供热系统换热站供热参数预测模型对比分析--中国期刊网

字体：大中小

首页> 原创作品> 正文

供热系统换热站供热参数预测模型对比分析

发表时间：2020/12/24 来源：《基层建设》2020年第24期作者：王玉

[导读] 摘要：目前，社会发展迅速，我国的科学技术的发展也有了发展。

        牡丹江热力设计有限责任公司黑龙江牡丹江市 157000
        摘要：目前，社会发展迅速，我国的科学技术的发展也有了发展。换热站在集中供热系统中起着承上启下的作用：接收热源热量，通过换热器转换热量，并经过换热站二次网循环水泵将加热后的循环水输送到建筑物和热用户中，二次网循环水释放热量后返回到换热站，周而复始。换热站能耗主要包括热耗、电耗和水耗。热耗来源于换热站自身设备和管道的散热损失、二次网散热损失、二次网工况失调损失、管网失水导致的热水损失及加热热用户空气所消耗的热量；电耗来源于克服循环水流动阻力及二次网补水定压耗电；水耗来源于二次系统泄漏，为维持二次网压力工况稳定，向管网中输入的水量。在满足热用户供热质量的前提下，热源、换热站、热网和热用户的节能降耗是供热系统可持续发展的永恒主题，并成为业界探讨的重要课题。目前，大部分换热站采用热网（一次和二次网）定流量的质调节控制方式，热源和换热站的供水温度设定参多基于经验积累，二次网采用“大流量小温差”运行模式，以期弥补二次网水力失调对热用户室内温度的影响。这种运行控制策略必然导致换热站能耗居高不下，严重削弱了集中供热系统的社会和经济效益。为此，以创建动态数学模型为基础，模拟间接连接集中供热系统分别采用常规和改进控制策略时系统的运行工况，比较和分析其运行状态、能耗（热耗和电耗）及供热质量，以便通过控制策略仿真，进而抛砖引玉，为热力公司运行管控人员提供有益的借鉴和参考。
        关键词：供热系统；换热站供热参数；预测模型对比分析
        引言
        城市集中供暖系统主要由供热源、供暖管网、用户源三大块组成。管道中的高温热水（以下简称一次网）通过换热器完成供热源与用户源（以下简称二次网）之间的热量交换，完成热交换后，二次网中的热水流入各用户中。在这整个的循环过程中，整个系统如同人体的血液循环系统，热源是心脏，往源源不断的输出新鲜血液；换热站和供暖管网是身体各个血管，完成血液的运输，信息交换等作用；热用户是身体的各个器官，是血液的需求和使用终端。
        1热网监控系统需求分析
        不同区域不同的气象变化和时间变化等诸多因素都会导致所在区域供暖质量的优劣。同时，因为供暖系统本身的大循环滞后性，使得换热站的实时调节与室外环境温度无法实时匹配，控制系统的惯性量很大，因此，整个热网监控系统的控制核心就是换热站。换热站是集中供暖系统中的核心部位，承担着供暖管网一次、二次网之间热量交换、分配及系统调节、监控的枢纽任务；是供暖管网和热用户之间沟通的桥梁。一般由机组、管道、仪表、控制装置等组成。主要功能有：调节和计量功能，根据热网工况调节连接方式，适应不同的供暖需求，传递满足用户需求的热量，对所有热网中供热系统设备的相关参数和工况进行实时监控。
        2重要性
        近年来，建筑能耗已经占据所有能耗的20%～40%，而供热能耗是建筑能耗的重要组成部分，故而节能潜力巨大。保证供热系统供需平衡是实现供热系统节能减排的重要途径。由于供热系统的调节具有延迟性，为了使供热系统始终处于最节能的状态，有必要通过精确的负荷预测来指导供热系统提前调节。大量国内外学者已对热负荷预测进行了深入研究。采用遗传规划（GP）、人工神经网络（ANN）和极限学习机（ELM），以历史耗热量、室外温度、一次网回水温度为自变量，对未来9种不同时间跨度的热负荷进行预测，通过对比均方根误差和拟合优度发现，ELM在3种模型中具有最高的准确度和学习速度。应用多元线性回归（MLＲ）和ANN建立了韩国东南部一地源热泵（GSHP）系统逐时供热性能预测模型，基于MLＲ和ANN的均方根误差变异系数（CVＲMSE）分别为3.56%和1.75%的分析结果，作者认为上述两模型均能作为节能和检修系统的优选工具。

期刊文章分类查询,尽在期刊图书馆

同时使用支持向量回归（SVＲ）、ANN、MLＲ、分类回归树、卡方自动交互检测器和集合推理模型，以8个围护结构相关信息作为输入参数，冷负荷（CL）和热负荷（HL）作为输出参数，对文献中768个实验数据集进行建模预测，结果表明集合方法（SVＲ+ANN）和SVＲ分别是预测CL和HL的最佳模型，平均绝对百分比误差均低于4%。目前，关于负荷预测各类模型的提出及应用层出不穷，并朝着多种模型结合预测的趋势发展，但是可以注意到，不同工况往往会有不同的最佳模型，即最佳模型的选择不具有普适性。模型的准确性通常依赖于输入参数的选择，现有文献中，众多学者往往只考虑了室外气象参数和历史耗热量等，通过实验又加入了供水温度、回水温度、循环流量以及考虑到住户活动影响的预测日当天的类型参数作为输入参数，最终得到的相对误差绝对值的平均值可达4.33%。在现有研究基础上进一步分析了室内温度对建筑耗热量的影响，并在预测模型中加入室内温度这一影响因子，虽然预测精度有所提高，但是在确定历史耗热量周期时采用前人的经验，并未进行有效实验或理论计算。因此，本文首先基于理论计算分析了模型中历史供热参数周期选取的最佳值，然后采用广义回归神经网络（GＲNN）、Elman递归神经网络（Elman）、多元线性回归（MLＲ）进行负荷预测，以得到具体工况下的最佳预测模型，为实际应用提供理论支持。
        3换热站供热自动化控制系统的应用方式
        3.1数据信息的智能传输方式
        供热网络的数据信息量大，传统的人工收集方式无法及时收集和整理有价值的数据信息，给后续工作带来诸多负面影响。而供热自动化控制系统采取智能化的数据信息传输方式，能够第一时间收集到可利用的信息资源，数据精准、真实、可靠性高。比如系统中的数字温度传感器，在系统的显示终端能够清晰、直观的观看到准确的温度值，而且结合传感器灵敏度高、稳定性高的特点，使数据信息具有较高的完整性。此外，在数据传输过程中，必须借助于移动通讯网络，这就使得数据传输具有即时性，工作人员获取数据的时间间隔较短，对系统运行状态实现可持续监控，进而为提升供热质量提供了重要的数据信息支持。
        3.2供热控制系统的热量调控方式
        在换热站的供热自动化控制系统中，往往采取热量调控的方式，对热量值进行适时调整，这种调控方式规避了过去单一针对温度进行调节的弊端。热量控制系统能够准确识别出每一个供热系统中的数据，对实时数据进行有效监测，根据外界气候条件的变化，将热量值调节到标准值，根据事先设定好的计算机程序，对系统中的调节阀以及热网内泵进行控制，然后借助于二次网将热量传递给终端用户，进而完成整个供热过程。
        3.3远程智能控制方式
        换热站的供热自动化系统应用了以太网以及现场总线控制等计算机网络技术，通过传输网络打造的数据传输路径，使终端工作人员能够对供热系统的运行进行远程操控。这种控制模式不但节省了大量人力资源，而且传输数据准确，操作方便快捷。当工作人员进入到操作主界面后，在计算机的云存储平台上有一个专属的管理员私有庫，用来存储供热系统的运行数据信息，工作人员只需要在人机交互界面上设置相对应的参数，通过按钮或按键的形式进行一键操作，然后通过计算机系统中的视频模块，了解供热网络的实时视频信息，当信息累积到峰值时，就会存储到私有数据库当中，如果想了解供热系统的每一个时段的运行信息，可以在私有数据库当中随时调取相关数据，既省时又省力。
        结语
        （1）热力学第一定律可用于创建集中供热系统动态数学模型。（2）供热系统热力特性可通过创建的动态数学模型仿真获取。（3）对比常规控制，改进控制策略在满足热用户供热质量的同时，可实现节热16%和节电49%。（4）供热系统节能优化运行的主要原因之一是有效和充分地利用系统自由热。
        参考文献：
        [1] 赵蕾，王嘉，朱立东，等. 间接连接区域供热系统动态特性及控制策略仿真[J]. 热科学与技术， 2014（2）： 142-149.
        [2] 李连众，丁传国. 间接连接区域供热系统动态模型及控制策略仿真[J].区域供热， 2007（5）： 1-8.