CN116822682A - 一种热力站热负荷在线预测方法 - Google Patents
一种热力站热负荷在线预测方法 Download PDFInfo
- Publication number
- CN116822682A CN116822682A CN202310099611.5A CN202310099611A CN116822682A CN 116822682 A CN116822682 A CN 116822682A CN 202310099611 A CN202310099611 A CN 202310099611A CN 116822682 A CN116822682 A CN 116822682A
- Authority
- CN
- China
- Prior art keywords
- heat
- temperature
- station
- heat load
- load
- 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 135
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 53
- 230000005855 radiation Effects 0.000 claims description 19
- 238000013461 design Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 239000003570 air Substances 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 239000012080 ambient air Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 3
- 239000008400 supply water Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Steam Or Hot-Water Central Heating Systems (AREA)
Abstract
本发明涉及一种热力站热负荷在线预测方法,包括如下步骤:步骤S1、在各热力站所接带的典型热用户室内安装室温监测模块,监测室温,将室温数据存储起来;步骤S2、对各热力站的庭院管网进行水力平衡调节,使热用户室内温度达到供暖期当地规定室内温度;步骤S3、选取典型热力站,在典型热力站内,获取并采集各时间段的热负荷数据;步骤S4、根据S3中采集的数据计算得出典型热力站热负荷预测模型;步骤S5、根据各热力站历史热负荷比例数据关系和历史热负荷数据,修正典型热力站热负荷预测模型,得到热负荷预测模型;本预测方法能够准确的预测各热力站的热负荷,降低热力站间和楼宇之间的不均匀供热热损失。
Description
技术领域
本发明涉及智能供热技术领域,特别是涉及一种热力站热负荷在线预测方法。
背景技术
北方地区冬季采暖以集中供热为主,而采暖所需的供热能耗在社会能源消耗中的比重较大,占比达到30%,如何提高集中供热效率、降低供热企业能源消耗成为一个亟待解决的问题。
社会上的供热企业热力站大部分均按照1996版《集中供热设计手册》或是2002版《城市热力网设计规范》来设计的。随着城市的发展和技术的进步,供热行业已发生了较大的变化,而热力网设计规范也已于2010年修订了大量内容,并更名为《城镇供热管网设计规范》。2022年,行业内对《城镇供热管网设计规范》再次进行了修订,并更名为《城镇供热管网设计标准》。所以现有城市集中供热热力站及二次管网已不能适应现有行业发展的寻求,急需进行相应改造。同时,随着传感检测、网络通讯、水力平衡等技术的发展,建立新型热力站和二次管网也是大势所趋。
具体来说,目前城市集中供热存在以下问题:
(1)没有热用户室温监测与反馈,无法得知供热品质,不能实现供热效果闭环控制。
(2)热力站供热负荷调节曲线按照换热机组厂家或者供热企业的经验设置,不符合供热实际情况,不能按需供热,容易造成过量供热和管网震荡。
(3)控制调节对象具有局限性,仅仅考虑热力站本身的控制调节问题,没有考虑供热***的调节非线性和热力站间的强耦合性。
(4)热力站自动控制采用简易的PID调节策略,反馈信号一般为庭院管网的供水温度、回水温度或供回水平均温度,没有考虑供热***热惯性、时滞性问题。
要解决以上问题,首先是要解决热力站热负荷总量控制的问题。因此,通过科学合理的方法对热力站热负荷进行精准预测是非常重要的。
现有的热负荷预测方法要么因素太多、太理想化,无法在线实施;要么取样数据太少,不具代表性,准确性较差,达不到节能目的。例如,申请号为201910088808.2的专利《热电联供***热负荷预测方法》,采集热电厂过去一天24小时供热的历史数据,对各变量的数据进行归一化处理,根据模糊算法得出方程,然后将预测日的输入变量,即室外温度、供水温度、回水温度和供水流量,代入上述方程,进而预测相应的热负荷大小。该专利存在的问题是,预测对象过大,是面对整个供热***,包含所有热力站;每座热力站均有其特殊性,只知道总量,无法得知各热力站热负荷;应该开展各热力站负荷预测,然后求取总和。该专利预测函数考虑的热负荷影响因素较少,未考虑太阳辐射强度对供热负荷的影响,辐射热是影响热负荷的重要因素,必须纳入预测函数。其次,训练数据仅仅是24小时内的数据,不具有代表性,无法对整个采暖热负荷进行预测。另外,该工况下可能已经存在过量供热或是供热不足,按照该工况进行负荷预测,准确度较差。
申请号为202210183998.8的专利《一种分类多重宽度学***稳,第二类曲线波动较大。将相似的曲线分为一类更有利于后续预测模型的建立及提高预测模型的精确性。这是简单的进行归类,然后规律性供热,没有根本上解决过量供热或是供热不足的问题;同时训练时间较短,数据较少,不具有代表性,并且该工况下可能就已经存在过量供热或是供热不足。
申请号为202211077279.4的专利《一种基于神经网络并受房间热负荷约束的室温模型预测控制方法》,将气象预报数据集分别输入至热负荷区间预测模块、室内温度预测模块和散热器模块,寻找全局最优的热水流量序列,最终控制水泵转速等。该专利未明确气象数据是哪些类型,且未考虑室温调节的迟滞性,直接控制水泵调节热负荷,容易造成管网震荡。
申请号为202010521186.0的专利《一种基于特征集构建的建筑冷热负荷预测方法》,所述室内参数变量包括:室内空气干球温度、室内空气相对湿度、室内照度及室内风速;所述气象参数变量包括:室外环境干球温度、室外露点温度、室外环境相对湿度、气压、风向、水平总辐射日累计、散射辐射、直接辐射及东、南、西、北四个方向的总辐射。该专利考虑的因素太多,比较理想化,无法在居民采暖***上得到应用;取了一些负荷特征集,具有较大的偶然性,且这些负荷是否合理、是否过量供热也无法得知。
申请号为202211017410.8的专利《一种考虑高寒地区用热特性的热负荷预测方法和***》,该专利中天气包括当前时刻温度、当天最高温度、当天最低温度、降雪量、湿度,当天平均温度,所述时间包括节假日类型、月份值、日份值、小时值,建筑物类型分为办公楼影响因子、学校影响因子、工厂影响因子、住宅影响因子,这种方法适合离线热负荷计算,且有些参数很难获得准确可靠的数值,还有些严重依赖经验值,所以该方法不具备实操性。
申请号为202111485406.X的专利《一种换热站动态热负荷预测与调控方法及***》,考虑室外温度、太阳辐射强度水平、室外湿度、风速、风向,以及热力站运行时一次网瞬时热量值、所负担的建筑类型与供暖面积,建立气象参数和时间序列与热力站一次网逐时热量值之间的关系,达到提供相关输入参数后即可准确预测热力站负荷值的要求。该专利考虑参数较多,难以实现,且对应的是一次网调节逐时热量,未考虑供热热惰性和迟滞性;还是依托现有的控制策略,未提出任何新的控制方法。
申请号为201811005079.1的专利《一种换热站热负荷预测方法》,据六种不同典型气候条件以及对应气象条件下热力站连续24小时的历史数据,计算六种不同典型气候条件下的单位面积折算热指标;第二步是根据折算热指标和天气预报情况,计算未来24小时的逐时热负荷,并将逐时热负荷转换为热力站二次侧供水温度。该专利选取了6种典型气候,不具有代表性,并且该气候条件下的历史热负荷数据不一定合理,可能本身就存在过量供热或是供热不足的问题。
基于现有热力站热负荷预测方法存在各种问题,建立一种在线的热力站热负荷预测方法,意义重大,很有必要。
发明内容
本发明的目的在于克服现有技术中存在的上述不足,而提供一种热力站热负荷在线预测方法,既能解决热力站所接带庭院管网水力失调的问题,还解决了当前热力站热负荷无法在线准确预测的问题,并能最终解决热力站按需供热的问题。
为实现上述目的,本发明采用了如下技术方案:
一种热力站热负荷在线预测方法,包括如下步骤:
步骤S1、在各热力站所接带的典型热用户室内安装室温监测模块,监测室温,将室温数据存储起来;
步骤S2、对各热力站的庭院管网进行水力平衡调节,使热用户室内温度达到供暖期当地规定室内温度;
步骤S3、选取典型热力站,在典型热力站内,获取并采集各时间段的热负荷数据;
步骤S4、根据S3中采集的数据计算得出典型热力站热负荷预测模型;
步骤S5、根据各热力站历史热负荷比例数据关系和历史热负荷数据,修正典型热力站热负荷预测模型,得到热负荷预测模型,进行在线预测各热力站热负荷。
优选地,步骤S1中的典型热用户为居民采暖房屋各单元底层用户、中间层用户和顶层用户。
优选地,步骤S2中的管网水力平衡调节如下:
对热力站所接带庭院管网各单元开展水力平衡改造,安装可远控的平衡阀,平衡阀配套有温度传感器,用于监测单元回水温度;
其中,根据典型热用户室内温度和单元回水温度的相互关系,推导得出供暖期室内温度与单元回水温度之间函数关系式,然后利用函数关系式,利用当地规定室内温度求出单元回水温度目标值;
然后利用单元回水温度目标值和平衡阀配套温度传感器所测的单元回水温度值的差值,作为反馈信号,通过PID控制,控制平衡阀开度,使得单元回水温度实际值逼近单元回水温度目标值。
优选地,管网水力平衡调节中室内温度与单元回水温度之间函数关系式如下:
公式中:qh—供暖热指标(W/m2);Ah—供暖建筑物面积(m2);ti—室内温度(℃);to—室外环境温度(℃);toh—供暖期当地室外计算温度(℃);Qrs—该楼栋单元设计热网水流量(t/h);Tg—该楼栋单元设计热网水供水温度(℃);Tij—第i楼栋第j单元回水温度(℃)。
优选地,在步骤S3中,数据收集步骤具体如下:通过现场开展实验,记录热力站庭院管网热网水循环时间和热用户室温响应时间,将庭院管网热网水供热温度开始变化的时间点与热用户室温发生变化并稳定下来的时间点之间的时间段确定为热力站一次侧调节门PID控制动作间隔时间,每到一个间隔时间的整数倍时,就调节一次热力站一次侧调节门,在环境温度变化的同时,维持用户室温恒定;开展现场试验的同时,根据一次网供回水温差与热网水流量,实时计算出热力站供热负荷,并记录下当时对应的室外环境气温和太阳辐射强度。
优选地,步骤S3中的数据收集周期为一个采暖季。
优选地,在步骤S4中,典型热力站热负荷预测模型方法具体如下:
实现水力平衡和热用户室温达标后,根据供回水温度、流量计算出热力站历史热负荷;根据收集数据,通过机器自学习得到热力站热负荷计算模型,代入各参数数值,得到热力站计算热负荷;热力站历史热负荷与热力站计算热负荷相等;其中计算公式如下:
QL=1.16×Qtz×(ttg-tth)
QL=QJ
公式中:QL—热力站历史热负荷(MW);Qtz—庭院管网热网水流量(t/h);ttg—庭院管网热网水供水温度(℃);tth—庭院管网热网水回水温度(℃);PXijk—热用户平均温度值(℃);ti—供暖期当地规定室内温度(℃);to—室外环境温度(℃);Ra—太阳辐射强度(W/m2);Ra.o—设计工况下太阳辐射强度(W/m2);QJ—热力站计算热负荷(MW);qh—供暖热指标(W/m2);Ah—供暖建筑物面积(m2);η—调整系数(%);δ—热负荷修正值(MW);
根据上述公式,可以求出调整系数η和热负荷修正值δ,并最终得到典型热力站热负荷计算模型。
优选地,步骤S5中修正模型步骤具体如下:
再计算出各时间节点的各热力站之间的热负荷比例数据,将所有时间节点的热负荷比例数据和对应时间节点的实际热负荷按时间顺序存储起来;
然后取最早时间节点的热负荷比例数据,通过典型热力站热负荷预测模型计算出典型热力站的预测热负荷,然后根据热负荷比例数据得出其他热力站预测热负荷,形成预测热负荷曲线,然后与各热力站实际热负荷形成的实际热负荷曲线进行对比,然后调整典型热力站热负荷预测模型,使预测热负荷曲线吻合实际热负荷曲线;
然后按时间先后顺序,继续取热负荷比例数据和实际热负荷,不断调整典型热力站热负荷预测模型,最终修正成热力站热负荷预测模型,进行各热力站的热负荷预测。
优选地,还包括如下步骤:步骤S6、寻求最优热负荷预测模型。
优选地,所述步骤S6具体步骤如下:
首先将热负荷预测模型编程植入***,根据实时的室外环境气温和太阳辐射强度,实时计算热力站热负荷,进行供热,然后通过比较实际室温与目标室温差值是否在±1.5℃范围内,从而判断热负荷预测模型是否建立成功;
其中,若实际室温与目标室温差值在±1.5℃范围内的话,认为合理,热负荷预测模型定型,在线进行预测各热力站热负荷;若实际室温与目标室温差值大于1.5℃的话,认为不合理,进入步骤S4中修正热负荷预测模型,再度进行步骤S5和S6,直到实际室温与目标室温差值在±1.5℃范围内,模型寻优结束,热负荷预测模型定型,在线进行预测各热力站热负荷。
相比现有技术,本发明的有益效果在于:
步骤S1就是要实现热用户室内室温监控,步骤S2是要解决庭院管网水力平衡的问题,剩余步骤才是进入具体的热负荷预测,典型热用户家里安装了室温监测装置,庭院管网水力已调平,从而不会出现供热冷热不均的问题,热负荷按需分配得到了保证,而基于这一条件下的历史热负荷和相应边界条件参数才能作为典型热力站热负荷预测模型的训练数据,而且通过步骤S5中的模型修正,从而得到准确的热负荷预测模型,能够对各热力站进行热负荷预测,充分保证了本预测模型的准确可靠性,从而能够准确的预测各热力站的热负荷,极大的降低热力站间和楼宇之间的不均匀供热热损失。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中热力站热负荷在线预测方法流程图;
图2为本发明实施例2中热力站热负荷在线预测方法流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
如图1所示,本发明实施例提供了一种热力站热负荷在线预测方法,包括如下步骤:
步骤S1、在各热力站所接带的典型热用户室内安装室温监测模块,监测室温,将室温数据存储起来;
步骤S2、对各热力站的庭院管网进行水力平衡调节,使热用户室内温度达到供暖期当地规定室内温度;
步骤S3、选取典型热力站,在典型热力站内,获取并采集各时间段的热负荷数据;
步骤S4、根据S3中采集的数据计算得出典型热力站热负荷预测模型;
步骤S5、根据各热力站历史热负荷比例数据关系和历史热负荷数据,修正典型热力站热负荷预测模型,得到热负荷预测模型,进行在线预测各热力站热负荷。
具体的,步骤S1中的典型热用户为居民采暖房屋各单元底层、中间层、顶层等用户,因为每一栋楼的底层建筑、中层建筑和上层建筑略有不一样,分别采取底层、中间层、顶层的用户作为典型用户,测定室温,后续管网水力平衡的效果更好,其中步骤S1中室温监测模块可为温度传感器等监测装置。
具体的,步骤S2中的管网水力平衡调节如下:对热力站所接带庭院管网各单元开展水力平衡改造,安装可远控的平衡阀,平衡阀配套有温度传感器,用于监测单元回水温度;
其中,根据典型热用户室内温度和单元回水温度的相互关系,推导得出供暖期室内温度与单元回水温度之间函数关系式,然后利用函数关系式,利用当地规定室内温度求出单元回水温度目标值;
然后利用单元回水温度目标值和平衡阀配套温度传感器所测的单元回水温度值的差值,作为反馈信号,通过PID控制,控制平衡阀开度,使得单元回水温度实际值逼近单元回水温度目标值。
其中,管网水力平衡调节中室内温度与单元回水温度之间函数关系式如下:
公式中:qh—供暖热指标(W/m2);Ah—供暖建筑物面积(m2);ti—室内温度(℃);to—室外环境温度(℃);toh—供暖期当地室外计算温度(℃);Qrs—该楼栋单元设计热网水流量(t/h);Tg—该楼栋单元设计热网水供水温度(℃);Tij—第i楼栋第j单元回水温度(℃)。
具体的,在步骤S3中,数据收集步骤具体如下:通过现场开展实验,记录热力站庭院管网热网水循环时间和热用户室温响应时间,将庭院管网热网水供热温度开始变化的时间点与热用户室温发生变化并稳定下来的时间点之间的时间段确定为热力站一次侧调节门PID控制动作间隔时间,每到一个间隔时间的整数倍时,就调节一次热力站一次侧调节门,在环境温度变化的同时,维持用户室温恒定;开展现场试验的同时,根据供回水温差与热网水流量,实时计算出热力站供热负荷,并记录下当时对应的室外环境气温和太阳辐射强度;其中步骤S3中的数据收集周期为一个采暖季,使得采集的数据足够多,而且基于步骤S1和步骤S2,采集的数据也比较准确,才能够作为形成热负荷预测模型的数据,使得热负荷预测模型更加准确。
具体的,在步骤S4中,典型热力站热负荷预测模型方法具体如下:
实现水力平衡和热用户室温达标后,根据供回水温度、流量计算出热力站历史热负荷;根据收集数据,通过机器自学习得到热力站热负荷计算模型,代入各参数数值,得到热力站计算热负荷;热力站历史热负荷与热力站计算热负荷相等;其中计算公式如下:
QL=1.16×Qtz×(ttg-tth)
QL=QJ
公式中:QL—热力站历史热负荷(MW);Qtz—庭院管网热网水流量(t/h);ttg—庭院管网热网水供水温度(℃);tth—庭院管网热网水回水温度(℃);PXijk—热用户平均温度值(℃);ti—供暖期当地规定室内温度(℃);to—室外环境温度(℃);Ra—太阳辐射强度(W/m2);Ra.o—设计工况下太阳辐射强度(W/m2);QJ—热力站计算热负荷(MW);qh—供暖热指标(W/m2);Ah—供暖建筑物面积(m2);η—调整系数(%);δ—热负荷修正值(MW);
根据上述公式,可以求出调整系数η和热负荷修正值δ,并最终得到典型热力站热负荷计算模型。
具体的,步骤S5中修正模型步骤具体如下:首先根据供回水温度、流量计算出各热力站历史热负荷,按时间节点存储起来再计算出各时间节点的各热力站的热负荷比例数据,将所有时间节点的比例数据和对应时间节点的实际热负荷按时间顺序存储起来;然后取最早时间节点的热负荷比例数据,通过典型热力站热负荷预测模型计算出典型热力站的预测热负荷,然后根据热负荷比例数据得出其他热力站预测热负荷,形成预测热负荷曲线,然后与各热力站实际热负荷形成的实际热负荷曲线进行对比,然后调整典型热力站热负荷预测模型,使预测热负荷曲线吻合实际热负荷曲线;然后按时间先后顺序,继续取热负荷比例数据和实际热负荷,不断调整典型热力站热负荷预测模型,最终修正成热力站热负荷预测模型,进行各热力站的热负荷预测。
本发明抓住了覆盖影响热负荷的关键环境因素,摆脱了困扰行业人士的建筑物特性、空气湿度、风向、风速等难以掌握的因素,准确有效地预测热力站热负荷,热力站热负荷主要随着冬季室外环境温度变化和太阳辐射强度情况动态调整,这两个变量是可在线实时监测,因此可以实现热力站热负荷的智能化在线预测。
同时,本次热负荷预测方法第一大步就是要实现室温监控,具体为步骤S1,第二大步是要解决庭院管网水力平衡的问题,具体为步骤S2,第三大步才是进入具体的热负荷预测,具体为步骤S4和S5;通过典型热用户家里安装了室温监测装置,庭院管网水力已调平,不会出现供热供热冷不均的问题,热负荷分配得到了保证,从而基于这一条件下的历史热负荷和相应边界条件参数才能作为预测模型的训练数据,这也充分保证了本预测模型的准确可靠性,从而能够准确的预测各热力站的热负荷,极大的降低热力站间和楼宇之间的不均匀供热热损失。
实施例2
如图2所示,与实施例1不同的是,本实施例还包括如下步骤:步骤S6、寻求最优热负荷预测模型,使实际室温与目标室温的差值在±1.5℃范围内,然后作为最优热负荷预测模型进行在线预测各热力站热负荷。
具体的,所述步骤S6具体步骤如下:首先将热负荷预测模型编程植入***,根据实时的室外气温和太阳辐射强度,实时计算热力站热负荷,进行供热,然后通过比较实际室温与目标室温差值是否在±1.5℃范围内,从而判断热负荷预测模型是否建立成功;其中,若实际室温与目标室温差值在±1.5℃范围内的话,认为合理,热负荷预测模型定型,在线进行预测各热力站热负荷;若实际室温与目标室温差值大于1.5℃的话,认为不合理,进入步骤S4中修正热负荷预测模型,再度进行步骤S5和S6,直到实际室温与目标室温差值在±1.5℃范围内,模型寻优结束,热负荷预测模型定型,在线进行预测各热力站热负荷。
通过寻求最优热负荷预测模型,使得实际室温与目标室温的差值在±1.5℃范围内,从而能够更加准确的预测热负荷,使得居民的室温更接近目标室温,热力站间和楼宇之间不均匀供热热损失更低。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种热力站热负荷在线预测方法,其特征在于,包括如下步骤:
步骤S1、在各热力站所接带的典型热用户室内安装室温监测模块,监测室温,将室温数据存储起来;
步骤S2、对各热力站的庭院管网进行水力平衡调节,使热用户室内温度达到供暖期当地规定室内温度;
步骤S3、选取典型热力站,在典型热力站内,获取并采集各时间段的热负荷数据;
步骤S4、根据S3中采集的数据计算得出典型热力站热负荷预测模型;
步骤S5、根据各热力站历史热负荷比例数据关系和历史热负荷数据,修正典型热力站热负荷预测模型,得到热力站热负荷预测模型,进行在线预测各热力站热负荷。
2.根据权利要求1所述的热负荷在线预测方法,其特征在于,步骤S1中的典型热用户为居民采暖房屋各单元底层用户、中间层用户和顶层用户。
3.根据权利要求2所述的热负荷在线预测方法,其特征在于,步骤S2中的管网水力平衡调节如下:
对热力站所接带庭院管网各单元开展水力平衡改造,安装可远控的平衡阀,平衡阀配套有温度传感器,用于监测单元回水温度;
其中,根据典型热用户室内温度和单元回水温度的相互关系,推导得出供暖期室内温度与单元回水温度之间函数关系式,然后利用函数关系式,利用当地规定室内温度求出单元回水温度目标值;
然后利用单元回水温度目标值和平衡阀配套温度传感器所测的单元回水温度值的差值,作为反馈信号,通过PID控制,控制平衡阀开度,使得单元回水温度实际值逼近单元回水温度目标值。
4.根据权利要求3所述的热负荷在线预测方法,其特征在于,管网水力平衡调节中室内温度与单元回水温度之间函数关系式如下:
公式中:qh—供暖热指标(W/m2);Ah—供暖建筑物面积(m2);ti—室内温度(℃);to—室外环境温度(℃);toh—供暖期当地室外计算温度(℃);Qrs—该楼栋单元设计热网水流量(t/h);Tg—该楼栋单元设计热网水供水温度(℃);Tij—第i楼栋第j单元回水温度(℃)。
5.根据权利要求1所述的热负荷在线预测方法,其特征在于,在步骤S3中,数据收集步骤具体如下:通过现场开展实验,记录热力站庭院管网热网水循环时间和热用户室温响应时间,将庭院管网热网水供热温度开始变化的时间点与热用户室温发生变化并稳定下来的时间点之间的时间段确定为热力站一次侧调节门PID控制动作间隔时间,每到一个间隔时间的整数倍时,就调节一次热力站一次侧调节门,在环境温度变化的同时,维持用户室温恒定;开展现场试验的同时,根据一次网供回水温差与热网水流量,实时计算出热力站供热负荷,并记录下当时对应的室外环境气温和太阳辐射强度。
6.根据权利要求5所述的热负荷在线预测方法,其特征在于,步骤S3中的数据收集周期为一个采暖季。
7.根据权利要求1所述的热负荷在线预测方法,其特征在于,在步骤S4中,典型热力站热负荷预测模型方法具体如下:
实现水力平衡和热用户室温达标后,根据供回水温度、流量计算出热力站历史热负荷;根据收集数据,通过机器自学习得到热力站热负荷计算模型,代入各参数数值,得到热力站计算热负荷;热力站历史热负荷与热力站计算热负荷相等;其中计算公式如下:
QL=1.16×Qtz×(ttg-tth)
QL=QJ
公式中:QL—热力站历史热负荷(MW);Qtz—庭院管网热网水流量(t/h);ttg—庭院管网热网水供水温度(℃);tth—庭院管网热网水回水温度(℃);PXijk—热用户平均温度值(℃);ti—供暖期当地规定室内温度(℃);to—室外环境温度(℃);Ra—太阳辐射强度(W/m2);Ra,o—设计工况下太阳辐射强度(W/m2);QJ—热力站计算热负荷(MW);qh—供暖热指标(W/m2);Ah—供暖建筑物面积(m2);η—调整系数(%);δ—热负荷修正值(MW);
根据上述公式,可以求出调整系数η和热负荷修正值δ,并最终得到典型热力站热负荷计算模型。
8.根据权利要求1所述的热负荷在线预测方法,其特征在于,步骤S5中修正模型步骤具体如下:
首先根据供回水温度、流量计算出各热力站历史热负荷,按时间节点存储起来;
再计算出各时间节点的各热力站之间的热负荷比例数据,将所有时间节点的热负荷比例数据和对应时间节点的实际热负荷按时间顺序存储起来;
然后取最早时间节点的热负荷比例数据,通过典型热力站热负荷预测模型计算出典型热力站的预测热负荷,然后根据热负荷比例数据得出其他热力站预测热负荷,形成预测热负荷曲线,然后与各热力站实际热负荷形成的实际热负荷曲线进行对比,然后调整典型热力站热负荷预测模型,使预测热负荷曲线吻合实际热负荷曲线;
然后按时间先后顺序,继续取热负荷比例数据和实际热负荷,不断调整典型热力站热负荷预测模型,最终修正成热力站热负荷预测模型,进行各热力站的热负荷预测。
9.根据权利要求1所述的热负荷在线预测方法,其特征在于,还包括如下步骤:
步骤S6、寻求最优热负荷预测模型。
10.根据权利要求7所述的热负荷在线预测方法,其特征在于,所述步骤S6具体步骤如下:
首先将热负荷预测模型编程植入***,根据实时的室外气温和太阳辐射强度,实时计算热力站热负荷,进行供热,然后通过比较实际室温与目标室温差值是否在±1.5℃范围内,从而判断热负荷预测模型是否建立成功;
其中,若实际室温与目标室温差值在±1.5℃范围内的话,认为合理,热负荷预测模型定型,在线进行预测各热力站热负荷;若实际室温与目标室温差值大于1.5℃的话,认为不合理,进入步骤S4中修正热负荷预测模型,再度进行步骤S5和S6,直到实际室温与目标室温差值在±1.5℃范围内,模型寻优结束,热负荷预测模型定型,在线进行预测各热力站热负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310099611.5A CN116822682A (zh) | 2023-01-31 | 2023-01-31 | 一种热力站热负荷在线预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310099611.5A CN116822682A (zh) | 2023-01-31 | 2023-01-31 | 一种热力站热负荷在线预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116822682A true CN116822682A (zh) | 2023-09-29 |
Family
ID=88139949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310099611.5A Pending CN116822682A (zh) | 2023-01-31 | 2023-01-31 | 一种热力站热负荷在线预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822682A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117267782A (zh) * | 2023-11-22 | 2023-12-22 | 瑞纳智能设备股份有限公司 | 供热控制方法及装置 |
-
2023
- 2023-01-31 CN CN202310099611.5A patent/CN116822682A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117267782A (zh) * | 2023-11-22 | 2023-12-22 | 瑞纳智能设备股份有限公司 | 供热控制方法及装置 |
CN117267782B (zh) * | 2023-11-22 | 2024-02-20 | 瑞纳智能设备股份有限公司 | 供热控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3614055B1 (en) | Heat supply regulation method and apparatus | |
CN109297086B (zh) | 热力站负荷分时段滚动预测及自适应矫正方法及*** | |
CN103162346B (zh) | 基于云服务的集中供暖监控***及集中供暖***调节方法 | |
CN109948824B (zh) | 一种利用模式识别技术对热力站热负荷进行预测的方法 | |
CN114396646B (zh) | 一种基于用户有效室温的换热站智能控制方法 | |
US20140180637A1 (en) | Irradiance mapping leveraging a distributed network of solar photovoltaic systems | |
CN103363585A (zh) | 一种城镇区域集中供热***调节方法 | |
CN108006809B (zh) | 一种分布式能源站供冷供暖智能控制导航方法 | |
CN111578368A (zh) | 供热管网水力调控***及其智能控制和供热计费的方法 | |
CN113446661B (zh) | 一种智能高效的热网运行调节方法 | |
CN116822682A (zh) | 一种热力站热负荷在线预测方法 | |
CN115342409B (zh) | 一种供热***的控制调节方法与*** | |
CN113326633B (zh) | 清洁供暖全天候模拟仿真***及方法 | |
CN111664502B (zh) | 一种室温修正***的修正方法 | |
CN112696728B (zh) | 一种平衡用电负荷减少电力增容控制*** | |
CN111765506B (zh) | 智能管网控制方法及*** | |
CN114819662A (zh) | 一种考虑用户热需求的蓄热电锅炉群电热调度方法及*** | |
CN111928459B (zh) | 一种新型城市综合体供冷供热控制装置及其控制方法 | |
CN115585501B (zh) | 基于网联智控的集中供暖用户侧自主调节***及方法 | |
CN114060903B (zh) | 一种末端可调供热***热用户行为节能特征的辨识方法 | |
CN116753560A (zh) | 一种按需供热的方法及*** | |
RU2818691C1 (ru) | Интеллектуальная система управления теплоснабжением | |
CN110906510B (zh) | 一种内嵌管式围护结构供冷最优间歇调控方案的确定方法 | |
CN116719361A (zh) | 一种基于温度估算的供热室温调控方法 | |
Yang et al. | How to better match predicted loads of district heating system: A novel control approach focused on coupling source and network by data-driven methods |
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 |