李 婉,趙秉文,陳軍松,張建強,金 宇

(1. 浙江理工大學, 浙江 杭州 310018；2. 浙江正泰中自控制工程有限公司,浙江 杭州 310018)

隨著我國城鎮(zhèn)化的加速發(fā)展,未來城市會容納越來越多的人口,使得部分地區(qū)的“城市病”日益嚴峻。為迎接城市將要面臨的挑戰(zhàn),實現(xiàn)可持續(xù)發(fā)展,建設智慧城市已成為不可逆轉(zhuǎn)的歷史潮流。集中供熱是我國北方城市的基礎設施之一,而提高其智能化水平是智慧城市不可缺少的環(huán)節(jié)。改革開放后,我國集中供熱事業(yè)得到蓬勃發(fā)展,供熱規(guī)模不斷擴大,管網(wǎng)復雜程度增加,這對供熱系統(tǒng)的運行調(diào)節(jié)提出了更高的要求；但當前供熱系統(tǒng)的運行調(diào)控策略發(fā)展落后,主要依據(jù)用戶投訴率制定生產(chǎn)調(diào)度計劃,致使供需不平衡。因此，距實現(xiàn)“住戶用熱自主化,供熱計量智能化,系統(tǒng)控制自動化” 的目標[1]較遠,供熱的智能化水平還在初級階段,與智慧城市的目標要求相差甚大。

針對目前存在的問題,國內(nèi)外學者做了較多研究,本文主要從負荷預測和熱網(wǎng)運行調(diào)控方面進行闡述?，F(xiàn)階段常用的負荷預測方法有回歸分析法[2-3]、神經(jīng)網(wǎng)絡法[4]、支持向量機[5-6]等。關(guān)于熱網(wǎng)調(diào)控方面,文獻[7]以供熱理論為基礎,研究了質(zhì)量-流量規(guī)律。文獻[8]建立了在熱水網(wǎng)路采用質(zhì)調(diào)節(jié)、質(zhì)量-流量調(diào)節(jié)以及分階段變流量的質(zhì)調(diào)節(jié)時的數(shù)學模型。文獻[9]提出一次網(wǎng)采用均勻性控制策略,以熱源優(yōu)化調(diào)度策略和二次網(wǎng)循環(huán)水泵頻率精細調(diào)節(jié)等作為輔助控制手段,可實現(xiàn)全網(wǎng)平衡和安全節(jié)能運行。目前負荷預測多處于理論研究,用來指導實際工程運行調(diào)控較為罕見。

為提高集中供熱系統(tǒng)的智能化水平,推動供熱事業(yè)前進,本文以某市集中供熱系統(tǒng)為研究對象,深入剖析其現(xiàn)狀,提出運行調(diào)控策略。即運用遺傳算法的全局最優(yōu)搜索能力彌補BP神經(jīng)網(wǎng)絡易陷入局部極小值的局限性,建立換熱站負荷預測模型；根據(jù)負荷預測結(jié)果,即計算相對熱負荷,進而得到運行參數(shù),并與采用氣候補償數(shù)學模型得到的運行參數(shù)進行分析對比,得出集中供熱系統(tǒng)最佳的調(diào)控方案。

1 工程信息

某市大型集中供熱系統(tǒng)的供暖時間從每年的11月15日到次年的3月15日,該市采暖室外計算溫度為-3.9 ℃,室內(nèi)計算溫度為18 ℃,一次網(wǎng)設計供回水溫度為120 ℃/70 ℃,設計供回水壓力為1.6 MPa/0.3 MPa,設計流量為8 100 t/h,二次網(wǎng)設計供回水溫度為75 ℃/50 ℃。目前此系統(tǒng)屬于典型的高耗能粗放型供暖體系,生產(chǎn)調(diào)度計劃主要以天氣狀況為參考,設計工況為基礎,人工經(jīng)驗為補充,用戶投訴率為評價標準,在供暖期對一次網(wǎng)和二次網(wǎng)進行粗略調(diào)節(jié)。

換熱站的采暖用戶類型不同,熱負荷的變化規(guī)律也不完全相同,本文從該集中供熱系統(tǒng)的眾多換熱站中選取一個供暖面積為75 217 m2,設計熱負荷為2 632.6 kW,設計流量為41.2 t/h,以住宅為主的換熱站作為研究對象。將2018/2019共2 664組數(shù)據(jù)作為建模樣本,研究其運行調(diào)控方式。

2 建立預測模型

2.1 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡原理

BP神經(jīng)網(wǎng)絡預測是通過對輸入樣本學習訓練,挖掘隱藏在數(shù)據(jù)內(nèi)部的規(guī)律,并利用學習到的規(guī)律預測未來數(shù)據(jù),具有較好的非線性映射能力和泛化能力,適合解決復雜的非線性問題,但用梯度下降法調(diào)整權(quán)值和閾值會使網(wǎng)絡極易限于局部極小值,且收斂速度慢。遺傳算法(Genetic Algorithm,GA)是運用“優(yōu)勝劣汰,適者生存”的生物學進化原理,開發(fā)的一種并行隨機搜索優(yōu)化方法,根據(jù)適應度函數(shù)選擇個體并進行遺傳學中的交叉和變異,保留適應度強的個體,淘汰適應度差的個體,而新形成的群體繼承上一代的優(yōu)秀信息,又優(yōu)于上一代。遺傳算法是一種全局優(yōu)化算法,可以彌補BP神經(jīng)網(wǎng)絡易陷入局部極小值的缺點,篩選出最優(yōu)BP的權(quán)值和閾值,提高預測精度和收斂速度,具體流程見圖1。

圖1 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡流程

2.2 實驗建模

本文以某市大型集中供熱系統(tǒng)為研究對象,分別建立BP神經(jīng)網(wǎng)絡和GA優(yōu)化BP神經(jīng)網(wǎng)絡兩種換熱站預測模型。預測模型的輸入變量是影響預測精度的首要因素,通過分析不同因素對熱負荷的影響程度以及數(shù)據(jù)獲取的難易程度,選取室外溫度、風速、供水溫度、回水溫度、供水壓力、回水壓力、流量、前3天每天的熱負荷共十個影響因素作為輸入變量,將預測日熱負荷作為輸出變量。

網(wǎng)絡結(jié)構(gòu)和參數(shù)是決定預測模型優(yōu)劣的關(guān)鍵因素,隱含層層數(shù)和節(jié)點數(shù)選取太大會使網(wǎng)絡結(jié)構(gòu)復雜,泛化能力弱。根據(jù)經(jīng)驗,隱含層為一層足以滿足要求,隱含層節(jié)點數(shù)為2a+1(a為輸入變量個數(shù)),所以本文選擇的BP神經(jīng)網(wǎng)絡結(jié)構(gòu)共三層10-21-1。BP神經(jīng)網(wǎng)絡的參數(shù)設置如下：學習速率為0.1,動量因子為0.65,迭代次數(shù)為5 000,誤差精度為0.000 01。遺傳算法的參數(shù)設置：種群規(guī)模為120,進化次數(shù)為80,交叉概率為0.3,變異概率為0.1。BP神經(jīng)網(wǎng)絡仿真結(jié)果與GA優(yōu)化BP神經(jīng)網(wǎng)絡仿真結(jié)果見圖2、圖3。

圖2 實測負荷與預測負荷曲線

圖3 相對誤差曲線

分析上述實驗結(jié)果可知,BP神經(jīng)網(wǎng)絡與GA優(yōu)化BP神經(jīng)網(wǎng)絡的預測值變化趨勢與實測熱負荷變化趨勢一致,但BP神經(jīng)網(wǎng)絡預測的負荷值波動明顯,預測負荷與實測負荷之間存在較大差異,相對誤差區(qū)間處于[-15%,20%],平均相對誤差為2.22%。總體來說,單獨使用BP神經(jīng)網(wǎng)絡預測穩(wěn)定性差,精度低。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡預測的負荷值與實測值擬合效果良好,其相對誤差區(qū)間處于[-8%,6%],平均相對誤差為1.67%,滿足短期熱負荷預測誤差要求。實驗結(jié)果說明BP神經(jīng)網(wǎng)絡可以預測熱負荷變化趨勢,但是預測值與實測值差異較大,難以滿足精度要求。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的權(quán)值和閾值的性能較好,可以減小BP神經(jīng)網(wǎng)絡陷入局部極小值的概率,同時使網(wǎng)絡收斂速度快,泛化能力強,在預測熱負荷時表現(xiàn)出較高的預測精度,可以滿足工程需要。

3 運行調(diào)控方案

熱網(wǎng)運行調(diào)控是保證供熱系統(tǒng)安全穩(wěn)定運行的基礎,是決定用戶采暖質(zhì)量的關(guān)鍵。隨著我國供熱收費制度改革工作的順利開展,居民按需取熱的意識增強,供熱計量監(jiān)管制度初步形成。但目前缺乏科學合理的調(diào)控策略,難以根據(jù)熱負荷變化或者用戶側(cè)的熱量需求實時調(diào)控。因此,合適的管網(wǎng)運行調(diào)控策略是實現(xiàn)按需取熱、節(jié)能降耗的關(guān)鍵。

3.1 熱負荷預測調(diào)節(jié)方案

目前多數(shù)換熱站的調(diào)節(jié)是遭遇極端天氣時,根據(jù)人工經(jīng)驗手動調(diào)節(jié),或者直接依據(jù)設計工況運行,這樣落后的模式會造成用戶側(cè)需熱與熱源側(cè)供熱不匹配。設計熱負荷是依據(jù)室外計算供暖溫度計算得到的,但整個供暖季中實際室外溫度大多數(shù)高于室外計算溫度,同時考慮太陽輻射和風速，以及實際施工過程中的保溫措施或者改建等因素對其影響,實際熱負荷通常低于設計熱負荷,所以傳統(tǒng)的調(diào)節(jié)方式根據(jù)設計工況和人工經(jīng)驗,粗略調(diào)節(jié)熱網(wǎng)難以實現(xiàn)智慧供熱的目標,故準確的熱負荷預測指導熱網(wǎng)運行調(diào)控顯得尤為重要。

依據(jù)供熱系統(tǒng)的熱平衡原理,忽略其沿程熱損耗,此時建筑物的采暖熱負荷等于室內(nèi)采暖設備處的散熱量,同時等于供暖系統(tǒng)向熱用戶輸送的熱量,依此原理求出質(zhì)調(diào)節(jié)的供回水溫度計算公式：

(1)

(2)

式(1)(2)中：tg和th分別為非設計工況下的二次側(cè)供回水溫度;

b為散熱器傳熱指數(shù),b=0.17～1.37,通常取0.3;

公式(1)表示質(zhì)調(diào)節(jié)時二次網(wǎng)供水溫度與相對熱負荷的關(guān)系,為了方便計算分析,通常按照采暖熱負荷與室內(nèi)外溫差成正比且忽略太陽輻射、室外風速風向等對其影響,簡化為公式(2)計算相對熱負荷。這種計算方式會存在誤差。本文根據(jù)前述建立的負荷預測模型,提前預測所需實際熱負荷Q,用預測的實際熱負荷與設計熱負荷之比計算相對熱負荷,進而得到二次網(wǎng)的供水溫度,調(diào)節(jié)一次側(cè)的電動調(diào)節(jié)閥達到其目標溫度。這種調(diào)控方式能夠有效避免上述存在的誤差,同時可以提前制定供熱計劃,緩解集中供熱的滯后性問題。

3.2 氣候補償調(diào)節(jié)方案

(3)

4 不同調(diào)節(jié)方案對比分析

為了說明基于負荷預測的熱網(wǎng)運行調(diào)控策略的優(yōu)勢,以該集中供熱系統(tǒng)為研究對象,2018/2019供暖季的實際運行數(shù)據(jù)為依據(jù),對比采用兩種方案的運行參數(shù)。

2018/2019供暖季的歷史負荷約888～2 542 kW,按照GA優(yōu)化BP神經(jīng)網(wǎng)絡建立模型的平均相對誤差1.67%計算,則預測的熱負荷范圍大約位于873.17～2 584.45 kW,相對熱負荷和二次供水溫度見表1。

若用氣候補償法時,某市2018/2019年采暖季的室外溫度在-7.8℃～17.9℃,代入公式(3)計算相對熱負荷和二次供水溫度見表1。

表1 不同調(diào)節(jié)方案的運行參數(shù)

分析對比根據(jù)負荷預測法和氣候補償法分別計算相對熱負荷和供水溫度,得出基于熱負荷預測得到的二次供水溫度更加科學合理。因為該集中供熱系統(tǒng)末端未安裝溫度檢測設備,無法檢測熱用戶室溫是否合格,所以本文以用戶投訴率為評價指標,經(jīng)現(xiàn)場調(diào)研，2018/2019年采暖季沒有用戶投訴,實際熱負荷通常是設計熱負荷的45%～84%,就可以滿足用戶用熱需求。由表1可知,根據(jù)熱負荷預測結(jié)果調(diào)節(jié)法得到的相對熱負荷更符合實際情況,供水溫度更科學合理。通過氣候補償法計算的相對熱負荷和供水溫度不符合實際工程需要,當室外溫度低于-4 ℃時,二次供水溫度大于設計溫度；當室外溫度過高時,供水溫度過小,難以滿足實際需要。說明按照預測結(jié)果調(diào)控電動調(diào)節(jié)閥開度更加科學合理、節(jié)能降耗,且能夠提前制定供熱方案,采用氣候補償法的節(jié)能效果差,容易出現(xiàn)供大于需或供小于需,與智慧供熱的目標相悖。

5 結(jié) 語