楼宇换热站供热系统调节特性研究

来源 :河北工业大学 | 被引量 : 0次 | 上传用户:qsk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
楼宇换热站供热系统规模小调节针对性强,可根据供热需求及时调整运行参数,易于实现按需供热。但在实际运行中,仍存在依靠经验来调节的现象,现行调节模式比较粗放,导致一天内部分时刻出现过量供热的问题,使预期供热效果无法有效实现,造成严重能源浪费,因此寻求科学合理的运行调节模式,提高供热质量迫在眉睫,本文具体研究内容如下:首先,通过对承德市一楼宇换热站供热系统进行实地调研,了解到目前楼宇站供热系统的运行状况,并对其实际运行数据整理分析,发现当前该供热系统在实际运行过程中存在白天部分时刻过量供热、晚上部分时刻供热不足的问题,导致供热效果不佳。通过对楼宇站供热系统运行调节理论分析,结合承德市的供热参数给出了四种调节模式的理论调节公式;提出了一种分时段控制二次侧供水温度和流量的运行调节策略,推导了该调节模式下二次侧供回水温度和流量运行变化规律;理论分析给出了电动调节阀开度随室外温度变化的规律。其次,开展了承德市某楼宇站供热系统分时段调控的现场实调研究。对某一典型日室外温度按5℃温差划分调控时段,实地运行调控数据结果表明,较于现行运行模式楼宇用户室温提升0.24-0.41℃,用户最高室温也有所缓解,循环泵电耗减少4.25%,总供热量减少5.64%。针对承德市某楼宇换热站供热系统建立了动态仿真模型,并结合实际运行数据对仿真模型的有效性进行了验证。研究了室外气温按不同温差划分时段的调节模式下,楼宇全部用户室温和流量的变化规律。发现当室外温度以3℃温差进行划分时,不同楼层用户的室内温度波动幅度在0.35-0.5℃之间,流量变化在0.356-0.396m3/h之间,随着室外划分温差的增大,用户室温波动幅度和流量也都随之增大。最后,研究了供水温度和室外温度发生变化时,楼宇站供热系统的用户动态热特性。发现当供水温度提升1℃,各用户室温随之达到新的稳态所需的时间在168-220min之间;当室外温度从-8℃骤降到-10℃时,各用户室温随之达到新的稳态所需的时间在200-230min之间。随着室外温度骤降幅度的增加,用户温度达到新稳态所需的时间也随之增加。本论文研究成果对楼宇站供热系统的运行调节可以提供一定的参考。
其他文献
人体行为特征因其所包含的大量行为类别表征信息,在人机交互、智能控制、视频检索以及视频监控等领域的应用至关重要。本文基于卷积神经网络的算法框架,对自然与特定场景下的人体行为识别问题进行研究,研究内容主要包括如下两部分:(1)基于二维卷积神经网络的人体行为识别研究传统的人体行为识别网络提取视频数据特征信息的能力较差,导致无法对行为类别进行有效表征的问题。针对上述问题,本文基于二维卷积神经网络设计了一种
在无线通信技术快速发展的今天,频谱资源愈发紧缺,而灵活多变的电子器件设计技术越来越受到工程技术人员的重视。因为可调滤波器能有效利用有限的频谱资源,做为本论文的研究内容,具有重要的现实意义。其中加载变容二极管的微带可调滤波器具有快速调谐、成本低廉、性能与体积兼顾等优势,因此成为了可调滤波器研究中的热点问题。以变容二极管作为实现可调谐的方式,分别设计了单频带微带可调滤波器和双频带可调滤波器。考虑到通信
学位
手势是人类交流的自然形式,在人机交互中具有重要意义。随着人工智能的快速发展,符合人们生活习惯的动态手势在人机交互中逐渐凸显出来,动态手势让人们在日常生活中以一种更自然、更直接的方式进行交互,为人们提供了快速、便捷的生活方式,因此成为人机交互研究领域中的一项重要课题。基于深度学习的动态手势识别方法中,手势特征的提取是关键,但由于动态手势包含空间和时间两方面的特征,大多模型不能同时有效的提取时空特征,
随着我国政府对奶牛养殖业重视程度的增加,养殖规模不断扩大,人工管理的弊端愈发明显,智慧农场的建设已经成为当前养殖业的发展趋势,其中个体识别技术成为当下畜牧养殖业走向信息化的重要一环。将计算机视觉技术与奶牛个体识别相联系,可以自动且准确地识别出奶牛个体,可以提高农场的信息化建设程度。为了解决单一奶牛个体识别算法的缺点,提高当前奶牛个体识别的鲁棒性、实用性和识别效率,本文提出了融合步态特征与纹理的奶牛
酶催化反应精馏(ERD),是一种基于反应精馏(RD)改良的工艺流程,其采用固定化酶替代了传统RD中的酸碱催化剂。ERD因其高的底物选择性和温和的工艺条件而备受研究者们的青睐。然而,要将ERD应用到工业生产过程,解决固定化酶催化剂的成本和稳定性等限制因素是至关重要的。因此,本文将南极假丝酵母脂肪酶B(CALB)通过疏水相互作用固定于商业树脂“NKA”中,同时通过串联的反应对固定化酶进行聚乙二醇化修饰
随着我国经济的不断发展,社会对于电力工业的需求也不断增加,而在我国电力结构中,火力发电依然具有十分重要的地位。大型火电机组结构复杂,系统众多,一旦某个系统产生故障,未被及时发现处理,很容易扩展为更大的故障,从而造成机组的非计划停机,不仅影响火力发电的稳定性,而且会提高运营成本,增加能源消耗。因此本文针对现役燃煤电厂锅炉燃烧系统进行研究,利用D-S多信息融合理论进行燃煤电厂锅炉燃烧系统的故障诊断,其
极限学习机(ELM)作为一种简单易行且有效的单隐层前馈神经网络,只需设置网络的隐含层节点个数,随机选取输入参数,就可以产生唯一的最优解,具有学习速度快且泛化性能好的优点,并备受关注。然而当数据维度高且混入大量的噪声变量时,ELM不能达到理想的效果。因此,深度极限学习机(D-ELM)结合深度学习优点对隐含层进行扩充以弥补其不足。为进一步提高深度极限学习机的性能,本文融合多核学习和进化计算方法,提出一
由于纯电动汽车结构简单、能源利用率高、零排放等优点,在排放法规日益严格的今天中备受期待。现有的测试方法不能真实准确的反映纯电动汽车在实际使用过程中的性能,因此研究纯电动汽车在实际交通状况中性能表现具有十分重要意义。本文以六款国产纯电动汽车为试验对象,研究了纯电动汽车实际道路中的性能表现,并深入分析了季节、空调、交通状况等对纯电动汽车能耗的影响程度,讨论了纯电动汽车的续航里程估计准确度、主观性能和耐
工业机器人作为智能制造装备的重要装备之一,具有功能多、速度快、精度高等特点,已经广泛应用于各个领域,典型的应用领域包括:装配、焊接、喷涂和搬运等。为了保证产品质量,提高生产效率,保障生产安全,工业机器人的定位精度水平成为了学者们和工程师们共同关心的问题。目前,工业机器人的重复定位精度较高,而绝对定位精度普遍较低。影响其绝对定位精度的因素包括生产过程中的误差、装配过程中的误差、关键零部件的磨损和作业