王奧博

中國石油天然氣股份有限公司遼陽石化分公司,遼寧遼陽 111000

0 引言

中國石油遼陽石化公司（以下簡稱公司） 是中國石油天然氣股份有限公司的地區(qū)分公司，是特大型石油化工聯(lián)合生產(chǎn)企業(yè)。在新的形勢下，如何利用現(xiàn)代的計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)提高企業(yè)的服務(wù)管理水平已經(jīng)是一個(gè)需要迫切解決的問題。數(shù)字化遠(yuǎn)程監(jiān)控系統(tǒng)的建設(shè)可以有效的提高企業(yè)綜合服務(wù)管理水平，同時(shí)可以顯著的降低系統(tǒng)運(yùn)行能耗，符合我國節(jié)能減排的大目標(biāo)，具有非常突出的經(jīng)濟(jì)效益和社會效益。

供熱系統(tǒng)負(fù)荷預(yù)測就是在掌握供熱系統(tǒng)負(fù)荷變化規(guī)律的基礎(chǔ)上，充分考慮各種因素的影響，預(yù)測未來某一時(shí)段或某一時(shí)刻的供熱負(fù)荷。供熱系統(tǒng)負(fù)荷預(yù)測是公司生活區(qū)供熱系統(tǒng)進(jìn)行運(yùn)行調(diào)節(jié)的前提和基礎(chǔ)，也是對系統(tǒng)優(yōu)化控制的一個(gè)重要條件。在公司生活區(qū)供熱系統(tǒng)中，為了同時(shí)滿足供熱系統(tǒng)的供熱質(zhì)量和節(jié)能要求，公司相關(guān)部門必須做好生活區(qū)熱用戶用熱量的跟蹤預(yù)測工作。因此，對生活區(qū)供熱系統(tǒng)負(fù)荷預(yù)測的準(zhǔn)確程度，對于改進(jìn)公司生活區(qū)供熱系統(tǒng)的運(yùn)行管理方式、強(qiáng)化供熱質(zhì)量、節(jié)省供熱能源、加強(qiáng)環(huán)境保護(hù)、做好職工生活的質(zhì)量改善工作等都具有十分重要的意義。

1 供熱系統(tǒng)的負(fù)荷預(yù)測

根據(jù)公司生活區(qū)供熱系統(tǒng)具有的復(fù)雜性、滯后性、大慣性及非線性等特點(diǎn)，通過物理模型來建立供熱負(fù)荷預(yù)測的模型是相當(dāng)困難的。目前，大多數(shù)負(fù)荷預(yù)測的方法都是建立在對公司生活區(qū)供熱系統(tǒng)歷史數(shù)據(jù)統(tǒng)計(jì)分析的基礎(chǔ)之上，這樣根據(jù)對統(tǒng)計(jì)數(shù)據(jù)處理方式的不同，傳統(tǒng)的公司生活區(qū)供熱系統(tǒng)負(fù)荷預(yù)測的方法又大體可以分為時(shí)間序列法、回歸分析法和灰色預(yù)測法。

2 BP神經(jīng)網(wǎng)絡(luò)

BP（BackPropagation） 網(wǎng) 絡(luò) 是 1986年 由 Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。其神經(jīng)元的傳遞函數(shù)是S型函數(shù)，輸出量為0～1之間的連續(xù)量，它可以實(shí)現(xiàn)從輸入到輸出的非線性任意映射。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層（hidelayer）和輸出層（outputlayer）。BP神經(jīng)網(wǎng)絡(luò)是一種前饋型多層神經(jīng)網(wǎng)絡(luò)由于其權(quán)值的調(diào)整采用反向傳播（BlackPropagation）學(xué)習(xí)算法，又稱為BP網(wǎng)絡(luò)。

目前，在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中，大部分的神經(jīng)網(wǎng)絡(luò)模型都是采用BP神經(jīng)網(wǎng)絡(luò)及其變化模型，它是前向網(wǎng)絡(luò)的核心內(nèi)容，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華。

3 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測

供熱系統(tǒng)的負(fù)荷預(yù)測具有逐時(shí)趨勢性、較強(qiáng)隨機(jī)性和24小時(shí)為周期變化的周期性等規(guī)律。本文將供熱系統(tǒng)的負(fù)荷預(yù)測作為短期負(fù)荷預(yù)測來處理，基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測工作。

3.1 預(yù)測模型的選取

供熱負(fù)荷具有較強(qiáng)隨機(jī)性，又具有一定的規(guī)律性，通常與過去的供熱負(fù)荷、運(yùn)行狀況、室外溫度、工作日與否和陽光照射率等都有著密切的關(guān)系。因此，采用預(yù)預(yù)測供熱負(fù)荷預(yù)測的變化的規(guī)律和特性是保證供熱系統(tǒng)運(yùn)行高效、經(jīng)濟(jì)和安全的基礎(chǔ)和前提。如上所述，對供熱系統(tǒng)的負(fù)荷預(yù)測模型提出如下問題：

1）預(yù)測模型應(yīng)能夠反映供熱負(fù)荷隨工作日和周期（24小時(shí)）波動的特點(diǎn)；2）預(yù)測模型應(yīng)能夠反映供熱負(fù)荷自然增長的內(nèi)在規(guī)律；3）預(yù)測模型應(yīng)能夠反映室外溫度、太陽照射率等氣象因素的影響規(guī)律。

3.2 負(fù)荷預(yù)測的基本步驟

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行供熱系統(tǒng)的負(fù)荷預(yù)測，可以分為歷史數(shù)據(jù)的收集、BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)、模型的學(xué)習(xí)訓(xùn)練和供熱系統(tǒng)的負(fù)荷預(yù)測四個(gè)階段。具體過程如下：

1）歷史數(shù)據(jù)的收集。要做好對未來某一時(shí)段或某一時(shí)刻的供熱負(fù)荷預(yù)測工作，必須要有充分的供熱負(fù)荷歷史數(shù)據(jù)作為前提，對供熱負(fù)荷的基礎(chǔ)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析及相應(yīng)的預(yù)處理；

2）BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)。根據(jù)供熱系統(tǒng)的實(shí)際要求，結(jié)合歷史數(shù)據(jù)和統(tǒng)計(jì)資料，設(shè)計(jì)合理的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)；

3）供熱系統(tǒng)的負(fù)荷預(yù)測。根據(jù)已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型對未來的供熱負(fù)荷進(jìn)行預(yù)測。下面就要按照上面的步驟對供熱負(fù)荷進(jìn)行預(yù)測。

3.3 輸入變量和輸出變量的選取

在實(shí)際的供熱系統(tǒng)負(fù)荷預(yù)測工作中，輸入變量的選取是取得良的好負(fù)荷預(yù)測結(jié)果的關(guān)鍵。

做好供熱系統(tǒng)的負(fù)荷預(yù)測工作，就是要通過對影響供熱負(fù)荷變化的相關(guān)因素進(jìn)行分析，供熱系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型的潛在輸入變量類型并不太多，可能包含的類型有：時(shí)間、工作日與否、室外溫度、風(fēng)速、天氣、太陽照射率、系統(tǒng)的供水流量、供水溫度、回水溫度、入口壓力、出口壓力等。

3.4 輸入和輸出變量的預(yù)處理

供熱系統(tǒng)負(fù)荷預(yù)測建模需要大量的歷史數(shù)據(jù)作為依據(jù)，而歷史數(shù)據(jù)是從現(xiàn)場采集得來，不單受到測量設(shè)備本身精度的影響，還要受到數(shù)據(jù)傳輸和意外因素的影響。如供熱系統(tǒng)故障、設(shè)備檢修、人為誤操作等因素。數(shù)據(jù)中往往包含著部分的不準(zhǔn)確數(shù)據(jù)或偽數(shù)據(jù)，這些數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)建模的構(gòu)成都具有負(fù)面影響。

由于BP神經(jīng)網(wǎng)絡(luò)中每層神經(jīng)元節(jié)點(diǎn)的激勵(lì)函數(shù)大都采用Sigmoid函數(shù)，所以必須對BP神經(jīng)網(wǎng)絡(luò)的輸入、輸出參數(shù)進(jìn)行歸一化處理。

4 負(fù)荷預(yù)測仿真示例

結(jié)合文中提出的BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測方法和步驟，將該方法具體地應(yīng)用到公司生活區(qū)供熱系統(tǒng)的短期負(fù)荷預(yù)測實(shí)例中去，驗(yàn)證預(yù)測方法的有效性。

4.1 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的選擇

根據(jù)公司某熱力站2011年12月～2012年02月的負(fù)荷數(shù)據(jù)作為學(xué)習(xí)和預(yù)測的樣本。

根據(jù)負(fù)荷預(yù)測BP神經(jīng)網(wǎng)絡(luò)的體系，結(jié)合確定的BP神經(jīng)網(wǎng)絡(luò)模型的輸入?yún)?shù)為：時(shí)間、室外溫度、室外風(fēng)速、天氣、供水流量、回水溫度和是否為工作日。

4.2 BP神經(jīng)網(wǎng)絡(luò)層次結(jié)構(gòu)的確定

BP神經(jīng)網(wǎng)絡(luò)的層數(shù)和各層的神經(jīng)元的數(shù)量要根據(jù)實(shí)際情況進(jìn)行合理的選取。一般在滿足負(fù)荷預(yù)測誤差精度的前提下，以較少的層數(shù)和神經(jīng)元數(shù)量在較短的時(shí)間內(nèi)達(dá)到要求。由于BP神經(jīng)網(wǎng)絡(luò)具有不確定性，在選取BP神經(jīng)網(wǎng)絡(luò)的層數(shù)和每層的神經(jīng)元數(shù)量時(shí)，需要進(jìn)行反復(fù)實(shí)驗(yàn)，得到最佳的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)。

4.3 預(yù)測結(jié)果分析

圖1 BP算法預(yù)測負(fù)荷和實(shí)際負(fù)荷曲線

本文通過MATLAB仿真軟件進(jìn)行仿真實(shí)驗(yàn)。將BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到的權(quán)值作為最終確定的權(quán)值連接方式，將擬預(yù)測時(shí)刻的輸入值進(jìn)行輸入得到未來某一時(shí)刻或某一時(shí)段供熱負(fù)荷的預(yù)測值。其中，BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)體系（如圖3所示）。

根據(jù)公司某熱力站2011年12月～2012年02月的負(fù)荷數(shù)據(jù)作為學(xué)習(xí)和預(yù)測的樣本，采用MATLAB仿真軟件進(jìn)行仿真實(shí)驗(yàn)。BP算法預(yù)測負(fù)荷和實(shí)際負(fù)荷曲線（如圖1所示）。改進(jìn)BP算法網(wǎng)絡(luò)權(quán)值過程預(yù)測負(fù)荷和誤差變化曲線曲線（如圖2、3所示）。從仿真曲線可以看出，采用改進(jìn)BP算法訓(xùn)練完成的網(wǎng)絡(luò)進(jìn)行預(yù)測時(shí)，預(yù)測負(fù)荷和實(shí)際負(fù)荷曲線的契合程度明顯好于BP算法的契合程度，進(jìn)而驗(yàn)證了設(shè)計(jì)方法的有效性。

圖2 改進(jìn)BP算法預(yù)測負(fù)荷和實(shí)際負(fù)荷曲線

圖3 改進(jìn)BP算法訓(xùn)練網(wǎng)絡(luò)權(quán)值過程誤差變化曲線

經(jīng)過454次循環(huán)，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練成功。

綜上所述，改進(jìn)BP神經(jīng)網(wǎng)絡(luò)適用于供熱負(fù)荷的預(yù)測，精度較高，能夠滿足生活區(qū)熱用戶的要求。致使公司相關(guān)部門能夠提前對供熱負(fù)荷的變化有所準(zhǔn)備，制定合理的檢維修計(jì)劃，爭取公司供熱系統(tǒng)效益最大化。

5 結(jié)論

本文主要研究了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測方法。首先，對BP神經(jīng)網(wǎng)絡(luò)理論進(jìn)行較為深入的探討和研究；然后，根據(jù)公司生活區(qū)供熱系統(tǒng)的實(shí)際特點(diǎn)，通過模糊PID控制原理在公司生活區(qū)供熱系統(tǒng)中的應(yīng)用，建立了BP神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測模型；最后，通過MATLAB仿真示例驗(yàn)證該項(xiàng)預(yù)測模型具有較高的精度，進(jìn)而驗(yàn)證了設(shè)計(jì)方法的有效性。