1 概述

我國建筑供暖能耗占建筑總能耗的60%以上

。在全面推進能源生產(chǎn)和消費革命，智慧供熱成為中國城鎮(zhèn)供熱領域關注的焦點

。對于智慧供熱解決方案的研究，主要面向特定區(qū)域、特定供熱環(huán)境，實現(xiàn)從熱源、熱網(wǎng)、熱力站到戶內的數(shù)據(jù)互聯(lián)互通與共享

。因此，建立智慧供熱監(jiān)控平臺，對室內溫度以及熱網(wǎng)壓力、流量、溫度等參數(shù)實施集中監(jiān)測與管理，實現(xiàn)供熱系統(tǒng)的精準調控和智慧化運行，是實現(xiàn)智慧供熱的途徑

。本文以北京市某小區(qū)為例，介紹智慧供熱改造與主要監(jiān)測內容，分析改造效果。

2 項目概況

某居住小區(qū)位于北京市豐臺區(qū)，建設年代為2012年，2013年投入使用。小區(qū)共有9棟樓，除5號樓(公共建筑)、8號樓(配電室)外，其他樓均為居住建筑。智慧供熱改造僅涉及居住建筑。

小區(qū)總供熱面積為138 972 m

，1 600戶住戶，采用市政集中供熱，設計供、回水溫度為85、60 ℃。供熱系統(tǒng)分高區(qū)、低區(qū)系統(tǒng)，分別配備循環(huán)泵、補水泵、換熱器。改造前熱力站根據(jù)氣候補償器監(jiān)測的室外溫度，采用PID方式調節(jié)供水溫度，循環(huán)泵采用定壓差變頻控制。各樓熱力入口安裝靜態(tài)壓差平衡閥，通過測溫槍、便攜式流量計等裝置輔助人工調節(jié)。

3 智慧供熱改造與主要監(jiān)測內容

3.1 智慧供熱改造內容

于2019年9月11日開始智慧供熱改造，2019年11月20日進行調試運行。為實現(xiàn)智慧供熱，項目組利用機器學習算法，設計了一種熱負荷動態(tài)預測方法，進行中短期熱負荷預測。實現(xiàn)了熱負荷的精準預測與負荷評估，可針對安全、環(huán)保、能效、成本、熱舒適度等多項指標實施優(yōu)化。

220 Salsalate alleviates hyperglycemia by inhibiting endoplasmic reticulum stress in high fat diet induced obese mice

智慧供熱系統(tǒng)具有以下優(yōu)點：調控過程不需要人工參與，可實現(xiàn)實際室內溫度與設定室內溫度偏差在±1 ℃以內，確保用戶室內溫度平穩(wěn)，提升熱舒適度。熱力站及熱力入口平衡度、溫度、壓力、流量，用戶室內溫度等數(shù)據(jù)可實時展示并連續(xù)記錄。具備數(shù)據(jù)報警功能，實現(xiàn)供熱服務從被動處置向主動干預轉變。

(3)二疊系。測區(qū)二疊系發(fā)育齊全，出露較好，分布于東部鷓鴣江湘桂鐵路以南—三門江林場、六座—大塘口—河表—通天巖一帶及北部柳城鳳山一帶，面積約52.93 km2，約占測區(qū)面積的6.2%。二疊系除馬平組上部屬下統(tǒng)外，以上的地層劃分為中統(tǒng)、上統(tǒng)，五個組，八個段。

在裝置改造的基礎上建立監(jiān)控平臺，根據(jù)建筑物儲散熱特征、天氣因素、用戶用熱特征等預測用熱量。主要調控步驟：第1步：根據(jù)建筑物特性、歷史數(shù)據(jù)，以及熱力入口流量、回水溫度進行動態(tài)壓差電動調節(jié)閥初調，實現(xiàn)小區(qū)熱網(wǎng)的初步平衡以及設定循環(huán)泵為定壓差運行。第2步：綜合考慮用戶設定溫度、短期熱負荷預測等因素測算換熱器一級側電動調節(jié)閥的相對開度，并下發(fā)相對開度指令。第3步：熱力入口動態(tài)壓差電動調節(jié)閥根據(jù)設定壓差和用熱需求進行自動調節(jié)，循環(huán)泵根據(jù)壓差進行變頻調節(jié)。第4步：監(jiān)控平臺根據(jù)熱力入口動態(tài)壓差電動調節(jié)閥的相對開度、壓差、室內溫度等進行基于樓間平衡的優(yōu)化調節(jié)。

在裝置改造方面，在現(xiàn)有熱計量裝置基礎上，增設500個物聯(lián)網(wǎng)室溫傳感器，用于實時監(jiān)測室內溫度。物聯(lián)網(wǎng)室溫傳感器的安裝兼顧管網(wǎng)近端、中端、遠端用戶，同一樓棟中分別選取頂、邊、中間、底層等代表位置。增設16套熱力入口動態(tài)壓差電動調節(jié)閥，與循環(huán)泵進行聯(lián)動。增設64個壓力傳感器與原熱力入口熱量表連接，從而實現(xiàn)熱力入口溫度、壓差精確控制。

3.2 主要監(jiān)測內容

7號樓運行參數(shù)實時監(jiān)測界面見圖2。由7號樓運行參數(shù)實時監(jiān)測界面，可獲得7號樓3個單元高、低區(qū)系統(tǒng)的具體運行情況。以7號樓1單元高區(qū)為例，可獲得本單元供回水溫度、供回水壓力、熱力入口動態(tài)壓差電動調節(jié)閥相對開度、瞬時流量、瞬時用熱量、累計流量、累計用熱量、室內溫度等。

1號樓1～3單元室內溫度監(jiān)測界面見圖3。由1號樓1～3單元各戶室內溫度監(jiān)測界面，可獲得安裝物聯(lián)網(wǎng)室溫傳感器的住戶的室內溫度，便于根據(jù)室內溫度分析當前供暖效果，監(jiān)測室內溫度異常。

1號樓1單元高區(qū)運行參數(shù)曲線界面見圖1。由1號樓1單元高區(qū)運行參數(shù)曲線界面，可獲得高區(qū)回水溫度、熱力入口動態(tài)壓差電動調節(jié)閥控制狀態(tài)(手動或自動控制)、高區(qū)供水溫度、高區(qū)供回水平均溫度、熱力入口動態(tài)壓差電動調節(jié)閥相對開度等隨時間的變化。

落實以氣象預警信號為先導的氣象災害聯(lián)動工作機制,制定出臺《桐廬縣強對流天氣部門、鄉(xiāng)鎮(zhèn)應急聯(lián)動響應機制》,規(guī)范氣象預警信息發(fā)布與傳播的流程和方式,建立氣象災害分區(qū)預警發(fā)布平臺和工作流程,實施推進氣象災害全媒體發(fā)布工作,切實加強突發(fā)強天氣的應對工作。

監(jiān)控平臺于2019年11月20日進行調試和自學習，12月20日開始實施自動調節(jié)。監(jiān)控平臺自動調節(jié)前后某單元室內溫度均方差隨時間的變化見圖4。由圖4可知，與監(jiān)控平臺自動調節(jié)前相比，實施監(jiān)控平臺自動調節(jié)后，室內溫度均方差變化范圍明顯收窄且均方差變小，說明實施監(jiān)控平臺自動調節(jié)后的室內溫度更接近設定值，監(jiān)控平臺調節(jié)能力理想。

4 改造效果

自萊比錫大學分開后，蔡元培與但采爾十多年未見，想不到會因民族學會議而在異國相逢，雙方感到分外親切，談論最多的卻是民族學研究。但采爾告訴蔡元培，漢堡民族博物館有極豐富的民族學資料，并竭力邀請他去該校專研民族學。蔡元培對民族學研究本身就充滿熱情，德國漢堡有很好的研究條件，又有這么一位好友邀請，便愉快地答應了。

此類橋墩裸露于大氣中，必然要長期受到太陽輻射和氣溫變化的影響。由于外界環(huán)境的瞬變性以及混凝土結構本身的導熱性能差，使得空心墩結構內外表面形成了比較大的溫差，當由此溫差產(chǎn)生的溫度變形受到約束的時候，就會產(chǎn)生溫度應力。這種由溫差作用引起的溫度變形和溫度應力稱為溫差效應。現(xiàn)有研究結果證明[2-3]，在薄壁空心高墩結構中，日照溫差效應產(chǎn)生的應力有時與恒載、活載產(chǎn)生的應力屬于同一個數(shù)量級，甚至使橋墩結構發(fā)生開裂，導致結構損壞，影響橋梁的正常運行。因此為了預防工程事故的發(fā)生，很有必要對薄壁空心墩結構的溫差效應進行研究。

監(jiān)控平臺自動調節(jié)前后某單元日最高室內溫度隨時間的變化見圖5。由圖5可知，監(jiān)控平臺自動調節(jié)前日最高室內溫度變化范圍為22.10～30.86 ℃，監(jiān)控平臺自動調節(jié)后日最高室內溫度保持在25 ℃左右。說明監(jiān)控平臺自動調節(jié)不僅可提高室內熱舒適度，還有利于供暖系統(tǒng)節(jié)能。

將改造前供暖期(2016—2017年、2017—2018年、2018—2019年供暖期)用熱量以及改造后供暖期(2020—2021供暖期)用熱量，均折算為北京地區(qū)供暖期室外平均溫度-0.7 ℃、供暖室內溫度20 ℃條件下進行比較。由計算結果可知，改造前3個供暖期平均單位建筑面積用熱量為229.2 MJ/m

，改造后單位建筑面積用熱量為215.7 MJ/m

。智慧供熱改造后，供熱系統(tǒng)節(jié)能率為5.89%。

5 結論

① 與監(jiān)控平臺自動調節(jié)前相比，實施監(jiān)控平臺自動調節(jié)后，室內溫度均方差變化范圍明顯收窄。實施監(jiān)控平臺自動調節(jié)后的室內溫度更接近設定值，監(jiān)控平臺調節(jié)能力理想。

② 監(jiān)控平臺自動調節(jié)前日最高室內溫度變化范圍為22.10～30.86 ℃，監(jiān)控平臺自動調節(jié)后日最高室內溫度保持在25 ℃左右。監(jiān)控平臺自動調節(jié)不僅可提高室內熱舒適度，還有利于供暖系統(tǒng)節(jié)能。

③ 智慧供熱改造后，供熱系統(tǒng)節(jié)能率為5.89%。

[1] WANG Y L，WANG F，WANG H Y. Influencing factors regression analysis of heating energy consumption of rural buildings in China[J]. Procedia Engineering，2017，205：3585-3592.

[2] 范皓. 基于人工智能技術的智慧供熱體系的應用與分析[J]. 區(qū)域供熱，2021(3)：124-125.

[3] 王昭俊，劉暢，蘇小文，等. 基于人體最不舒適部位的供暖溫度研究[J]. 暖通空調，2021(11)：95-96.

[4] 李恩洲，況立群，張元，等. 智慧供熱大數(shù)據(jù)監(jiān)測平臺研究及應用[J]. 計算機技術與發(fā)展，2021(11)：176-177.

[5] 蔣涵，劉旭辰. 智慧供熱管控平臺的研究[J]. 煤氣與熱力，2021(5)：A32-A35.