1월 25일 01시의 지역난방 시스템 내의 온도 분포 결과를 나타낸 그래프이며, 도 6은 외기 온도와 지역난방 시스템의 열공급 시설의 운전 조건을 시간대 별로 시뮬레이션의 입력 값으로 넣어서 72시간 돌린 결과와 임계 지점에서의 측정값을 비교한 그림이다. 4 is a graph showing the distribution results of the flow rate and pressure in the district heating system at 12 o'clock on January 24 of the simulation results, and FIG. 5 is the district heating at 01 o'clock on the 24th of January and 01 o'clock on January 25 of the simulation results. Fig. 6 is a graph showing the results of temperature distribution in the system. FIG. 6 is a diagram comparing the measured results at the critical point with 72 hours of operation by inputting the ambient temperature and the operating conditions of the heat supply facility of the district heating system as input values of the simulation for each time period. .

부천지역의 지역난방시스템에서의 실시예 결과를 보면 다음과 같다.The results of the embodiments in the district heating system in Bucheon are as follows.

공급시설에서 공급유량을 7540m3/hr, 공급압력을 7.3kgf/cm2으로 하고 공급온도를 108.2℃로 공급해준다면 임계지점에는 2시간 후에 이 공급유량이 도달하게 된다. 2시간 후에 임계지점에 공급되는 유량은 6.512m3/hr이고, 공급되는 압력은 6.13kgf/cm2으로 공급된다. 공급되는 온도는 104.064℃로 공급되게 된다. 유량과 온도를 알고 있으므로 공급열량 또한 계산할 수 있다. 임계지점까지 도달하면서 압력손실은 약 1.17kgf/cm2 만큼 손실되며 온도는 약 4.136℃ 정도 감소하게 된다.
If the supply flow rate is 7540m 3 / hr, supply pressure is 7.3kgf / cm 2 , and the supply temperature is 108.2 ℃, this flow rate will be reached after 2 hours at the critical point. After 2 hours, the flow rate at the critical point is 6.512 m 3 / hr, and the pressure supplied is 6.13 kgf / cm 2 . The temperature supplied is to be supplied at 104.064 ℃. Knowing the flow rate and temperature, the calorific value of the feed can also be calculated. At the critical point, the pressure loss is about 1.17 kgf / cm 2 and the temperature is reduced by about 4.136 ° C.

미래 열 공급량의 예측값을 예측 단계Prediction step for forecasting future heat supply

본 발명은 현재 시점의 기준 시간외에 미래의 열 공급량을 예측할 수 있다.The present invention can predict the future heat supply in addition to the reference time at the present time.

이하, 일예로서, 열공급량 예측에 관한 본 발명의 실시예에 대해서 설명한다.As an example, an embodiment of the present invention relating to heat supply amount prediction will be described.

또한, 지역난방 시스템에서 각 임계지점에서의 과거의 외기 온도와 난방온도에 대한 패턴은 인공 신경회로망에 학습시켜 난방온도를 예측 모델을 수립할 수 있다.In addition, in the district heating system, the pattern of past air temperature and heating temperature at each critical point can be learned by artificial neural network to establish a prediction model of heating temperature.

먼저, 입력 변수인 임계지점의 난방온도를 산정하기 위하여 외기 온도에 대한 예측 값이 필요하며, 예컨대, 한국의 기상청 예보 자료를 바탕으로 해당하는 시간별 외기 온도 예측 값을 인위적으로 얻을 수 있다.First, in order to calculate the heating temperature of the critical point, which is an input variable, a prediction value for the outside air temperature is required. For example, the corresponding outside air temperature prediction value may be artificially obtained based on the forecast data of the Korea Meteorological Agency.

한국의 기상청에서는 2일간의 예측을 예보시점에서 3시간 간격으로 예보하는 형태를 취하고 있다. 따라서, 임계기점에서 2일간 3시간 간격으로 예측하는 값을 가져와 난방온도를 예측 모델에 적용하면 임계지점에서 사용되는 난방온도의 예측값을 얻을 수 있는 것이다.The Korean Meteorological Administration takes the form of forecasting two days' forecasts every three hours from the time of forecasting. Therefore, if the prediction value is taken at a critical point every two hours for 3 hours and the heating temperature is applied to the prediction model, the predicted value of the heating temperature used at the critical point can be obtained.

이로써, 예측된 2주일간의 임계지점에서 필요한 난방온도를 시간-온도 신경망 모델에 적용하여 발전소에서 임계지점까지 도달되는 시간을 환산하여 공급하는 난방용수의 공급량 및 공급압력을 산정할 수 있다.Thus, by applying the heating temperature required at the predicted critical point for two weeks to the time-temperature neural network model, it is possible to calculate the supply amount and the supply pressure of the heating water supplied by converting the time to reach the critical point from the power plant.

이러한 최적의 열 공급량 결정 시스템은 지역난방 네트워크의 최적제어와 병행하여 적용할 경우 적용 목적에 따라서 공급유량을 최적화를 통하여 보일러 가동비를 고려한 최적화에 활용 될 수 있다.This optimal heat supply determination system can be used in consideration of boiler operation cost by optimizing the supply flow rate according to the application purpose when applied in parallel with the optimal control of district heating network.

본 발명은 상기 설명한 실시예에만 한정되지 않고, 본 발명은 발명의 기술사상으로부터 벗어나지 않는 범위내에서 당해 기술분야의 통상의 지식을 가진 자에 의해 다른 형태로 실시될 수 있다. 특허청구범위와 균등한 기술 범위내에서 이루어지는 모든 설계 변경은 본 발명의 범위에 포함되는 것으로 간주된다.The present invention is not limited to the above-described embodiments, and the present invention may be embodied in other forms by those skilled in the art without departing from the technical idea of the present invention. All design changes that come within the scope of equivalency of the claims and the claims are deemed to be within the scope of the present invention.

Claims (5)

임계지점의 배관망에 공급되는 열유체의 온도 및 압력을 예측 할 수 있는 배관망에 따른 시간-온도 신경망 모델(neural network model)을 수립하는 단계와;
수립된 배관망에 따른 시간-온도 신경망 모델을 이용하여 임계지점의 열유체의 온도에 알맞은 열 공급량을 예측하도록 시뮬레이션하는 단계와;
시뮬레이션에 따른 결과로서 미래 열 공급량의 예측값을 산정하는 단계를 포함하며,
배관망에 따른 시간-온도 신경망 모델을 수립하는 단계는 각 배관에서의 유량 및 압력을 계산하는 단계와, 난방수가 배관에 도달되는 시간 및 온도를 산정하는 단계로 이루어진 것을 특징으로 하는 지역난방 네트워크의 열공급량 결정방법.
Establishing a time-temperature neural network model according to the pipe network for predicting the temperature and pressure of the thermal fluid supplied to the pipe network at the critical point;
Simulating a heat supply amount suitable for the temperature of the thermal fluid at the critical point using a time-temperature neural network model according to the established pipe network;
Calculating a predicted future heat supply as a result of the simulation,
Establishing a time-temperature neural network model according to the pipe network includes calculating the flow rate and pressure in each pipe, and calculating the time and temperature for the heating water to reach the pipe. Supply determination method.
삭제delete 청구항 1에 있어서, 각 배관의 유량 및 압력은 질량보존법칙, 운동량보존법칙으로 계산하는 것을 특징으로 하는 지역난방 네트워크의 열공급량 결정방법.
The method of claim 1, wherein the flow rate and the pressure of each pipe are calculated by a mass conservation law and a momentum conservation law.
청구항 1에 있어서, 열 공급량을 예측하도록 시뮬레이션하는 단계는 임계기준에서 필요한 시간대의 난방용수의 온도를 입력변수로 사용하여 공급되는 열공급량과 압력의 측정값을 산정하는 것을 특징으로 하는 지역난방 네트워크의 열공급량 결정방법.
The method of claim 1, wherein the simulation of predicting the heat supply amount comprises calculating a measured value of the heat supply amount and the pressure supplied using the temperature of the heating water in the time zone required in the threshold criteria as an input variable. How to determine the heat supply.
청구항 1에 있어서, 시뮬레이션에서의 난방온도는 임계지점에서 과거의 외기 온도와 난방온도에 대한 패턴은 인공 신경회로망에 학습시켜 예측한 예상 난방온도인 것을 특징으로 하는 지역난방 네트워크의 열공급량 결정방법.The method of claim 1, wherein the heating temperature in the simulation is a predicted heating temperature predicted by training the artificial neural network at a critical point.
KR1020110079752A 2011-08-10 2011-08-10 Heating supply determination method for district heating network KR101295098B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110079752A KR101295098B1 (en) 2011-08-10 2011-08-10 Heating supply determination method for district heating network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110079752A KR101295098B1 (en) 2011-08-10 2011-08-10 Heating supply determination method for district heating network

Publications (2)

Publication Number Publication Date
KR20130017368A KR20130017368A (en) 2013-02-20
KR101295098B1 true KR101295098B1 (en) 2013-08-09

Family

ID=47896531

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110079752A KR101295098B1 (en) 2011-08-10 2011-08-10 Heating supply determination method for district heating network

Country Status (1)

Country Link
KR (1) KR101295098B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105805822A (en) * 2016-03-24 2016-07-27 常州英集动力科技有限公司 Heat supply energy saving control method and system based on neural network prediction
CN107239859A (en) * 2017-06-05 2017-10-10 国网山东省电力公司电力科学研究院 The heating load forecasting method of Recognition with Recurrent Neural Network is remembered based on series connection shot and long term
CN109297086A (en) * 2018-09-10 2019-02-01 常州英集动力科技有限公司 Thermal substation load rolling forecast and adaptive corrective method and system at times

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108613250A (en) * 2018-05-11 2018-10-02 华南理工大学 A kind of heat supply regulation and control method and system
CN109740803A (en) * 2018-12-24 2019-05-10 北京航天智造科技发展有限公司 A kind of heating network operation optimization method of data-driven
CN112712189A (en) * 2019-10-25 2021-04-27 北京市热力集团有限责任公司 Heat supply demand load prediction method
CN112594758B (en) * 2020-11-21 2021-12-14 唐山曹妃甸热力有限公司 Heat supply prediction method, device, equipment and storage medium
KR102549478B1 (en) * 2021-02-16 2023-06-29 연세대학교 산학협력단 Simulation Apparatus and Method for Flow Battery having Porous Electrode with Flow Channel
KR102418408B1 (en) 2022-01-21 2022-07-06 지에스파워주식회사 Method And Apparatus for Real-time Analysis of District Heating Pipe Network Based on Time Sequence Data of Heat Demand

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100116091A (en) * 2009-04-21 2010-10-29 이재평 Unified calorimeter with heating control system
KR100997361B1 (en) 2010-08-18 2010-11-29 전주대학교 산학협력단 Heating energy supply method for district heating system using outdoor temperature prediction
KR20110035006A (en) * 2009-09-29 2011-04-06 서울과학기술대학교 산학협력단 Heat demand forecasting method
KR101039440B1 (en) 2008-10-15 2011-06-08 주식회사 한 에너지 시스템 Heating control method making use of open proportion of heating valve

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101039440B1 (en) 2008-10-15 2011-06-08 주식회사 한 에너지 시스템 Heating control method making use of open proportion of heating valve
KR20100116091A (en) * 2009-04-21 2010-10-29 이재평 Unified calorimeter with heating control system
KR20110035006A (en) * 2009-09-29 2011-04-06 서울과학기술대학교 산학협력단 Heat demand forecasting method
KR100997361B1 (en) 2010-08-18 2010-11-29 전주대학교 산학협력단 Heating energy supply method for district heating system using outdoor temperature prediction

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105805822A (en) * 2016-03-24 2016-07-27 常州英集动力科技有限公司 Heat supply energy saving control method and system based on neural network prediction
CN105805822B (en) * 2016-03-24 2018-11-13 常州英集动力科技有限公司 Heating energy-saving control method based on neural network prediction and system
CN107239859A (en) * 2017-06-05 2017-10-10 国网山东省电力公司电力科学研究院 The heating load forecasting method of Recognition with Recurrent Neural Network is remembered based on series connection shot and long term
CN109297086A (en) * 2018-09-10 2019-02-01 常州英集动力科技有限公司 Thermal substation load rolling forecast and adaptive corrective method and system at times
CN109297086B (en) * 2018-09-10 2020-10-09 常州英集动力科技有限公司 Heating power station load time-interval rolling prediction and self-adaptive correction method and system

Also Published As

Publication number Publication date
KR20130017368A (en) 2013-02-20

Similar Documents

Publication Publication Date Title
KR101295098B1 (en) Heating supply determination method for district heating network
Talebi et al. A review of district heating systems: modeling and optimization
Saloux et al. Model-based predictive control to minimize primary energy use in a solar district heating system with seasonal thermal energy storage
Guelpa et al. Thermal load prediction in district heating systems
Wang et al. Hydraulic resistance identification and optimal pressure control of district heating network
CN105910169A (en) Urban heating system heating network regulating method and system based on mechanism model prediction control
CN110793094A (en) Comprehensive flexible scheduling method and system for urban centralized heating system
CN104408534A (en) Simultaneous equation model-based running optimization method for tower type solar thermoelectric generation system
Saletti et al. Development, analysis and application of a predictive controller to a small-scale district heating system
Choi et al. Mathematical modeling and control of thermal plant in the district heating system of Korea
Puleo et al. Pumps as turbines (PATs) in water distribution networks affected by intermittent service
CN104978442B (en) Integrated power station and device produce the steam power system optimization method and system for using vapour
Imran et al. The feasibility analysis for the concept of low temperature district heating network with cascade utilization of heat between networks
CN104133958A (en) Complicated pipe network analog simulation calculation method and complicated pipe network analog simulation calculation device
Gumpert et al. Thermo-hydraulic simulation of district heating systems
Huang et al. A multi-rate dynamic energy flow analysis method for integrated electricity-gas-heat system with different time-scale
Jamsek et al. Determination of optimal district heating pipe network configuration
Ikonen et al. Short term optimization of district heating network supply temperatures
CN116341881B (en) Robust advanced scheduling method and system for electric-thermal system considering flexibility of heat supply network
KR101089170B1 (en) Advanced process control method for district heat network
CN105095539B (en) Include the steam power system optimization method and system of steam straight tube
Wang et al. A Simple Thermal Dynamics Model and Parameter Identification of District Heating Network
Dobos et al. Dynamic model and control of heat exchanger networks for district heating
Papakonstantinou et al. District heating temperature control algorithm based on short term weather forecast and consumption predictions
CN111047069B (en) Thermoelectric combined scheduling flexibility assessment method considering energy storage characteristics of heat supply network

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160719

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170717

Year of fee payment: 5