[发明专利]一种基于贝叶斯网络的区域供热模型预测控制系统及方法

说明书

本发明公开了一种基于贝叶斯网络的区域供热模型预测控制系统及方法，方法包括以下步骤：步骤S1，物理层热网数据感知，从源侧、网侧和楼宇侧实时获取并更新历史数据；步骤S2，依据历史数据，结合先验知识构建贝叶斯网络，并通过贝叶斯网络预测热力站、楼宇侧的负荷需求；步骤S3，根据楼宇负荷需求，结合历史运行数据和实时数据，通过贝叶斯网络推理得到二次侧、一次侧和源侧实时控制参数；步骤S4，根据历史运行数据和管网拓扑结构，建立源侧调节、网侧调节和楼宇侧调节的时间特性曲线，确定源侧调节、网侧阀门和楼宇侧电调阀调节策略，并根据此执行控制操作，消除热网调节的迟滞性，满足实时供需平衡，实现热用户侧按需精准供热。

技术领域

本发明属于供热系统的先进控制领域，是实现智慧供热的主要基础之一。具体涉及到一种基于贝叶斯网络的区域供热模型预测控制系统及方法，对源侧、热力站、网侧基于历史大数据集建立的模型，以实现供热系统供需平衡、热用户按需精准调控。

背景技术

传统的集中供热系统具有强耦合、大滞后、热惰性等特征和供需失衡的两大核心问题，即传统“源-网-荷”供热框架下由建筑热负荷波动性、室内居民行为不确定性、热源侧调控手段单一性等导致的供需匹配失衡，以及伴随“源-网-荷”热能生产、传输、损耗、转换、消费各环节中，多层级(热源侧、一次网、二次网等)热工水力复杂耦合性、热惰性、传输滞后性导致的供需两端在调控与响应上的不协调。目前主要是通过机理模型结合运营人员的经验对热网进行手工调节，而由于热网调节的强耦合与滞后性，运营人员往往需要经历调节、稳定、再调节的反复校准过程，效率低下且对运行人员的技术水平要求很高。针对热网调节的核心问题，本发明利用大数据与机器学习分析技术，基于数据模型驱动，提出了一种基于贝叶斯网络的区域模型负荷预测控制方法及系统，由于热网负荷预测具有多影响因子、强耦合、不确定性等特点，贝叶斯网络模型本身是一种不确定性关联模型，具有强大的不确定性问题处理能力，能够有效进行多源信息表达和融合。作为一种基于概率的不确定性推理方法，贝叶斯网络来对热网进行负荷预测更为贴切热网负荷预测的特性，进而消除热网调节迟滞性，实现热用户侧按需精准供热。

发明内容

本发明的目的是提供一种基于贝叶斯网络的区域供热模型预测控制系统及方法，基于历史大数据预测源侧、热力站楼宇侧的未来短期热负荷并且控制源侧、热力站调控参数，解决热网供需不平衡、调控不灵活的问题，实现热用户侧按需精准供热。

为了解决上述技术问题，本发明提供了一种基于贝叶斯网络的区域供热模型预测控制方法，包括如下步骤：

步骤S1，物理层热网数据感知，从源侧、网侧和楼宇侧实时获取并更新历史数据；

步骤S2，采用贝叶斯网络方法进行负荷预测，依据历史数据，结合先验知识构建贝叶斯网络，并通过贝叶斯网络预测热力站、楼宇侧的负荷需求；所述的先验知识包括当地辐照、气温、湿度、风速；

步骤S3，根据楼宇侧负荷需求，结合历史运行数据和实时数据，通过贝叶斯网络推理得到二次侧、一次侧和源侧实时控制参数；所述的二次侧、一次侧和源侧的控制参数包括循环泵速度、阀门开度、燃料量等；

步骤S4，根据历史运行数据和管网拓扑结构，建立源侧调节、网侧调节和楼宇侧调节的时间特性曲线，确定源侧调节、网侧阀门和楼宇侧阀门调节策略，并根据此执行控制操作，消除热网调节的迟滞性，实现热用户侧按需精准供热。

上述技术方案中，步骤S1，物理层热网数据感知，从源侧、网侧和楼宇侧实时获取并更新历史数据，即：针对区域供热系统，通过其物联感知系统实时采集数据并更新历史数据，作为贝叶斯网络构建的基础；其中所述的历史数据包括：源侧负荷、热力站负荷、楼宇侧负荷、太阳辐照、气温、湿度、热力站阀门开度、循环泵速度、楼宇侧阀门开度。