一种基于核极限学习机误差修正的蒸汽仿真计算方法技术

本发明专利技术是针对目前蒸汽供热网络仿真方法存在的模型构建准确性较差的问题，提供了一种基于核极限学习机误差修正的蒸汽仿真计算方法。首先确认采集管道参数及蒸汽参数，分为训练样本用于建立蒸汽水热力耦合仿真模型计算，利用真实管网数据对仿真结果校验得到的误差，作为遗传算法

【技术实现步骤摘要】
一种基于核极限学习机误差修正的蒸汽仿真计算方法


[0001]本专利技术涉及能源系统仿真的
，具体涉及一种基于核极限学习机误差修正的蒸汽仿真计算方法。背景知识
[0002]随着城市不断优化用地布局，集群式的工业园区已经成为拉动我国区域经济快速增长、推动区域技术创新的重要途径。然而由于工业园区企业建设并非统一规划落实，而是根据需求不算产业扩张、结构重组而成，非系统化的建筑建设给工业园区的供热系统的动态建设带来了极大的挑战。在此背景下，如何运用新建管网智能系统解决供热系统增量扩容和热网结构日趋复杂条件下的局部管路过载、供需不匹配等问题已经成为当下综合能源系统需要攻克的难题。
[0003]针对工业园区复杂蒸汽供热管网突出的安全性与品质保障问题，传统的供热系统大多依靠经验对管网流量输送进行调节，能源浪费现象严重。因此需要智慧供热理念在以集中供热为主要供热方式的工业园区中深入运用，即以基于模型的供热规划为技术核心，以基于智能优化算法的机器解算为技术支撑，推进供热系统规划的智能化、精细化发展。近年来，集中供热技术(Generation District本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于核极限学习机误差修正的蒸汽仿真计算方法，其特征在于，包括以下步骤：S1，确认采集管道参数及蒸汽参数，并随机分为训练样本和测试样本。将训练样本建立水力热力耦合模型进行计算，并将计算结果与实际测量值相减，得到训练样本的机理误差。S2，以训练样本的管道参数、蒸汽参数作为输入，机理误差作为输出进行遗传算法
‑
核极限学习机误差预测模型的训练。S3，将测试样本用于水力热力耦合计算，计算得到机理计算结果。将训练完的遗传算法
‑
核极限学习机模型对测试样本进行机理误差的预测。将测试样本的误差预测值修正测试样本的水力热力耦合计算结果，得到混合模型输出。2.如权利要求1所述的基于核极限学习机误差修正的蒸汽仿真计算方法，其特征在于，所述步骤S1中确认采集管道参数及蒸汽参数包括：1)管网各管道的管径、长度、拓扑结构。管径大小对于蒸汽管网水热力耦合计算的计算结果的影响是毋庸置疑的，根据Q＝V
·
M可知流量参数Q和流速参数V与管道界面面积M息息相关，而面积M与管道的管径呈二次关系，所以管径大小对最终的蒸汽水热力耦合计算结果有很大影响。另外管道长度关系着蒸汽管道网络的沿程损。节点及分支构成了流体网络的最小连接元，一个大的流体网络就是由许多个连接元互相拼接所组成的，工质流动状态参数在不同的连接元之间传递与迭代就是蒸汽供热网络的基本计算过程。2)蒸汽管网始端及末端压力。蒸汽热网的始端及末端压力作为模型的边界条件输入，经迭代计算求解后可得出全网蒸汽温度、流量、压力等参数的分布，以用于计算出训练样本的机理误差。3.如权利要求1所述的将训练样本建立水力热力耦合模型进行计算，其特征在于，所述步骤S1中水力热力耦合模型的构建方法为：其中，这三个方程分别为蒸汽管网的质量守恒方程、动量方程以及能量方程。式中：ρ表示流体；t为时间；N表示节点总数；G
ij
表示节点i，j之间的质量流量；V
i
表示节点i的体积(相邻管道的容积)；H
ij
表示节点i，j之间宏观动能、势能及动力源之间产生的压力；U
ij
表示节点i，j之间的流体流速；表示沿程阻力和局部阻力损失，其中λ表示沿程阻力系数，L为管道长度，d表示管道直径，ε表示管道的当量阻力系数；u
i
表示节点i的内能；h
j
表示节点j的焓。Q
i
表示节点i的热量。D
ij
表示节点i，j之间的连接方式，定义如下：将三条公式联立求解。由于这三条公式是完全耦合，所以在仿真过程中，均可通过求解
得到各节点的压力、流量、焓值，从而推导出温度。从而得到管网各节点的流量、温度分布。4.如权利要求1所述的基于核极限学习机误差修正的蒸汽仿真计算方法，其特征在于，所述步骤S1中将计算结果与实际测量值相减，得到训练样本的机理误差：由于核极限学习机是单输出预测算法，因此预测机理误差要分别建立流量误差和温度误差两个预测模型。其机理误差分别为：θ
T
＝y
′
T
‑
y

【专利技术属性】
技术研发人员：李祎萍，张凯，沈俊祎，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：