CN113110356A - 一种低温热***的智能优化控制装备 - Google Patents
一种低温热***的智能优化控制装备 Download PDFInfo
- Publication number
- CN113110356A CN113110356A CN202110492287.4A CN202110492287A CN113110356A CN 113110356 A CN113110356 A CN 113110356A CN 202110492287 A CN202110492287 A CN 202110492287A CN 113110356 A CN113110356 A CN 113110356A
- Authority
- CN
- China
- Prior art keywords
- heat
- parameters
- intelligent
- unit
- control
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012546 transfer Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 102
- 238000010438 heat treatment Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 9
- 239000000463 material Substances 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000001816 cooling Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种低温热***的智能优化控制装备，所述低温热***包括：热源单元、热阱单元以及热量智能调控中心，所述热量智能调控中心用于所述热源单元与所述热阱单元之间的热量传递与热量平衡；所述智能优化控制装备包括：多个传感器单元，各所述传感器单元分别用于采集所述热源单元、所述热阱单元以及所述热量智能调控中心的传感参数；边缘计算单元，用于执行如下步骤：获取所述多个传感器单元采集的传感参数，对热量平衡和热量传递参数进行量化计算；中心优化单元：将所获取的传感器参数输入和训练预测模型，基于所述预测模型预测换热参数，基于所预测的换热参数、以效益最大化为优化目标确认是否调整所述热量智能调控中心的控制参数。
Description
技术领域
本发明涉及炼油、化工领域，特别涉及一种低温热***的智能优化控制装备。
背景技术
近年来，石化企业在“大***能量综合利用”的框架下对基于全厂的低温热***进行了卓有成效的探索，设计建设了涵盖多套生产装置的新型低温热综合利用***，有效降低了企业能耗，获得了显著的经济效益，但运行中普遍存在以下几个问题：
1)***庞大复杂，涉及装置多，热源和热阱分散，部分关键节点缺乏测量仪表，关键操作参数缺乏自动控制手段，难以统一管理和及时控制；
2)***运行后，不能适应极端工况变化、季节变化和部分装置开停工的变化，无法根据工况、天气等变化提前进行调度调整；
3)***运行管理停留在经验阶段，缺乏合理的在线数学模型为现场技术人员提供决策支持和优化指导，受加工方案、加工负荷、气候环境，以及管理人员业务水平限制，***运行常偏离最优点，节能效果达不到设计值；
4)***运行过程中缺少优化计算结果与控制装置的闭环回路，难以保证数学模型提供的决策支持和优化结果获得实施，手动调节不仅增加现场人员工作量，也常常导致运行效果达不到预期。
由此可见，如何对低温热***进行优化控制，是本领域亟待解决的技术问题。
发明内容
本发明的目的在于提供一种低温热***的智能优化控制装备，从而至少在一定程度上克服由于相关技术的限制和缺陷而导致的上述技术问题。
根据本发明的第一个方面，提供一种低温热***的智能优化控制装备，所述低温热***包括：热源单元、热阱单元以及热量智能调控中心，所述热量智能调控中心用于所述热源单元与所述热阱单元之间的热量传递和热量平衡；
所述智能优化控制装备包括：
多个传感器单元，各所述传感器单元分别用于采集所述热源单元、所述热阱单元以及所述热量智能调控中心的传感参数；
边缘计算单元，用于执行如下步骤：
获取所述多个传感器单元采集的传感参数；
对热量平衡和热量传递参数进行量化计算；
中心优化单元，用于执行如下步骤：将所获取的传感器参数输入和训练预测模型；
基于所述预测模型预测换热参数；
基于所预测的换热参数、以效益最大化为优化目标，确认是否调整所述热量智能调控中心的控制参数。
在本申请的一些实施例中，所述低温热***通过水循环进行热量传递，
所述传感参数包括如下传感器参数中的一项或多项：热媒水流量、热媒水的进出温度、热媒水的进出压力、工艺流量、工艺进出温度、热媒水的电导率、溶解氧、PH值、油含量、浊度；
所述换热参数包括如下参数中的一项或多项：所述热源单元以及所述热阱单元的工艺换热后的温度，热媒水换热后的温度；
所述热量智能调控中心的控制参数包括如下控制参数中的一项或多项：进入各热源单元以及热阱单元的热媒水流量、热媒水泵流量。
在本申请的一些实施例中，所述根据所预测的换热参数确认是否调整所述热量智能调控中心的控制参数包括：
判断所预测的换热参数是否符合目标换热参数；
若是，则不调整所述热量智能调控中心的控制参数；
若否，则根据现有的换热参数以及所述目标换热参数的差异，调整所述热量智能调控中心的控制参数。
在本申请的一些实施例中，所述预测模型基于历史传感参数以及换热参数训练获得，并基于实时采集的传感参数以及实时的换热参数进行迭代优化训练。
在本申请的一些实施例中，所述预测模型为前馈神经网络模型，所述前馈神经网络模型的隐含层节点传递函数包括双曲正切S形函数，输出层节点传递函数包括线性函数。
在本申请的一些实施例中，所述中心优化单元，与所述边缘计算单元相通信，
所述中心优化单元用于执行：
所述预测模型的训练；
所述热量智能调控中心的控制参数的优化；
所述传感参数、换热参数以及所述控制参数的储存。
在本申请的一些实施例中，所述中心优化单元还用于执行如下步骤：
对所述多个传感器单元采集的传感参数以及所述热量智能调控中心的控制参数进行可视化处理；
将可视化处理的所述多个传感器单元采集的传感参数以及所述热量智能调控中心的控制参数显示于智能优化控制装备客户端或者浏览器中的控制装置页面中。
在本申请的一些实施例中，所述热量智能调控中心包括：
热源来水端以及热源去水端，连接至所述热源单元；
热阱来水端以及热阱去水端，连接至所述热阱单元；
上水集水单元，连接于所述热源去水端以及所述热阱来水端之间；
回水集水单元，连接于所述热阱去水端以及所述热源来水端之间；
补水单元，连接于所述回水集水单元和所述热源去水端之间。
在本申请的一些实施例中，所述边缘计算单元还将环境参数输入所述预测模型。
在本申请的一些实施例中，所述传感器单元包括一个或多个无线传感器。
本发明提供的低温热***的智能控制装置具有如下优势：
通过低温热***智能化优化及控制装备以无线数据采集***、通信传输为基础，以大数据建模算法和启发式优化算法为核心，将边缘计算设备与大数据深度学习算法和自动控制装置集成为一体，从而实现实时数据采集监控、低温热***在线模拟、关键操作参数优化计算、操作参数自动控制等功能，确保低温热***的闭环实时优化控制。
为使能更进一步了解本申请的特征及技术内容，请参阅以下有关本申请的详细说明与附图，但是这里的详细说明以及附图仅是用来说明本申请，而非对本申请的权利要求范围作任何的限制。
附图说明
通过参照附图详细描述其示例实施方式，本申请的上述和其它特征及优点将变得更加明显。
图1为本发明的一个实施例的低温热***的示意图。
图2为本发明的一个实施例的智能优化控制装备的示意图。
图3为本发明的一个实施例的热量智能调控中心包含智能优化控制装备的低温热***的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本申请将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的结构、部件、步骤、方法等。在其它情况下，不详细示出或描述公知结构、部件或者操作以避免模糊本发明的各方面。
本发明的其它特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
结合图1至图3对本发明提供的低温热***的智能优化控制装备进行说明。图1为本发明的一个实施例的低温热***的示意图。图2为本发明的一个实施例的智能优化控制装备的示意图。图3为本发明的一个实施例的包含智能优化控制装备的低温热***热量智能调控中心的示意图。
所述低温热***10包括热源单元11、热阱单元12以及热量智能调控中心13。所述热量智能调控中心13用于所述热源单元11与所述热阱单元12之间的热量传递和热量平衡。
如图1示出的低温热***10的一个具体实施例中，低温热***10回收物料1、2、3的热量，分别送至各处，为物料4、5、6提供低温热量。在现有的实现中，物料1、2、3原来的温度100-135℃各不一样，但都是通过空冷器或者水冷器冷却到较低温度(一般为50℃以下)后进入下游，物料1、2、3的热量通过空冷和水冷(消耗电能)损失到大气中。物料4、5、6原来的温度70-110℃各不一样，都是通过蒸汽加热到需要的温度，蒸汽可以是外部购买或者通过燃烧煤、天然气等自行生产。由此，现有的实现中，物料1、2、3损失的热量，以及物料4、5、6所需的热量互不关联，从而导致热量的浪费。
为此，图1中的低温热***10可以建立热水循环。热媒水在热量智能调控中心13通过泵加压后送到热源单元11的物料1、2、3处进行换热升温，升温后返回热量智能调控中心13，经过水量调控送到热阱单元12的物料4、5、6处替代原4、5、6处的蒸汽进行加热。热媒水温度降低后再返回热量智能调控中心13，由热量智能调控中心13的空冷器或者水冷器调节水温后再通过泵加压，通过水量调控送去物料1、2、3处取热完成循环。通过低温热***10的运用，物料1、2、3减少了空冷器或者水冷器的冷却消耗，物料4、5、6减少了加热蒸汽的消耗，达到了热量的利用。
具体而言，继续参考图3，图3示出本发明的包含智能优化控制装备的低温热***热量智能调控中心的具体结构。如图3所示，热量智能调控中心包括热源来水端以及热源去水端、热阱来水端以及热阱去水端、上水集水器、回水集水器以及补水端、排污端和智能优化控制装备。热源来水端连接至所述热源单元11，以供热媒水自热源单元11流入热量智能调控中心13。热源去水端连接至所述热源单元11，以供热媒水自热量智能调控中心13流入热源单元11。热阱来水端连接至所述热阱单元12，以供热媒水自热阱单元12流入热量智能调控中心13。热阱去水端连接至所述热阱单元12，以供热媒水自热量智能调控中心13流入热阱单元12。上水集水器连接于所述热源去水端以及热阱来水端之间，以调整去热源的热媒水的流量。回水集水器连接于所述热阱去水端以及热源来水端之间，以调整去热阱的热媒水的流量。补水端设置在热量智能调控中心，以便于向低温热***10的热水循环进行供水。排污端设置在热量智能调控中心，根据热媒水水质在线分析结果进行排污。图3中各标号说明：热水循环泵1；热水空冷器2；调节阀3-(1～6)；流量传感器4；压力传感器5；温度传感器6；电导率检测7；水中油含量检测8；PH检测9；溶解氧检测10；上水集水器11A；回水集水器12A。其中，热量智能调配中心所有传感器、检测仪表、调节阀信号、泵空冷器运行信号等数据均进入智能优化控制装备。
以上仅仅是示意性地描述本发明提供的低温热***10，本发明并非以此为限制。
下面结合图2描述本发明提供的智能优化控制装备20。智能优化控制装备20包括多个传感器单元21(为了清楚起见，图中仅示出一个传感器单元，本发明并不限制传感器单元的数量)、边缘计算单元22以及中心优化单元24。
多个传感器单元21用于采集所述热量智能调控中心低温热***的传感参数。在前述的低温热***10通过水循环进行热量传递的实施例中，所述热量智能调控中心低温热***的传感参数可以包括但不限于热媒水流量、热媒水的进出温度、热媒水的进出压力(如图3示出的多个设置在不同位置的温度传感器、压力传感器、流量传感器采集获得)。所述传感器单元21还可以用于采集所述热源单元以及所述热阱单元的工艺流量、工艺进出温度(也就是物料1-6经热处理前后的温度以及流量)。在一些优选的实施例中，所述传感器单元21包括一个或多个无线传感器，从而可以通过无线网关22实现与边缘计算单元22之间的通信。
边缘计算单元22可以用于执行如下步骤：获取所述多个传感器单元采集的传感参数；对各换热器的热量传递数据进行计算。中心优化单元24可以用于执行如下步骤：将所获取的传感器参数输入和训练预测模型；基于所述预测模型预测换热参数；根据所预测的换热参数、以效益最大化为优化目标，确认是否调整所述热量智能调控中心的控制参数。具体而言，可以通过如下步骤实现根据所预测的换热参数确认是否调整所述热量智能调控中心的控制参数：判断所预测的换热参数是否符合目标换热参数；若是，则不调整所述热量智能调控中心的控制参数；若否，则根据现有的换热参数以及所述目标换热参数的差异，调整所述热量智能调控中心的控制参数。其中，所述换热参数包括但不限于：所述热源单元以及所述热阱单元的工艺换热后的温度，热媒水换热后的温度。所述热量智能调控中心控制参数包括但不限于：进入各热源单元以及热阱单元的热媒水流量、热媒水泵流量。
具体而言，所述预测模型可以基于历史传感参数以及换热参数训练获得，并可以基于实时采集的传感参数以及实时的换热参数进行迭代优化训练。在上述实施例的一个具体实现中，预测模型可以利用开源程序(如：matlab)实现建模，采用具有很强非线性映射能力的前馈神经网络算法建立。神经网络模型的隐含层节点传递函数包括但不限于双曲正切S形函数，输出层节点传递函数包括但不限于线性函数。在进行建模时，可以每10分钟～30分钟采集一次实时数据，以***运行15天～1个月的数据作为输入和输出参数对模型进行训练，基于训练模型对不同控制参数下的输出进行预测。进一步地，可以利用开源程序(如：matlab)通过启发式算法进行优化计算，获得效益优化条件下的目标控制参数。
其中，预测模型的输入参数包括但不限于：热源、热阱的工艺物流换热前温度和流量，热媒水换热前温度和流量以及诸如实际气温数据的环境参数。预测模型的输出参数包括但不限于：热源、热阱的工艺物流换热后温度，热媒水换热后温度。
所述中心优化单元24还可以用于执行如下步骤：对所述多个传感器单元采集的传感参数以及所述热量智能调控中心的控制参数进行可视化处理；将可视化处理的所述多个传感器单元采集的传感参数以及所述热量智能调控中心的控制参数显示于智能优化控制装备客户端或者浏览器中的控制装置页面25中。进一步地，所述中心优化单元24还可以与自动控制单元26之间进行通信，以将优化计算结果发送给自控控制单元26执行，实现低温热***中热媒水流量、温度等自动调整，确保生产工况变化下的低温热***稳定、优化运行。
在一个具体实现中，模型输入参数包括4股工艺物流换热前流量(瞬时值分别为116t/h、165t/h、82t/h、60t/h)、4股工艺物流换热前温度(瞬时值分别为104℃、158℃、152℃、179℃)、热媒水换热前流量和温度(瞬时值分别为1210t/h、78℃)，模型输出参数包括热媒水换热后温度(瞬时值为90℃)。通过中心优化单元预设的算法进行模型训练和优化计算，得到目标热媒水换热后温度为94℃，热媒水流量控制值为820t/h。之后，中心优化单元将该控制值发送给自动控制单元，通过执行机构调整循环水泵流量。本发明提供的低温热***的智能优化控制装备具有如下优势：
通过低温热***智能化优化及控制装备以无线数据采集***、通信传输为基础，以大数据建模算法和启发式优化算法为核心，将边缘计算设备与大数据深度学习算法和自动控制装置集成为一体，从而实现实时数据采集监控、低温热***在线模拟、关键操作参数优化计算、操作参数自动控制等功能，确保低温热***的闭环实时优化控制。
本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已揭露的实施例并未限制本发明的范围。相反地，在不脱离本发明的精神和范围内所作的更动与润饰，均属本发明的专利保护范围。
Claims (10)
1.一种低温热***的智能优化控制装备，其特征在于，所述低温热***包括：热源单元、热阱单元以及热量智能调控中心，所述热量智能调控中心用于所述热源单元与所述热阱单元之间的热量传递和热量平衡；
所述智能优化控制装备包括：
多个传感器单元，各所述传感器单元分别用于采集所述热源单元、所述热阱单元以及所述热量智能调控中心的传感参数；
边缘计算单元，用于执行如下步骤：
获取所述多个传感器单元采集的传感参数；
对热量平衡和热量传递参数进行量化计算；
中心优化单元，用于执行如下步骤：
将所获取的传感器参数输入和训练预测模型；
基于所述预测模型预测换热参数；
基于所预测的换热参数，确认是否调整所述热量智能调控中心的控制参数。
2.如权利要求1所述的低温热***的智能优化控制装备，其特征在于，所述低温热***通过水循环进行热量传递，
所述传感参数包括如下传感器参数中的一项或多项：热媒水流量、热媒水的进出温度、热媒水的进出压力、工艺流量、工艺进出温度、热媒水的电导率、溶解氧、PH值、油含量、浊度；
所述换热参数包括如下参数中的一项或多项：所述热源单元以及所述热阱单元的工艺换热后的温度，热媒水换热后的温度；
所述热量智能调控中心的控制参数包括如下控制参数中的一项或多项：进入各热源单元以及热阱单元的热媒水流量、热媒水泵流量。
3.如权利要求2所述的低温热***的智能优化控制装备，其特征在于，所述根据所预测的换热参数确认是否调整所述热量智能调控中心的控制参数包括：
判断所预测的换热参数是否符合目标换热参数；
若是，则不调整所述热量智能调控中心的控制参数；
若否，则根据现有的换热参数以及所述目标换热参数的差异，调整所述热量智能调控中心的控制参数。
4.如权利要求1所述的低温热***的智能优化控制装备，其特征在于，所述预测模型基于历史传感参数以及换热参数训练获得，并基于实时采集的传感参数以及实时的换热参数进行迭代优化训练。
5.如权利要求4所述的低温热***的智能优化控制装备，其特征在于，所述预测模型为前馈神经网络模型，所述前馈神经网络模型的隐含层节点传递函数包括双曲正切S形函数，输出层节点传递函数包括线性函数。
6.如权利要求1所述的低温热***的智能优化控制装备，其特征在于，所述中心优化单元，与所述边缘计算单元相通信，
所述中心优化单元还用于执行：
所述预测模型的训练；
所述热量智能调控中心的控制参数的优化；
所述传感参数、换热参数以及所述控制参数的储存。
7.如权利要求6所述的低温热***的智能优化控制装备，其特征在于，所述中心优化单元还用于执行如下步骤：
对所述多个传感器单元采集的传感参数以及所述热量智能调控中心的控制参数进行可视化处理；
将可视化处理的所述多个传感器单元采集的传感参数以及所述热量智能调控中心的控制参数显示于智能优化控制装备客户端或者浏览器中的控制装置页面中。
8.如权利要求2所述的低温热***的智能优化控制装备，其特征在于，所述热量智能调控中心包括：
热源来水端以及热源去水端，连接至所述热源单元；
热阱来水端以及热阱去水端，连接至所述热阱单元；
上水集水单元，连接于所述热源去水端以及所述热阱来水端之间；
回水集水单元，连接于所述热阱去水端以及所述热源来水端之间；
补水单元，连接于所述回水集水单元和所述热源去水端之间。
9.如权利要求1所述的低温热***的智能优化控制装备，其特征在于，所述边缘计算单元还将环境参数输入所述预测模型。
10.如权利要求1至9任一项所述的低温热***的智能优化控制装备，其特征在于，所述传感器单元包括一个或多个无线传感器。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110492287.4A CN113110356A (zh) | 2021-05-06 | 2021-05-06 | 一种低温热***的智能优化控制装备 |
| PCT/CN2021/112963 WO2022233101A1 (zh) | 2021-05-06 | 2021-08-17 | 一种低温热***的智能优化控制装备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110492287.4A CN113110356A (zh) | 2021-05-06 | 2021-05-06 | 一种低温热***的智能优化控制装备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113110356A true CN113110356A (zh) | 2021-07-13 |
Family
ID=76721018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110492287.4A Pending CN113110356A (zh) | 2021-05-06 | 2021-05-06 | 一种低温热***的智能优化控制装备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113110356A (zh) |
| WO (1) | WO2022233101A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022233101A1 (zh) * | 2021-05-06 | 2022-11-10 | 上海优华***集成技术股份有限公司 | 一种低温热***的智能优化控制装备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093089A (zh) * | 2007-06-19 | 2007-12-26 | 华南理工大学 | 一种石油炼制中回收和利用工艺余热的方法 |
| CN102360181A (zh) * | 2011-09-07 | 2012-02-22 | 上海优华***集成技术有限公司 | 基于ga-sqp混合优化策略的低温热实时优化*** |
| US20160260041A1 (en) * | 2015-03-03 | 2016-09-08 | Uop Llc | System and method for managing web-based refinery performance optimization using secure cloud computing |
| CN109636034A (zh) * | 2018-12-11 | 2019-04-16 | 石化盈科信息技术有限责任公司 | 一种低温热***的优化方法 |
| CN111121150A (zh) * | 2020-01-03 | 2020-05-08 | 西咸新区玄武信息科技有限公司 | 一种智能热负荷预测调控方法、***及存储介质 |
| CN211011566U (zh) * | 2019-08-29 | 2020-07-14 | 山东昌邑石化有限公司 | 一种炼厂低温热回收综合利用*** |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170211829A1 (en) * | 2016-01-25 | 2017-07-27 | Sharp Kabushiki Kaisha | Optimised heat pump system |
| CN109373441A (zh) * | 2018-12-20 | 2019-02-22 | 普瑞森能源科技（北京）股份有限公司 | 热网能源管理***及其处理方法 |
| CN111520809B (zh) * | 2020-03-09 | 2021-04-13 | 华电电力科学研究院有限公司 | 基于热网热负荷预测的热电联产耦合供热负荷调节方法 |
| CN113110356A (zh) * | 2021-05-06 | 2021-07-13 | 上海优华***集成技术股份有限公司 | 一种低温热***的智能优化控制装备 |
-
2021
- 2021-05-06 CN CN202110492287.4A patent/CN113110356A/zh active Pending
- 2021-08-17 WO PCT/CN2021/112963 patent/WO2022233101A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093089A (zh) * | 2007-06-19 | 2007-12-26 | 华南理工大学 | 一种石油炼制中回收和利用工艺余热的方法 |
| CN102360181A (zh) * | 2011-09-07 | 2012-02-22 | 上海优华***集成技术有限公司 | 基于ga-sqp混合优化策略的低温热实时优化*** |
| US20160260041A1 (en) * | 2015-03-03 | 2016-09-08 | Uop Llc | System and method for managing web-based refinery performance optimization using secure cloud computing |
| CN109636034A (zh) * | 2018-12-11 | 2019-04-16 | 石化盈科信息技术有限责任公司 | 一种低温热***的优化方法 |
| CN211011566U (zh) * | 2019-08-29 | 2020-07-14 | 山东昌邑石化有限公司 | 一种炼厂低温热回收综合利用*** |
| CN111121150A (zh) * | 2020-01-03 | 2020-05-08 | 西咸新区玄武信息科技有限公司 | 一种智能热负荷预测调控方法、***及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022233101A1 (zh) * | 2021-05-06 | 2022-11-10 | 上海优华***集成技术股份有限公司 | 一种低温热***的智能优化控制装备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022233101A1 (zh) | 2022-11-10 |
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***及方法 | |
| CN113657031B (zh) | 基于数字孪生的供热调度自动化实现方法、***及平台 | |
| WO2019200662A1 (zh) | 电-热-气综合能源***的稳定评估与静态控制方法 | |
| CN101021914A (zh) | 暖通空调负荷预测方法和*** | |
| CN112413831A (zh) | 一种中央空调节能控制***及方法 | |
| CN115111594B (zh) | 一种蓄热式热力氧化炉智能调控***及方法 | |
| CN111507520A (zh) | 一种换热机组负荷的动态预测方法及*** | |
| CN111178602A (zh) | 基于支持向量机和神经网络的循环水损失预测方法 | |
| CN113110356A (zh) | 一种低温热***的智能优化控制装备 | |
| CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化*** | |
| Pitarch et al. | Optimal operation of an evaporation process | |
| Zand et al. | Designing an intelligent control philosophy in reservoirs of water transfer networks in supervisory control and data acquisition system stations | |
| CN113191083B (zh) | 考虑全工况外部参数变化的烟气余热回收***优化设计方法 | |
| Malinowski et al. | Neural model for forecasting temperature in a distribution network of cooling water supplied to systems producing petroleum products | |
| CN113868836B (zh) | 基于大数据的智慧热力***在线专家分析平台 | |
| CN115826648A (zh) | 一种基于云边协同的加热炉托管温度控制方法及*** | |
| Ding et al. | Event-triggered online learning fuzzy-neural robust control for furnace temperature in municipal solid waste incineration process | |
| CN117704349B (zh) | 燃煤电厂锅炉低负荷水动力自适应调控方法及装置 | |
| CN114754396B (zh) | 一种经智能算法优化的热电厂集中供热***和方法 | |
| Jiang et al. | Research on Boiler Energy Saving Technology Based on Internet of Things Data | |
| Xuefeng et al. | Study on Multi-Sensor Parameter Warning Based on Gaussian Mixed Model and Nonlinear State Estimation Technique | |
| Wang et al. | Soft sensor approach for optimal operation of cooling tower for energy conservation | |
| Husainy et al. | Parameter Optimization of Refrigeration Chiller by Machine Learning | |
| CN117708543A (zh) | 一种电采暖锅炉集中供暖的电力负荷精确预测方法及*** | |
| Mishra et al. | Artificial Intelligent Based Energy Saving System in Thermal Power Plant |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |