大型集中供热系统热源温度实时优化

供热系统中,通过调节热源处供水温度将热源供热量与热力站热负荷相匹配,是实现节能降耗的重要方法。然而在大型集中供热系统中,热力站数量多,且热源至各热力站的温度传导时延各不相同,无法直接通过热力站热负荷计算最优热源供水温度。因此,分析了多热力站情况下温度传导时延如何影响供热量与热负荷的匹配,提出一种基于深度学习的热源温度实时优化方案。该方案将整个供热系统作为整体,通过实时优化热源供水温度,首先使供热量在未来各时刻均与供热系统整体热负荷相匹配,再通过热力站间的流量调节使得供热量与各热力站的热负荷相匹配。该方案在实际系统中能够达到很好的优化效果,数据结果证明,该方案是可行有效的。

深度学习技术在集中供热系统中的应用

城市集中供热系统的高延迟、热工水力复杂耦合等特点,导致传统的工业控制方法无法及时有效的控制供热流量及水温。深度学习技术的特点非常适合对供热系统进行优化调节,然而集中供热系统的非理想性却导致深度学习技术无法被直接使用。文章分析了集中供热系统的非理想性及其对深度学习技术应用的影响,并分别给出了解决方案,最后在整体上提出了一种基于深度学习与自动控制技术的集中供热系统一次侧调节方案。该方案在实际系统中能够达到很好的控制效果,数据结果证明该方案是可行的。