基于负荷预测和瞬态模拟的集中供热系统控制策略优化
发布时间：2021-08-08 12:19
科技的飞速发展,时代的进步,人们生活水平的逐步提高,对生活质量、生活环境的舒适度也有了更高的要求。从本课题以东北某热力企业热网工程为依托,开展研究,该工程以2×350MW供热机组作为热源,由热电厂引出东、西两条热网主干线（DN1200）。主要解决沈阳沈抚新城区域、抚顺沈抚新城区域、沈东二环以外区域和沈东二环以内部分区域,包括现有和新建冬季采暖用热需求。本课题首先对现今国内外对集中供热系统负荷预测,智慧热网,供热系统运行模拟分析等方面进行总结,并分析集中供热系统的运行机理,总结了国内现今运行工况的调节机理,并进行简单分析,在此基础上提出本文的解决方案。然后依托工程实例,利用Flowmaster软件从热源、热力站、热用户三个方面对集中供热系统进行搭建,总计完成7个热力站的系统搭建,同时运用BP神经网络算法对各个热力站辖区内的热负荷进行预测,预测的结果与实际数据进行对比,具有可操作性。将预测数据加载到Flowmaster软件中,达到了热用户端的实时动态负荷,最后利用PSO粒子群算法对热源产生的热量进行优化,以各热力站的热负荷作为约束条件,实现了 24小时内的滚动寻优,通过Simulink与F...
【文章来源】：东北电力大学吉林省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图３．１?ＢＰ神经网络结构图??
?东北电力火学人学工学硕士学位论文???带入式（３－４）中，转化为［－１，１］之间的数值。??室外天气状况量化处理：对室外天气状况进行量化处理，借用热网系统的专??家经验值，用［〇，１］之间的数值来代替天气状况，来体现对热负荷的影响。具体量??化值为：晴天为０．１，多云为０．２，阴为０．３，小雨为０．４，中雨为０．５，大雨为０．６，??雷雨为０．７，小雪为０．８，中雪为０．９，大雪为１。??是否为工作日量化处理：对历史数据研究发现，供热区域内，工作日和休息??日的热负荷会有一定的变化波动，在节假日时热负荷也会产生相应的变化。所以??对其进行具体量化：周一至周五为０．４，周六、周日为０．６，节假日为０．７。??３．３．３?ＢＰ神经网络实例预测??本文以沈阳市某热力企业２０１９年１２月３０日０时至２４时的负荷数据作为学??习和预测样本集。用ＢＰ神经算法进行神经网络的学习。本文建立的ＢＰ神经网??络具有三层结构，其中输入层为７个变量，即２０１９年１２月３０日的２４小时热负??荷、室外温度、室外风速、工作日量化数、天气状况、以及前三个时刻的热负荷，??输出层为１个变量，即输出时刻的热负荷，故隐含层设置１５个节点，结构为??７－１５－１，热负荷的预测模型如图３．３所示。在预测完成后，将预测的结果作为下??一次预测的输入值，便实现了热负荷的滚动预测。??ｒ＇＇ｋ??１１？那〇?日?％?小时室沁＼＼＼??图３．３热负荷的预测模型??
％出的目标值；??ｎｅｔ＝ｎｅｗｆｆ（ｍｉｎｍａｘ（Ｙ），［７，１５，１?］，?｛／ｔａｎｓｉｇＶｔａｎｓｉｇＹｐｕｒｅｌｉｎ’｝?Ｊｔｒａｉｎｌｍ’）??％建立３层ＢＰ祌经网络并设定网络训练算法；??ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｅｐｏｃｈｓ?＝?１５００；??％设定迭代次数；??ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｇｏａｌ＝０．００００１；??％设定误差精度；??［ｎｅｔ，ｔｒ］＝ｔｒａｉｎ（ｎｅｔ，Ｙ，Ｘ）；??％训练网络。??ＢＰ神经网络数据训练过程如图３．４所示。??Ｎｅｕｒａｌ?Ｎｅｔ＼ｗｒｋ??
【参考文献】：
期刊论文
[1]基于水力和热力耦合模型的热网设计调度研究[J]. 沈利芳,刘松,沈亚军,刘学峰. 河南科技. 2019(25)
[2]基于信息化的智慧热网系统应用分析[J]. 郭秀峰. 智能建筑与智慧城市. 2018(11)
[3]仿真技术在换流阀阀厅管路系统水力平衡中的应用[J]. 刘重强,梁上燕. 浙江电力. 2018(04)
[4]基于信息化的智慧热网系统应用分析[J]. 韩钊,袁建娟,孙春华,齐承英,阿里木·西列夫. 区域供热. 2018(02)
[5]智慧热网集成技术及应用[J]. 石英男. 信息记录材料. 2018(05)
[6]应用Flowmaster进行环状管网ESFR自动喷水灭火系统设计和计算探讨[J]. 潘俊杰. 给水排水. 2017(07)
[7]Flowmaster仿真设计系统开发与应用[J]. 陈健华,邱健,施伟. 科技传播. 2017(03)
[8]FLOWMASTER2在核电厂闭式冷却水系统仿真中的应用[J]. 李林蔚. 机电工程技术. 2010(01)
硕士论文
[1]基于深度学习的热力站建模及优化控制研究[D]. 韩冰城.内蒙古科技大学 2019
[2]基于遗传算法的供热平衡问题研究[D]. 李佳.河北科技大学 2019
[3]热力热网管控一体化平台研究与实现[D]. 齐峰.吉林化工学院 2019
[4]郑州航空港区集中供热自动控制系统优化设计[D]. 李柯.郑州大学 2019
[5]综合能源系统规划设计与智慧调控优化研究[D]. 陆烁玮.浙江大学 2019
[6]供热机组的特性建模及其在运行分析与优化中的应用[D]. 蔡莼莼.东南大学 2018
[7]蒸汽管网仿真与数据驱动故障诊方法研究[D]. 王威.东华理工大学 2018
[8]供热管网流量计测量数据有效性评估[D]. 马超龙.哈尔滨工业大学 2018
[9]基于负荷预测的换热站优化控制研究[D]. 姚磊.大连海事大学 2018
[10]高层住宅给水系统优化与节能改造研究[D]. 郭俊捷.湖南大学 2017
本文编号：3329944
【文章来源】：东北电力大学吉林省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图３．１?ＢＰ神经网络结构图??
?东北电力火学人学工学硕士学位论文???带入式（３－４）中，转化为［－１，１］之间的数值。??室外天气状况量化处理：对室外天气状况进行量化处理，借用热网系统的专??家经验值，用［〇，１］之间的数值来代替天气状况，来体现对热负荷的影响。具体量??化值为：晴天为０．１，多云为０．２，阴为０．３，小雨为０．４，中雨为０．５，大雨为０．６，??雷雨为０．７，小雪为０．８，中雪为０．９，大雪为１。??是否为工作日量化处理：对历史数据研究发现，供热区域内，工作日和休息??日的热负荷会有一定的变化波动，在节假日时热负荷也会产生相应的变化。所以??对其进行具体量化：周一至周五为０．４，周六、周日为０．６，节假日为０．７。??３．３．３?ＢＰ神经网络实例预测??本文以沈阳市某热力企业２０１９年１２月３０日０时至２４时的负荷数据作为学??习和预测样本集。用ＢＰ神经算法进行神经网络的学习。本文建立的ＢＰ神经网??络具有三层结构，其中输入层为７个变量，即２０１９年１２月３０日的２４小时热负??荷、室外温度、室外风速、工作日量化数、天气状况、以及前三个时刻的热负荷，??输出层为１个变量，即输出时刻的热负荷，故隐含层设置１５个节点，结构为??７－１５－１，热负荷的预测模型如图３．３所示。在预测完成后，将预测的结果作为下??一次预测的输入值，便实现了热负荷的滚动预测。??ｒ＇＇ｋ??１１？那〇?日?％?小时室沁＼＼＼??图３．３热负荷的预测模型??
％出的目标值；??ｎｅｔ＝ｎｅｗｆｆ（ｍｉｎｍａｘ（Ｙ），［７，１５，１?］，?｛／ｔａｎｓｉｇＶｔａｎｓｉｇＹｐｕｒｅｌｉｎ’｝?Ｊｔｒａｉｎｌｍ’）??％建立３层ＢＰ祌经网络并设定网络训练算法；??ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｅｐｏｃｈｓ?＝?１５００；??％设定迭代次数；??ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｇｏａｌ＝０．００００１；??％设定误差精度；??［ｎｅｔ，ｔｒ］＝ｔｒａｉｎ（ｎｅｔ，Ｙ，Ｘ）；??％训练网络。??ＢＰ神经网络数据训练过程如图３．４所示。??Ｎｅｕｒａｌ?Ｎｅｔ＼ｗｒｋ??
【参考文献】：
期刊论文
[1]基于水力和热力耦合模型的热网设计调度研究[J]. 沈利芳,刘松,沈亚军,刘学峰. 河南科技. 2019(25)
[2]基于信息化的智慧热网系统应用分析[J]. 郭秀峰. 智能建筑与智慧城市. 2018(11)
[3]仿真技术在换流阀阀厅管路系统水力平衡中的应用[J]. 刘重强,梁上燕. 浙江电力. 2018(04)
[4]基于信息化的智慧热网系统应用分析[J]. 韩钊,袁建娟,孙春华,齐承英,阿里木·西列夫. 区域供热. 2018(02)
[5]智慧热网集成技术及应用[J]. 石英男. 信息记录材料. 2018(05)
[6]应用Flowmaster进行环状管网ESFR自动喷水灭火系统设计和计算探讨[J]. 潘俊杰. 给水排水. 2017(07)
[7]Flowmaster仿真设计系统开发与应用[J]. 陈健华,邱健,施伟. 科技传播. 2017(03)
[8]FLOWMASTER2在核电厂闭式冷却水系统仿真中的应用[J]. 李林蔚. 机电工程技术. 2010(01)
硕士论文
[1]基于深度学习的热力站建模及优化控制研究[D]. 韩冰城.内蒙古科技大学 2019
[2]基于遗传算法的供热平衡问题研究[D]. 李佳.河北科技大学 2019
[3]热力热网管控一体化平台研究与实现[D]. 齐峰.吉林化工学院 2019
[4]郑州航空港区集中供热自动控制系统优化设计[D]. 李柯.郑州大学 2019
[5]综合能源系统规划设计与智慧调控优化研究[D]. 陆烁玮.浙江大学 2019
[6]供热机组的特性建模及其在运行分析与优化中的应用[D]. 蔡莼莼.东南大学 2018
[7]蒸汽管网仿真与数据驱动故障诊方法研究[D]. 王威.东华理工大学 2018
[8]供热管网流量计测量数据有效性评估[D]. 马超龙.哈尔滨工业大学 2018
[9]基于负荷预测的换热站优化控制研究[D]. 姚磊.大连海事大学 2018
[10]高层住宅给水系统优化与节能改造研究[D]. 郭俊捷.湖南大学 2017
本文编号：3329944
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3329944.html
