[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

说明书

本发明公开了一种基于大数据的蒸汽热网配汽站预测性调控决策方法，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。本发明提供一种基于大数据的蒸汽热网配汽站预测性调控决策方法，能够通过数据辨识的方法自动获得配汽站的调控滞后时间，且不依赖于高质量的采集数据，生成调控策略，实现精准调节。

技术领域

本发明涉及一种基于大数据的蒸汽热网配汽站预测性调控决策方法。

背景技术

目前，传统的集中供热系统蒸汽热网调控有大滞后，热惰性等问题，每个蒸汽热网下配汽站和用户因其工况、规模和结构不同，热滞后时间各不相同，因此运营人员往往需要对每个站都需要经历调节、稳定、再调节的反复校准过程，效率低下且对运行人员的技术水平要求很高。此外，在我国集中供热发展早期，行业自动化水平较为落后，如今供热企业开始逐步建设供热系统的SCADA平台，支持将各热力站点的数据统一采集到集控中心进行实时展示，但由于种种原因，如数据的通讯异常、工况的波动、设备精度等问题，导致热网采集数据的质量较差。蒸汽热网存在热滞后问题，并且蒸汽管网的机理建模过于复杂，利用历史数据进行数据辨识配汽站的调控存在滞后特性，导致对配汽站的调度控制不够精确。

发明内容

本发明所要解决的技术问题是，克服现有技术的不足，提供一种基于大数据的蒸汽热网配汽站预测性调控决策方法，本发明以历史大数据为基础，结合热网结构，能够通过数据辨识的方法自动获得配汽站的调控滞后时间，且不依赖于高质量的采集数据，可以根据运营人员所设置的允许滞后时间，生成调控策略，实现精准调节。

为了解决上述技术问题，本发明的技术方案是：

一种基于大数据的蒸汽热网配汽站预测性调控决策方法，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。

进一步，所述步骤S1具体为：