论文部分内容阅读
随着我国建设节约型社会目标的提出,集中供热逐渐成为北方冬季主要的供暖方式。集中供热系统结构复杂并具有非线性、大滞后、大惯性、时变性和不确定性等特点,想要实现热网按需供热、提高能源利用率、优化管网调控策略,精准的热负荷预测十分有必要。机器学习方法具有较强的拟合能力,能够充分反映热负荷的非线性特性,不仅为控制系统提供可靠的热负荷数据,而且能有效地支撑热负荷调节。本文基于机器学习的特点,结合实际热负荷数据样本特点(大样本、数据分布分散、样本函数模糊),对换热站热负荷预测方法及优化控制进行了进一步的探究。热负荷预测是改善供热控制品质、使供热系统更好地满足热用户热需求的前提和依据。根据获取的电厂运行数据进行分析研究,来预测未来一天内的供热负荷变化情况。本文采用一种基于机器学习的先进算法分析热负荷数据样本的特点,并进行热负荷预测。以热网供(回)水流量、热网供(回)水母管压力、热网供(回)水母管温度为输入变量,热负荷为输出变量。建模思路是将采集回的大量热网热负荷历史数据进行预处理,转换成可用Python进行分析的数据形式,Scikit-Learn和TensorFlow进行神经网络的构建和模型学习。建模时获取的样本数据信息虽受到限制,但是选取的输入变量足以涵盖热负荷的关键影响因素,故该预测结果是有效。集中供热最终目标是实现按需供热,自动控制系统就是实现这一目标的重要手段。提出通过控制一次网侧电动调节阀开度来控制二次网供水温度的控制方案,来适应管网的动态特性,实现对供暖系统的实时控制。构建模糊PID控制模型控制热网供水温度来调节热负荷,使用SIMULINK软件包进行模型仿真。仿真结果表明,模糊PID控制系统具有更好的稳定性和快速性,有效改善供热质量、供热能耗,实现按需供热的目的。