基于大数据的蒸汽热网配汽站预测性调控决策方法技术

本发明专利技术公开了一种基于大数据的蒸汽热网配汽站预测性调控决策方法，它包括：步骤S1，从数据库中读取蒸汽热网及配汽站的逐日运行数据，并进行数据预处理；步骤S2，选取辨识对象，判断在不同工况下，配汽站减温减压设备中与辨识对象相关度最高的调控特征参数，将其确定为基本特征，并确定辨识对象所需的响应特征和其他特征；步骤S3：将滑动时间窗长度等分为两段，计算前后两段时间窗内的基本特征移动算术平均差值，得到移动算术平均差值的时间序列。本发明专利技术提供一种基于大数据的蒸汽热网配汽站预测性调控决策方法，能够通过数据辨识的方法自动获得配汽站的调控滞后时间，且不依赖于高质量的采集数据，生成调控策略，实现精准调节。

【技术实现步骤摘要】
基于大数据的蒸汽热网配汽站预测性调控决策方法
本专利技术涉及一种基于大数据的蒸汽热网配汽站预测性调控决策方法。
技术介绍
目前，传统的集中供热系统蒸汽热网调控有大滞后，热惰性等问题，每个蒸汽热网下配汽站和用户因其工况、规模和结构不同，热滞后时间各不相同，因此运营人员往往需要对每个站都需要经历调节、稳定、再调节的反复校准过程，效率低下且对运行人员的技术水平要求很高。此外，在我国集中供热发展早期，行业自动化水平较为落后，如今供热企业开始逐步建设供热系统的SCADA平台，支持将各热力站点的数据统一采集到集控中心进行实时展示，但由于种种原因，如数据的通讯异常、工况的波动、设备精度等问题，导致热网采集数据的质量较差。蒸汽热网存在热滞后问题，并且蒸汽管网的机理建模过于复杂，利用历史数据进行数据辨识配汽站的调控存在滞后特性，导致对配汽站的调度控制不够精确。
技术实现思路
本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种基于大数据的蒸汽热网配汽站预测性调控决策方法，本专利技术以历史大数据为基础，结合热网结构，能够通过数据辨识的方本文档来自技高网...

【技术保护点】
1.一种基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，它包括：/n步骤S1，从数据库中读取蒸汽热网及配汽站的逐日运行数据，并进行数据预处理；/n步骤S2，选取辨识对象，判断在不同工况下，配汽站减温减压设备中与辨识对象相关度最高的调控特征参数，将其确定为基本特征，并确定辨识对象所需的响应特征和其他特征；/n步骤S3：将滑动时间窗长度等分为两段，计算前后两段时间窗内的基本特征移动算术平均差值，得到移动算术平均差值的时间序列；/n步骤S4，设置响应特征的稳定范围，将响应特征的值超出稳定范围的时间点设置为工况变化点，设置基本特征变动阈值，将工况变化点后基本特征移动算术平均差超过该阈值的时间...

【技术特征摘要】
1.一种基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，它包括：
步骤S1，从数据库中读取蒸汽热网及配汽站的逐日运行数据，并进行数据预处理；
步骤S2，选取辨识对象，判断在不同工况下，配汽站减温减压设备中与辨识对象相关度最高的调控特征参数，将其确定为基本特征，并确定辨识对象所需的响应特征和其他特征；
步骤S3：将滑动时间窗长度等分为两段，计算前后两段时间窗内的基本特征移动算术平均差值，得到移动算术平均差值的时间序列；
步骤S4，设置响应特征的稳定范围，将响应特征的值超出稳定范围的时间点设置为工况变化点，设置基本特征变动阈值，将工况变化点后基本特征移动算术平均差超过该阈值的时间点设置为调控起始点；
步骤S5，将响应特征的值再次进入目标稳定范围，且在连续时间窗内的移动算术平均差都小于稳定阈值的第一个时间窗起始点设置为调控完成点，将调控完成点和调控起始点之间的时间差作为配汽站调控滞后时间；
步骤S6，根据配汽站调控滞后时间，生成以调控起始点作为开始的规定长度的基本特征序列，利用机器学习辨识出配汽站调控滞后时间和基本特征序列、其他特征以及天气因素之间的函数关系，得到在不同天气，不同减温水流量变化及不同的工况下配汽站的调控滞后时间计算模型；
步骤S7，设置基本特征单次变化梯度及上下限值，根据所需调控起始点的基本特征值，生成基本特征序列，并根据步骤S6所得函数关系，求解目标函数，得到基本特征序列中的参数向量，使得配汽站工作人员可根据所需滞后时间对基本特征进行调控。


2.根据权利要求1所述的基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，所述步骤S1具体为：
针对大型蒸汽热网供热系统，通过其物联感知系统实时采集数据并更新历史数据库，从数据库中读取N天数据集D＝{C1，C2......CN}，Cl为其中一天数据集，1≤l≤N，其中n代表特征数，m代表当天数据采集数，aij(1≤i≤m,1≤j≤n)即为当天第i个采集时间点第j个特征值；
对读取出来的各个数据aij进行数据预处理，包括缺失值处理和异常值处理；
所述的缺失值处理为：遍历Cl中各个数据aij(1≤i≤m,1≤j≤n),若aij为缺失值null，则通过该特征前后两点平均值去填补该点，即如果缺失值数量多于k，则舍弃该天数据，k为人为设置的缺失值数目上限阈值；
所述的异常值处理为：利用3-σ原则判别异常点，若aij(1≤i≤m,1≤j≤n)被判别为异常点，删除该异常值，并通过该特征前后两点平均值去填补该点，即


3.如权利要求1所述的基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，所述步骤S2中选取辨识对象及相关特征参数，具体如下：
确定通过数据辨识的对象为配汽站调控滞后时间，与此直接相关的特征有Qsp,Tsp,Psp,Qcw,dur,Tur，其中Qsp代表管道蒸汽流量，Tsp代表管道蒸汽温度，Psr代表管道蒸汽压力，Qcw代表与滞后时间相关度最高的减温减压设备特征，dur代表用户与配汽站之间的管道距离，Tur代表用户所接收的蒸汽温度，辨识配汽站的调控滞后时间以Qcw为基本特征，Tur为响应特征，Qsp,Tsp,Psp,dur为其他特征。


4.如权利要求1所述的基于大数据的蒸汽热网配汽站预测性调控决策方法，其特征在于，所述步骤S3中滑动时间窗长度Δt应至少包含一次明显的工况变动，将所述滑动时间窗长度等分为两段：

和其中ti为当天采集的第i个时刻(1≤i≤m-Δt)，计算前后两段时间内基本特征jbase的算术平均分别为：






其中，jbasei1代表在时刻i对应的前半段时间窗内该基本特征的算术平均值，jbasei2代表在时刻i对应的后半段时间窗内该基本特征的算术平均值；
针对每个时刻i，计算其时间窗内的前后两段算术平均之差为：
diffi＝jbasei2-jbasei1；
进而得到所述移动算术平均差值的时间序列：
[diff1,dif...

【专利技术属性】
技术研发人员：蒋志坚，孟雷金，尹冬年，王文宇，
申请(专利权)人：无锡华光环保能源集团股份有限公司，无锡惠联热电有限公司，
类型：发明
国别省市：江苏;32