基于二次侧流量的供热系统热力站热量调节方法及系统技术方案

本发明专利技术公开了一种基于二次侧流量的供热系统热力站热量调节方法，包括：建立各热力站负荷预测模型；当各个热力站的热负荷变化超过阈值时，根据热负荷预测值计算所需的二次侧供水流量；建立各个热力站换热器的板换模型；基于双重注意力机制的LSTM模型，建立各热力站二次侧循环泵和辅助调节装置的调节参数与对应的包括一次侧供水流量和温度、基于板换模型的一次侧与二次侧的换热量之间的数据驱动模型；依据数据驱动模型调节各个热力站二次侧循环泵和辅助调节装置，满足各个热力站所需的二次侧供水流量需求值和改变一次侧进入二次侧的热量；对各个热力站二次侧循环泵和辅助调节装置的调节参数进行修正，获得最优调节参数。获得最优调节参数。获得最优调节参数。

【技术实现步骤摘要】
基于二次侧流量的供热系统热力站热量调节方法及系统


[0001]本专利技术属于智慧供热调节
，具体涉及一种基于二次侧流量的供热系统热力站热量调节方法。

技术介绍

[0002]供热系统通过在热源厂内生产高温热水并驱动热水在一次侧管网内循环流动，向各热力站输送热能，在热力站内，一次侧与二次侧进行换热，将热量从一次侧换热到二次侧，二次侧再向二次侧管网内的各个热用户进行供热，然而目前为了保证热用户的供热需求，避免供热不足，在集中供热系统换热站的运行中普遍存在二次侧循环水流量大于设计的循环水流量的现象，导致二次侧回水温度过高，靠近回水侧的热用户供热过量，造成能源的浪费，另外会造成热交换器换热效率的下降，而通常为维持所需的二次侧流量、供水温度必须加大一次侧循环水流量，会造成一次网水力失衡。因此，如何在不改变一次网循环水流量、温度的情况和不改变一次侧水力平衡的情况下，通过对二次侧流量调节，改变一次侧进入二次侧的热量，建立在一次侧流量和温度不变的情况下，二次侧流量调节跟一次侧流量、温度之间形成相应的板换换热量，且保证全网水力平衡是目前急需解决的问题。
[0003]基于上述技术问题，需要设计一种新的基于二次侧流量的供热系统热力站热量调节方法。

技术实现思路

[0004]本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种基于二次侧流量的供热系统热力站热量调节方法，能够在一次侧流量和温度不变的情况下，通过二次侧循环泵和辅助调节装置实现二次侧流量调节，改变一次侧进入二次侧的热量，也就是通过循环泵和辅助调节装置的调节动作，跟一次侧的流量和温度之间形成相应的板换的换热量，保证热力站二次侧热量的需求。
[0005]为了解决上述技术问题，本专利技术的技术方案是：
[0006]本专利技术提供了一种基于二次侧流量的供热系统热力站热量调节方法，所述供热系统热力站热量调节方法包括：
[0007]步骤S1、获取各个热力站的历史运行数据和天气数据，通过预测模型对获取的数据进行气象模式聚类、特征重要性评估和模型训练后建立各热力站负荷预测模型；
[0008]步骤S2、当各个热力站的热负荷变化超过阈值时，根据热负荷预测值计算所需的二次侧供水流量；
[0009]步骤S3、建立各个热力站换热器的板换模型；
[0010]步骤S4、基于双重注意力机制的LSTM模型，建立各热力站二次侧循环泵和辅助调节装置的调节参数与对应的包括一次侧供水流量和温度、基于板换模型的一次侧与二次侧的换热量之间的数据驱动模型；
[0011]步骤S5、依据数据驱动模型调节各个热力站二次侧循环泵和辅助调节装置，满足
各个热力站所需的二次侧供水流量需求值和改变一次侧进入二次侧的热量；
[0012]步骤S6、依据建立的供热系统二级网仿真模型对二次侧流量调节后的运行工况进行分析后，对各个热力站二次侧循环泵和辅助调节装置的调节参数进行修正，获得二次侧循环泵和辅助调节装置的最优调节参数。
[0013]进一步，所述步骤S1包括：
[0014]根据热力站所部署的热量表和供热系统对接的天气数据接口分别获取历史运行数据和天气数据，所述历史运行数据至少包括二次侧供水流量、二次侧供回水温度、二次侧供回水压力和热负荷，所述天气数据至少包括温度、湿度、风速和光照；
[0015]将所述历史运行数据和天气数据作为模型样本，采用高斯混合模型聚类GMM，并依据历史天气数据的自身性质进行气象特征聚类分析，获得多个气象模式；
[0016]采用随机森林算法对模型样本中的数据进行特征选择，选择出特征重要性较高的特征子集，再将选取的特征子集输入至优化的LSSVM模型中，对各气象模式下的数据进行训练后建立热力站负荷预测模型，再将各气象模式下的对应负荷预测结果进行叠加获得最终的热力站负荷预测结果。
[0017]进一步，所述采用随机森林算法对模型样本中的数据进行特征选择，选择出特征重要性较高的特征子集的实现过程包括：
[0018]随机森林包括多棵决策树，根据每个特征在每棵决策树中的贡献率多少计算特征重要性，根据一个特征在所有决策树上的贡献率求平均获得该特征的特征重要性；所述贡献率由基尼系数计算获得，第j个特征在节点a中的特征重要性根据基尼指数变化量计算，表示为：VIM
ja
＝GI
a
‑
GI
b
‑
GI
c
；GI
a
、GI
b
和GI
c
分别为节点a、节点a分支后产生的两个新节点b和c的基尼系数；
[0019]假设随机森林中共有n棵树，则第j个特征在所有树上重要性表示为：假设随机森林中共有n棵树，则第j个特征在所有树上重要性表示为：为在n棵树上特征的重要性之和；VIM
ij
为第j个特征在第i棵树的重要性之和；
[0020]对第j个特征的重要性总和求平均，即为第j个特征的特征重要性，对第j个特征的重要性总和求平均，即为第j个特征的特征重要性，为m个特征在n棵树上所有重要性之和，p＝1,2,3,
…
,n；
[0021]通过对所有特征的特征重要性从大到小进行排序，选择出特征重要性较高即排序前n个的特征作为特征子集；
[0022]所述GMM模型进行气象模式聚类时，采用期望最大化算法来进行初始化GMM的均值及协方差的参数估计；所述期望最大化算法包括期望步：需要设定GMM模型的簇个数，求解初始化GMM的均值及协方差的预估计值并计算天气数据只属于相应簇的概率；最大化步：使用最大似然函数，将数据点划分到概率较大的簇中，同时更新GMM的均值及协方差；最后循环进行期望步和最大化步，直至参数收敛或似然函数收敛，获得气象模式的聚类结果；
[0023]所述优化的LSSVM模型为采用元启发式优化算法AOA对LSSVM模型核参数σ和正则化参数γ进行优化，包括：初始化AOA优化算法的参数，包括种群数、最大迭代次数、局部开发精度和加速函数；随机生成种群，设置其初始位置参数(σ，γ)，以均方根误差计算个体适
应度值，再比较各适应度值获得当前最佳种群位置；判断初始种群是进入探索阶段或开发阶段，并对初始种群位置更新；对更新后的种群进行比较，适应度最低的作为最优种群位置，并判断是否满足迭代条件；将迭代结束产生的最优值作为LSSVM的参数(σ，γ)进行模型预测。
[0024]进一步，所述步骤S2包括：当各个热力站的热负荷预测值与热负荷当前值比较，当热负荷值变化超过设定的阈值时，则根据热负荷预测值、二次侧供回水温度设定值计算所需的二次侧供水流量；否则维持当前系统运行工况。
[0025]进一步，所述步骤S3中，建立各个热力站换热器的板换模型，包括：采用神经网络算法训练板换模型，通过拟合热力站换热器在不同二次侧供水流量、不同换热量和不同一次侧供水流量和供水温度数据，建立换热器的换热量模型，用于描述在给定一次侧供水流量和供水温度的情况下，二次侧供水流量与通过换本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二次侧流量的供热系统热力站热量调节方法，其特征在于，所述供热系统热力站热量调节方法包括：步骤S1、获取各个热力站的历史运行数据和天气数据，通过预测模型对获取的数据进行气象模式聚类、特征重要性评估和模型训练后建立各热力站负荷预测模型；步骤S2、当各个热力站的热负荷变化超过阈值时，根据热负荷预测值计算所需的二次侧供水流量；步骤S3、建立各个热力站换热器的板换模型；步骤S4、基于双重注意力机制的LSTM模型，建立各热力站二次侧循环泵和辅助调节装置的调节参数与对应的包括一次侧供水流量和温度、基于板换模型的一次侧与二次侧的换热量之间的数据驱动模型；步骤S5、依据数据驱动模型调节各个热力站二次侧循环泵和辅助调节装置，满足各个热力站所需的二次侧供水流量需求值和改变一次侧进入二次侧的热量；步骤S6、依据建立的供热系统二级网仿真模型对二次侧流量调节后的运行工况进行分析后，对各个热力站二次侧循环泵和辅助调节装置的调节参数进行修正，获得二次侧循环泵和辅助调节装置的最优调节参数。2.根据权利要求1所述的供热系统热力站热量调节方法，其特征在于，所述步骤S1包括：根据热力站所部署的热量表和供热系统对接的天气数据接口分别获取历史运行数据和天气数据，所述历史运行数据至少包括二次侧供水流量、二次侧供回水温度、二次侧供回水压力和热负荷，所述天气数据至少包括温度、湿度、风速和光照；将所述历史运行数据和天气数据作为模型样本，采用高斯混合模型聚类GMM，并依据历史天气数据的自身性质进行气象特征聚类分析，获得多个气象模式；采用随机森林算法对模型样本中的数据进行特征选择，选择出特征重要性较高的特征子集，再将选取的特征子集输入至优化的LSSVM模型中，对各气象模式下的数据进行训练后建立热力站负荷预测模型，再将各气象模式下的对应负荷预测结果进行叠加获得最终的热力站负荷预测结果。3.根据权利要求2所述的供热系统热力站热量调节方法，其特征在于，所述采用随机森林算法对模型样本中的数据进行特征选择，选择出特征重要性较高的特征子集的实现过程包括：随机森林包括多棵决策树，根据每个特征在每棵决策树中的贡献率多少计算特征重要性，根据一个特征在所有决策树上的贡献率求平均获得该特征的特征重要性；所述贡献率由基尼系数计算获得，第j个特征在节点a中的特征重要性根据基尼指数变化量计算，表示为：VIM
ja
＝GI
a
‑
GI
b
‑
GI
c
；GI
a
、GI
b
和GI
c
分别为节点a、节点a分支后产生的两个新节点b和c的基尼系数；假设随机森林中共有n棵树，则第j个特征在所有树上重要性表示为：假设随机森林中共有n棵树，则第j个特征在所有树上重要性表示为：为在n棵树上特征的重要性之和；VIM
ij
为第j个特征在第i棵树的重要性之和；
对第j个特征的重要性总和求平均，即为第j个特征的特征重要性，对第j个特征的重要性总和求平均，即为第j个特征的特征重要性，为m个特征在n棵树上所有重要性之和，p＝1,2,3,
…
,n；通过对所有特征的特征重要性从大到小进行排序，选择出特征重要性较高即排序前n个的特征作为特征子集；所述GMM模型进行气象模式聚类时，采用期望最大化算法来进行初始化GMM的均值及协方差的参数估计；所述期望最大化算法包括期望步：需要设定GMM模型的簇个数，求解初始化GMM的均值及协方差的预估计值并计算天气数据只属于相应簇的概率；最大化步：使用最大似然函数，将数据点划分到概率较大的簇中，同时更新GMM的均值及协方差；最后循环进行期望步和最大化步，直至参数收敛或似然函数收敛，获得气象模式的聚类结果；所述优化的LSSVM模型为采用元启发式优化算法AOA对LSSVM模型核参数σ和正则化参数γ进行优化，包括：初始化AOA优化算法的参数，包括种群数、最大迭代次数、局部开发精度和加速函数；随机生成种群，设置其初始位置参数(σ，γ)，以均方根误差计算个体适应度值，再比较各适应度值获得当前最佳种群位置；判断初始种群是进入探索阶段或开发阶段，并对初始种群位置更新；对更新后的种群进行比较，适应度最低的作为最优种群位置，并判断是否满足迭代条件；将迭代结束产生的最优值作为LSSVM的参数(σ，γ)进行模型预测。4.根据权利要求1所述的供热系统热力站热量调节方法，其特征在于，所述步骤S2包括：当各个热力站的热负荷预测值与热负荷当前值比较，当热负荷值变化超过设定的阈值时，则根据热负荷预测值、二次侧供回水温度设定值计算所需的二次侧供水流量；否则维持当前系统运行工况。5.根据权利要求1所述的供热系统热力站热量调节方法，其特征在于，所述步骤S3中，建立各个热力站换热器的板换模型，包括：采用神经网络算法训练板换模型，通过拟合热力站换热器在不同二次侧供水流量、不同换热量和不同一次侧供水流量和供水温度数据，建立换热器的换热量模型，用于描述在给定一次侧供水流量和供水温度的情况下，二次侧供水流量与通过换热器从一次侧获取的热量之间的关系。6.根据权利要求1所述的供热系统热力站热量调节方法，其特征在于，所述步骤S4包括：通过拟合各热力站不同的二次侧循环泵和辅助调节装置调节参数所对应的一次侧供水流量和温度、二次侧通过换热器从一次侧获取的热量和其他影响二次侧流量的相关参数的历史数据，建立二次侧流量控制模型，用于描述在一定的模型输入向量：一次侧供水流量和温度、二次侧通过换热器从一次侧获取的热量、其他影响二次侧流量相关参数的情况下，模型输出所需的二次侧流量调节参数，包括二次侧循环泵和辅助调节装置的调节参数；所述辅助调节装置包括安装在热力站二次侧的混水装置，并通过调节混水装置的阀门开度对混水管的流量进行调整，将二次侧回水部分流量引入混水管，同时通过调整二次侧循环泵参数对二次侧循环流量进行调整，通过二次侧循环泵和混水装置共同调节二次侧供水流量；所述其他与二次侧流量相关参数包括二次侧供回水压差、二次侧循环泵属性、辅助
调节装置属性和二次侧供回水压力；其中，所述二次侧流量控制模型训练采用基于双重注意力机制的LSTM模型，包括：输入向量层、特征注意力层、LSTM网络、时序注意力层和全连接层输出；所述输入向量层获取二次侧流量调节历史序列和相关输入特征序列组成的输入特征向量x
t
，并传输至所述特征注意力层，通过特征注意力权重的动态分配进行特征提取，获得加权修正后的输入特征向量x
t<...

【专利技术属性】
技术研发人员：谢金芳，穆佩红，裘天阅，金鹤峰，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：