一种基于蒸汽负荷预测的源网协同预测性调度方法技术

本发明专利技术公开了一种基于蒸汽负荷预测的源网协同预测性调度方法，涉及蒸汽供热系统调度技术领域，该方法基于热用户负荷预测模型确定供热系统内所有热用户在未来预定时长内的热用户预测负荷的总和，利用供热系统的运行参数和供热系统所在环境的环境参数基于热网管损预测模型确定未来预定时长内的热网预测管损，从而预测得到未来时段热源机组的蒸汽预测负荷为所有热用户预测负荷的总和与所述热网预测管损之和，从而可以按照未来预定时长内的蒸汽预测负荷主动提前调整热源机组的运行状态以适应热网负荷变化，解决被动调整带来的能耗增加问题，既满足了用户负荷波动情况下的供需平衡，又降低了运维成本，提高了蒸汽管网的运行安全性、可靠性和经济性。可靠性和经济性。可靠性和经济性。

【技术实现步骤摘要】
一种基于蒸汽负荷预测的源网协同预测性调度方法


[0001]本专利技术涉及蒸汽供热系统调度
，尤其是一种基于蒸汽负荷预测的源网协同预测性调度方法。

技术介绍

[0002]在退城进园的大背景下，城市工业企业逐渐向工业园区集中，当前工业行业逐步从“低、小、散、乱”的粗放型向“集约式生态工业园区”转变，工业园区和集中供汽有利于提升能源利用的综合效率，降低单位能耗，对于推动基于系统化集成、能源梯级利用的循环经济发展有着重要意义，然而，随着越来越多工业企业进入园区，热源单位蒸汽调度难度也随之增加。
[0003]目前传统蒸汽热源调度流程为：(1)各热用户向热源单位上报第二日用汽计划，原则上每日热源负荷按照上报计划生产，具体小时用汽量由热用户自行调整；(2)当热用户负荷大幅度波动时，需要通知热源单位，热源单位判断锅炉内部是否具备增减负荷的条件，再告知热用户是否同意增减用汽量；(3)紧急情况下，热源单位根据锅炉保护定值进行负荷调整，同时结合实际情况通知热用户增加或减少用汽量，必要时采取锅炉排汽等措施，最终满足热用户温度、压力要求。
[0004]但是上述蒸汽调度方法存在一定缺陷：(1)供热负荷随热用户用汽、停汽频繁大幅度波动，热源单位的供热机组的运行方式被动调整滞后严重，导致了锅炉乃至整个供热机组能耗增加；(2)负荷波动更大时，热源单位的供热机组被动调整可能造成“水击”事故，增加了管网的运维成本，同时对热源单位的安全运行造成一定影响。

技术实现思路

[0005]本专利技术人针对上述问题及技术需求，提出了一种基于蒸汽负荷预测的源网协同预测性调度方法，本专利技术的技术方案如下：
[0006]一种基于蒸汽负荷预测的源网协同预测性调度方法，该方法包括：
[0007]基于热用户负荷预测模型确定供热系统内所有热用户在未来预定时长内的热用户预测负荷的总和，热用户负荷预测模型基于各个热用户的历史运行数据预先建立得到；
[0008]采集供热系统的运行参数以及供热系统所在环境的环境参数，利用运行参数和环境参数基于热网管损预测模型，确定供热系统在未来预定时长内的热网预测管损，热网管损预测模型基于供热系统的历史运行数据和历史环境数据预先建立得到；
[0009]按照未来预定时长内的蒸汽预测负荷提前调整供热系统中的热源机组的运行状态，使得利用最少的热源机组满足蒸汽预测负荷，蒸汽预测负荷为所有热用户预测负荷的总和与热网预测管损之和。
[0010]本专利技术的有益技术效果是：
[0011]本申请公开了一种基于蒸汽负荷预测的源网协同预测性调度方法，该方法利用反映热用户用汽特性的热用户负荷预测模型预测热用户的需求符合，同时结合运行参数和环
境参数对热网管损进行预测，从而预测得到未来时段热源机组需求负荷，主动提前调整热源机组的运行状态以适应热网负荷变化，解决被动调整带来的能耗增加问题，既满足了用户负荷波动情况下的供需平衡，又降低了运维成本，提高了蒸汽管网的运行安全性、可靠性和经济性。
[0012]另外，该方法充分考虑不同热用户用汽特性和生产周期等因素，采用不同的策略对规律用汽和不规律用汽的热用户的未来时段负荷分别进行预测，可充分挖掘蕴含在园区运行数据内部的特性和规律，实现对不同热用户的准确的负荷追踪。
附图说明
[0013]图1是本申请的源网协同预测性调度方法的流程示意图。
[0014]图2是一个实施例中的PID串级控制系统的控制示意图。
[0015]图3是一个实施例中分别对规律热用户和不规律热用户的建模和预测方法示意图。
具体实施方式
[0016]下面结合附图对本专利技术的具体实施方式做进一步说明。
[0017]本申请公开了一种基于蒸汽负荷预测的源网协同预测性调度方法，该方法包括如下步骤，请参考图1所示的流程图：
[0018]步骤110，基于热用户负荷预测模型确定供热系统内所有热用户在未来预定时长内的热用户预测负荷的总和，热用户负荷预测模型基于各个热用户的历史运行数据预先建立得到。
[0019]供热系统主要包括热源、供热管网和若干个热用户，热源通过供热管网给若干个热用户提供蒸汽，热用户在未来预定时长内的热用户预测负荷也即热用户所需要的蒸汽耗量，不同的热用户在未来预定时长内的热用户预测负荷可能相同、但往往是不同的。本申请首先利用热用户负荷预测模型预测确定每个热用户在未来预定时长内可能需要的蒸汽耗量，也即热用户预测负荷，然后相加得到供热系统内所有热用户的热用户预测负荷的总和。
[0020]未来预定时长的具体时长可以自定义设置，所得到的热用户预测负荷的总和一般是按预定的时间颗粒度划分得到的时间序列。比如未来预定时长为未来5小时，预定的时间颗粒度为一小时，则这一步所确定的所有热用户在未来预定时长内的热用户预测负荷的总和包括未来5小时内每小时的热用户预测负荷的总和。
[0021]步骤120，采集供热系统的运行参数以及供热系统所在环境的环境参数，利用运行参数和环境参数基于热网管损预测模型，确定供热系统在未来预定时长内的热网预测管损，热网管损预测模型基于供热系统的历史运行数据和历史环境数据预先建立得到。
[0022]热源提供的蒸汽在通过供热管网传输给各个热用户的过程中，难免存在一定的损耗，这一步即确定传输导致的固有损耗。而这一损耗在运行参数和/或环境参数不同时会存在差异，因此首先采集运行参数和环境参数，运行参数和环境参数可以通过布设在供热系统相应位置的各类传感器采集得到。然后利用热网管损预测模型确定当前状态下的热网预测管损。一般可以认为，供热系统的运行参数和环境参数都在短期内都是稳定的，所以热网预测管损在短期内也是稳定的，因此可以直接利用当前的数据进行预测。需要说明的是，实
际步骤120和步骤110没有特定的先后关系。
[0023]供热系统的运行参数包括供热系统中的热源出口的蒸汽温度、蒸汽压力和蒸汽流量中的至少一种，供热系统所在环境的环境参数包括室外温度、室外湿度和室外风速中的至少一种，实际运行时通常包括上述所有参数。
[0024]步骤130，按照未来预定时长内的蒸汽预测负荷提前调整供热系统中的热源机组的运行状态，使得利用最少的热源机组满足蒸汽预测负荷。
[0025]蒸汽预测负荷H
y
为所有热用户预测负荷的总和与热网预测管损之和。请参考图2，设计PID串级控制系统包括：蒸汽压力设定值SP与分汽缸输出的分汽缸压力P的差值作为第一PID控制器的输入，分汽缸与供热系统中的热源机组相连。未来预定时长内的蒸汽预测负荷H
y
与第一PID控制器的输出的差值作为第二PID控制器的输入。以分汽缸输出的分汽缸压力P作为主调节参数，以第二PID控制器输出的总蒸汽量为副调节参数进行PID控制，本申请采用蒸汽压力和蒸汽负荷PID串级控制，维持分汽缸压力稳定。
[0026]在提前调整供热系统中的热源机组的运行状态时，提前的预定时长可以自定义，比如提前15分钟，具体的调整方式为：
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蒸汽负荷预测的源网协同预测性调度方法，其特征在于，所述方法包括：基于热用户负荷预测模型确定供热系统内所有热用户在未来预定时长内的热用户预测负荷的总和，所述热用户负荷预测模型基于各个热用户的历史运行数据预先建立得到；采集所述供热系统的运行参数以及所述供热系统所在环境的环境参数，利用所述运行参数和环境参数基于热网管损预测模型，确定所述供热系统在未来预定时长内的热网预测管损，所述热网管损预测模型基于所述供热系统的历史运行数据和历史环境数据预先建立得到；按照未来预定时长内的蒸汽预测负荷提前调整所述供热系统中的热源机组的运行状态，使得利用最少的热源机组满足所述蒸汽预测负荷，所述蒸汽预测负荷为所有热用户预测负荷的总和与所述热网预测管损之和。2.根据权利要求1所述的方法，其特征在于，所述基于热用户负荷预测模型确定供热系统内所有热用户在未来预定时长内的热用户预测负荷的总和，包括：对于每个规律热用户，基于所述规律热用户的第一预测模型确定所述规律热用户在未来预定时长内的热用户预测负荷，规律热用户是用汽特性随着时间周期具有预定变化规律的热用户，每个规律热用户的第一预测模型基于所述规律热用户的历史运行数据建立得到，且反映所述规律热用户的蒸汽耗量随着时间周期的变化规律；对于每个不规律热用户，获取所述不规律热用户在未来预定时长内的商品生产计划，利用所述商品生产计划基于所述不规律热用户的第二预测模型确定所述不规律热用户在未来预定时长内的热用户预测负荷；不规律热用户是用汽特性随着时间周期不具有预定变化规律的热用户，每个不规律热用户的第二预测模型基于所述不规律热用户的历史运行数据建立得到，且反映所述不规律热用户的蒸汽耗量随着商品产量的变化规律；将所有规律热用户的热用户预测负荷与所有不规律热用户的热用户预测负荷相加，得到所有热用户在未来预定时长内的热用户预测负荷的总和。3.根据权利要求2所述的方法，其特征在于，所述方法还包括，对于每个规律热用户：从所述规律热用户的历史运行数据中构建M个时间上不相交的样本集，每个样本集包含所述规律热用户在历史预定时长内按预定的时间颗粒度划分的蒸汽耗量时间序列；将每个样本集中蒸汽耗量时间序列作为输出、对应的时间序列作为输入，利用M个样本集基于RBF神经网络训练得到所述第一预测模型。4.根据权利要求2所述的方法，其特征在于，所述方法还包括，对于每个不规律热用户：从所述不规律热用户的历史运行数据中获取所述不规律热用户在生产每种商品时单位时间内的蒸汽耗量，单位时间按预定的时间颗粒度划分得到；则确定所述不规律热用户的第二预测模型为H＝A
·
B，其中，为所述不规律热用户的商品生产计划，对于任意1≤r≤R和1≤n≤N，a
rn
为所述不规律热用户计划在未来的第r单位时间内生产的第n种商品的产量，N为商品的种类总数；B＝(b1,b2,
…
,b
N
)
T
为所述不规律热用户在生产每种商品时单位时间内的蒸汽耗量，任意的b
n
为所
述不规律热用户在生产第n种商品时单位时间内的蒸汽耗量；H＝(h1,h2,
…
,h
R
)
T
为所述不规律热用户在未来预定时长内的热用户预测负荷，任意的h
r
表示所述不规律热用户在未来的第r单位时间内的蒸汽耗量。5.根据权利要求4所述的方法，其特征在于，所述从所述不规律热用户的历史运行数据中获取所述不规律热用户在生产每种商品时单位时间内的蒸汽耗量，包括：从所述不规律热用户的历史运行数据中构建K个时间上不相交的样本集，每个样本集包含所述不规律热用户在历史预定时长内按预定的时间颗粒度划分的商品产量序列和蒸汽耗量时间序列H
′
＝(h
′1,h
′2,
…
,h
′
I...

【专利技术属性】
技术研发人员：周孝明，史一哲，
申请(专利权)人：无锡混沌能源技术有限公司，
类型：发明
国别省市：