[发明专利]基于大数据的蒸汽热网配汽站预测性调控决策方法

权利要求书

1.一种基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，它包括：

步骤S1，从数据库中读取蒸汽热网及配汽站的逐日运行数据，并进行数据预处理；

步骤S2，选取辨识对象，判断在不同工况下，配汽站减温减压设备中与辨识对象相关度最高的调控特征参数，将其确定为基本特征，并确定辨识对象所需的响应特征和其他特征；

步骤S3：将滑动时间窗长度等分为两段，计算前后两段时间窗内的基本特征移动算术平均差值，得到移动算术平均差值的时间序列；

步骤S4，设置响应特征的稳定范围，将响应特征的值超出稳定范围的时间点设置为工况变化点，设置基本特征变动阈值，将工况变化点后基本特征移动算术平均差超过该阈值的时间点设置为调控起始点；

步骤S5，将响应特征的值再次进入目标稳定范围，且在连续时间窗内的移动算术平均差都小于稳定阈值的第一个时间窗起始点设置为调控完成点，将调控完成点和调控起始点之间的时间差作为配汽站调控滞后时间；

步骤S6，根据配汽站调控滞后时间，生成以调控起始点作为开始的规定长度的基本特征序列，利用机器学习辨识出配汽站调控滞后时间和基本特征序列、其他特征以及天气因素之间的函数关系，得到在不同天气，不同减温水流量变化及不同的工况下配汽站的调控滞后时间计算模型；

步骤S7，设置基本特征单次变化梯度及上下限值，根据所需调控起始点的基本特征值，生成基本特征序列，并根据步骤S6所得函数关系，求解目标函数，得到基本特征序列中的参数向量，使得配汽站工作人员可根据所需滞后时间对基本特征进行调控。

2.根据权利要求1所述的基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，所述步骤S1具体为：

针对大型蒸汽热网供热系统，通过其物联感知系统实时采集数据并更新历史数据库，从数据库中读取N天数据集D＝{C₁，C₂......C_N}，C_l为其中一天数据集，1≤l≤N，其中n代表特征数，m代表当天数据采集数，a_ij(1≤i≤m,1≤j≤n)即为当天第i个采集时间点第j个特征值；

对读取出来的各个数据a_ij进行数据预处理，包括缺失值处理和异常值处理；

所述的缺失值处理为：遍历C_l中各个数据a_ij(1≤i≤m,1≤j≤n),若a_ij为缺失值null，则通过该特征前后两点平均值去填补该点，即如果缺失值数量多于k，则舍弃该天数据，k为人为设置的缺失值数目上限阈值；

所述的异常值处理为：利用3-σ原则判别异常点，若a_ij(1≤i≤m,1≤j≤n)被判别为异常点，删除该异常值，并通过该特征前后两点平均值去填补该点，即

3.如权利要求1所述的基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，所述步骤S2中选取辨识对象及相关特征参数，具体如下：

确定通过数据辨识的对象为配汽站调控滞后时间，与此直接相关的特征有Q_sp,T_sp,P_sp,Q_cw,d_ur,T_ur，其中Q_sp代表管道蒸汽流量，T_sp代表管道蒸汽温度，P_sr代表管道蒸汽压力，Q_cw代表与滞后时间相关度最高的减温减压设备特征，d_ur代表用户与配汽站之间的管道距离，T_ur代表用户所接收的蒸汽温度，辨识配汽站的调控滞后时间以Q_cw为基本特征，T_ur为响应特征，Q_sp,T_sp,P_sp,d_ur为其他特征。