一种基于热负荷预测的电蓄热装置控制系统及方法制造方法及图纸

本发明专利技术提供一种基于热负荷预测的电蓄热装置控制系统及方法，涉及热负荷预测及控制技术领域。该装置包括热负荷预测单元、数据采集单元、控制单元、信息传输单元及能效管理单元；采用该装置进行控制的方法为：构建训练样本集，并对其进行预处理和归一化处理；然后建立RBF神经网络预测模型，应用模型对未来时刻热负荷需求进行预测，得到下一时刻热负荷需求值，并进行反归一化处理得到预测的真实值；再应用马尔科夫方法修正预测值；最后将预测值作为给定值输入给电蓄热装置的控制器，实现跟踪热负荷需求值目的。本发明专利技术提供的基于热负荷预测的电蓄热装置控制系统及方法充分发挥RBF神经网络和马尔科夫理论各自的长处，优势互补，大大提高预测的精确度。

A Control System and Method of Electric Heat Storage Device Based on Heat Load Prediction

The invention provides a control system and method of an electric heat storage device based on heat load forecasting, which relates to the technical field of heat load forecasting and control. The device consists of heat load forecasting unit, data acquisition unit, control unit, information transmission unit and energy efficiency management unit. The control method of the device is to construct training sample set and preprocess and normalize it. Then, the RBF neural network forecasting model is established to predict the heat load demand at the future time and obtain the heat at the next time. The load demand value is normalized to get the real value of the forecast, and then the Markov method is used to modify the forecast value. Finally, the forecast value is input as a given value to the controller of the power supply heat storage device to achieve the purpose of tracking the heat load demand value. The control system and method of the electric heat storage device based on heat load forecasting provided by the invention give full play to the respective advantages of RBF neural network and Markov theory, complement each other in advantages, and greatly improve the accuracy of forecasting.

【技术实现步骤摘要】
一种基于热负荷预测的电蓄热装置控制系统及方法
本专利技术涉及热负荷预测及控制
，尤其涉及一种基于热负荷预测的电蓄热装置控制系统及方法。
技术介绍
冬季城市供暖一直是人们密切关注的问题，供热工程是提高人民生活质量、促进社会和谐稳定的民生工程。但是，热量作为一种能量，不能进行大量存储，在同一时间内，如果产生的热量大于用户消耗的热量，就会造成能量的浪费；反之，如果产生的热量不足以满足用户的需求，就会导致用户的热舒适性变差。因此，对热负荷需求进行提前预测，根据热负荷的预测值，及时调整热源的运行方案，使供热量实时跟踪热负荷需求的变化，对提高用户的热舒适度、节能减排具有十分重要的意义。目前，热负荷的预测方法主要采用以BP神经网络等为代表的智能算法，其存在着收敛速度慢，容易陷入局部极小值的缺点。RBF是一种单隐含层的前馈神经网络，能以任意精度逼近非线性函数，其结构简单、学习速度快，具有良好的局部逼近能力，且不存在局部最优的问题，相对于BP网络来说性能更优。马尔科夫理论是根据随机过程的状态和转移规律，对下一时刻随机变量所处的状态进行预估，适合处理随机变化较强的问题。二次供热调节技术主要有以下几本文档来自技高网...

【技术保护点】
1.一种基于热负荷预测的电蓄热装置控制系统，其特征在于：包括热负荷预测单元、数据采集单元、控制单元、信息传输单元及能效管理单元；所述热负荷预测层根据RBF神经网络预测模型并经过马尔科夫误差修正，得到最终的热负荷需求值，将其作为给定值输入给控制单元，使控制单元提前控制风机、循环水泵这些执行机构，进而调节热负荷实际值，达到需求值与实际值匹配运行；所述数据采集单元包括安装在电蓄热装置上的温度传感器、温度变送器、流量传感器和流量变送器，通过这些元件采集电蓄热装置的现场运行参数，并上传给控制单元进行处理；所述控制单元包括PLC控制器、周波功率调节器和变频器，其中，PLC控制器的模拟量输出模块与周波功率调...

【技术特征摘要】
1.一种基于热负荷预测的电蓄热装置控制系统，其特征在于：包括热负荷预测单元、数据采集单元、控制单元、信息传输单元及能效管理单元；所述热负荷预测层根据RBF神经网络预测模型并经过马尔科夫误差修正，得到最终的热负荷需求值，将其作为给定值输入给控制单元，使控制单元提前控制风机、循环水泵这些执行机构，进而调节热负荷实际值，达到需求值与实际值匹配运行；所述数据采集单元包括安装在电蓄热装置上的温度传感器、温度变送器、流量传感器和流量变送器，通过这些元件采集电蓄热装置的现场运行参数，并上传给控制单元进行处理；所述控制单元包括PLC控制器、周波功率调节器和变频器，其中，PLC控制器的模拟量输出模块与周波功率调节器连接，周波功率调节器与电蓄热装置中的电加热丝连接，以调节加热功率和加热时间；PLC控制器通过以太网与变频器连接，变频器的三相交流电输出端口与电蓄热装置中的离心风机和循环水泵连接；所述信息传输单元包括协议转换器和GPRS模块，其中，协议转换器的RS485端口与PLC控制器的Profibus-DP端口连接，PLC控制器将采集到的现场数据通过ModbusRTU协议写入到协议转换器中，协议转换器的另外一端RS485端口与GPRS模块的RS485端口连接，GPRS模块通过IEC104协议将数据上传给能效管理单元；所述能效管理单元包括监控系统界面，实时显示供热系统的运行状态，及以趋势图的形式反映重要参数的变化趋势，并且当参数越限时能发出报警提示；同时能够进行参数的修改，以实现对电蓄热装置的远程控制。2.根据权利要求1所述的一种基于热负荷预测的电蓄热装置控制系统，其特征在于：所述数据采集单元采集的数据包括热源侧数据和热网侧数据，其中，热源侧参数包括循环水泵转速、离心风机转速，热网侧参数包括出水温度、回水温度、循环流量。热网侧出水温度、回水温度、循环流量数据分别经过变送器将物理信号转换为电信号，然后经过RS485总线接入到控制单元的模拟量输入信号模块。3.采用本发明权利要求1所述的的基于热负荷预测的电蓄热装置控制系统对电蓄热装置进行控制的方法，包括以下步骤：步骤1、采集热负荷影响因素及供热负荷的历史数据，构建训练样本集，并对其进行预处理和归一化处理；步骤2、建立RBF神经网络预测模型，将样本数据随机划分为训练数据和测试数据，把影响因素数据作为输入量，实测热负荷数据作为标准量，对神经网络模型进行反复地训练，直到误差满足设定的要求或者达到最大迭代次数；步骤3、利用学习训练得到的RBF神经网络模型对未来时刻热负荷需求进行预测，用以得到下一时刻热负荷需求值，然后对得到的下一时刻热负荷需求值进行反归一化处理得到预测的真实值；步骤4，应用马尔科夫方法计算RBF神经网络预测值与实测值相对误差的修正值，进而得到经修正后的预测值；步骤5、将热负荷预测值作为给定值输入给电蓄热装置的控制器，与实际热负荷值进行比较计算，输出控制量给变频器来调节离心风机和循环水泵的转速，使离心风机和循环水泵协调配合以调节实际热负荷，达到跟踪热负荷需求值而变化的目的。4.根据权利要求3所述的一种基于热负荷预测的电蓄热装置控制方法，其特征在于：所述步骤1的具体方法为：步骤1.1、所述热负荷影响因素包括室外环境、短期内的热负荷历史值和日期类型三大类；室外环境包括室外温度、风速、光照强度；考虑到热力系统存在着热惰性，短时间内热负荷不会发生太大的改变，所以用前三个时刻的热负荷值来预测下一时刻的热负荷需求；日期类型分为工作日和休息日，不同的日期类型热负荷需求也不同；因此，将t时刻室外温度、风速、光照强度、日期类型，t-1时刻的热负荷、t-2时刻的热负荷、t-3时刻的热负荷作为影响因素，t时刻的实际热负荷作为对应的目标数据，建立一个训练样本集，用数学表达式描述为[(x1，y1)，(x2，y2)......(xn，yn)]，其中xi表示第i个样本的影响因素数据，yi表示第i个样本的的热负荷数据，i＝1，2，3...n，n为样本总数；步骤1.2、模糊因素量化处理；将日期类型记为D，D＝0.15+0.1v，其中v＝1，2，3......7，为周一到周日的类型日；步骤1.3、数据预处理；训练之前，对原始数据进行预处理，去除错误数据并补全缺失数据；热负荷值P必须大于零，当出现P＜0的情况应该予以剔除；对于首末端数据空缺的情况，采用其前值或后值替代；对于中间数据空缺的情况以线性插值的方法将其补全；步骤1.4、数据归一化处理；对数据进行归一化处理，将其转化到[0，1]区间内，如下公式所示：其中，xi为实测的数据，xmax和xmin分别表示样本数据的最大值和最小值，x′i为归一化之后的数据。5.根据权利要求4所述的一种基于热负荷预测的电蓄热装置控制方法，其特征在于：所述步骤2的具体方法为：步骤2.1、神经网络结构的设计；所述RBF神经网络模型包括输入层、隐含层和输出层；输入层和隐含层之间直接连接，隐含层与输出层之间通过权值连接；隐含层的激活函数为关于径向对称的函数；步骤2.1.1、根据影响因素数量来确定输入层节点数；步骤2.1.2、确定隐含层节点数；采用调试法确定隐含层节点数；步骤2.1.3、确定输出层节点数；RBF神经网络模型的输出结果为热负荷，所以输出层有1个节点；对应输出结果的表达式为：其中，Oi为第i个输入样本经过神经网络运算得出的输出值，ωij为第i个输入样本下第j个隐含层节点与输出层的连接权值，为第i个输入样本...

【专利技术属性】
技术研发人员：王迎春，王辉，张化光，杨东升，周博文，刘振伟，罗艳红，杨珺，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21