宋秦中， 宋新玲， 劉 科， 陸 軍， 孫菲菲

(1．蘇州市職業(yè)大學電子信息工程系，江蘇蘇州215104;2．大連理工大學電子與信息工程學院，遼寧大連116023)

0 引言

隨著城市的發(fā)展和擴大，集中供熱系統(tǒng)的規(guī)模和形式也越趨復雜，對系統(tǒng)的運行管理的要求也越來越高。在國外，尤其是丹麥、瑞典、德國等國家的集中供熱事業(yè)發(fā)展較早，對集中供熱系統(tǒng)的規(guī)劃及運行優(yōu)化做了大量工作，運用基于流量調節(jié)的全網控制方案，控制效果較好。由于其需要的投資大，對建筑方面要求高，并不適合我國國情。針對這種情況，國內實際操作時將整個供熱系統(tǒng)的控制分為熱源及熱網兩個相對獨立的系統(tǒng)。熱網控制的目標是實現均勻供熱，即消除用戶之間的水平熱力失調，保證各熱力站之間供熱效果的均勻一致;熱源控制的目標是按需供熱，即通過負荷預測，調整熱源總供熱量得以實現。但集中供熱系統(tǒng)具有多設備、多變量、大滯后、非線性的特點，對于這樣的系統(tǒng)，既要保證人體的舒適性又要達到節(jié)能目標，單靠采用多個常規(guī)控制器的組合，是無法實現優(yōu)化節(jié)能控制的。只有多輸人、多輸出的多環(huán)隨動計算機監(jiān)控系統(tǒng)，才具有:及時檢測參數，了解系統(tǒng)工況;均勻調節(jié)流量，消除冷熱不均;合理匹配工況，保證按需供熱;及時診斷故障，確保安全運行;健全運行檔案，實現量化管理的功能，它的供熱效果節(jié)能目的才能最終實現［1-2］。熱網控制方面，由于其數學模型不容易建立，且待調整的各熱力站一次網流量值很難通過公式求得其最優(yōu)解，常規(guī)的PID控制又很難解決各熱力站間的水力耦合現象，所以宜采用不基于模型的智能控制方案和整體控制方案［3-4］。

基于上述分析，本文以實驗室熱網為研究對象，利用神經網絡的解耦性以及不依賴于對象模型的特點設計了神經網絡解耦控制器，同時從硬件設計，和監(jiān)控平臺軟件開發(fā)兩個方面入手搭建了實驗室熱網控制系統(tǒng)，對提高供熱系統(tǒng)的運行管理水平和能源利用率進行了有益的探索。

1 實驗室熱網控制系統(tǒng)的實現

1．1 硬件組成

搭建的實驗室熱網由3個熱用戶(3臺可手動變換風力和風向的熱水空調來替代)組成，采用間接連接的供熱方式:電加熱爐的高溫熱水經循環(huán)水泵送至熱網，熱水在1次管網內分別流過1個管式換熱器和2個板式換熱器后，二次網的冷水經換熱器換熱升溫，然后送至各個熱用戶，其結構如圖1所示。

圖1 實驗室熱網結構

實驗室熱網系統(tǒng)共需要采集35個來自現場的模擬輸入信號，輸出4個電動調節(jié)閥控制信號，一共39個點，詳細情況如表1所示。采集到的信號通過物理線路接入至控制柜中的控制器上，控制器與中央控制機之間采用基于工業(yè)以太網的Modbus總線進行通訊并傳輸數據，然后由計算機對采集的數據進行操作。

表1 實驗室熱網模擬輸入信號

實驗室熱網的控制器選用的是由大連理工計算機控制工程有限公司自主研發(fā)的DUT7000可編程控制模塊和DUT6000控溫模塊，設計的實驗室熱網需要用到兩個DUT7000模塊和四個DUT6000模塊，其組態(tài)是由PLC_config組態(tài)軟件完成的。組態(tài)界面如圖2所示，PLC_Config將DUT模塊按照主從關系進行配置，設定主通訊模塊的IP和端口號后，和監(jiān)控的主機進行通訊。

圖2 PLC_Config的組態(tài)界面

1．2 神經網絡解耦控制器設計

熱網控制的目標是消除用戶之間的熱力水平失調，實現均勻供熱。一方面，熱網屬于多變量系統(tǒng)控制范疇，應用中應該把它們分別看成獨立的變量，所以針對由3個熱用戶組成實驗室熱網，具體的控制策略是:把二次網供回水平均溫度分別看成3個獨立的變量，用3個控制器來對其二次網供回水平均溫度進行獨立的控制;另一方面，由于供熱管網的復雜性，確定各回路的耦合性質之后，大多數回路還不能用簡單的控制方法完成控制，所以還需要對系統(tǒng)進行解耦控制;綜合這兩個方面的要求，本文將BP神經網絡和傳統(tǒng)的PID控制相結合來實現對熱網的解耦控制，并利用神經網絡算法的對多輸入多輸出非線性系統(tǒng)的映射能力來實現對熱網的非線性控制［5-14］，搭建了一種基于BP神經網絡的PID多變量控制系統(tǒng)，即神經網絡解耦控制器。該控制器結構如圖3所示，其特點是:輸入層分別為3個熱用戶的實際二次網供回水平均溫度與設定溫度的偏差、偏差的和、偏差的變化;隱含層共采用24個神經元;輸出層為PID控制器的3個可調參數Kp、Ki、Kd;輸入層和隱含層之間互相獨立，而隱含層和輸出層之間不獨立，互相有連接權。

此控制器由兩部分組成:

(1)經典PID控制器。Kp，Ki，Kd3個參數為在線整定，直接對被控對象進行閉環(huán)控制。

(2)神經網絡NN。PID控制器的3個可調參數Kp、Ki、Kd對應于輸出層神經元的輸出狀態(tài)，通過神經網絡的自學習，調整權系數，使輸出層神經元的穩(wěn)定狀態(tài)對應于某種最優(yōu)控制下的PID控制器參數。

具體控制方案為:

圖3 神經網絡解耦控制器結構

(1)首先根據室外溫度確定二次網的供回水溫度，同時計算其平均溫度。

(2)一次網供水溫度達到目標值后，計算二次網供回水平均溫度與目標值的下面3個參數:偏差、偏差的和、偏差的變化(正、負)。

(3)隨后，通過神經網絡解耦控制器得到各熱力站水－水換熱器一次網熱水最佳流量。

(4)最后，將上述流量值作為流量控制的期望值，調節(jié)調節(jié)閥合理分配一次網熱水流量，實現某一室外溫度下二次網的供回水溫度最終達到期望值。

1．3 監(jiān)控平臺的軟件開發(fā)

實驗室熱網監(jiān)控平臺軟件的設計主要是為了數據的采集、顯示、保存與分析，通過監(jiān)控平臺既要使供熱過程可視化，又要使管理員在監(jiān)控畫面上能及時發(fā)現故障并予以解決［15-17］，監(jiān)控軟件結構如圖4所示。

圖4 實驗室熱網監(jiān)控軟件結構圖

(1)通訊部分。DUT7000與中央控制計算機之間通過以太網卡接口實現，基于Modbus通訊，根據讀、寫數據的協(xié)議對連接成功與否進行確認。

(2)監(jiān)控界面。開發(fā)的監(jiān)控界面如圖5所示，操作人員能夠查看系統(tǒng)的運行模擬圖和現場采集到的實時數據，窗體刷新周期為3 s。各測量點的工程值依實際情況在相應位置進行顯示，并用顏色給予了區(qū)分，其中:FV為電動調節(jié)閥;FT為渦街流量計;PT為壓力變送器;TT為溫度變送器。

圖5 監(jiān)控界面圖

(3)神經網絡解耦算法控制?？紤]到工程實際情況，設計了手動控制和自動控制。手動控制的目的是為了實現對二次網側的用戶室內溫度的初調節(jié)，避免在系統(tǒng)運行的初期電動調節(jié)閥的開度全為零。等系統(tǒng)參數穩(wěn)定，點擊自動控制按鈕進入自動控制，將系統(tǒng)采集到的二次網各用戶的供回水平均溫度與設定值的偏差、偏差的和、偏差的變化作為神經網絡算法的輸入，輸出的PID參數調節(jié)電動調節(jié)閥的開度，實現二次網各用戶均勻供熱的目的。

(4)實時數據處理。采用可靠性較高的SQL SERVER 2000設計熱網監(jiān)控系統(tǒng)的數據庫，主要用到了數據庫的檢索、修改和保存等功能，并要求動態(tài)的顯示實時數據，控制操作結束后，可以從數據庫中取出數據生成曲線。

2 實際控制效果分析

2．1 實際控制參數的確定

對于大慣性、大滯后的系統(tǒng)的熱網而言，二次側回水溫度是通過一次側流量的改變實現的，這就需要經過一段時間，如果控制周期過短，調節(jié)閥動作將過于頻繁，這樣會嚴重影響供熱系統(tǒng)的設備壽命，更為不利地是會使供熱系統(tǒng)的水力狀況處于擾動狀態(tài)。所以，為了因應延遲造成的影響，避兔產生振蕩，宜對調節(jié)閥進行間歇性調節(jié)，即采用采樣調節(jié)方法對熱網進行控制［10-12］。根據本系統(tǒng)的規(guī)模和實驗經驗，選擇控制周期為30 s，即在點擊控制界面的自動控制(神經網絡解耦控制)按鈕后，每隔30 s就對熱網系統(tǒng)進行1次控制。

設定系統(tǒng)經加熱爐加熱后的熱水溫度(一次網的供水溫度)為45℃左右，二次網經換熱后的溫度(二次網的供水溫度)t2gr為37．5℃左右，同時假定該裝置的一次網相對流量和二次網相對流量和都為 1，當實驗室外溫度 tw為 －5℃時，由經驗公式［7］t2hr=37．5+0．6tw可知室內溫度 t2hr為34．5℃，依據二次網供回水溫度的期望值求取公式可以確定二次網供回水平均溫度值期望值t2pr為36℃，亦是本次調節(jié)的最終溫度。

2．2 實際溫度控制效果分析

本實驗共分20次采集了20000多組數據。試驗中為了既不增加太多的計算量，又使步長得到合理的調整，設置預定誤差 pre_error=0．01，初始步長 r=0．1，若一次迭代后誤差減小，則將步長乘一個大于1的常數φ，反之則將步長乘以小于1的常數β，并沿原方向重新計算下一個迭代點。

為了對設計控制器的有效性進行分析，設計了未加入控制算法(傳統(tǒng)PID控制)和加入控制算法(神經網絡解耦控制)兩類實驗;同時為了驗證控制器的可靠性，在第二類實驗中又設計了加入控制算法(初始溫差較大)和加入控制算法(初始溫差較小)兩組實驗;即實驗驗證分3種情況進行，將實際所控制的效果得到如表2所示的控制效果比較表。

表2 控制效果比較表

對于第一類未加入控制算法的分組實驗如圖6所示。由圖可見，二次網各用戶的供回水平均溫度盡管在上升，但是與二次網供回水平均溫度值期望值36℃相比，仍然存在較大的溫差，難以實現均勻供熱，因此需要加入適當的控制算法來對熱網進行進一步的調節(jié)。

圖6 未加入控制算法的溫度曲線圖

對于加入控制算法的第二類實驗實驗步驟如下:

(1)開始運行為手動控制，3個用戶的溫差較大，進行一段短時間的初調節(jié)后參數趨于穩(wěn)定;

(2)進入自動控制，系統(tǒng)進入神經網絡算法的參數自調整(通過神經網絡權系數的調整來調整3個回路的PID參數)，控制界面如圖7所示。

圖7 神經網絡算法控制界面

(3)經過多次迭代運算，二次網各用戶的溫度接近，逐漸趨于穩(wěn)定，實現了預期均勻供熱的目標，實時數據顯示如圖8所示，由實時數據生成的曲線如圖9和圖10所示。

第一類和第二類實驗的對比分析表明設計的神經網絡解耦控制器能夠實現實驗室熱網流量調節(jié)，實現均勻供熱的目標，證明了設計的控制器是正確的、有效的;而通過圖9和圖10的對比實驗表明，初始溫度相差越小，神經網絡算法所需的調節(jié)時間越短，效果越明顯，達到的控制效果也越理想，同時也驗證了設計的控制器是可靠的。

圖8 數據庫實時顯示界面

圖9 加入控制算法(初始溫差較大)的溫度曲線

圖10 加入控制算法(初始溫差較小)的溫度曲線

3 結語

(1)搭建的控制系統(tǒng)能夠實現對實驗室熱網實現調節(jié)一次網的流量分配和二次網各用戶供回水溫度的監(jiān)控，能夠實現穩(wěn)定供熱和均勻供熱的整體目標。

(2)通過分類、分組實驗，既驗證了設計的神經網絡解耦控制器的可靠性，又證明了該控制器對于處理實驗室熱網這種多輸入、多輸出、非線性、強耦合系統(tǒng)有著明顯的控制效果。

(3)本文是以實驗室集中供熱系統(tǒng)為研究對象，針對當前采集的溫度系數來進行在線的計算與調節(jié)，所以具有一定的滯后性，對實際的大型熱網系統(tǒng)而言需要更多的輸入輸出節(jié)點，其計算的復雜程度以及計算時間將加大;另外，未能將現場條件下的一些干擾以及復雜的外部環(huán)境包括進去;這些方面都有待于進一步的探討，但研究成果對實際的集中供熱系統(tǒng)同樣具有指導意義和應用價值．

總之，結合熱實驗室熱網控制這一工程實例，在實際教學實驗實踐環(huán)節(jié)中能使學生加強對復雜控制系統(tǒng)和智能控制特別是神經網絡解耦控制算法的理解和把握，提高學生分析和解決復雜控制系統(tǒng)控制問題的能力和水平，推動了自動控制理論和智能控制等相關課程的實驗教學改革。

［1］ 孟 哲，劉應宗．我國集中供熱的現狀與對策［J］．華東交通大學學報，2004，21(3):66-69．

［2］ 石兆玉，楊德敏，楊同球．集中供熱優(yōu)化節(jié)能自動控制系統(tǒng)的特點［J］．區(qū)域供熱，2007，44(6):1-8．

［3］ 周守軍．城市集中供熱系統(tǒng)一次網運行優(yōu)化及算法［J］．北京工業(yè)大學學報，2012，38(4):628-635．

［4］ 王慶峰．集中供熱系統(tǒng)運行調節(jié)優(yōu)化及熱負荷預測方法研究［D］．山東:山東大學能源與動力工程學院，2010:45-46．

［5］ Bojic M，TrifunovicN，Gustafsson S I．Mixed 0-1 Sequential Linear Programming Optimization of Heat Distribution in a District-heating System［J］．Energy and Buildings，2000，32(3):309-317．

［6］ 劉文琦，楊建華，林 艷．集中供熱網智能控制方法研究［J］．大連理工大學學報，2004，44(3):464-468．

［7］ Guiyou Chen，Jinlong Huang，Tongjing Sun．Distributed Supervisor System of Heat Supply Network Based on GSM Platform［J］．Proceedings of the 6th World Congress on Intelligent Control and Automation，IEEE，2006:6666-6669．

［8］ 師玉寶．自適應神經網絡PID控制器［J］．青海大學學報(自然科學版)，2005，23(2):67-70．

［9］ 張 磊，胡 春．BP改進算法及其在乙二醇精制軟測量中的應用［J］．自動化儀表，2005，26(6):31-34．

［10］ 曲婧華．基于自適應神經網絡的電路系統(tǒng)故障診斷研究［J］．空軍工程大學學報(自然科學版)，2006，7(4):82-84．

［11］ 薛會梅．智能控制在熱網熱量平衡中的應用研究［D］．大連:大連海事大學，2010:4-6．

［12］ 張 磊，胡 春．BP改進算法及其在乙二醇精制軟測量中的應用［J］．自動化儀表，2005，26(6):31-34．

［13］ 劉國繁，王迎旭．新型智能數字PID控制器及其應用［J］．電機與控制學報，2006，10(4):415-419．

［14］ 李 明，林永君．自適應神經元非模型多變量系統(tǒng)解耦控制［J］．計算機仿真，2003，20(3):68-71．

［15］ Guiyou Chen，Jinlong Huang，Tongjing Sun．Distributed Supervisor System of Heat Supply Network Based on GSM Platform［J］．Proceedings of the 6th World Congress on Intelligent Control and Automation，IEEE，2006:6666-6669．

［16］ Fredrik Wernstedt，Paul Davidsson．An Agent-Based Approach to Monitoring and Control of District Heating Systems［J］．Applications of Artificial Intelligence and Expert Systems，Australia:Cairns，2002:402-411．

［17］ 宋玉梅，張立忠．集中供熱網監(jiān)控系統(tǒng)設計中應考慮的若干問題［J］．區(qū)域供熱，2006(2):10-13．