一种智能化管网平衡系统及其调控方法

一种智能化管网平衡系统及其调控方法

　　技术领域

　　本发明涉及供暖管网的平衡调节技术领域，具体涉及一种智能化管网平衡系统及其调控方法。

　　背景技术

　　在城市供热管网中，不可避免的存在水力失衡、热量分布不均等弊端，每当供热季来临，都要经过漫长而复杂的调节工作。

　　现有技术都是基于经验法，在正式供热前按照管网设计参数、理论一次网水温水量曲线、二次网水温水量曲线和热负荷情况，进行粗犷式调节，然后根据用户反馈，再采用按需跟随的方式跟进调节。即使能够调节到一个较满意的状态，随着热用户规模波动以及管网的结垢、新旧维护等动态变化，管网平衡的调节工作需要重复进行，大量维护人员连续奋战多天才能差强人意，现有管网平衡的调节方法所造成的浪费能源、人力物力浪费、用户投诉居高不下成为了业内最大的痛点。

　　发明内容

　　本发明针对管网调节费时、费力、管网平衡调节效果差的问题，提供一种智能化管网平衡系统及其调控方法。

　　本发明解决上述技术问题的技术方案如下：一种智能化管网平衡系统，包括目标管网系统和管网平衡系统；

　　所述目标管网系统包括：参数监测系统、控制系统和执行系统，所述控制系统分别与参数监测系统和执行系统通信连接；

　　所述管网平衡系统包括：通过通信模块连接的第一处理器和第二处理器，所述第一处理器分别与输入模块、输出模块和计算模块连接，所述第二处理器与所述控制系统通信连接；

　　所述输入模块，用于输入实际工况下的目标管网系统的参数；

　　所述输出模块，用于输出管网平衡系统的调整参数；

　　所述第一处理器，用于数据处理和通信控制；

　　所述计算模块，用于根据所述目标管网系统的参数，进行预测和判断管网平衡的效果，并输出达到预期效果的执行系统的状态参数；

　　所述通信模块，用于传输参数监测系统的实施参数、执行系统的状态参数和状态调整参数；

　　所述第二处理器，用于向执行系统发送状态调整参数，以进行管网平衡调整。

　　在上述技术方案的基础上，本发明为了达到使用的方便以及装备的稳定性，还可以对上述的技术方案作出如下的改进：

　　进一步，还包括存储模块，所述存储模块分别与输入模块和第一处理器通信连接，所述存储模块，用于存储输入的目标管网系统的参数。

　　进一步，所述通信模块包括连接的第一通信模块和第二通信模块，所述第一通信模块与第一处理器通信连接，所述第二通信模块与第二处理器通信连接；

　　所述第一通信模块，用于向第二通信模块传输所述执行系统的状态调整参数；

　　第二通信模块，用于向第一通信模块发送所述参数监测系统的实施参数和所述执行系统的各类状态参数。

　　进一步，所述的通信连接包括有线连接和无线连接。

　　相对于现有技术，本发明具有如下有益效果：本申请将管网平衡系统和目标管网系统相结合，通过管网平衡系统的处理器和计算模块实现对目标管网的自动控制节省了大量的人力和物力；根据目标管网系统的参数实现对整个管网平衡系统的预测和整体调平。

　　本发明还包括一种智能化管网平衡系统的调控方法，所述方法包括：

　　步骤S1：所述输入模块接收所述目标管网系统中执行系统和参数监测系统的布置参数，并根据布置参数生成参数矩阵；

　　步骤S2：以参数矩阵为输入，管网平衡状态为输出，建立管网系统中每个换热站和热用户用于平衡预测的改进径向基神经网络；

　　步骤S3：基于所述换热站和热用户的平衡预测网络，建立目标管网系统的整体平衡预测网络。

　　在上述基础之上，本发明还可以做如下改进：

　　进一步，所述步骤S1中，执行系统的布置参数包括调节阀、循环泵和补水泵；参数监测系统的布置参数包括温度监测、压力监测和流量监测。

　　进一步，所述步骤S2中，所述参数矩阵包括系统参数矩阵、监测系统参数矩阵和管网效率参数矩阵；所述管网平衡状态输出包括平衡状态、非平衡状态和中转状态。

　　进一步，所述步骤S2中，所述改进径向基神经网络包括输入层、计算层、隐含层和输出层。

　　进一步，所述步骤S3中，所述整体平衡预测网络包括寄存器、换热站和热用户端的平衡预测网络及BP神经网络。

　　相对于现有技术，本方法具有如下有益效果：

　　(1)本方法结合管网中的温度、流量等参数监测系统以及自动控制阀体等执行系统来实现管网的自动平衡效果，节省了大量现场试参工作。

　　(2)本发明方法对管网系统中所有换热站和热用户端均建立了平衡预测网络，基于此，还建立了整体管网系统的平衡预测网络，解决了现有技术中局部调平对整体管网平衡的连锁影响。

　　(3)本发明方法引入了可调的管网效率参量矩阵，可灵活准确的降低热用户规模波动以及管网的结垢、新旧维护等动态变化都将对管网平衡造成的影响。

　　附图说明

　　图1本发明所述智能化管网平衡系统运行架构图；

　　图2供热管网系统整体模型框架图；

　　图3改进径向基平衡预测网络的结构图；

　　图4本发明所述整体管网系统平衡预测网络结构图。

　　附图标记记录如下：输入模块10，输出模块20，第一处理器30，存储模块40，第一通信模块50，计算模块60，第二通信模块70，第二处理器80。

　　具体实施方式

　　以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

　　参照图1，一种智能化管网平衡系统，包括目标管网系统和管网平衡系统；

　　所述目标管网系统包括：参数监测系统、控制系统和执行系统，所述控制系统分别与参数监测系统和执行系统通信连接；

　　所述管网平衡系统包括：通过通信模块连接的第一处理器30和第二处理器80，所述第一处理器30分别与输入模块10、输出模块20和计算模块60连接，所述第二处理器80与所述控制系统通信连接；

　　所述输入模块10，用于输入实际工况下的目标管网系统的参数；

　　所述输出模块20，用于输出管网平衡系统的调整参数；

　　所述第一处理器30，用于数据处理和通信控制；

　　所述计算模块60，所述计算模块60中运行有管网平衡参数调节程序，用于根据所述目标管网系统的参数，进行预测和判断管网平衡的效果，并输出达到预期效果的执行系统的状态参数；

　　所述通信模块，用于传输参数监测系统的实施参数、执行系统的状态参数和状态调整参数；

　　所述第二处理器80，用于向执行系统发送状态调整参数，以进行管网平衡调整。

　　还包括存储模块40，所述存储模块40分别与输入模块10和第一处理器30通信连接，所述存储模块40，用于存储输入的目标管网系统的参数。

　　所述通信模块包括连接的第一通信模块50和第二通信模块70，所述第一通信模块50与第一处理器30通信连接，所述第二通信模块70与第二处理器80通信连接；

　　所述第一通信模块50，用于向第二通信模块70传输所述执行系统的状态调整参数；

　　第二通信模块70，用于向第一通信模块50发送所述参数监测系统的实施参数和所述执行系统的各类状态参数。

　　所述的通信连接包括有线连接和无线连接。所述有线连接包括网线、光纤、电缆等，所述无线连接包括Wifi、Zigbee、蓝牙、红外、Lora等，根据使用情况通信连接方式还可包括其它方式，在此不再赘述。

　　一种智能化管网平衡系统的调控方法，包括：

　　步骤S1：所述输入模块10接收目标管网系统中执行系统和监测系统的布置参数，并根据布置参数生成参数矩阵。

　　参见图2，热量从热源厂生产出来后通过水或高温蒸汽等介质传输到换热站，经换热站的热能转换和处理后，向热用户供热，热用户端分区域和小区进行供热。在换热站中有温度测点、压力测点和流量测点等参数监测系统，还有调节阀、循环泵和补水泵等执行系统；在热用户端，同样具有参数监测系统和执行系统。本发明所述供热管网系统中具有Z1个换热站，Z2个热用户。

　　输入模块10首先接收目标管网系统中执行系统和监测系统的布置参数，换热站的执行系统布置参数记为(1≤i≤Z1，i为整数,表示换热站的计数)，换热站的监测系统布置参数记为热用户的执行系统布置参数记为(1≤j≤Z2，j为整数,表示热用户的计数)，热用户的监测系统布置参数记为另外，随着热用户规模波动以及管网的结垢、新旧维护等动态变化都将对管网平衡造成很大影响，因此本发明引入管网效率参量矩阵和分别表示换热站i范围内的管网效率参量和热用户j的管网效率参量,管网效率参量反映了管网系统包括管道、接头、阀、泵在内的各组成元素的完好状态，根据各组成元素的完好度，参量取值在[0,1]区间，完好取值为1，非正常工作取值为0，根据各元素状态调整完好度参量值，一个换热站或热用户范围内所有的元素完好度参量值组成的矩阵就是管网效率参量矩阵。

　　作为本发明的一个实施例，换热站i的管理方向输入模块10中输入执行系统和监测系统的布置参数为：执行系统类型包括调节阀、循环泵和补水泵三类，其中调节阀数量为e，循环泵数量为f、补水泵数量为g。监测系统类型包括温度监测、压力监测和流量监测三类，其中温度监测点数量为a、压力监测点数量为b、流量监测点数量为c。

　　则有换热站i的执行系统布置参数矩阵和监测系统布置参数矩阵的生成如下：

　　

　　其中，(此处1≤d≤e)表示换热站i的第d个调节阀的开度状态，(此处1≤d≤f)表示换热站i的第d个循环泵的运转状态，(此处1≤d≤g)表示换热站i的第d个补水泵的开度状态。

　　在实际工况下各类执行系统的数量e、f、g往往不相等，取数量最大值max(e,f,g)为列维度，空位补1，使得为规整矩阵，即所有行向量维度相同。

　　

　　其中，表示换热站i的第a个温度监测点的监测参数，表示换热站i的第b个压力监测点的监测参数，表示换热站i的第c个监测点的监测参数，取数量最大值max(a,b,c)为的列维度，空位补1，使得为规整矩阵，即所有行向量维度相同。

　　同理，热用户j的管理方向输入模块10中输入热用户端的执行系统和监测系统的布置参数为：执行系统类型包括调节阀、循环泵和补水泵三类，其中调节阀数量为e，循环泵数量为f、补水泵数量为g。监测系统类型包括温度监测、压力监测和流量监测三类，其中温度监测点数量为a、压力监测点数量为b、流量监测点数量为c。则热用户j的执行系统布置参数矩阵Pju和监测系统布置参数矩阵的生成如下：

　　

　　其中，(此处1≤d≤e)表示热用户j的第d个调节阀的开度状态，(此处1≤d≤f)表示热用户j的第d个循环泵的运转状态，(此处1≤d≤g)表示热用户j的第d个补水泵的开度状态。

　　在实际工况下各类执行系统的数量e、f、g往往不相等，取数量最大值max(e,f,g)为列维度，空位补1，使得为规整矩阵，即所有行向量维度相

　　

　　同。

　　其中，表示热用户j的第a个温度监测点的监测参数，表示热用户j的第b个压力监测点的监测参数，表示热用户j的第c个监测点的监测参数，取数量最大值max(a,b,c)为的列维度，空位补1，使得为规整矩阵，即所有行向量维度相同。

　　将换热站i范围内的元素记为表示换热站i的第t个元素，根据的完好状态为其赋值完好度参量αt(αt∈[0,1]),换热站i的所有元素的完好度参量共同组成了换热站i的管网效率参量矩阵为了便于计算和提高计算效率，将表示为方阵形式，方阵的转换方法如下：

　　若换热站i共有q个元素，则相应的完好度参量为α1，α2，···，αq取(向下取整)作为实矩阵部分，方阵其它空元素用1补齐。

　　作为本发明的一个实施例，若某个换热站的共有各类管道、阀、泵元素10个，相应元素的完好度参量依次为a1,a2，...，a10，那么

　　

　　即为该换热站的管道效率参量矩阵。

　　步骤S2：以参数矩阵为输入，管网平衡状态为输出，建立管网系统中每个换热站和热用户用于平衡预测的改进径向基神经网络。

　　每个换热站或热用户的参数矩阵包括执行系统参数矩阵P、监测系统参数矩阵M以及管网效率参量矩阵。管网平衡状态输出为三个状态：平衡状态Y1、非平衡状态Y2和中转状态Y3。

　　参照图3，所述改进径向基神经网络共有4层结构，输入层、计算层、隐含层和输出层。其中，输入层由神经元个数为3，接收的输入是换热站或热用户的3个参数矩阵，输入层到计算层采用单连接，连接权值为1；计算层神经元个数等于输入层，计算层的激活函数采用判断逻辑，当换热站或热用户的进出压差满足管网平衡运行要求时，逻辑输出为0,；当进出压差不满足管网平衡的运行要求时，逻辑输出1，计算层神经元输出。隐含层神经元的个数,采用如下方法确定：

　　l＝maX(colum(P)，colum(M)，colum(Δ))

　　colum()表示取矩阵的列维度，即隐含层神经元的个数为换热站或热用户的三个参数矩阵中列维度最大值。

　　隐含层的基函数选用高斯函数其中x表示函数自变量，xi表示所选高斯函数的中心。

　　隐含层与输出层为全连接，连接权值为wij(1≤i≤l，1≤j≤3)此处i和j表示隐含层第i个神经元和输出层第j个神经元，输出层神经元个数为3。

　　基于以上改进径向基神经网络模型，有输出层拟合结果为：

　　

　　用于评价管网平衡状态的三个状态分类输出为：Yj＝max(Y′1,Y′2,Y3′)。

　　当网络输出结果为Y1和Y3时，记录对应的执行系统参数矩阵P(1)和P(3)，因为管网系统整体结构类似树形结构，分支网与主网之间具有时间迟滞性，因此本发明同时记录平衡状态和中转状态下的执行系统参数矩阵P(1)和P(3)，这样可有效地降低官网系统在平衡调节过程中的震荡性，更快速的达到管网平衡。

　　步骤S3：基于换热站和热用户的平衡预测网络，建立目标管网系统的整体平衡预测网络。

　　对于整体管网系统来说，多个分支管网失衡将很大可能影响整体管网平衡，现有技术在管网平衡的调节工作中，经常因为局部调平，造成主干网连锁调整，耗时长并且过调现象时有发生。为了解决上述问题，本发明还基于换热站和热用户的平衡预测网络，建立了目标管网系统的整体平衡预测网络。

　　参照图4，整体平衡预测网络由寄存器、管网中所有的换热站和热用户端平衡预测网络以及一个BP神经网络构成。其中寄存器用于存储各换热站和热用户端平衡预测网络达到平衡状态或中转状态时的执行系统矩阵，即换热站和热用户端达到管网平衡或中转状态时的执行系统状态参数。目标管网系统中所有换热站和热用户端的平衡预测网络的输出作为BP神经网络的输入，因此所述整体平衡预测网络中的BP网络的结构如下：

　　输入层神经元的个数w等于目标管网系统中换热站数Z1和热用户节点数Z2的总和(Z1+Z2)。令隐含层神经元的个数也为w，输出层神经元个数为3，作为整体管网平衡的三个状态(平衡、非平衡和中转状态)输出。

　　BP神经网络的输入层第v个神经元与隐含层第h个神经元间的连接权值为，隐含层第h个神经元与输出层第t个神经元间的连接权为Wht，隐含层第h个神经元的输入为：

　　

　　其中，θvh是输入层到隐含层的阈值。隐含层第h个神经元的输出为：

　　

　　其中，为S型激活函数，取值范围为(0,1)，它可以将一个实数映射到(0,1)的区间。

　　

　　输出层有3个神经元，第t个神经元的输入为：

　　其中，θht是隐含层到输出层的阈值。

　　本发明BP网络的输出层激活函数采用归一化指数函数，带来的有益效果是无需单独的归一化处理即可避免参数因数量级不同而造成输出量湮没现象。

　　

　　其中，yτ(τ∈{1，23})是输出层的拟合输出。

　　至此，BP网络建立完成，具体计算过程可借助数学计算工具软件例如matlab等，在此不做赘述。

　　记y1,y2,y3的计算结果均方差误差分别为选取均方差误差最小的项所对应的输出为最终整体网络的平衡状态输出。当输出的管网状态为平衡态时，此时Pi寄存器中所存储的执行系统状态参数即为目标管网的管网平衡调节参数。

　　以上便实现了管网平衡参数调节处理程序。计算模块60从寄存器中读取管网平衡调节参数后，将平衡调节参数发送给第一处理器30，第一处理器30通过第一通信模块50将平衡调节参数发送给第二通信模块70，第二通信模块70将平衡调节参数再发送给第二处理器80，第二处理器80通过目标管网系统中控制系统，控制目标管网系统中的调节阀、泵等元素按平衡调节参数进行调整，就可得到预期平衡效果。

　　以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。