基于神經(jīng)網(wǎng)絡(luò)解耦的供熱預(yù)測(cè)控制研究(答辯最終版)

基于神經(jīng)網(wǎng)絡(luò)解耦的熱力站供熱預(yù)測(cè)控制研究答辯人：陳烈導(dǎo)師：齊維貴教授課題來(lái)源及研究的目的和意義國(guó)內(nèi)外研究現(xiàn)狀及分析主要研究?jī)?nèi)容

主要研究成果

發(fā)表學(xué)術(shù)論文及其它成果

課題來(lái)源“十一五”國(guó)家科技支撐計(jì)劃重大項(xiàng)目

建筑節(jié)能關(guān)鍵技術(shù)研究與示范

(項(xiàng)目編目：2006BAJ01A04)

黑龍江省科技攻關(guān)項(xiàng)目基于LonWorks技術(shù)和預(yù)測(cè)控制的供熱FCS研究

(項(xiàng)目編號(hào)：GC04A104)HeilongjiangKeyTechnologyR&DProgram黑龍江省科技攻關(guān)項(xiàng)目研究的目的和意義我國(guó)能源政策戰(zhàn)略方針的需要供熱控制系統(tǒng)研究是供熱技術(shù)發(fā)展的一個(gè)重要方向先進(jìn)控制策略的研究為節(jié)能改造提供有益的依據(jù)建筑能耗占全社會(huì)能耗的30~40%，其中65%為采暖空調(diào)能耗，三北地區(qū)采暖能耗占全社會(huì)能耗的27.2%。供熱不但能耗大，而且效率低，單位面積采暖能耗是發(fā)達(dá)國(guó)家的3~4倍。是保證熱力設(shè)備安全和經(jīng)濟(jì)運(yùn)行的必要技術(shù)措施；對(duì)提高熱網(wǎng)的整體運(yùn)行質(zhì)量意義十分重大；關(guān)系到居住環(huán)境的質(zhì)量和城市建設(shè)的發(fā)展；體現(xiàn)著供熱、控制領(lǐng)域的科研和應(yīng)用水平。供熱過(guò)程具有時(shí)滯、時(shí)變、不確定、非線性和強(qiáng)耦合等特點(diǎn)，傳統(tǒng)的控制方法很難適應(yīng)這些情況，對(duì)其進(jìn)行先進(jìn)控制策略的研究具有重要意義，可為指導(dǎo)新的供熱系統(tǒng)的建設(shè)和既有供熱系統(tǒng)的節(jié)能改造提供有益依據(jù)。課題來(lái)源及研究的目的和意義國(guó)內(nèi)外研究現(xiàn)狀及分析主要研究?jī)?nèi)容

主要研究成果

發(fā)表學(xué)術(shù)論文及其它成果

國(guó)內(nèi)外研究現(xiàn)狀及分析國(guó)內(nèi)外研究現(xiàn)狀供熱負(fù)荷預(yù)報(bào)預(yù)測(cè)控制控制系統(tǒng)解耦熱力站控制系統(tǒng)供熱負(fù)荷預(yù)報(bào)國(guó)外研究現(xiàn)狀線性預(yù)報(bào)法室外溫度—供熱負(fù)荷曲線，如文獻(xiàn)[9]；線性回歸分析，如文獻(xiàn)[10,11]；灰色模型，如文獻(xiàn)[12]。非線性預(yù)報(bào)法——神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)法和支持向量機(jī)預(yù)報(bào)法文獻(xiàn)[14,15,16]采用人工神經(jīng)網(wǎng)絡(luò)和相同的兩組數(shù)據(jù)作仿真實(shí)驗(yàn)，其中時(shí)間、溫度、日照和風(fēng)速等為輸入量，預(yù)測(cè)美國(guó)某大型建筑的熱負(fù)荷。文獻(xiàn)[17]用ANN預(yù)測(cè)一個(gè)太陽(yáng)能家庭供暖系統(tǒng)的特性，采用兩個(gè)ANN，一個(gè)估計(jì)太陽(yáng)能輸入量，另一個(gè)估計(jì)標(biāo)準(zhǔn)溫度的熱水平均量。文獻(xiàn)[18,19]用模型和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)建筑物能量，并對(duì)其進(jìn)行理論分析。

文獻(xiàn)[20]等將支持向量機(jī)方法用于熱帶地區(qū)建筑能耗預(yù)測(cè)，該方法選擇室外月平均溫度、相對(duì)濕度、日照作為輸入變量，來(lái)預(yù)測(cè)熱帶地區(qū)建筑能耗，預(yù)測(cè)相對(duì)誤差小于4%，驗(yàn)證了支持向量機(jī)方法預(yù)測(cè)熱帶地區(qū)建筑能耗的可行性和適應(yīng)性。供熱負(fù)荷預(yù)報(bào)國(guó)內(nèi)研究現(xiàn)狀線性預(yù)報(bào)法文獻(xiàn)[23]介紹了利用時(shí)間序列分析方法進(jìn)行熱負(fù)荷短期預(yù)報(bào)，用相關(guān)分析法對(duì)供熱負(fù)荷進(jìn)行中期預(yù)報(bào)。文獻(xiàn)[26,27]利用了GM(1,1)模型和相應(yīng)的改進(jìn)模型對(duì)供熱負(fù)荷進(jìn)行了預(yù)報(bào)。非線性預(yù)報(bào)法文獻(xiàn)[22]利用BP前向神經(jīng)網(wǎng)絡(luò)對(duì)供熱負(fù)荷進(jìn)行預(yù)報(bào)，但沒(méi)有給出熱負(fù)荷預(yù)報(bào)的實(shí)例。文獻(xiàn)[24]將小波變換多尺度分析方法引入熱力過(guò)程，建立基于多尺度挖掘的供熱系統(tǒng)負(fù)荷動(dòng)態(tài)預(yù)測(cè)控制，最后給出仿真結(jié)果。文獻(xiàn)[25]也采用支持向量回歸和小波包對(duì)供熱負(fù)荷進(jìn)行預(yù)報(bào)。供熱負(fù)荷預(yù)報(bào)的現(xiàn)狀分析存在問(wèn)題：

(1)離線進(jìn)行，停留在實(shí)驗(yàn)室仿真層面;(2)未給出供熱工程節(jié)能控制實(shí)例;(3)只根據(jù)氣溫預(yù)報(bào)

，不能滿足用戶需求。國(guó)內(nèi)外研究現(xiàn)狀及分析國(guó)內(nèi)外研究現(xiàn)狀供熱負(fù)荷預(yù)報(bào)預(yù)測(cè)控制控制系統(tǒng)解耦熱力站控制系統(tǒng)經(jīng)典預(yù)測(cè)控制動(dòng)態(tài)矩陣控制

(DMC)Culter等提出的、建立在非參數(shù)模型階躍響應(yīng)基礎(chǔ)上的動(dòng)態(tài)矩陣控制。模型算法控制

(MAC)

Richalet，Mchra等提出的、建立在非參數(shù)模型脈沖響應(yīng)基礎(chǔ)上的模型預(yù)測(cè)啟發(fā)控制。廣義預(yù)測(cè)控制

(GPC)Clarke提出的、帶有自校正機(jī)制、在線修正模型參數(shù)的預(yù)測(cè)控制算法。智能預(yù)測(cè)控制神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制文獻(xiàn)[41]提出采用混沌粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制算法對(duì)非線性系統(tǒng)進(jìn)行控制，提高了控制的魯棒性和精度；文獻(xiàn)[42,43]將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)中，滿足性能要求。模糊預(yù)測(cè)控制

由安信等提出、并成功地應(yīng)用于地鐵的列車運(yùn)行控制上。文獻(xiàn)[45]將模糊辨識(shí)和廣義預(yù)測(cè)控制相結(jié)合，發(fā)展了狀態(tài)空間建模法，并給出了分析表，最后驗(yàn)證了該算法的優(yōu)越性。文獻(xiàn)[46]提出基于累加和最小原則的Mamdani模糊模型的預(yù)測(cè)控制策略，通過(guò)與傳統(tǒng)PID控制比較驗(yàn)證其性能。文獻(xiàn)[47]在系統(tǒng)高層引進(jìn)模糊控制器，使得原廣義預(yù)測(cè)控制的開(kāi)環(huán)鏈變換成由系統(tǒng)實(shí)際輸出與參考軌跡相比較的閉環(huán)控制系統(tǒng)，并利用多變量模糊控制器的結(jié)構(gòu)解耦原理，使廣義預(yù)測(cè)控制算法本身最大限度地減少了控制域長(zhǎng)度，提高了系統(tǒng)控制的實(shí)時(shí)性和魯棒性，并改善了靜態(tài)精度和動(dòng)態(tài)跟蹤性。非線性預(yù)測(cè)控制以直接從工業(yè)應(yīng)用中產(chǎn)生的非參數(shù)模型為基礎(chǔ)的非線性模型預(yù)測(cè)控制算法，如文獻(xiàn)[48,49]；由經(jīng)典自適應(yīng)控制算法發(fā)展而來(lái)的一類遠(yuǎn)程預(yù)測(cè)控制算法，如文獻(xiàn)[50]修正的GPC方法。從結(jié)構(gòu)設(shè)計(jì)出發(fā)，通過(guò)對(duì)GPC結(jié)構(gòu)的轉(zhuǎn)換，產(chǎn)生了內(nèi)?？刂坪屯评砜刂?，如文獻(xiàn)[51]。熱力站中預(yù)測(cè)控制的應(yīng)用

供熱過(guò)程的特點(diǎn)：大時(shí)滯、大慣性、非線性、時(shí)變、不確定的特性。對(duì)其進(jìn)行預(yù)測(cè)控制理論及工程應(yīng)用研究能夠達(dá)到預(yù)期目的。預(yù)測(cè)控制在供熱中的應(yīng)用情況：國(guó)外的文獻(xiàn)主要集中在空調(diào)領(lǐng)域，國(guó)內(nèi)外在供熱領(lǐng)域的研究很少，因此在供熱領(lǐng)域的研究亟需深化。國(guó)內(nèi)外研究現(xiàn)狀及分析國(guó)內(nèi)外研究現(xiàn)狀供熱負(fù)荷預(yù)報(bào)預(yù)測(cè)控制控制系統(tǒng)解耦熱力站控制系統(tǒng)傳統(tǒng)解耦方法

傳統(tǒng)解耦方法以現(xiàn)代頻域法為代表，也包括時(shí)域方法，主要適用于線性定常MIMO系統(tǒng)。現(xiàn)代頻域法的共同理論基礎(chǔ)是奈氏穩(wěn)定判據(jù)，通過(guò)對(duì)系統(tǒng)傳遞函數(shù)的分解實(shí)現(xiàn)其對(duì)角化或?qū)莾?yōu)勢(shì)化以達(dá)到解耦的目的，如文獻(xiàn)[63,64]。存在一些尚待解決的問(wèn)題，如逆奈氏陣列法的魯棒性較差，特征軌跡法的精確性難以保障等等。奇異值分解應(yīng)用于多變量系統(tǒng)的控制使解耦性與魯棒性兩大要求同時(shí)滿足，將奇異值理論應(yīng)用于多變量解耦很有意義，是當(dāng)前控制系統(tǒng)設(shè)計(jì)一大研究方向，如文獻(xiàn)[65,66]。

智能解耦方法

神經(jīng)網(wǎng)絡(luò)解耦文獻(xiàn)[69]根據(jù)空氣動(dòng)力學(xué)的控制性能要求，提出一種基于自調(diào)整神經(jīng)網(wǎng)絡(luò)的多變量解耦控制方法，通過(guò)仿真驗(yàn)證了其解耦特性和自適應(yīng)能力。文獻(xiàn)[74]應(yīng)用BP神經(jīng)網(wǎng)絡(luò)理論研究了300MW火電單元機(jī)組協(xié)調(diào)控制系統(tǒng)解耦設(shè)計(jì)，詳細(xì)介紹了解耦算法及實(shí)現(xiàn)過(guò)程。該方法可使解耦后的廣義對(duì)象不受工況變化或擾動(dòng)的影響，從而易于實(shí)現(xiàn)控制規(guī)律，仿真解耦令人滿意。

模糊解耦方法

文獻(xiàn)[75]將模糊推理和智能解耦結(jié)合起來(lái)，解決電站主蒸汽壓力和電站輸出的耦合問(wèn)題。文獻(xiàn)[76]提出基于后推法的非線性多變量耦合系統(tǒng)的逼近干擾解耦法，其具有簡(jiǎn)單的結(jié)構(gòu)和較少的自適應(yīng)參數(shù)。

多變量解耦在熱力站中的應(yīng)用目前，解耦控制在供熱領(lǐng)域鮮有研究。要根據(jù)負(fù)荷進(jìn)行調(diào)節(jié)和控制，除原有的質(zhì)調(diào)即以二級(jí)網(wǎng)供水溫度為被控量、以一級(jí)網(wǎng)供水流量為控制量的系統(tǒng)外，必然引入以二級(jí)網(wǎng)流量為被控量、以二級(jí)網(wǎng)的循環(huán)水泵泵速為控制量的量調(diào)系統(tǒng)。因此熱力站供熱過(guò)程也從一般單入單出系統(tǒng)擴(kuò)展成雙入雙出系統(tǒng)，其具有強(qiáng)非線性耦合，所以本文擬采用神經(jīng)網(wǎng)絡(luò)多變量解耦方法解決上述問(wèn)題。國(guó)內(nèi)外研究現(xiàn)狀及分析國(guó)內(nèi)外研究現(xiàn)狀供熱負(fù)荷預(yù)報(bào)預(yù)測(cè)控制控制系統(tǒng)解耦熱力站控制系統(tǒng)國(guó)內(nèi)熱力站監(jiān)控研究現(xiàn)狀熱力站控制策略現(xiàn)狀目前國(guó)內(nèi)外供熱控制一般都將室外溫度作為參考信號(hào)，根據(jù)室外溫度來(lái)調(diào)節(jié)供熱量，在控制上基本采用PID算法。一些新的控制方法文獻(xiàn)[91,92]針對(duì)供熱系統(tǒng)具有多個(gè)變量的特點(diǎn)引入模糊控制。文獻(xiàn)[93]研究了一種基于遺傳算法的集中供熱和供冷的優(yōu)化運(yùn)行方法，用一個(gè)污水處理廠做實(shí)驗(yàn)檢驗(yàn)了應(yīng)用熱能情況。文獻(xiàn)[95]使用DMC預(yù)測(cè)控制方法對(duì)熱力站進(jìn)行自動(dòng)調(diào)節(jié)，并進(jìn)行了計(jì)算機(jī)仿真?，F(xiàn)狀分析在供熱領(lǐng)域，缺少先進(jìn)、實(shí)時(shí)性好的控制算法研究，目前提出的這些算法大都停留在實(shí)驗(yàn)室離線仿真階段，缺少工程應(yīng)用，不能滿足節(jié)能和適應(yīng)復(fù)雜供熱對(duì)象的需求。課題來(lái)源及研究的目的和意義國(guó)內(nèi)外研究現(xiàn)狀及分析主要研究?jī)?nèi)容

主要研究成果

發(fā)表學(xué)術(shù)論文及其它成果

論文的組織結(jié)構(gòu)主要內(nèi)容主要研究?jī)?nèi)容熱力站供熱過(guò)程建模供熱短期負(fù)荷預(yù)報(bào)質(zhì)調(diào)量調(diào)通道解耦質(zhì)調(diào)通道預(yù)測(cè)控制供熱控制系統(tǒng)設(shè)計(jì)熱力站供熱過(guò)程建模供熱過(guò)程的質(zhì)調(diào)通道機(jī)理建模是根據(jù)供熱過(guò)程的熱平衡關(guān)系確定對(duì)象模型的階次及型式，從而為求解實(shí)際模型提供依據(jù)。熱交換器模型供熱管網(wǎng)模型熱用戶散熱模型用戶室內(nèi)模型供熱過(guò)程動(dòng)態(tài)模型化簡(jiǎn)供熱過(guò)程簡(jiǎn)化模型熱力站供熱過(guò)程建模機(jī)理建模法基于下列假設(shè)，建立熱交換器的熱平衡方程：(1)熱交換器冷熱流體的物理特性保持不變；(2)熱傳遞系數(shù)保持不變；(3)忽略換熱器管壁傳熱；(4)忽略沿寬度方向和厚度方向的導(dǎo)熱，只考慮沿徑向?qū)帷峤粨Q器模型熱交換器模型式中，

熱交換器動(dòng)態(tài)結(jié)構(gòu)圖熱力站供熱過(guò)程建?！獧C(jī)理建模法熱力站供熱過(guò)程建?！獧C(jī)理建模法供熱管網(wǎng)模型建立供熱管網(wǎng)的熱力特性數(shù)學(xué)模型時(shí)，假定:供熱管道為均質(zhì)材料，管壁溫度沿徑向均勻分布，忽略管壁軸向傳熱，只考慮水流與管壁間熱交換造成溫度軸向變化。保溫層為均質(zhì)材料，保溫層材料一般熱阻大而熱容小，忽略保溫層認(rèn)為保溫層外環(huán)境溫度為常數(shù)。不考慮供熱管道傳熱系數(shù)沿徑向的變化。管網(wǎng)動(dòng)態(tài)結(jié)構(gòu)圖

式中，

熱力站供熱過(guò)程建?！獧C(jī)理建模法供熱管網(wǎng)模型式中，

用戶散熱器動(dòng)態(tài)結(jié)構(gòu)圖

熱力站供熱過(guò)程建?！獧C(jī)理建模法熱用戶散熱模型式中，

用戶室內(nèi)動(dòng)態(tài)模型結(jié)構(gòu)圖

熱力站供熱過(guò)程建?！獧C(jī)理建模法熱用戶室內(nèi)模型熱力站供熱過(guò)程建?！獧C(jī)理建模法供熱動(dòng)態(tài)模型熱交換器出口熱媒溫度等于供水側(cè)管網(wǎng)入口熱媒溫度；供水側(cè)管網(wǎng)出口熱媒溫度等于用戶散熱器入口熱媒溫度；用戶散熱器出口熱媒溫度等于回水側(cè)管網(wǎng)入口熱媒溫度；回水側(cè)管網(wǎng)出口熱媒溫度等于熱交換器入口熱媒溫度。

供熱過(guò)程質(zhì)調(diào)通道動(dòng)態(tài)結(jié)構(gòu)圖

當(dāng)忽略熱網(wǎng)散熱的影響時(shí)，用戶散熱器的進(jìn)出口水溫度就等同于熱網(wǎng)的供回水溫度，即，；對(duì)用戶室內(nèi)部分，按照前述的簡(jiǎn)化原則，用戶亦由單個(gè)房間等效為廣義用戶，并用回水溫度代替用戶溫度，即。質(zhì)調(diào)通道動(dòng)態(tài)簡(jiǎn)化結(jié)構(gòu)圖

熱力站供熱過(guò)程建模—機(jī)理建模法供熱簡(jiǎn)化模型熱力站供熱過(guò)程建?！獧C(jī)理建模法實(shí)際水泵的特性方程目前還不能由理論推導(dǎo)得到，故常用實(shí)驗(yàn)數(shù)據(jù)進(jìn)行曲線擬合的方法得到。

式中，

熱力站供熱過(guò)程建模—機(jī)理建模法熱力站供熱過(guò)程建?！獙?shí)驗(yàn)建模法飛升曲線法最小二乘辨識(shí)確定部分模型可直接辨識(shí)出滯后時(shí)間不需要完整的建模曲線精度高優(yōu)點(diǎn)：熱力站供熱過(guò)程建?！獙?shí)驗(yàn)建模法式中，當(dāng)辨識(shí)模型為一階慣性加滯后時(shí)，

當(dāng)辨識(shí)模型為二階慣性加滯后時(shí)，取不同時(shí)刻，可得線性差分方程組:對(duì)象模型：辨識(shí)方程：。熱力站供熱過(guò)程建?！獙?shí)驗(yàn)建模法得到供熱系統(tǒng)主通道模型：式中，用長(zhǎng)自回歸模型法對(duì)ARMA模型進(jìn)行估計(jì)：

熱力站供熱過(guò)程建?！S機(jī)部分建模經(jīng)次差分后得到模型。式中，A1(q)=1+0.5101q-1-0.2944q-2-0.07516q-3-0.3045q-4+0.5415q-5；C1(q)=1-0.2611q-1+0.09255q-2-0.263q-3-0.6003q-4。

式中，A2(q)=1-1.119q-1+0.3872q-2；C2(q)=1-0.5848q-1+0.07255q-2。

量調(diào)通道隨機(jī)部分模型：熱力站供熱過(guò)程建模—隨機(jī)部分建模質(zhì)調(diào)通道隨機(jī)部分模型：供熱過(guò)程質(zhì)調(diào)、量調(diào)通道動(dòng)態(tài)模型熱力站供熱過(guò)程建?！魍ǖ滥Ｐ蛯?duì)供熱過(guò)程模型的傳遞函數(shù)矩陣進(jìn)行離散化，得

結(jié)合隨機(jī)部分模型，得到供熱過(guò)程主通道的動(dòng)態(tài)描述：

(a)質(zhì)調(diào)通道動(dòng)態(tài)模型(b)量調(diào)通道動(dòng)態(tài)模型熱力站供熱過(guò)程建模—耦合系統(tǒng)模型分別為耦合1和耦合通道2模型：結(jié)合主通道模型耦合系統(tǒng)模型主要內(nèi)容主要研究?jī)?nèi)容熱力站供熱過(guò)程建模供熱短期負(fù)荷預(yù)報(bào)質(zhì)調(diào)量調(diào)通道解耦質(zhì)調(diào)通道預(yù)測(cè)控制供熱控制系統(tǒng)設(shè)計(jì)供熱負(fù)荷預(yù)報(bào)

供熱負(fù)荷預(yù)報(bào)時(shí)間序列法供熱負(fù)荷預(yù)報(bào)RBF神經(jīng)網(wǎng)絡(luò)供熱負(fù)荷預(yù)報(bào)

最大熵法供熱負(fù)荷預(yù)報(bào)

供熱負(fù)荷短期預(yù)報(bào)研究—交叉預(yù)報(bào)陣列獲取哈爾濱市某熱力站2006年1月20日至3月20日共60天實(shí)測(cè)數(shù)據(jù)，每隔15分鐘采樣一次，每天從早上7點(diǎn)到晚上7點(diǎn)共12小時(shí)，采樣49次。交叉預(yù)報(bào)樣本陣列供熱負(fù)荷短期預(yù)報(bào)研究—平穩(wěn)性判斷供熱負(fù)荷平穩(wěn)性檢驗(yàn)表

供熱負(fù)荷短期預(yù)報(bào)研究—AR模型預(yù)報(bào)法p階AR模型：

確定系數(shù)，使預(yù)報(bào)誤差均方值最小

Yule-Walker方程F定階準(zhǔn)則

確定模型階次

供熱負(fù)荷短期預(yù)報(bào)研究—ARMA模型預(yù)報(bào)法ARMA(n,n-1)模型：

基于DDS的ARMA建模法

供熱負(fù)荷短期預(yù)報(bào)研究—最大熵法供熱負(fù)荷預(yù)報(bào)使前、后向預(yù)測(cè)誤差的平均功率最小確定階數(shù)N和的方法

Burg算法流程本文采用Burg算法供熱負(fù)荷短期預(yù)報(bào)研究—RBF神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)報(bào)

RBF神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)報(bào)模型的構(gòu)建正交最小二乘選取數(shù)據(jù)中心、梯度訓(xùn)練法計(jì)算權(quán)系數(shù)交叉負(fù)荷預(yù)報(bào)供熱負(fù)荷短期預(yù)報(bào)研究—RBF神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)報(bào)RBF縱向、橫向負(fù)荷預(yù)報(bào)自相關(guān)系數(shù)及其上、下限值(置信水平取70%)自相關(guān)法確定RBF網(wǎng)絡(luò)模型輸入向量的維數(shù)

供熱負(fù)荷短期預(yù)報(bào)研究—AR模型負(fù)荷預(yù)報(bào)仿真a)供熱負(fù)荷AR(3)模型橫向預(yù)報(bào)b)供熱負(fù)荷AR(3)模型縱向預(yù)報(bào)c)熱負(fù)荷AR(3)模型的交叉預(yù)報(bào)

供熱負(fù)荷短期預(yù)報(bào)研究—ARMA模型負(fù)荷預(yù)報(bào)仿真a)供熱負(fù)荷ARMA(3，2)模型橫向預(yù)報(bào)b)供熱負(fù)荷ARMA(3，2)模型縱向預(yù)報(bào)c)熱負(fù)荷ARMA(3，2)模型的交叉預(yù)報(bào)

供熱負(fù)荷短期預(yù)報(bào)研究—最大熵負(fù)荷預(yù)報(bào)仿真

a)供熱負(fù)荷最大熵法橫向預(yù)報(bào)b)供熱負(fù)荷最大熵法縱向預(yù)報(bào)c)供熱負(fù)荷最大熵法交叉預(yù)報(bào)供熱負(fù)荷短期預(yù)報(bào)研究—RBF神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)報(bào)仿真a)RBF橫向與縱向負(fù)荷預(yù)報(bào)曲線b)RBF交叉負(fù)荷預(yù)報(bào)曲線供熱負(fù)荷短期預(yù)報(bào)研究—線性供熱負(fù)荷預(yù)報(bào)比較供熱負(fù)荷短期預(yù)報(bào)研究—非線性供熱負(fù)荷預(yù)報(bào)比較主要內(nèi)容主要研究?jī)?nèi)容熱力站供熱過(guò)程建模供熱短期負(fù)荷預(yù)報(bào)質(zhì)調(diào)量調(diào)通道解耦質(zhì)調(diào)通道預(yù)測(cè)控制供熱控制系統(tǒng)設(shè)計(jì)質(zhì)調(diào)量調(diào)解耦—耦合程度判斷其中,。Bristol-Shinskey法確定穩(wěn)態(tài)耦合程度動(dòng)態(tài)耦合程度的確定

其中其中。相對(duì)增益矩陣：動(dòng)態(tài)相對(duì)增益矩陣：質(zhì)調(diào)量調(diào)解耦—熱力站穩(wěn)態(tài)耦合程度判斷靜態(tài)相對(duì)增益系數(shù)矩陣：

結(jié)論：在穩(wěn)態(tài)時(shí)相互影響并不是很嚴(yán)重，從運(yùn)行角度來(lái)說(shuō)，不必采取特殊的解耦措施；但由于質(zhì)調(diào)-量調(diào)的耦合降低了控制的效果，即使在耦合影響不大的情況下，也會(huì)導(dǎo)致供熱量無(wú)法準(zhǔn)確跟蹤用戶的需熱量，所以為了滿足高質(zhì)量供熱的需要，需要進(jìn)行解耦設(shè)計(jì)。對(duì)大于2的分級(jí)，仍然能夠?qū)崿F(xiàn)概率為1/e、總時(shí)間小于en網(wǎng)絡(luò)的初始化？

質(zhì)調(diào)量調(diào)解耦—熱力站動(dòng)態(tài)耦合程度判斷對(duì)大于2的分級(jí)，仍然能夠?qū)崿F(xiàn)概率為1/e、總時(shí)間小于en網(wǎng)絡(luò)的初始化？

質(zhì)調(diào)量調(diào)解耦——理想解耦對(duì)大于2的分級(jí)，仍然能夠?qū)崿F(xiàn)概率為1/e、總時(shí)間小于en網(wǎng)絡(luò)的初始化？

、,、質(zhì)調(diào)量調(diào)解耦——理想解耦仿真質(zhì)調(diào)量調(diào)解耦——時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)分類局域遞歸神經(jīng)網(wǎng)絡(luò)模型：

靜態(tài)遞歸神經(jīng)網(wǎng)絡(luò)模型：

靜態(tài)遞歸神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)：在網(wǎng)絡(luò)輸入信號(hào)中考慮系統(tǒng)的動(dòng)態(tài)因素——輸入、輸出的滯后信號(hào)加到網(wǎng)絡(luò)輸入中，從而保證網(wǎng)絡(luò)的輸出含有先前的輸入、輸出信息，模擬離散的動(dòng)態(tài)系統(tǒng)。質(zhì)調(diào)量調(diào)解耦——時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)解耦結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)解耦系統(tǒng)結(jié)構(gòu)圖質(zhì)調(diào)量調(diào)解耦——時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)輸入確定(1)(2)(3)b)解耦效果比較圖

a)解耦效果比較圖

質(zhì)調(diào)量調(diào)解耦——時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)解耦仿真

主要內(nèi)容主要研究?jī)?nèi)容熱力站供熱過(guò)程建模供熱短期負(fù)荷預(yù)報(bào)質(zhì)調(diào)量調(diào)通道解耦質(zhì)調(diào)通道預(yù)測(cè)控制供熱控制系統(tǒng)設(shè)計(jì)質(zhì)調(diào)預(yù)測(cè)控制研究—DMC改進(jìn)算法DMC算法改進(jìn)由兩部分組成：對(duì)DMC基本算法進(jìn)行簡(jiǎn)化，將預(yù)測(cè)模型階次由N減少到n、控制器階次有N-1降為N-2，由于n<<N，因此大大減少在線計(jì)算量，提高預(yù)測(cè)控制實(shí)時(shí)性；采用預(yù)報(bào)誤差校正算法來(lái)代替原誤差校正，解決模型簡(jiǎn)化后可能引起的模型失配問(wèn)題。其中，

質(zhì)調(diào)預(yù)測(cè)控制研究—DMC模型簡(jiǎn)化質(zhì)調(diào)預(yù)測(cè)控制研究—DMC模型簡(jiǎn)化模型簡(jiǎn)化DMC算法的IMC結(jié)構(gòu)：

預(yù)報(bào)誤差校正算法質(zhì)調(diào)預(yù)測(cè)控制研究—預(yù)報(bào)誤差算法

質(zhì)調(diào)預(yù)測(cè)控制研究—預(yù)報(bào)誤差算法

數(shù)字化誤差預(yù)報(bào)器

預(yù)報(bào)誤差校正算法質(zhì)調(diào)預(yù)測(cè)控制研究—預(yù)報(bào)誤差算法

預(yù)報(bào)誤差校正法的IMC結(jié)構(gòu)

參數(shù)全部未知的GPC自適應(yīng)隱式算法(1)控制律質(zhì)調(diào)預(yù)測(cè)控制研究—隱式GPC算法

質(zhì)調(diào)預(yù)測(cè)控制研究—隱式GPC算法

(2)辨識(shí)方程質(zhì)調(diào)預(yù)測(cè)控制研究—隱式GPC算法

(3)隱式算法BP網(wǎng)絡(luò)動(dòng)態(tài)模型的預(yù)測(cè)控制偏差控制算法

質(zhì)調(diào)預(yù)測(cè)控制研究—神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制

動(dòng)態(tài)過(guò)程中，相對(duì)預(yù)測(cè)偏差較大時(shí)，目標(biāo)函數(shù)J的大小主要由公式右端的第二項(xiàng)的動(dòng)態(tài)預(yù)測(cè)偏差來(lái)決定；當(dāng)系統(tǒng)趨于穩(wěn)定，相對(duì)預(yù)測(cè)偏差較小時(shí)，目標(biāo)函數(shù)J的大小主要由公式右端的第一項(xiàng)的穩(wěn)態(tài)預(yù)測(cè)偏差來(lái)決定。采用一維黃金分割法來(lái)尋取最優(yōu)控制律質(zhì)調(diào)預(yù)測(cè)控制研究—神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制

質(zhì)調(diào)預(yù)測(cè)控制研究—供熱質(zhì)調(diào)DMC、GPC仿真質(zhì)調(diào)預(yù)測(cè)控制研究—供熱質(zhì)調(diào)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制仿真

主要內(nèi)容主要研究?jī)?nèi)容熱力站供熱過(guò)程建模供熱短期負(fù)荷預(yù)報(bào)質(zhì)調(diào)量調(diào)通道解耦質(zhì)調(diào)通道預(yù)測(cè)控制供熱控制系統(tǒng)設(shè)計(jì)供熱監(jiān)控系統(tǒng)設(shè)計(jì)—系統(tǒng)設(shè)計(jì)原則

系統(tǒng)設(shè)計(jì)原則系統(tǒng)設(shè)計(jì)遵循“先進(jìn)性、實(shí)用性、可靠性和可擴(kuò)展性”的基本原則，以提高自動(dòng)化管理水平和節(jié)能增效為目的，采用模塊化結(jié)構(gòu)設(shè)計(jì)，以適合各種不同場(chǎng)所，便于系統(tǒng)增容、擴(kuò)展、運(yùn)行及維護(hù)。供熱監(jiān)控系統(tǒng)設(shè)計(jì)—監(jiān)控系統(tǒng)結(jié)構(gòu)

監(jiān)控系統(tǒng)硬件結(jié)構(gòu)圖

供熱監(jiān)控系統(tǒng)設(shè)計(jì)—熱力站控制器連接熱力站控制器與現(xiàn)場(chǎng)設(shè)備連接結(jié)構(gòu)圖供熱監(jiān)控系統(tǒng)設(shè)計(jì)—熱力站控制器功能熱力站控制器基本功能：供熱工況監(jiān)測(cè)數(shù)據(jù)通訊功能故障報(bào)警及處理供熱負(fù)荷的控制補(bǔ)水泵的控制PLC質(zhì)調(diào)、量調(diào)回路控制圖

供熱監(jiān)控系統(tǒng)設(shè)計(jì)—監(jiān)控中心功能調(diào)度室監(jiān)控中心軟件界面有用戶登錄界面、工藝流程界面、供熱參數(shù)顯示、報(bào)警顯示界面、報(bào)表打印界面、實(shí)時(shí)趨勢(shì)、歷史趨勢(shì)界面和參數(shù)設(shè)定界面等。監(jiān)控中心軟件實(shí)現(xiàn)的功能主要：(1)供熱工況監(jiān)測(cè)：以直接顯示、趨勢(shì)圖和在線表格三種形式顯示過(guò)程參數(shù)(2)供熱參數(shù)設(shè)定：控制量的手動(dòng)設(shè)定和控制參數(shù)的設(shè)定；(3)數(shù)據(jù)歸檔：供熱數(shù)據(jù)的短期歸檔和長(zhǎng)期歸檔；(4)報(bào)警記錄：進(jìn)行實(shí)時(shí)報(bào)警、歷史報(bào)警察看和報(bào)警記錄打??；(5)報(bào)表打印：班報(bào)表、日?qǐng)?bào)表、月報(bào)表的顯示與打印。監(jiān)控中心軟件架構(gòu)圖供熱監(jiān)控系統(tǒng)設(shè)計(jì)—監(jiān)控中心軟件結(jié)構(gòu)供熱監(jiān)控系統(tǒng)設(shè)計(jì)—實(shí)時(shí)數(shù)據(jù)庫(kù)結(jié)構(gòu)實(shí)時(shí)數(shù)據(jù)庫(kù)的體系結(jié)構(gòu)圖

供熱監(jiān)控系統(tǒng)設(shè)計(jì)—GPRS數(shù)據(jù)采集流程GPRS無(wú)線通信方式數(shù)據(jù)采集流程供熱監(jiān)控系統(tǒng)設(shè)計(jì)—節(jié)能裝置供熱監(jiān)控系統(tǒng)設(shè)計(jì)—熱力站現(xiàn)場(chǎng)調(diào)試

供熱監(jiān)控系統(tǒng)設(shè)計(jì)—供熱節(jié)能效果分析

連續(xù)運(yùn)行4個(gè)工作日，每日從7：00~19：00，每2小時(shí)進(jìn)行手動(dòng)和自動(dòng)切換。手動(dòng)方式按熱力站氣溫-供暖溫度參考表進(jìn)行調(diào)節(jié)，自動(dòng)方式按本文的節(jié)能策略進(jìn)行控制。

供熱監(jiān)控系統(tǒng)設(shè)計(jì)—節(jié)能監(jiān)控裝置的技術(shù)檢驗(yàn)

2009年4月3日黑龍江省節(jié)能監(jiān)測(cè)中心對(duì)裝置進(jìn)行現(xiàn)場(chǎng)測(cè)試，并給出測(cè)試結(jié)果：裝置具備自動(dòng)檢測(cè)、自動(dòng)調(diào)節(jié)、自動(dòng)報(bào)警功能，觸摸屏顯示主要運(yùn)行參數(shù)和修改控制參數(shù)功能，通過(guò)GPRS實(shí)現(xiàn)控制裝置與調(diào)度中心無(wú)線通信功能，采用負(fù)荷預(yù)報(bào)實(shí)現(xiàn)裝置節(jié)能監(jiān)控功能；裝置達(dá)到的技術(shù)指標(biāo)有負(fù)荷預(yù)報(bào)精度小于3.9%；二級(jí)網(wǎng)供水溫度靜差小于0.1℃；一級(jí)網(wǎng)供水流量超調(diào)量小于20%；溫度、流量和壓力等主要參數(shù)檢測(cè)精度小于1.5%；裝置節(jié)能率可在6%～13%進(jìn)行調(diào)節(jié)，測(cè)試期間節(jié)能率為10.64%，標(biāo)準(zhǔn)熱用戶室內(nèi)溫度變化范圍小于1℃。

課題來(lái)源及研究的目的和意義國(guó)內(nèi)外研究現(xiàn)狀及分析主要研究?jī)?nèi)容

主要研究成果

發(fā)表學(xué)術(shù)論文及其它成果

結(jié)論本文以熱力站供熱控制系統(tǒng)為研究對(duì)象，應(yīng)用現(xiàn)代信息分析處理和先進(jìn)控制的方法，給出供熱節(jié)能的優(yōu)化控制策略。本文的理論創(chuàng)新歸納如下：提出將典型信號(hào)響應(yīng)與最小二乘結(jié)合的供熱過(guò)程建模方法。采用典型信號(hào)響應(yīng)曲線和最小二乘法相結(jié)合的建模方法對(duì)熱力站供熱系統(tǒng)進(jìn)行建模。該方法能直接辨識(shí)出滯后時(shí)間參數(shù)，且不需要完整的建模曲線，其精度比常規(guī)方法有顯著提高。提出用最大熵理論預(yù)報(bào)非平穩(wěn)序列供熱負(fù)荷的方法。采用最大熵法對(duì)供熱非平穩(wěn)序列進(jìn)行預(yù)報(bào)，使前、后向預(yù)報(bào)誤差的平均功率最小。該方法把供熱負(fù)荷的自相關(guān)函數(shù)進(jìn)行了無(wú)限的外推，從而可以預(yù)測(cè)觀測(cè)區(qū)外的數(shù)據(jù)，克服了經(jīng)典譜估計(jì)算法中加窗所帶來(lái)分辨率降低的弊端，既解決了非平穩(wěn)序列預(yù)報(bào)問(wèn)題，又提高了預(yù)報(bào)精度。

結(jié)論(3)提出應(yīng)用交叉序列與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)報(bào)方法。將交叉預(yù)報(bào)思想引入RBF神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)報(bào)中，用縱向預(yù)報(bào)跟蹤用戶對(duì)負(fù)荷的需求，橫向預(yù)報(bào)跟蹤天氣的影響，通過(guò)對(duì)縱向和橫向預(yù)報(bào)結(jié)果進(jìn)行加權(quán)得到交叉預(yù)報(bào)模型。該方法不但提高了預(yù)報(bào)精度，而且通過(guò)與BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)法進(jìn)行比較，提高了預(yù)報(bào)的實(shí)時(shí)性。(4)提出應(yīng)用時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行質(zhì)調(diào)量調(diào)回路非線性解耦的方法。采用時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行質(zhì)調(diào)量調(diào)通道的解耦，在神經(jīng)網(wǎng)絡(luò)輸入信號(hào)中考慮系統(tǒng)的動(dòng)態(tài)因素，并將輸入、輸出的滯后信號(hào)加到網(wǎng)絡(luò)輸入中，從而保證網(wǎng)絡(luò)的輸出含有先前的輸入、輸出信息。通過(guò)改進(jìn)的假近鄰法辨識(shí)神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)，解決時(shí)間序列嵌入維數(shù)求取困難的問(wèn)題。該方法計(jì)算量小，只需小樣本訓(xùn)練數(shù)據(jù)，適合于實(shí)時(shí)控制的需要。(5)提出一種基于BP神經(jīng)網(wǎng)絡(luò)和黃金分割法求解控制律的預(yù)測(cè)控制算法。針對(duì)供熱過(guò)程的非線性、時(shí)變、時(shí)滯等特性，將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制引入到供熱質(zhì)調(diào)回路控制中。用BP神經(jīng)網(wǎng)絡(luò)建立對(duì)象預(yù)測(cè)模型，用一維黃金分割法尋找最佳控制量，仿真表明該方法能對(duì)供熱過(guò)程進(jìn)行有效控制。課題來(lái)源及研究的目的和意義國(guó)內(nèi)外研究現(xiàn)狀及分析主要研究?jī)?nèi)容

主要研究成果

發(fā)表學(xué)術(shù)論文及其它成果

發(fā)表學(xué)術(shù)論文情況

CHENLie,QIWei-gui,DENGSheng-chuan.Studyofheatloadforecastingbasedonthemaximumentropyprinciple.JOURNALOFXIDIANUNIVERSITY.2008,35(1):183~188

(EI:081211161607)LIECHEN,QIAO-LINGZHANG,WEI-GUIQI.HEATLOADPREDICTIONFORHEATSUPPLYSYSTEMBASEDONRBFNEURALNETWORKANDTIMESERIESCROSSOVER.ProceedingsoftheSeventhInternationalConferenceonMachineLearningandCybernetics.2008(EI:085211817018)QIWei-gui,CHENLie,ZHUXue-li.Studyonleastsquaremodelingofheatengineeringobjectbasedontypicalsignalresponse.JournalofHarbinInstituteofTechnology.2007,14(1):1~4(EI:071610557687)4.YONG-MINGZHANG