一种基于自适应模型预测控制技术的供热系统控制方法

1.本发明涉及基于自适应模型预测控制技术的供热系统控制方法，属于供热系统控制领域。


背景技术：

2.在我国，建筑能耗占到全社会总体能耗的30％到40％，而其中北方城镇供暖的能耗占据了建筑能耗的21％。从2001年到2017年，北方城镇供暖建筑面积从50亿m2增长到140 亿m2。经过节能计划，我国建筑综合传热系数已达到0.7～1.2w/(m2·
k)之间，国外传热系数标准低至0.4w/(m2·
k)。相比于发达国家，我国单位面积供热能耗相对较高，2017年统计为14kgce/m2。由此可见，我们国家的供热效率较低，能源浪费较多，具有非常大的提升空间。并且，目前我国城市化率以每年1％的提升比例不断攀升，据推测，10年后中国的城市化率将高达70％，届时我国用于供暖的能耗将是目前的2倍。
3.在集中供热控制系统方面，目前大部分地区的集中供热系统仍处于半自动、半人工控制的阶段，自动控制设备的使用程度较低，且多为传统的pid控制策略，总体上存在着参数获取困难以及控制滞后等问题。其中，采用凭借以往经验对温度进行调控的方式，对集中供热的效果产生了很大的影响。由此导致运行工况失调，用户之间冷热不均匀，供热量时而大时而小等问题，不仅难以满足住户的舒适度，也不利于节能减排。与此同时，由于针对供热系统热力工况的调控水平较弱，为保证住户的室内温度通常采用大流量小温差的运行模式，导致了过高的设备耗电量以及较为严重的管网水力不平衡现象。
4.模型预测控制技术作为一项预测控制技术，以其出色的处理时变干扰能力、良好的预测特性，在集中供热领域受到国内外学者广泛研究，且国外研究较多国内相对落后。由于模型预测控制技术存在诸多变体，国内外学者在运用该项技术对集中供热系统进行控制时，通常存在采用基础模型预测控制技术与灰箱模型相结合的方式，存在着模型失衡导致控制效果变差等一系列问题。


技术实现要素：

5.本发明旨在开发一种基于自适应模型预测控制技术的供热系统控制方法，克服原有控制技术因为模型失衡带来的控制效果变差的问题。
6.为了实现上述目的，本发明采用了以下技术方案：
7.1)设置数据收集处理模块，在收集换热站数据包括二次供水温度、二次流量，用户侧室内温度数据，换热站当地气象站数据包括太阳辐射、室外风速、室外温度等数据的基础上，采用插值法和滤波算法对数据进行清洗。
8.2)设置预测模型更新模块，将处理好的基础数据通过子空间辨识算法拟合建筑预测模型。该模块能够做到实时根据收集的输入输出基础数据更新建筑预测模型内部参数。
9.3)搭建自适应模型预测控制模块，连接预测模型更新模块，对换热站输出参数进行调控。在调控的每一步，预测模型更新模块都会收集运行过程中产生的历史数据，与建模
初期数据相结合更新预测模型的内部参数，并且将新的预测模型提供给自适应模型预测控制模块，保证预测模型的准确性。
10.与现有技术相比，本发明具有以下有益效果：
11.本发明采用预测模型更新模块与自适应模型预测控制相结合的方式，对供热系统中的换热站进行调控，克服了传统供热系统控制策略中，因建筑模型难以更新从而导致的模型失衡，控制效果变差等问题。
附图说明
12.图1为本发明方法的原理图，基于自适应模型预测控制技术的供热系统控制方法流程图；
具体实施方式
13.为了更为具体地描述本发明，下面结合附图对本发明进行详细说明。如图1所示，首先通过数据收集处理模块，从当地气象站处收集室外温度、风速、太阳辐射等数据。从换热站中监测收集二次供水温度、二次流量等数据。从住户侧监测收集室内温度数据，室内温度数据的检测点选取尽可能的位于热网中部区域，使获得的温度可以代表整个区域供热效果的平均状态，取多组用户侧室内温度监测数据，经处理后制作出一组数据代表整体区域的室内温度。上述数据首先通过插值法处理缺失值，然后通过滑动平均滤波算法对数据进行进一步的清洗。
14.具体滤波方法为，对于采集的数据，搭建一个数据容器，容器的长度为k(k＜＜14)，将容器放置于待清洗的数据的左边。然后将k个待清洗数据当中的第一个数值放置于容器当中，并且将数据容器沿着时间序列进行移动；在每一次数据容器的移动过程当中：将容器中最先进来的数据剔除，同时用时间序列中最新进来的数值对容器进行补充。重复以上过程，直到容器能够穿过整个时间序列。经过着个流程处理之后所得出的数据就变成了滤波处理之后的数据。
15.经上述处理后的数据，传输进入预测模型更新模块，将清洗后的二次供水温度、二次流量、室外温度、太阳辐射、风速数据作为输入，将清洗后的室内温度数据作为输出。经由cva 子空间辨识算法，拟合出一个为状态空间方程形式的建筑预测模型。并且将辨识出来的模型参数传输给下一步中的自适应模型预测控制模块。
16.在自适应模型预测控制模块当中，内部的基础对象模型如下
17.x(k+1)＝ax(k)+bu(k)
18.y(k)＝cx(k)+du(k)
19.其中，k为时刻、x为模型状态、y为模型输出，矩阵a、b、c和d是需要实时更新的参数矩阵，由预测模型更新模块提供。在配置自适应模型预测控制模块时，需要配置模块的多项输入数据，包括模型参数(model)、可测量干扰参数(md)、可测量输出参数(mo)、输出参考值参数(ref)，以及模块的可测量操作参数(md)。将太阳辐射数据、室外温度数据、风速数据作为可测量干扰变量(md)将二次供水温度变量和二次供水流量变量作为可测量操作变量(mv)将从住户监测处反馈来的室内温度数据作为可测量的输出变量(mo)，将换热站供热区域期望的住户室内温度设定为参考值。
20.通常由于建筑的热惰性，供热系统温度调节间隔为1小时。在该控制系统整体运行的过程中，在每个间隔时间段，数据收集处理模块模块通过收集处理运行阶段全体历史数据，包括二次供水温度、二次流量、室外温度、室内温度、太阳辐射、室外风速数据，重新进行模型拟合，更新预测模型的基础参数并传递给自适应模型预测控制模块。同时自适应模型预测控制模块收集住户侧监测反馈的室内温度数据以及从气象站收集的未来预测步长长度的太阳辐射、室外风速、室外温度数据，将更新的预测模型与系统内部的滚动优化算法结合，计算得出下一时刻换热站应提供的二次供水温度和二次供水流量数据。并且以指令的形式提供给换热站。
21.由于某些换热站根据不同的供暖时期，单独进行进行质调节或者量调节。因此，对于某些二次流量恒定，只做质调节的换热站，选用该控制方法在制作自适应模型预测控制模块时，将流量数据导入到可测量干扰项，可测量操作项只留二次供水温度一项即可。同理，对于只做量调节的换热站，选用该控制方法在制作自适应模型预测控制模块时，将二次供水温度数据导入到可测量干扰项，可测量操作项只留二次供水流量一项即可。
22.尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。

技术特征：
1.一种基于自适应模型预测控制技术的供热系统控制方法主体包括通过搭建数据收集处理模块采用滑动平均滤波算法处理数据，搭建预测模型更新模块采用子空间辨识算法不断更新建筑预测模型，并且与自适应模型预测控制模块相结合，对换热站进行质调节、量调节或质量流量调节。2.根据权利要求1所述的基于自适应模型预测控制技术的供热系统控制方法，其特征在于，用于更新建筑预测模型的数据经由滑动平均滤波算法处理。。3.根据权利要求1所述的基于自适应模型预测控制技术的供热系统控制方法，其特征在于，更新预测模型的辨识方法为子空间算法当中的cva算法。4.根据权利要求1所述的适用于集中供热系统的建筑预测模型搭建方法，其特征在于，自适应模型预测控制模块在每个执行点的间隔时间里，接收由cva子空间辨识算法辨识出来的新的预测模型。

技术总结
本发明公开了一种基于自适应模型预测控制技术的供热系统控制方法，属于供热系统控制领域。其流程为，搭建数据收集处理模块、预测模型更新模块和自适应模型预测控制模块。在每个控制时间间隔利用最新的历史数据更新预测模型，并将更新后的预测模型导入自适应预测控制模块，结合气象站采集的预测数据，以及实际住户测的室内温度反馈数据，对换热站的参数进行调节。本发明克服了传统供热系统控制策略中，因建筑模型难以更新从而导致的模型失衡，控制效果变差等问题，从而提高了供热系统的供热效果。果。


技术研发人员：孙贺江 蒋自威
受保护的技术使用者：天津大学
技术研发日：2022.03.03
技术公布日：2023/9/12