针对集中供热二次管网的性能预测与异常检测关键技术研究

【摘要】：随着我国经济的持续发展和城镇化进程的加快,集中供热系统也正蓬勃发展,其提供了舒适的居住环境的同时,正逐步加剧现阶段能源供求矛盾。同时,国内目前集中供暖能源效率仅有发达国家的1/3左右,因此,对集中供热的节能研究势在必行。本文针对现阶段集中供热二次管网中关键部件、关键问题,分析了在各种复杂工况下二次管网中板式换热器热力运行状态、针对不同建筑特性参数和气候参数的热负荷预测与分析以及用户侧异常用热的检测。主要研究工作如下:提出了一种简单精确的两相流板式换热器实时控制模型,对板式换热器传热传质基本特性进行了理论与实验研究。针对两相流板式换热器中,蒸汽侧包含相变过程,其换热计算相对复杂,各工况参数不易测量或获取等问题,提出一种对针对两相流的板式换热器模型。首先,通过机理分析与传热传质方程对换热过程进行数学描述,并对参数进行集总,采用线性最小二乘法和非线性最小二乘法对未知参数进行辨识,以减少应用中的预测误差,最终得到可控或可测参数之间的关系,满足了实时控制与优化的应用要求,提高供热质量。提出一种基于建筑特性参数、气候参数的集中供热用户侧热负荷预测精确模型。该模型基于实际应用和理论计算,从热力学定律的经典工程方程出发,利用物理和经验建模方法的优点来实时地描述房间的换热过程,推导出基本控制方程。同时通过对变量进行集总、辨识,推导出了一个简单而精确的混合模型结构。在选取的终端用户的实际住宅耗热量等数据的基础上,对模型的有效性和准确性进行了研究和验证。提出的建模方法考虑了用户的建筑参数、室外温度、风速、高度等热负荷影响因素,并依次通过实验将上述因素对建筑热负荷的定量影响进行了研究。该模型为集中供热二次管网间的热能平衡、按需分配、网络设计等提供指导和建议。提出了适用于二次供热管网的用户侧供热异常检测方法。以提出的热负荷预测方法为依据,利用核高斯混合聚类(Kernel Gaussian Mixture Cluster,KGMC)和核高斯混合推理指数(Kernel Gaussian Mixture Inferential Index,KGMMⅡ)算法,将低维空间中的原始数据投影到高维空间进行聚类或分类计算,以适应二次管网的大数据量、非线性与滞后性。同时将其与K-Means和高斯混合聚类(Gaussian Mixed Mode,GMM)算法相比,检测率和误报率均有不同程度的改善。在所提异常检测算法的基础上,针对不同的建筑类型判断其异常用热的数据特征,如开窗散热、安装加压泵等。同时,通过与分户计量数据的对比分析,对所提检测算法的精确度进行了度量。该异常检测方法将有助于供热公司主动检测异常,做好供热调节,提高能源效率和热舒适性。搭建基于大数据的用户热负荷数据处理平台,即工业大数据的采集和分析平台,以Yarn作为底层资源管理平台的Spark系统,采用yarn-cluster模式。平台采用据源、数据获取层、数据分析层和数据存储层的搭建结构,其中数据处理流程为供热数据直接被导入到HDFS或通过Sqoop进入数据分析层,通过迭代计算,将KGMC聚类与KGMMII分类算法进行实现,将最后的结果存储在HDFS,针对具体应用进行分析。