鄒兵 曲德敏 劉洪波
[摘 ? ?要]供熱系統(tǒng)中,通過(guò)調(diào)節(jié)熱源處供水溫度將熱源供熱量與熱力站熱負(fù)荷相匹配,是實(shí)現(xiàn)節(jié)能降耗的重要方法。然而在大型集中供熱系統(tǒng)中,熱力站數(shù)量多,且熱源至各熱力站的溫度傳導(dǎo)時(shí)延各不相同,無(wú)法直接通過(guò)熱力站熱負(fù)荷計(jì)算最優(yōu)熱源供水溫度。因此,分析了多熱力站情況下溫度傳導(dǎo)時(shí)延如何影響供熱量與熱負(fù)荷的匹配,提出一種基于深度學(xué)習(xí)的熱源溫度實(shí)時(shí)優(yōu)化方案。該方案將整個(gè)供熱系統(tǒng)作為整體,通過(guò)實(shí)時(shí)優(yōu)化熱源供水溫度,首先使供熱量在未來(lái)各時(shí)刻均與供熱系統(tǒng)整體熱負(fù)荷相匹配,再通過(guò)熱力站間的流量調(diào)節(jié)使得供熱量與各熱力站的熱負(fù)荷相匹配。該方案在實(shí)際系統(tǒng)中能夠達(dá)到很好的優(yōu)化效果,數(shù)據(jù)結(jié)果證明,該方案是可行有效的。
[關(guān)鍵詞]集中供熱;節(jié)能;供熱負(fù)荷;深度學(xué)習(xí);LSTM模型
[中圖分類(lèi)號(hào)]YU995 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487(2021)08–00–03
[Abstract]In the heating system, matching the heat supply of the heat source with the heat load of the heating station by adjusting the temperature of the water supply at the heat source is an important method to realize energy saving and consumption reduction. However, in a large-scale central heating system, there are a large number of thermal power stations, and the temperature transfer time delay from the heat source to each thermal power station is different, and it is impossible to directly calculate the optimal heat source water supply temperature through the thermal load of the thermal power station. This paper analyzes how the temperature conduction delay affects the matching of heat supply and heat load in the case of multiple thermal stations, and then proposes a real-time optimization scheme for heat source temperature based on deep learning. The plan takes the entire heating system as a whole, and optimizes the water supply temperature of the heat source in real time. First, the heat supply matches the overall heat load of the heating system at all times in the future. The thermal load of each thermal station is matched. This scheme can achieve a good optimization effect in the actual system, and the data results prove that the scheme is feasible and effective.
[Keywords]central heating; energy saving; heating load; deep learning; LSTM model
城市集中供熱是我國(guó)北方地區(qū)冬季主要供暖形式,對(duì)其優(yōu)化控制的研究主要集中于熱力站的一次側(cè)和二次測(cè)調(diào)節(jié)[1-2]。較少的對(duì)熱源控制優(yōu)化的研究,主要集中于多熱源聯(lián)合優(yōu)化[3],以及熱源質(zhì)量并調(diào)[4]。本文針對(duì)定流量運(yùn)行的集中供熱系統(tǒng)中,由于溫度傳導(dǎo)時(shí)延導(dǎo)致的熱源供熱與熱力站熱負(fù)荷不匹配的問(wèn)題,在滿(mǎn)足供熱負(fù)荷的前提下,并且達(dá)到節(jié)能降耗的目的,提出一種基于深度學(xué)習(xí)的熱源溫度實(shí)時(shí)優(yōu)化方案。
1 熱源溫度實(shí)時(shí)優(yōu)化原理
集中供熱系統(tǒng)結(jié)構(gòu)如圖1所示,熱源處的高溫水經(jīng)過(guò)管道流至各熱力站。熱力站與熱源間的管道長(zhǎng)度以及高溫水的流速?zèng)Q定了熱源處的供水溫度變化傳導(dǎo)至各熱力站的時(shí)延。以項(xiàng)目公司集中供熱系統(tǒng)為例,熱源處高溫水溫度變化傳遞至最遠(yuǎn)端需約10 h,當(dāng)熱力站的熱負(fù)荷因室外溫度變化發(fā)生變化時(shí),若根據(jù)當(dāng)前時(shí)刻熱力站熱負(fù)荷調(diào)整熱源高溫水溫度,則遠(yuǎn)端熱力站的供水溫度在10 h后才能發(fā)生相應(yīng)變化,此時(shí)遠(yuǎn)端熱力站的熱負(fù)荷早已隨室外溫度大幅變化,從而產(chǎn)生熱源供熱與熱力站熱負(fù)荷不匹配的問(wèn)題。由于各熱力站溫度傳導(dǎo)時(shí)延不一致,即使根據(jù)天氣預(yù)報(bào)提前調(diào)整熱源溫度依然無(wú)法解決上述問(wèn)題。
在定流量運(yùn)行的集中供熱系統(tǒng)中,由于壓力傳導(dǎo)速度遠(yuǎn)大于溫度傳導(dǎo)速度,通常通過(guò)重新分配流量的方式解決熱源供熱與熱力站熱負(fù)荷不匹配問(wèn)題。例如當(dāng)室外氣溫降低時(shí),提前一段時(shí)間升高熱源高溫水溫度,此時(shí)部分距離熱源較近的熱力站供水溫度已提升,可減少供水流量以匹配熱負(fù)荷;其他距離熱源較遠(yuǎn)的熱力站增加供水流量以匹配熱負(fù)荷。設(shè)置合理的熱源溫度改變提前時(shí)間以及熱源溫度改變量,可以使得減少的供水流量與增加的供水流量相等,從而實(shí)現(xiàn)了在總流量不變的情況下熱源供熱與熱負(fù)荷的匹配。
2 熱源溫度實(shí)時(shí)優(yōu)化方案
熱源溫度實(shí)時(shí)優(yōu)化,即在合適的時(shí)間設(shè)置合適的熱源溫度,使得集中供熱系統(tǒng)能夠通過(guò)在各熱力站間重新分配流量的方式使得各熱力站的供水溫度匹配當(dāng)前時(shí)刻熱負(fù)荷,本文提出的方法具體流程如圖2所示。本文的方法中,熱源處數(shù)據(jù)包括熱源溫度,總流量和熱源傳導(dǎo)至最遠(yuǎn)端熱力站的時(shí)間間隔,分別使用t_source[n],f_whole和K表示,由于為定流量系統(tǒng),f_whole為常量;各熱力站處數(shù)據(jù)包括一次側(cè)供水溫度與一次側(cè)流量,分別使用與表示;其他數(shù)據(jù)包括熱負(fù)荷,用q[n]表示。其中m表示第m個(gè)熱力站,n表示n時(shí)刻。
2.1 建立集中供熱網(wǎng)絡(luò)溫度傳導(dǎo)模型
定義時(shí)刻n的供熱網(wǎng)絡(luò)一次側(cè)供水溫度為所有熱力站一次側(cè)供水溫度的加權(quán)平均值,即t_input_whole[n]=Σ(t_inputm[n]×fm[n])/Σfm[n]集中供熱網(wǎng)絡(luò)溫度傳導(dǎo)模型主要為供熱高溫水由熱源處傳導(dǎo)至各熱力站的過(guò)程進(jìn)行建模,模型用于計(jì)算在當(dāng)前情況下,達(dá)到期望的供熱網(wǎng)絡(luò)一次側(cè)供水溫度所需的熱源溫度。將t_source[n]作為模型輸入時(shí)間序列,將t_input_whole[n]作為模型輸出時(shí)間序列。采用LSTM模型對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練,可得到集中供熱網(wǎng)絡(luò)溫度傳導(dǎo)模型F,即[t_input_whole]=F([t_source]),其中LSTM模型中的時(shí)延參數(shù)t_step設(shè)置為溫度由熱源傳導(dǎo)至最遠(yuǎn)端熱力站的時(shí)間間隔。
2.2 計(jì)算期望的供熱網(wǎng)絡(luò)一次側(cè)供水溫度
定義時(shí)刻n的期望的供熱網(wǎng)絡(luò)一次側(cè)供水溫度為t_input_whole_expect[n],即T_input_whole-expect[n]=q[n]/f_whole。
2.3 計(jì)算當(dāng)前時(shí)刻最優(yōu)熱源溫度
優(yōu)化熱源溫度的目的是使得熱源供熱量匹配實(shí)際熱負(fù)荷,本方法在每個(gè)時(shí)刻計(jì)算熱源溫度t_source[n],使得被當(dāng)前時(shí)刻熱源溫度影響的熱源供熱量與實(shí)際熱負(fù)荷之間的差異最小。由于熱源傳導(dǎo)至最遠(yuǎn)端熱力站的時(shí)間間隔為K,當(dāng)前時(shí)刻的熱源溫度t_source[n]會(huì)影響當(dāng)前時(shí)刻至K時(shí)刻后的供熱網(wǎng)絡(luò)一次側(cè)供水溫度t_input_whole[k],其中k=n+1,n+2,…n+K。同樣的,影響當(dāng)前時(shí)刻供熱網(wǎng)絡(luò)一次側(cè)供水溫度t_input_whole[n]的熱源溫度為t_source[l],其中l(wèi)=n-K,n-K+1…n-1。
定義熱負(fù)荷匹配誤差Q_delta[n]為期望的供熱網(wǎng)絡(luò)一次側(cè)供水溫度序列t_input_whole_expect[n]與模型預(yù)測(cè)的供熱網(wǎng)絡(luò)一次側(cè)供水溫度序列t_input_whole_predict[n]之間的均方誤差。
其中k=n+1,n+2,…n+K。
計(jì)算時(shí)刻n的最優(yōu)熱源溫度,即找到合適的t_source[n],使得其影響的t_input_whole_predict[n]序列與t_input_whole_expect[n]之間的均方誤差Q_delta[n]最小。由于待優(yōu)化變量為一維變量,且取值范圍有限(集中供熱網(wǎng)絡(luò)熱源溫度一般為70~110℃),可采用窮舉遍歷的方法計(jì)算t_source[n]。
3 在實(shí)際系統(tǒng)中的運(yùn)行效果
采用項(xiàng)目公司實(shí)際供熱系統(tǒng)數(shù)據(jù),比較通過(guò)集中供熱網(wǎng)絡(luò)溫度傳導(dǎo)模型預(yù)測(cè)的供熱網(wǎng)絡(luò)一次側(cè)供水溫度與其實(shí)際值,如圖3所示,均方誤差為0.56%,可知本文中的集中供熱網(wǎng)絡(luò)溫度傳導(dǎo)模型是準(zhǔn)確有效的。
采用項(xiàng)目公司實(shí)際熱力站數(shù)據(jù),比較模型預(yù)測(cè)的供熱網(wǎng)絡(luò)一次側(cè)供水溫度,實(shí)際期望的供熱網(wǎng)絡(luò)一次側(cè)供水溫度以及人工設(shè)置熱源溫度情況下的供熱網(wǎng)絡(luò)一次側(cè)供水溫度,如圖4所示,模型預(yù)測(cè)的供熱網(wǎng)絡(luò)一次側(cè)供水溫度均方誤差為0.82%,人工設(shè)置熱源溫度情況下的供熱網(wǎng)絡(luò)一次側(cè)供水溫度均方誤差為5.62%,可知本文中計(jì)算當(dāng)前時(shí)刻最優(yōu)熱源溫度的方法能夠有效地改善熱源供熱量與熱負(fù)荷的匹配程度。
4 結(jié)論
分析了集中供熱系統(tǒng)熱源溫度優(yōu)化的必要性,提出了定流量運(yùn)行的集中供熱系統(tǒng)熱源溫度優(yōu)化的基本原理,并將深度學(xué)習(xí)技術(shù)與熱工原理以及自動(dòng)控制相結(jié)合,提出了基于深度學(xué)習(xí)的集中供熱系統(tǒng)熱源溫度實(shí)時(shí)優(yōu)化方案。通過(guò)實(shí)際集中供熱系統(tǒng)中的數(shù)據(jù)驗(yàn)證,表明該方案能夠有效地改善熱源供熱量與熱負(fù)荷的匹配程度,實(shí)現(xiàn)提升終端用戶(hù)體驗(yàn)和節(jié)能降耗的目的。
參考文獻(xiàn)
[1] 謝慕君,馮敬芳,姜長(zhǎng)泓.集中供熱二次網(wǎng)回水溫度的預(yù)測(cè)和控制研究[J].控制工程,2015,22(3):291-295.
[2] 李仲博,賈萌,康焱,等.基于MPC方法的供熱系統(tǒng)一次側(cè)流量實(shí)時(shí)預(yù)測(cè)[J].系統(tǒng)仿真學(xué)報(bào),2021,33(1):180-188.
[3] 時(shí)國(guó)華,楊林棣,張浩,等.集中供熱系統(tǒng)多熱源調(diào)度優(yōu)化模型[J].熱力發(fā)電,2020,49(3):68-75.
[4] 李琦,戶(hù)杏啟,趙建敏.基于機(jī)器學(xué)習(xí)的熱源總供熱量?jī)?yōu)化控制[J].系統(tǒng)仿真學(xué)報(bào),2018,30(3):1134-1143.