基于机器自学习的供热系统热负荷预测.pdf
《基于机器自学习的供热系统热负荷预测.pdf》由会员分享,可在线阅读,更多相关《基于机器自学习的供热系统热负荷预测.pdf(4页珍藏版)》请在咨信网上搜索。
1、问题探讨81NO.08 2023节能 ENERGY CONSERVATION基于机器自学习的供热系统热负荷预测赵笑言1 郑立军1 林海卫2 姜东平2 毕刘洋2 郑再彬2 杨文涵1(1.中电投东北能源科技有限公司,辽宁 沈阳 110179;2.国家电投集团东北电力有限公司大连大发能源分公司,辽宁 大连 116021)摘要: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
2、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。关键词:机器学习;集中供热;系统热负荷;预测模型中图分类号:TU995 文献标识码:B 文章编号:1004-7948(2023)08-0081-04 doi:10.3969/j.issn.1004-7948.2023.08.022引言随着经济不断发展,城镇化率不断提高,对集中供热系统的需求也在不断提高1。我国建筑能耗在社会总能耗中的占比超过30%,现阶段集中供热系统的热利用效率还需提高2。随着我国开始能源战
3、略转型,提出碳达峰碳中和,提高集中供热系统的节能化、智慧化是实现节能减排的重要手段。系统热负荷预测是集中供热系统合理设计和高效运行的重要条件,是提高供热系统能源利用效率的重要研究内容,是进行供热系统智慧化、节能化建设的必要前提,也是响应智慧城市建设和国家“双碳”目标的必要之举。现阶段已有研究利用计算机进行供热系统仿真,模拟供热系统运行并开展热负荷预测。魏宇杰3采用最小二乘法,建立以节约能耗为主要考量对象的供热系统仿真模型,通过广义的预测控制方法对回水温度进行追踪,实现了供热系统的优化。王源4提出新的供热系统模型优化控制算法,并对模型的准确性和控制算法的可行性进行了验证。周志刚5基于智能算法与动
4、态仿真的有效融合,构建供热系统的智能引擎,阐述该智能引擎在热负荷预测、水力仿真模型校正、热动态模型等方面的应用方法。建立数学模型与系统仿真能够实现供热系统热负荷的初步预测,但实际供热系统规模庞大、结构复杂,是准确构建仿真系统的阻碍。仿真系统热负荷与实际供热系统热负荷之间存在较大偏差,且操作门槛较高,难以普及。国内外已经有许多学者开展基于机器学习的供热系统热负荷预测研究,步婷6采用常见机器学习算法建立建筑热负荷模型,提出分段建模的优化方法,该模型的热负荷预测准确率达到97%。当前的研究主要集中在常见机器学习算法的比较,包括多元线性回归7、向量回归8、随机森林回归9、极限学习机10、神经网络11等
5、,天气参数、热用户行为等对供热系统热负荷预测模型影响的研究不足。文中基于机器自学习的方法,采用不同算法对连续两年的供热系统历史运行数据进行处理,建立准确且具有自优化功能的供热系统热负荷预测模型。1集中供热系统热负荷计算1.1系统生产流程集中供热是以热水或水蒸气作为热媒,通过管网给热用户供应热能的供热形式。集中供热系统有4个主要组成部分,分别为热源、供热管网、热力站、热用户。集中供热系统结构如图1所示。热源厂生产的热能以水或水蒸气为介质,通过一次管网被运输到热力站,热力站中的换热器将一次管网中的热能传递给二次管网,二次管网再将热能运输给热用户。图1集中供热系统结构作者简介:赵笑言(1990),男
6、,硕士,工程师,研究方向为电力与能源。收稿日期:2022-12-26引用本文:赵笑言,郑立军,林海卫,等.基于机器自学习的供热系统热负荷预测 J.节能,2023,42(8):81-84.问题探讨82节能 ENERGY CONSERVATIONNO.08 20231.2系统热负荷计算供热系统的末端装置是集中供热系统最主要的热量耗散区域,末端主要有两个耗散过程:从用户侧换热器向室内的耗散过程和用户室内向室外的耗散过程。Qin=k1(T1+T22-Troom)1(1)式中:Qin单位面积用户侧换热器单位时间传递到用户室内的热量,W/m2;k1传热器的传热系数,W/(m2 K);T1、T2、Troom
7、分别是换热器的供水温度、回水温度、用户室内空气温度,K;1系数。Qout=k2(Troom-Tout)2(2)式中:Qout单位面积用户单位时间耗散到室外的热量,W/m2;k2用户向室外传热的传热系数,W/(m2 K);Troom、Tout分别是用户室内空气温度和室外温度,K;2系数。集中供热系统的设计热负荷由供热面积、热用户用热情况、建筑构造决定,而集中供热系统的实际热负荷则取决于设计热负荷和实际用热情况。Q=QATroom-ToutTroom-Tout(3)式中:Q集中供热系统的实际热负荷,W;Q供热系统设计热负荷,W;Troom、Tout分别是用户室内空气温度和室外温度的实际值,K;Tr
8、oom、Tout分别是用户室内空气温度和室外温度的设计值,K。集中供热系统的运行调节将满足用热需求的热量从热源厂输送到用热设备,调节公式为:-Q=Troom-ToutTroom-Tout=()T1+T22-Troom1+b()T1+T22-Troom1+b=-qvT1+T2T1+T2(4)式中:-Q热用户的相对热量;-qv热用户的相对流量;T2、T2分别是热用户侧设计供水温度和回水温度,K;b换热器的热性系数。热源厂在建筑物指标、热用户散热设备确定的情况下,可以采用式(4)计算集中调节的调节曲线。但在集中供热系统实际运行中,存在用户更改换热设备、新建筑介入以及天气突变导致的室外温度变化等情况,
9、这会使系统实际所需供热量偏离设定供热量,使系统的经济性和热用户的舒适性下降。1.3系统水力平衡针对集中供热系统,可以采用温差法、比例法、回水温度法等方法实现供热管网的系统水力平衡。对于有n个热用户的集中供热系统,每个热用户的实际供热量和设计供热量的比值关系为:qm1c()T1,1-T2,1qm1c()T1,1-T2,1=qm2c()T1,2-T2,2qm2c()T1,2-T2,2=.=qmnc()T1,n-T2,nqmnc()T1,n-T2,n(5)式中:qm用户的供水流量,kg/h;c水的比热容,kJ/(kg K);上标 设计值。设计条件下,热用户室内换热器的设计供回水温度差相同,热用户的失
10、调度之比为:xixi+1=T1,i+1-T2,i+1T1,i-T2,i(6)如果每个热用户的失调度相同,则热用户的室内换热设备的供回水温度差相同,等温差调节法根据此原理进行供热系统水力调节。如果忽略不同热用户的供水温度差别,可以认为回水温度也相同,一级管网和二级管网可以以此为依据调节水力平衡。2机器自学习的热负荷预测2.1机器自学习的热负荷预测建模研究方法文中主要通过机器自学习的方法建立集中供热系统的热负荷预测模型,研究流程如图2所示。首先对集中供热系统的历史运行数据和气象数据进行相关性分析,提取系统运行数据与气象数据间的潜在关联。随后对比多元线性回归、多项式回归、岭回归、Lasso回归、神经
11、网络共5种算法建立的集中供热系统热负荷预测模型,找到建立模型的最优算法和最佳输入组合。集中供热系统热负荷预测模型具备自优化功能,将该模型预测的系统热负荷与实际系统所需热负荷进行比对,分析预测值与实际值出现偏差的原因,对预测模型的算法和输入关联进行优化。2.2机器自学习的算法简介(1)多元线性回归。线性回归算法假设目标变量和自变量之间存在线性关系,根据自变量的数目可以分为一元线性回归和多元线性回归。通过机器学习的方法寻找目标变量和自变量之间的线性关系,确定多元线性方程中的系数。该方程应保证尽可能多的数据点落在回归线上。多元线性回归的表达式为:y=1+2x1+3x2+.+nxn-1(7)(2)多项
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 自学习 供热 系统 负荷 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。