[发明专利]一种数据驱动的热网运行优化方法

说明书

本发明提出一种数据驱动的热网运行优化方法，其包括以下步骤：数据采集，采集热网系统运行状态的实时数据、历史数据和未来天气信息数据；模型训练：用热网系统运行状态的实时数据、历史数据训练预测模型；数据预测，将未来天气信息数据导入训练好的预测模型，完成对热功率的预测。本发明的数据驱动的热网运行优化方法通过首次引入风力、光照等天气信息，数据更全面充分，使得模型更准确，从而给出热网运行最优方案。

技术领域

本发明属于热网运行优化技术领域，具体涉及一种数据驱动的热网运行优化方法。

背景技术

我国北方冬季采暖主要以集中供热为主，采暖所需要的供热能耗在社会能耗中占比很大，超过30％。国家对于节约能源日益重视，陆续出台相应对策对供热企业能源消耗量进行规范，这对于现有集中供热系统的运行效率提出了更高的要求。提高供热效率对于落实我国能源战略方针、建设资源节约和环境友好型社会、降低供热企业成本、保障用户供热质量等都具有重要意义。

目前现行的集中供热大多是以热源厂、电厂抽气取热等方式为热源，利用热水或热蒸汽为热媒传送热量，在城市地下铺设环状或枝状一次供热管网，通过热力站进行热交换给二次供热管网，最终连接各个用户的采暖设备。此供热过程具有时滞、时变、不确定、非线性和强耦合等特点，传统的热网运行控制方法很难同时适应以上情况，因此需要进行改进优化。

目前国内的控制模式分为热源和热网两部分：对于热源，控制总供水温度和总循环流量，保证按需供热并均匀分配总供热量至各热力站，使供热效果达到一致，但它不涉及具体的供热指标。而热网总需要热量是通过对热负荷的动态预测，并对热源部分直接调节实现的。对于热网，各热力站之间的热量分配是通过各站自己独立的控制单元实现的，即通过室外温度来确定二次侧供回水温度值，通过改变一次侧流量来保证二次侧供回水平均温度为设定值。总在热源供热充足的情况下，每个热力站都可以通过自身的自动调节满足热负荷的要求变化；热源供热不足时，各站的流量控制阀就会起到限制各站的最大流量的作用，从而限制各站的用热量，实现均匀分摊热量不足作用。目前的热网运行优化方法主要采用工况分析、物理模型、专家或先验知识等方法。主要存在以下几个方面的问题：

(1)热网运行过程中，会出现成百上千种工况，但热网运行具有强耦合性，不同的工况都受到很多调节参数共同的影响，以工况分析的方法进行热网运行调节控制，即耗时又耗力。

(2)基于物理模型的方法能够精准的构建热源到热网、热网到用户之间的供热关系，但热网运行是一个非常复杂的模型，具有很强的非线性、不确定性，模型中的参数很难确定，因此对于物理模型的构建非常困难，而且无法解决迟滞性。

(3)依靠专家和先验知识的方法，更多的是依赖已经发生过的先验事项，对于未出现过的热网运行状况不能给出最优解决方案。因此，需要构建大量的专家或者经验库才能给出热网运行最优的方案。

发明内容

本发明的数据驱动的热网运行优化方法采用数据驱动，通过热网系统运行的大量历史数据及室外温度、风力、光照等外部环境数据，主要解决以下几个方面的问题：

(1)解决热网运行效率低的问题。利用历史数据的等建立模型，有效指导热网进行控制，提高热网运行效率，降低能源消耗量。

(2)解决热网运行系统的延时问题。通过预测模型，引入室外温度、风力、光照等参数，实现热源与换热站、换热站与用户间换热过程提前完成，保障用户室内温度维持在平稳区间，不会随着室外温度变化而明显变化。

(3)解决热网运行系统各关键参量解耦难的问题。本发明采用BP神经网络的黑箱模型，无需对耦合性极强的各个参数进行解耦。