一种基于云计算的智能分布式远程供热方法及系统技术方案

本发明专利技术公开了一种基于云计算的智能分布式远程供热方法和系统，该方法包括获取各种供热控制策略数据作为种群总体，每种供热控制策略作为个体，建立最优供热控制策略和个体的目标函数；对个体在种群总体中的位置进行迭代；对种群总体中的顶层个体进行搜索空间调整；调整顶层个体对底层个体的压迫力度；不断更新被压迫个体位置，直到食物链压迫算法寻找到全局最优位置停止更新；该系统包括云平台模块、能源输入模块、主控模块、温度测量模块、执行模块、分布式供热模块。本发明专利技术解决了现有技术中集中供热方式依靠人工计算和经验进行调度，无法根据用户的用能需求进行精准调控，同时还存在着供热基础设施功能不足、管理难度大、供热能源浪费的问题。能源浪费的问题。能源浪费的问题。

【技术实现步骤摘要】
一种基于云计算的智能分布式远程供热方法及系统


[0001]本专利技术涉及分布式远程供热
，特别是涉及一种基于云计算的智能分布式远程供热方法及系统。

技术介绍

[0002]随着我国城市化进程加速，全国城市集中供热面积和供热管网长度都有了较快增长。传统集中供热作为一种主要的供热方式，在城市中仍得到广泛应用，据统计，全国有超过400座城市采用传统集中供热方式，传统集中供热依赖于大型锅炉供热和配套的输热管网，导致其难以适应当前节能、环保、智能化等多方面的要求。
[0003]传统集中供热需要在供热站处将热能输送至建筑物，由于每个建筑物的用能需求不同，传统集中供热难以做到精准调控，造成部分用户温度不足或过高，影响用户体验和满意度；同时主要依靠人工计算和经验进行调度和调整，无法满足当前数字化、智能化的要求；供热基础设施的功能不足、管理难度大等问题也直接导致了供热能源的浪费。
[0004]为了适应当前社会的发展需要，传统集中供热需要进行转型升级，引入新技术以提高能源利用效率和系统的可靠性，从而更好地为居民提供舒适、环保、高效的供热服务。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种根据用户使用需求智能化调度和调控供热方案的基于云计算的智能分布式远程供热方法及系统。
[0006]技术方案：为实现上述目的，本专利技术所述的一种基于云计算的智能分布式远程供热方法，包括以下步骤：
[0007]步骤S1：获取各种供热控制策略数据作为种群总体，每种供热控制策略作为个体，建立最优供热控制策略目标函数；
[0008]步骤S2：建立种群总体中个体的目标函数；
[0009]步骤S3：根据食物链压迫算法对个体在种群总体中的位置进行迭代；
[0010]步骤S4：使用食物链压迫逻辑规律的搜索机制，对种群总体中的顶层个体进行搜索空间调整；
[0011]步骤S5：使用食物链压迫算法中压迫递减机制调整顶层个体对底层个体的压迫力度；
[0012]步骤S6：不断更新被压迫个体位置，直到食物链压迫算法寻找到全局最优位置T
pos
，停止更新。
[0013]其中，步骤S1所述的建立最优供热策略目标函数O为：
[0014]O＝max(Q
hot
)+min(C)
ꢀꢀ
(1)；
[0015]其中，Q
hot
＝αP
use
+ηV
ng
，Q
hot
为供热系统产热值，α为电转热效率，P
use
为系统耗电量，η为系统燃烧效率，V
ng
为天然气消耗体积，C＝βP
Grid
，C为经济成本，β为分布式电价，P
Grid
为用电量。
[0016]其中，步骤S2所述的建立种群总体中个体的目标函数，是指将每种供热控制策略作为个体，并建立目标函数：m为个体，n为个体总数量，k＝1,2,...,n，使用食物链压迫算法对个体目标函数进行优化，并计算每个个体的适应度值，适应度值为最大产热值和最小经济成本。
[0017]其中，步骤S3所述的根据食物链压迫算法对每种供热控制策略在所有供热控制策略中的位置进行迭代，包括以下子步骤：
[0018]步骤S301：根据食物链压迫算法中食物链顶层个体对食物链底层个体具有相对逻辑压迫的规律，对不同个体在种群总体中的位置进行迭代，每个个体的初始位置为：
[0019]y
p,q
＝rand(1,d)
·
*(ub
‑
lb)+lb
ꢀꢀ
(2)；
[0020]其中，y
p,q
为个体在食物链中的位置，p、q表示位置的行和列，lb是问题变量的下界，ub是问题变量上界，d是问题变量的复杂度，rand(*)表示问题变量复杂度的取值范围；
[0021]步骤S302：在个体位置迭代过程中加入一个随迭代次数变化的自适应惯性权重ω，动态调节权重大小，个体的位置会集中向最优位置方向靠近，自适应惯性权重ω为：
[0022][0023]其中，a为迭代次数，a
max
为最大迭代次数；惯性权重ω取值范围[0,1]；
[0024]引入自适应权重后，个体位置的更新会根据迭代次数的增加而增加，随着迭代次数的增加，动态调节权重大小，个体的位置会集中向最优位置方向靠近。
[0025]其中，步骤S4所述的使用食物链压迫逻辑规律的搜索机制，对种群总体中的顶层个体进行搜索空间调整，是指通过搜索确认是否还有个体处于更优位置，其中，搜索机制为：
[0026]y
p,q
(x+1)＝ω(a)y
p,q
(x)+0.5[(2KVP
pos(q)
‑
ω(a)y
p,q
(x))]+(2(1
‑
K)Vθ(q)
‑
ω(a)y
p,q
(x))
ꢀꢀ
(4)；
[0027]其中，p、q表示位置的行和列，y
p,q
(x)是当前食物链顶层个体位置，y
p,q
(x+1)是食物链顶层个体下一次迭代位置，P
pos
是食物链底层个体的索引值，θ是食物链所有个体位置的平均值，K为探索和压迫过程中的的平衡参数，V为自适应参数；ω(a)为第a次迭代时的权重。
[0028]其中，搜索机制中自适应参数V：
[0029][0030]其中，和是[0,1]内的随机向量，B2是[0,1]内的随机数，P是的索引值，ID是满足条件(P＝＝0)的向量的索引值；
[0031]搜索机制中平衡参数K为：
[0032][0033]其中，tim是当前迭代次数，MaxTim是最大迭代次数；
[0034]食物链所有个体位置的平均值θ：
[0035][0036]每个被压迫的个体与该平均位置的距离：
[0037][0038]距离位置平均值θ最大的被压迫个体被视为食物链底层个体索引值P
pos
，索引值P
pos
的具体位置为：
[0039][0040]其中，步骤S5所述的使用食物链压迫算法中压迫递减机制调整顶层个体对底层个体的压迫力度，以确保算法能够更好地搜索到全局最优解，其中压迫递减机制为：
[0041]r
best
＝round(K
×
M)
ꢀꢀ
(10)；
[0042]其中，M是食物链中被压迫个体的数量，K是探索和压迫过程中的的平衡参数；
[0043]当顶层个体向下兼容压迫时，底层个体的适应度值降低，从而导致底层个体被顶层个体替代，此时食物链底层个体的位置为：
[0044][0045]食物链压迫算法对个体在种群总体中进行位置迭代的过程中，迭代初始，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的智能分布式远程供热方法，其特征在于，包括以下步骤：步骤S1：获取各种供热控制策略数据作为种群总体，每种供热控制策略作为个体，建立最优供热控制策略目标函数；步骤S2：建立种群总体中个体的目标函数；步骤S3：根据食物链压迫算法对个体在种群总体中的位置进行迭代；步骤S4：使用食物链压迫逻辑规律的搜索机制，对种群总体中的顶层个体进行搜索空间调整；步骤S5：使用食物链压迫算法中压迫递减机制调整顶层个体对底层个体的压迫力度；步骤S6：不断更新被压迫个体位置，直到食物链压迫算法寻找到全局最优位置T
pos
，停止更新。2.根据权利要求1所述的基于云计算的智能分布式远程供热方法，其特征在于，步骤S1所述的建立最优供热策略目标函数O为：O＝max(Q
hot
)+min(C) (1)；其中，Q
hot
＝αP
use
+ηV
ng
，Q
hot
为供热系统产热值，α为电转热效率，P
use
为系统耗电量，η为系统燃烧效率，V
ng
为天然气消耗体积，C＝βP
Grid
，C为经济成本，β为分布式电价，P
Grid
为用电量。3.根据权利要求1所述的基于云计算的智能分布式远程供热方法，其特征在于，步骤S2所述的建立种群总体中个体的目标函数，是指将每种供热控制策略作为个体，并建立目标函数：m为个体，n为个体总数量，k＝1,2,...,n，使用食物链压迫算法对个体目标函数进行优化，并计算每个个体的适应度值，适应度值为最大产热值和最小经济成本。4.根据权利要求1所述的基于云计算的智能分布式远程供热方法，其特征在于，步骤S3所述的根据食物链压迫算法对每种供热控制策略在所有供热控制策略中的位置进行迭代，包括以下子步骤：步骤S301：根据食物链压迫算法中食物链顶层个体对食物链底层个体具有相对逻辑压迫的规律，对不同个体在种群总体中的位置进行迭代，每个个体的初始位置为：y
p,q
＝rand(1,d)
·
*(ub
‑
lb)+lb
ꢀꢀꢀꢀꢀꢀ
(2)；其中，y
p,q
为个体在食物链中的位置，p、q表示位置的行和列，lb是问题变量的下界，ub是问题变量上界，d是问题变量的复杂度，rand(*)表示问题变量复杂度的取值范围；步骤S302：在个体位置迭代过程中加入一个随迭代次数变化的自适应惯性权重ω，动态调节权重大小，个体的位置会集中向最优位置方向靠近，自适应惯性权重ω为：其中，a为迭代次数，a
max
为最大迭代次数；惯性权重ω取值范围[0,1]；引入自适应权重后，个体位置的更新会根据迭代次数的增加而增加，随着迭代次数的增加，动态调节权重大小，个体的位置会集中向最优位置方向靠近。5.根据权利要求1所述的基于云计算的智能分布式远程供热方法，其特征在于，步骤S4所述的使用食物链压迫逻辑规律的搜索机制，对种群总体中的顶层个体进行搜索空间调
整，是指通过搜索确认是否还有个体处于更优位置，其中，搜索机制为：y
p,q
(x+1)＝ω(a)y
p,q
(x)+0.5[(2KVP
pos(q)
‑
ω(a)y
p,q
(x))]+(2(1
‑
K)Vθ(q)
‑
ω(a)y
p,q
(x))
ꢀꢀꢀꢀ
(4)；其中，p、q表示位置的行和列，y
p,q
(x)是当前食物链顶层个体位置，y
p,q
(x+1)是食物链顶层个体下一次迭代位置，P
pos
是食物链底层个体的索引值，θ是食物链所有个体位置的平均值，K为探索和压迫过程中的的平衡参数，V为自适应参数；ω(a)为第a次迭代时的权重。6.根据权利要求5所述的基于云计算的智能分布式远程供热方法，其特征在于，搜索机制中自适应参数V：其中，和是[0,1]内的随机向量，B2是[0,1]内的随机数，P是的索引值，ID是满足条件(P＝＝0)的向量的索引值；搜索机制中平衡参数K为：其中，tim是当前迭代次数，MaxTim是最大迭代次数；食物链所有个体位置的平均值θ：每个被压迫的个体与该平均位置的距离：距离位置平均值θ最大的被压迫个体被视为食物链底层个体索引值P
pos
，索引值P

【专利技术属性】
技术研发人员：殷庆媛，谢滢琦，温文潮，谢金博，纪捷，黄慧，陈帅，孙娜，张楚，彭甜，赵环宇，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：