河北工業大學 孫春華 柳亞楠 曹姍姍 朱佳 鐘健 齊承英

       【摘  要】傳統的熱力站調控大都是根據技術人員的經驗和熱用戶的反饋進行調節，這種粗放的調控方式經常會使室溫波動較大，導致過量供熱并且浪費能源，因此各站需要根據信息化數據制定精準的調控策略。本文以某市大型供熱系統的典型熱力站為研究對象，分析了節能地暖、節能散熱器和非節能散熱器三種不同類型熱力站的調控周期，確定其最佳調控時間節點，從而得到精確的調控策略，并分析調控效果。研究發現，采用該策略進行調節后室溫波動較為平緩，能夠明顯減輕過熱現象，并且節能效果顯著。   

       【關鍵詞】熱力站  調控周期  負荷預測  調控時間節點  

1 引言

       隨著室外溫度的變化及用戶熱舒適的需求，供熱系統熱力站應進行及時有效調控。實際運行中普遍存在根據調控人員的經驗和熱用戶的投訴來調控，而往往忽略建筑綜合熱惰性導致的調控響應時間差異，由此存在供需不平衡現象。并且技術人員在對管網進行調控時，面對“怎么調、何時調”兩個關鍵問題也大多憑經驗，時常會出現室溫過高、過量供熱的情況，能源浪費嚴重。因此需要根據信息化數據制定精確的調控策略，從而在確保用戶舒適性的同時避免過熱。耿欣欣^[1]運用DEST軟件以誤差最小為目標，對不同熱工性能建筑的熱負荷歷史影響時間進行深入研究并提出了“建筑熱負荷時間遺傳期”的概念。季翔^[2]運用數據挖掘方法對熱力站供熱量模式和運行調節策略進行識別研究，研究發現熱力站的供熱量具有周期性調節規律。負荷預測能夠維持供給側和需求側的動態平衡，通過對熱力站進行熱負荷預測來確定調節目標。常用的負荷預測方法有回歸分析、時間序列、智能機器學習法等。智能機器學習法包括人工神經網絡（ANN）、支持向量回歸（SVR）和灰色系統理論（GST）等方法?；貧w分析法是通過挖掘歷史數據來建立自變量與因變量之間的關系，需要大量數據，適合中短期預測，常用的是多元線性回歸（MLR）。Thomas Nigitz等人^[3]基于MLR建立了熱負荷和室外溫度的小時預測簡化模型，根據7個用戶的實時數據最終平均范圍歸一化誤差只有2.9 %，證明提出的預測方法具有一定適用性。文翰^[4]利用熱力站歷史運行參數建立了以室外溫度為自變量、供熱量為因變量的MLR預測模型，利用天氣預報的室外溫度對供熱量進行預測，并嵌入互聯網供熱管控一體平臺，表現出良好的經濟效益。李偉等人^[5]對新疆20多個熱電聯產機組建立了供熱量和環境溫度的簡化MLR模型，結果與歷史數據吻合度大，為調峰決策提供了理論指導。由于建筑的熱惰性使得室內溫度對于外界的擾動存在延遲和衰減的現象。張志博[6]通過實驗、模擬證明這種滯后變化現象與末端供熱形式密切相關：散熱器采暖預熱升溫（降溫）時間較地板輻射采暖短。所以在研究熱力站的調控時還要考慮建筑熱惰性的影響。

       為了提升供熱系統的調控水平，本文在分析熱負荷影響因素的基礎上，對熱力站建立了MLR預測模型，并辨識了調控周期及時間節點，解決了針對不同末端用戶及不同節能建筑的“怎么調、何時調”的問題，為實際供熱系統的節能減排工作提供了理論指導。

2 研究方法

       2.1 基于建筑熱惰性的調控周期確定

       建筑圍護結構和室內熱源對建筑物綜合熱惰性的影響都能夠通過室內溫度的時間延遲特性進行表征。然而，由于室內熱源對建筑熱惰性的影響與圍護結構的影響存在一定的重疊性，使得單獨研究室內熱源對于綜合熱惰性的影響存在一定的難度。因此，本文同時考慮建筑圍護結構和內熱源的影響，以綜合延遲時間作為綜合熱惰性在溫度變化方面的表征參數，定義綜合延遲時間為室內溫度峰谷出現時間與室外溫度峰谷出現時間之差。

       ?=t_n,max-t_w,max     （2.1）

       ?=t_n,min-t_w,min      （2.2）                      

       式中 ?——綜合延遲時間，h；

       t_n,max——室內溫度波峰出現的時間；

       t_n,min——室內溫度波谷出現的時間；

       t_w,max——熱力站二次供溫波峰出現的時間；

       t_w,min——熱力站二次供溫波谷出現的時間。

       2.2 基于多元線性回歸的熱負荷預測

       2.2.1 輸入參數的確定

       影響熱力站熱負荷的因素有很多。主要包括天氣條件，建筑物情況，系統運行情況以及各種隨機因素的影響。集中供熱系統調控時通常以供/回水溫度、流量為指標，為了便于對供熱系統指導供熱，本文以供回平均溫度取代耗熱量作為模型輸出參數。

       供水溫度、回水溫度、流量、壓差等參數都會影響熱負荷，因此有必要將供水溫度、流量、壓差考慮為模型的部分輸入參數。但對于熱力站來說，室內溫度與室外溫度的差值往往便能反映熱負荷的大小，而流量和壓差兩個參數的增加只會使模型冗長、復雜。因此，本文初步確定熱力站供熱參數預測模型的輸入模型包括歷史供回平均溫度、室外溫度、室內溫度。對于歷史數據的選取可根據相關性確定。三類熱力站的歷史數據分別為預測前一至前十個周期的歷史供溫，預測前一至前六個周期的歷史供溫和預測前一至前五個周期的歷史供溫。

       2.2.2 多元線性回歸

       多元線性回歸是基于數據統計原理發現因變量與自變量之間的關系，并建立一個相關性較好的數學表達式，用于預測因變量變化的一種預測方法，網絡結構如圖2.1所示。

圖2.1 MLR結構

       對于n維的樣本數據，建立的回歸模型表達式應如下：

                    （2.3）

       式中，θi (i=0,1,2,…,n)為模型回歸系數，Xi (i=0,1,2,…,n)為每個樣本的n個特征值。

       預測值與實際值通常情況下都會有誤差，一般線性回歸模型中使用均方差作為損失函數，所以可以得到損失函數的表達式：

               （2.4）

       對于回歸模型的損失函數計算，通常有兩種方法求損失函數最小化時的θ參數：一種是梯度下降法，另一種是最小二乘法。本文采用的是基于最小二乘法的多元線性回歸模型，則θ參數的迭代公式如下：

       θ=(X^TX)^-1X^TY                            （2.5）

       2.3 基于熱負荷預測的熱力站調控時間節點確定

       調節時間節點反映出用戶在不同時刻的用熱習慣和用熱需求，供熱技術的發展使得用戶已具備自主調節的能力，這意味著用戶在不同時間段的耗熱量往往有所差異。因此，合理確定熱力站調節時間節點是精細化供熱不可或缺的環節。本文通過數據分析辨識出熱力站調控周期后，將一天分成不同的時間序列，再利用MLR模型建立具有不同時間節點的預測模型，最后計算不同調節時間節點下預測結果的MAPE值，從而確定最佳的時間節點。圖2.2是時間節點的確定流程。

圖2.2 確定調節時間節點流程圖

       2.4 評價指標

       （1）為了評價負荷預測模型，引入平均絕對百分比誤差（MAPE）：

                                       （2.6）

       （2）為了評價調控后的節能效果，定義熱力站每小時的節能潛力J為實際耗熱量指標與設定目標室溫下的耗熱量指標的偏差百分比，J值越低越節能，計算方法如下：

                         （2.7）

       式中  q——實際小時耗熱量指標，GJ/(m²?a)；

       q_Z——設定目標室溫下的折算小時耗熱量指標，GJ/(m²?a)。

       其中實際耗熱量指標和折算耗熱量指標的計算方法如下：

                                  （2.8）

                    （2.9）

       式中  Q——供熱系統熱力站小時耗熱量，GJ/h;

       A——熱力站或供熱系統的供熱面積，m²；

       n——不同供暖時期供熱小時數，h；

       m——供熱系統總供熱小時數，h；

       t_ns——熱力站或供熱系統設定室內溫度，℃；

       t_n——熱力站小時室內累積平均溫度，℃；

       t_w——熱力站小時室外平均溫度，℃。

3 應用分析

       3.1 實際應用

       本文以某市大型供熱系統的典型熱力站為研究對象，該供熱系統2018-2019年度實際供熱面積約2600萬平米，熱源分為熱電廠和調峰鍋爐房兩部分，總計有899個熱力站，1025個機組，其中非節能的散熱器供暖熱力站有389個，節能的散熱器供暖熱力站共有267個，節能地暖共有243個。熱力站機組全部為電調閥自動控制。對典型熱用戶室溫遠程監測，在典型用戶安裝2500多套典型室溫采集點，形成熱用戶末端供熱狀態的數據信息監測。

       3.1.1 數據預處理

       本文數據預處理分為三部分—離群數據剔除、空缺數據填充、噪聲數據平滑。首先對于離群數據剔除部分選定2倍標準差法，其次采用三次樣條插值法對于空缺數據進行填充，最后對于噪聲數據平滑部分選定高斯窗和指數平滑法結合的平滑降噪處理。

       3.1.2 調控周期確定

       通過計算二次側流動時間作為供熱系統管網的滯后時間，對研究熱網中某熱力站至用戶末端的管網滯后時間計算和匯總。由表3.1可知，所選熱力站至用戶端管網傳輸滯后時間主要在15~25 min分鐘內，且所有用戶的傳輸時間都小于35 min。

表3.1 熱力站至用戶端管網滯后時間占比

       選取熱力站二次網質調節供溫穩定工況進行分析?？紤]傳感器干擾等原因將供溫波動較小作為衡量內熱源是否恒定供熱的標準，將供水溫度波動小于1 ℃的工況均視為供溫穩定。依據上文對綜合延遲時間的定義，以2017~2018供熱季度歷史運行數據為基礎，對每類熱力站均選取兩個典型戶a和b，進行綜合延遲時間分析，以此分析由圍護結構和內熱源共同影響的綜合熱惰性延遲特性，結果見圖3.1~3.3。

圖3.1 非節能建筑散熱器供熱用戶的綜合延遲時間

圖3.2 節能建筑散熱器供熱用戶的綜合延遲時間

圖3.3 節能建筑地暖供熱用戶的綜合延遲時間

       由圖3.1~3.3可知，三類不同建筑的響應時間存在較大差異，非節能散熱器和節能散熱器供熱建筑的二次網綜合延遲時間約為6小時和8小時，對于節能地暖供熱建筑來說，綜合延遲時間約為12 h。數據分析結果與理論相符，因為節能建筑熱惰性大于非節能建筑，并且地暖系統因為敷設在地面之下故蓄熱性比散熱器好。

       3.1.3 調控時間節點確定

       本文利用多元線性回歸模型，以平均絕對百分比誤差最小為目標，得到最佳調控時間節點。首先將一天24 h按2 h間隔劃分為13個起始調節時刻，然后結合確定的調控周期，對每類熱力站按各自調控周期確定出13個不同起始調節時刻的調節表。分別運用matlab軟件對三類熱力站的熱負荷進行預測，并計算不同時間節點下預測的MAPE值。

圖3.4 三類熱力站不同調節時間誤差對比

       由圖3.4可知，對于末端為節能地暖供熱的用戶來說，當調控時間為8:00/20:00時得到的預測結果誤差最小，僅有1.5 %左右。對于末端為節能散熱器供熱的用戶來說，當調控時間為6:00/14:00/22:00時得到的預測結果誤差最小，只有0.58 %。對于末端為非節能散熱器供暖的用戶來說，調控時間為4:00/10:00/16:00/22:00時得到的預測結果誤差最小，MAPE值為2.89 %。三類典型熱力站最佳調控時間節點與氣候變化、人員作息規律相符。因而節能地暖、節能散熱器和非節能散熱器供熱的熱力站最佳的調控時間節點分別為8:00/20:00、6:00/14:00/22:00和4:00/10:00/16:00/22:00。

       3.2 調控效果分析

       3.2.1 室溫波動分析

       調控效果主要是驗證采用本文辨識的調控周期和調控時間節點后的用戶端室溫波動情況是否改善、室內溫度是否接近設定目標溫度以及熱力站是否節能，減輕過量供熱的情況。根據確定的熱力站調節策略分別對節能地暖供熱、節能散熱器供熱和非節能散熱器供熱熱力站進行效果驗證。在供熱初期未采用本文辨識的調節規律進行調節，而在供熱中、末期按照調節規律進行調控，對用戶室溫分布情況進行統計分析。

圖3.5 非節能散熱器用戶室溫分布頻率                       圖3.6 節能散熱器用戶室溫分布頻率

圖3.7 節能地暖供熱用戶室溫分布頻率

       由圖3.5到3.7可以看出，與未采用調控策略的采暖初期對比，節能地暖供熱、節能散熱器供熱和非節能散熱器末端用戶室溫在［16,18）和［22,24］區間內的占比減少，而在［18,22）范圍內的占比增加。說明在按照本文辨識的調節規律調控以后，用戶的舒適度增加，過冷和過熱的現象減少。

       3.2.2 節能分析

       根據式2.7計算節能潛力J，并繪出三種末端類型熱力站的節能潛力和室內溫度的關系圖。如圖3.8到圖3.10，我們可以看出三種熱力站在初寒期室溫波動較大，而在采用調節策略的高寒和末寒期，室溫波動明顯降低，趨于平穩，能夠很好的長時間應對室外溫度變化并保證室內溫度穩定在±0.5 ℃之內。而且熱力站的節能潛力J值均與室內溫度呈正比，在采用本文制定的調控策略后，非節能散熱器供暖、節能散熱器供暖、節能地暖供熱熱力站的節能潛力分別至少降低4.30 %、7.24 %、4.54 %。因此本文研究的基于供熱參數預測的熱力站調控規律具有較好的實際應用性。

圖3.8 非節能散熱器供熱熱力站的節能潛力    圖3.9 節能散熱器供熱熱力站的節能潛力

圖3.10 節能地暖供熱熱力站節能潛力

4 結論

       根據上述研究分析得出以下結論：

       （1）依據供暖建筑綜合延遲時間理論通過數據分析辨識出節能地暖、節能散熱器和非節能散熱器供熱的熱力站調節周期分別約為12h、8 h和6h。

       （2）利用多元線性回歸模型，以絕對誤差最小為目標辨識出不同類型熱力站最佳調控時間節點，得出節能地暖、節能散熱器和非節能散熱器供熱的熱力站調節時間節點分別為8:00/20:00、6:00/14:00/22:00和4:00/10:00/16:00/22:00。

       （3）采用本文辨識的調控規律進行調控應用后，室內溫度波動幅度明顯降低，減輕了過冷和過熱現象，大大提高熱用戶的舒適性，同時各熱力站均實現了節能運行。

參考文獻

       [1] 耿欣欣. 基于時間遺傳特性的建筑熱負荷預測研究:[碩士學位論文].天津:河北工業大學,2017.
       [2] 季翔. 基于實際數據的集中供熱系統運行策略的識別與評價:[碩士學位論文].天津:天津大學,2017.
       [3] Thomas Nigitz, Markus Gölles.A generally applicable, simple and adaptive forecasting method for the short-term heat load of consumers[J]. Applied Energy,2019,241:73-81.
       [4] 文翰. 基于最小二乘法的熱負荷預測的研究與應用:[碩士學位論文].大連:大連海事大學,2014.
       [5] 李偉,錢華東,徐強,等. 基于線性回歸的熱負荷預測在熱電聯產機組中的應用[J]. 儀器儀表用戶,2018,25(08):59-62+9.
       [6] 張志博. 房間采暖熱惰性及末端控制優化研究:[碩士學位論文].西安:長安大學,2019.

       備注：本文收錄于《建筑環境與能源》2020年10月刊總第37期（第22屆全國暖通空調制冷學術年會文集）。版權歸論文作者所有，任何形式轉載請聯系作者。