集中供熱系統(tǒng)控制策略研究.pdf

1、集中供熱系統(tǒng)作為城市重要基礎設施之一，相關數(shù)據(jù)表明我國建筑能耗占社會總能耗的30％，單位面積的供熱能耗是其他發(fā)達國家的數(shù)倍，集中供熱系統(tǒng)每年要消耗巨大的煤炭和電能，因此集中供熱系統(tǒng)節(jié)能控制研究有著重大的意義。
　　系統(tǒng)模型的建立是對供熱系統(tǒng)進行運行狀態(tài)分析和控制的前提。本文以太原市某集中供熱小區(qū)為研究對象，通過設定直燃機出水溫度實現(xiàn)燃氣量的階躍提升，記錄系統(tǒng)供水溫度，回水溫度等運行參數(shù)，以Hammerstein模型為辨識模型，、以

2、直燃機設定溫度和回水溫度為模型輸入輸出，采用遞推最小二乘法對記錄數(shù)據(jù)進行辨識得到模型參數(shù)，以基于殘差F檢驗的定階法確定模型階次，得到了供熱系統(tǒng)的非線性Hammerstein模型。通過驗證，所得辨識模型能夠很好的跟蹤供熱系統(tǒng)的輸出，反映供熱系統(tǒng)的動態(tài)特性。
　　供熱負荷預測是供熱系統(tǒng)能夠實現(xiàn)按需供熱的前提和依據(jù)。對供熱負荷序列的分析研究發(fā)現(xiàn)小區(qū)供熱負荷雖然會受到隨機因素的干擾，但是仍具有明顯的周期性。提出了以負荷影響因素為輸入，負荷

3、值為輸出的小波神經(jīng)網(wǎng)絡負荷預測方法。針對小波神經(jīng)網(wǎng)絡訓練算法收斂速度慢，陷入局部最小值等問題，采用擴展蟻群算法對小波網(wǎng)絡進行訓練。仿真結果表明，與BP神經(jīng)網(wǎng)絡、傳統(tǒng)小波網(wǎng)絡相比，擴展蟻群算法優(yōu)化的小波神經(jīng)網(wǎng)絡具有更高的預測精度。
　　廣義預測控制具有模型校正，滾動優(yōu)化等特點，能夠克服供熱過程強非線性、大滯后、時變等特性，因此采用廣義預測控制對供熱過程進行控制。以獲得的Hammerstein模型為基礎，設計了廣義預測控制器，對供熱過