基于机器自学习的供热系统热负荷预测

传统的集中供暖系统热负荷预测取决于操作人员的经验,与系统实际热负荷相差过大,容易造成热用户侧温度过高或过低,影响热用户体验,不利于系统节能。采用机器自学习的方法,对大连某供热系统2019年至2021年的系统数据进行处理,基于多元线性回归、多项式回归、岭回归、Lasso回归、神经网络算法建立供热系统热负荷预测模型,并对比预测效果。结果显示:采用BP神经网络模型的供热系统热负荷预测结果比经验预测结果高8.7%,随着模型不断地自学习与自优化,预测结果的精度可进一步提高。

以用户室温作为调控目标的二次网智能平衡技术的应用

二次网水力失调是造成用户冷热不均、供热能耗偏高的重要原因,做好二次供热网的水力平衡是实现差异化智慧供热的基本条件。通过采用“以用户室温作为调控目标的智能二次网平衡”的调控策略,解决二次网水力平衡,实现均衡供热。形成各换热小区有针对性的差异化智慧供热,降低供热能耗,取得节能减排的效果。

LoRaWan通讯技术在集中供热二次网自动控制系统中的应用

目前在集中供热二次网自动控制设备与仪表的数据传输技术上,存在如NB-IoT(Narrow Band Internet of Things,窄带物联网),ZigBee(也称紫蜂,是一种低速短距离传输的无线网上协议)和LoRaWan(一种低功耗长距离无线通信技术,主要面向物联网或M2M等应用,是低功耗广域网(LPWAN)一种重要的无线技术)等几种解决方案。本文论述了LoRaWan技术在供热二次网自控系统的设计应用,通过对网络结构的设计的对比分析,论证了LoRaWan在实际生产环境中的技术、建设和维护成本的优势,实践证明该通讯技术可较好地保障二次网自控系统自动控制设备与仪表的数据传输。

模糊理论结合PID控制方法在集中供热系统中的应用

集中供热系统是一个具有大惯性、纯滞后特点的复杂非线性系统。为了提高系统稳定性,实现合理用热,将模糊自适应控制和常规PID控制两种控制方法结合并使用模糊工具箱进行了系统仿真实验。实验结果表明:同常规的PID(proportional-integral-derivative)控制方法相比,有效提高了集中供热系统的鲁棒性、稳定性和自适应的能力;在集中供热的复杂系统中,模糊自适应PID控制方法能更好的满足用户的热需求。

供热调节技术在集中供热系统中的应用分析

集中供热技术在我国北方地区普及应用主要是为了提升冬季供热的环保效果,但是集中供热方式在应用过程中仍然体现出了热源效率低、与末端需求不匹配、供热过量或热量不足等矛盾。在这种情况下,不少地区充分借鉴北欧国家的成熟经验,在集中供热系统中引入了多热源联合供热方式。但是这种工作的方式在运行过程中仍然存在一些不完善之处。本文主要对集中供热系统多热源调度优化问题进行深入分析,希望能够为多人员集中供热调度提供充分借鉴,同时也希望能实现北方地区供暖服务的进一步优化。