[發明專利]一種集中供熱自主駕駛的生產運行調度控制系統

有效

• 申請號: 202110485834.6
• 申請日: 2021-04-30
• 公開（公告）號: CN113154517B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 方大俊;謝金芳;時偉;朱浩強
• 申請（專利權）人: 浙江英集動力科技有限公司
• 主分類號: F24D19/10
• 分類號: F24D19/10
• 代理公司: 常州市科誼專利代理事務所 32225
• 代理人: 孫彬

1.一種集中供熱自主駕駛的生產運行調度控制系統，其特征在于，它包括：

供熱設備層，針對供熱系統各環節，將供熱系統各環節構成一個上下游銜接的供熱系統，作為集中供熱自主駕駛的生產運行調度控制系統的基礎；

供熱自動化層，針對供熱系統各環節，搭建相應的自動化系統，包括集散控制系統DCS、數據采集與監視控制系統SCADA和工業物聯網系統，所述自動化系統用于測量和感知供熱系統運行的狀態參數以及氣象環境條件、建筑物室溫，并進行遠程自動化控制；

供熱自主駕駛層，所述供熱自主駕駛層建立與供熱自動化層對接通道，獲得供熱設備層狀態信息的數據，內部采用算法、模型或專家系統手段，給出駕駛決策目標值，為供熱自動化層提供預測性的調控策略；

所述供熱自動化層包括：

自主決策模塊，所述自主決策模塊將供熱需求、監控分析、仿真校驗、控制執行、異常診斷、實時尋優進行有效組織，實現需求的全生命周期自動閉環；

智能分析模塊，所述智能分析模塊基于大數據采集的數字孿生底座，實現對投運方案的安全性、運行效果的實時分析、異?？焖侔l現以及根因的精準定位；所述智能分析模塊根據供熱系統的總體態勢感知、業務指標、方案評估、設備狀態、異常定位這些目標，針對性的搭建智能分析的子模塊，以使得供熱系統在實際運行中，支持對運行情況進行實時感知與分析，并能迅速提供分析于其他模塊進行調用；

仿真驗證模塊，在計算機系統內建立與供熱系統一致的熱網結構機理模型，支持對接實時狀態傳感器、運行歷史數據接口，實現對供熱系統各狀態、多尺度的仿真，建立與供熱系統一一對應的映射系統；

自動化模塊，所述自動化模塊用于實現設備系統間的網絡通訊，供熱系統運行的數據采集與存儲，運行調控設備的控制與執行；

數據中臺模塊，所述數據中臺模塊對接與集中供熱自主駕駛的生產運行調度控制系統相關的各類數據源，包括互聯網接口數據、供熱企業熱網基礎信息數據、設備臺賬數據、生產運行數據、經營管理數據以及企業內各系統計算數據，建立事務性關系數據庫和相關的大數據數據庫進行存儲，以及兩類數據庫之間的數據表關聯；對外制定統一化的數據接口，對內制度規范的數據調用方式，具有良好的兼容性、通用性、開放性、延展性與安全性，實現數據的存儲與取用；

所述自主決策模塊包括：

需求管理模塊，所述需求管理模塊包括工況需求管理、用戶需求管理、系統需求管理與異常需求管理；

自主決策模塊，由需求管理模塊對需求進行整理后，所述自主決策模塊運用人工智能、大數據算法、最優化算法、統計分析、專家系統，組織調用系統相關模塊對總體需求進行分析，基于系統運行的安全性、經濟性、環保性、穩定性、高效性目標，給出均衡、優化、實用的決策方案；所述決策方案包括用戶側舒適性管理決策、用戶側的熱需求決策、熱源側的負荷生產決策、熱網側站點調控決策一系列決策方案；

所述用戶側舒適性管理決策用于給出各用戶的目標室溫曲線的決策；

所述用戶側的熱需求決策用于實現按天氣工況變化，系統實時響應需求側變化，給出供熱系統需求熱負荷總量的決策；

所述熱源側的負荷生產決策用于根據需求側熱負荷，給出系統多個熱源優化生產的決策，指導各熱源給出優化的負荷、供水溫度與流量參數；

所述熱網側站點調控決策用于實現按天氣工況、需求側目標、熱源運行參數的動態變化，給出針對熱網側水力平衡調控的決策；指導給出各熱力站點的調控目標，包括各站點的一級網目標供水溫度、一級網目標回水溫度、一級網目標供回水平均溫度、一級網目標流量、二級網目標供水溫度、二級網目標回水溫度、二級網目標供回水平均溫度、二級網目標流量；指導給出各站點的調控參數，包括熱源循環泵頻率、站點閥門開度、熱力站水泵頻率、樓棟閥門開度；

所述用戶側舒適性管理決策、用戶側的熱需求決策、熱源側的負荷生產決策以及熱網側站點調控決策的生成過程如下：

所述用戶側舒適性管理決策D1，系統針對不同工況條件，制定對應的室溫曲線，對相同類型用戶曲線進行滿意度打分，并進行修正，結合大數據算法，給出不同工況條件下滿意度最高的室溫曲線決策，可表示為L＝[l₁,l_2...l_i,...l_n]，n為工況參數；

則所述用戶側舒適性管理決策D1可表示為：D1＝{L}；

所述用戶側的熱需求決策D2，根據用戶的歷史用熱數據，包括：天氣工況U_h、供熱負荷Q_h、用戶面積A、供水溫度T_s、回水溫度T_r、流量q，以及預測天氣工況U_w，系統采用大數據算法，建立不同工況條件下用戶的需求用熱負荷Q_u，Q_u＝[Q_u1,Q_u2,...Q_uj,...Q_um]，Qu的表達式為：

Q_u＝f₁(U_h,Q_h,A,T_s,T_r,q,L)；

其中，

f₁：為建立負荷預測模型的大數據算法函數；

Q_uj為第j個用戶的需求熱負荷；

m為用戶數量；

給出對應的需求側用熱總負荷Q_s，Q_s＝[Q_s1,Q_s2,...Q_sk,...Q_sn]，Q_sk表達為：

其中，

Q_sk為第k個工況下，用戶側對應的需求總負荷；

則所述用戶側的熱需求決策D2可表示為：D2＝{Q_s}；

所述熱源側的負荷生產決策D3，基于不同工況條件下的總負荷Q_s、機組約束條件G為邊界條件，應用模型、算法或專家系統，給出各熱源的生產負荷參數，包括機組負荷Q_e、供水溫度T_es、機組流量q_e、閥門開度K_e、水泵頻率H_e；即生成在約束條件滿足的前提下，滿足目標的優化決策方案，目標GL，GL＝[gl₁,gl₂...gl_i...gl_z]，gl_i表示第i個目標，目標可以為成本、環保、安全性最優，決策模型可以表示為：

Min GL＝f₂(Q_e,T_es,q_e)

St.{G,Q_s}；

其中，

Q_e＝[Q_e1,Q_e2...Q_ei,...Q_ev]，Q_ei為第i個機組的供熱負荷；

T_es＝[t_es1,t_es2...t_esi,...t_esv]，t_esi為第i個機組的供水溫度；

q_e＝[q_e1,q_e2...q_ei,...q_ev]，q_ei為第i個機組的供水流量；

v為熱源側機組總數量；

O_e＝[o_e1,o_e2...o_ei,...o_ea]，o_ei為熱源側第i個閥門的開度，a為熱源側閥門的總數量；

H_e＝[h_e1,h_e2...h_ei,...h_eb]，h_ei為熱源側第i個水泵的頻率，b為熱源側水泵的總數量；

f₂為熱源側決策模型、算法或專家系統函數；

G為約束條件，G＝{g₁,g₂,...g_i...g_p}，p為約束條件數量，具體為各機組的最大、最小性能參數或熱網側約束條件，其中，最大、最小性能參數包括最小供水流量、負荷加載率、升溫速率；熱網側約束條件包括最低回水溫度、最小循環流量；

z為決策目標的數量；

則所述決策方案D3可表示為：

D3＝{Q_e,T_es,q_e}；

所述熱網側站點調控決策D4，基于不同工況條件下各用戶的需求用熱負荷Q_u，熱源側運行參數P_s，應用模型、算法或專家系統，給出熱網側滿足全網熱力平衡、水力平衡達標時，站點的運行調控參數，包括站點閥門開度O_su、水泵頻率H_su；

則所述決策方案D4可表示為：

D4＝{O_su,H_su}＝f₃(O_su,H_su)；

O_su＝[o_su1,o_su2...o_sui,...o_suc]，o_sui為熱源側第i個閥門的開度，_c為熱網側閥門的總數量；

H_su＝[h_su1,h_su2...h_sui,...h_sud]，h_sui為熱源側第i個水泵的頻率，d為熱網側水泵的總數量；

f₃為熱網側決策模型、算法或專家系統函數。