基于随机分布控制算法的区域供热节能控制方法技术

本发明专利技术属于供热控制技术领域，具体是一种基于随机分布控制算法的区域供热节能控制方法。本供热控制方法包括如下步骤：步骤S100：获取区域内若干点用户温度数据；步骤S200：估计出供热区域的温度概率分布；步骤S300：建立温度概率分布密度函数的基函数表示模型；步骤S400：建立输入变量与前n‑1个权值向量之间的非线性预测模型，对下一时刻的温度概率分布进行预测；步骤S500：对预测输出信息结合温度概率分布进行反馈校正；步骤S600：计算随机分布控制量输出，输出控制变频器带动水泵为区域提供热量。本发明专利技术所述的控制方法的核心在于对温度分布概率信息进行处理，利用随机分布控制理论决定控制量，最大限度地提高区域供热均衡度并降低能源消耗。

【技术实现步骤摘要】
基于随机分布控制算法的区域供热节能控制方法
本专利技术属于供热控制
，具体是一种基于随机分布控制算法的区域供热节能控制方法。
技术介绍
目前城市或区域大都采用集中供热的方式，但由于区域内建筑结构不同、与热源距离不同、供热管网阻力差异较大、受环境和其它因素影响，是一个具有随机干扰因素的系统，各种干扰具有非高斯特性。导致采用常规的控制方法难以控制供热区域的温度均衡，经常出现部分区域温度高，有些区域温度过低，如果单纯增加热源温度和流量，会造成能源浪费。因此需要一种能够控制整个供热区域内温度分布相对均衡的控制方法，或者根据设定的温度分布予以控制。现有的控制方法一般采用PID、Smith-PID以某点温度进行控制和调节，导致热网波动较大，近年来有采用动态规划或预测控制的方法，但是控制反馈量的选取还仍是个别点的温度。
技术实现思路
本专利技术为了实现对区域进行均衡供热，或按照给定的温度分布信息进行供热，提供一种基于随机分布控制算法的区域供热节能控制方法。本专利技术采取以下技术方案：一种基于随机分布控制算法的区域供热节能控制方法，包括以下步骤：S100：获取区域内不同位置Q个用户温度数据及供热管网供回水数据及输出控制信息，将获取的温度信息作为历史数据集进行存储。历史数据集包括采集供热区域内的一个时间段内的Q个热用户温度数据T＝[T1,T2,…TQ]，及相应时间点的一次网供水温度TG1、一次网回水温度TH1、二次网供水温度TG2、二次网回水温度TH2以及环境温度TE。S200：根据获取信息估计供热区域的温度概率分布，包括以下步骤。S201：从S100步骤得到的数据中选取供热区域内不同位置(xj,yj),j＝1,2,…,Q共Q个热用户一天内M组不同的温度数据Tj及对应的供热系统控制输出ui(k),i＝1,2,…M，合并构成温度值矩阵S202：利用温度矩阵按照不同的时间点构建不同时刻的温度场，对整个温度场数据进行数学近似处理，得到对温度T的概率密度函数γ(T,ui(k))：其中，N(T)代表供热区域的温度场中温度值小于T的个数，Ti,max和Ti,min代表第i时刻温度场中温度上下界。S300：利用基函数表示模型对已知的温度概率分布密度函数进行表示，包括以下步骤。S301：选择基函数，采用高斯形式的RBF网络作为基函数，其表达式为：其中，T为采集的温度信息；μi,σi为第i个网络节点函数的中心值和宽度。S302：确定基函数的加权表示，根据RBF网络逼近原理，将k时刻的温度分布的概率密度函数利用基函数加权和的形式进行表示，其表达式为：γ(T,u(k))＝C(T)V(k)+Bn(T)wn(k)+e0(T,k)(3)其中，C(T)＝[B1(T),B2(T),…,Bn-1(T)]，V(k)＝[w1(k),w2(k),…,wn-1(k)]T，wn(k)为第n个基函数对应的权值，e0(T,k)为对区域温度概率分布密度函数逼近的误差。S303：确定每个基函数的权值，第n个权值ωn(k)可用权值向量V(k)的非线性函数h(V(k))表示为：其中，忽略逼近误差后，结合式(3)和(4)可以得到：两边左乘[CT(T)Bn(T)]T，并在区间[TminTmax]上进行积分，当矩阵非奇异时，可以转化得到：利用上式(6)求出温度概率分布密度函数各个基函数的权值V(k)。此外，对应基函数的选择并不局限于上述方法，下面提供另一种基函数对已知的温度概率分布密度函数进行表示，其具体步骤如下：S301：基函数的选择，由于B样条模型可以估计任意分布曲线，并能够通过离散权值的形式表征该变量的随机分布,因此,将采用B样条模型作为基函数，用于温度概率分布的表示，其二阶B样条基函数形式如下：其中，H(x)为Heviside函数且s＝j-3。S302：确定基函数的加权表示，对于采集的随机的温度信息，使用基于B样条估计模型描述其概率分布，其表达式为：γ(T,u(k))＝C(T)V(k)+Bn(T)wn(k)+e0(T,k)(8)其中，C(T)＝[B1(T),B2(T),…,Bn-1(T)]，V(k)＝[w1(k),w2(k),…,wn-1(k)]T，wn(k)为第n个基函数对应权值，e0(T,k)为对区域温度概率分布密度函数逼近的误差。S303：确定基函数的权值，与公式Error！Referencesourcenotfound.相对应的权计算公式为：其中，ci＝(xi-xi-3)/3，n为采集的数据总数，Bi(xl)为基函数。利用上述公式可以确定每个基函数不同的基函数，也就可以确定其基函数向量V(k)。基函数的选择并不局限为上述方法，仍有多种不同基函数的选择，本专利技术不一一赘述，不脱离本专利技术思想的均应涵盖在本专利技术的权利要求范围当中。S400：建立输入变量与前n-1个权值向量之间的非线性预测模型，对下一时刻的温度概率分布进行预测，包括以下步骤。S401：选择输入变量，将S100步骤中获得的一次网供水温度TG1、一次网回水温度TH1、二次网供水温度TG2、二次网回水温度TH2、环境温度TE、当前控制输出u(k)＝[u1(k),u2(k),…,um(k)]以及当前时刻的温度概率分布的前n-1个权值向量V(k)合并为输入，记为：X＝[TG1,TH1,TG2,TH2,TE,u(k),V(k)]L×(4+n+m)。S402：选择预测模型，选择随机权神经网络，其网络模型表示为：其中，ωj＝[ωj1,ωj2,…,ωjm]T为m个输入节点连接第j个隐含单元的输入权重，βj＝[βj1,βj2,…,βj(n-1)]T为第j个隐含层连接输出节点的输出权重，bj是第j个隐含单元的偏置。S403：对模型进行训练，随机给定一组输入层权值和偏置，利用采集的L组历史数据对模型进行训练，其目标函数为：S404：通过求取H矩阵的广义逆得到最优的输出权值其公式为：其中，S405：建立基函数权值与输入变量之间的关系：S406：对下一时刻进行温度概率分布密度函数进行预测：γm(T,k+1)＝C(T)Vm(k+1)+Bn(T)wn(k+1)(14)。此外，预测模型的选择并不局限于上述所述方法，下面将选择另一种模型进行说明，具体步骤如下：S402：选择预测模型，考虑影响区域供热的因素之间具有相互关联性，选择LS_SVM非线性模型，其模型表示为：V(k+1)＝WTΦ(X(k))+Β(15)其中，W为对角权矩阵，V(k+1)＝[v1(k+1),…,vn(k+1)]T表示k+1时刻预测的权值，B为偏差向量，非线性映射Φ(X(k))把输入数据转化为高维空间。S403：对模型进行训练，利用采集的L组历史数据对模型进行训练，其目标函数为：其中，B＝[b1…bn]T，分别表示权值和偏差，Ei为拟合误差。S404：对上述优化问题通过构造拉格朗日函数进行优化，得到模型的权值：S405：建立基函数权值与输入变量之间的关系：V(k+1)＝WTΦ(X(k))+Β(18)。S406：对下一时刻进行温度概率分布密度函数进行预测：γm(T,k+1)＝C(T)Vm(k+1)+Bn(T)wn(k+1)(19)。预测模型的选择并不局限为上述方法，本专利技术不一一赘述，不脱离本专利技术思想的均应涵盖在本专利技术的权利要求范围当中。S500：利用预测输出信息结合温度概本文档来自技高网...

【技术保护点】
1.一种基于随机分布控制算法的区域供热节能控制方法，其特征在于：包括以下步骤，S100：获取区域内不同位置内Q个用户温度数据及供热管网供回水数据及输出控制信息，将获取的温度信息作为历史数据集进行存储；S200：根据获取信息估计供热区域的温度概率分布；S300：利用基函数表示模型对已知的温度概率分布密度函数进行表示；S400：建立输入变量与前n‑1个权值向量之间的非线性预测模型，对下一时刻的温度概率分布进行预测；S500：利用预测输出信息结合温度概率分布进行反馈校正；S600：根据温度修正对供热输出控制进行实时调节，计算供热系统的随机分布控制量输出。

【技术特征摘要】
1.一种基于随机分布控制算法的区域供热节能控制方法，其特征在于：包括以下步骤，S100：获取区域内不同位置内Q个用户温度数据及供热管网供回水数据及输出控制信息，将获取的温度信息作为历史数据集进行存储；S200：根据获取信息估计供热区域的温度概率分布；S300：利用基函数表示模型对已知的温度概率分布密度函数进行表示；S400：建立输入变量与前n-1个权值向量之间的非线性预测模型，对下一时刻的温度概率分布进行预测；S500：利用预测输出信息结合温度概率分布进行反馈校正；S600：根据温度修正对供热输出控制进行实时调节，计算供热系统的随机分布控制量输出。2.根据权利要求1所述的基于随机分布控制算法的区域供热节能控制方法，其特征在于：步骤S100中，历史数据集包括采集供热区域内的一个时间段内的Q个用户温度数据T＝[T1,T2,…TQ]，及相应时间点的一次网供水温度TG1、一次网回水温度TH1、二次网供水温度TG2、二次网回水温度TH2以及环境温度TE。3.根据权利要求2所述的基于随机分布控制算法的区域供热节能控制方法，其特征在于：步骤S200采取以下方法，S201：从S100步骤得到的数据中选取供热区域内不同位置(xj,yj),j＝1,2,…Q共Q个热用户一天内M组不同的温度数据Tj及对应的供热系统控制输出ui(k),i＝1,2,…M，合并构成温度值矩阵S202：利用温度矩阵按照不同的时间点构建不同时刻的温度场，对整个温度场数据进行数学近似处理，得到对温度T的概率密度函数γ(T,ui(k))：其中，N(T)代表供热区域的温度场中温度值小于T的个数，Ti,max和Ti,min代表第i时刻温度场中温度上下界。4.根据权利要求3所述的基于随机分布控制算法的区域供热节能控制方法，其特征在于：步骤S300采取以下方法，S301：选择基函数；S302：确定基函数的加权表示；S303：确定每个基函数的权值。5.根据权利要求4所述的基于随机分布控制算法的区域供热节能控制方法，其特征在于：所述的步骤S300中，S301：选择基函数，采用高斯形式的RBF网络作为基函数，其表达式为：其中，T为采集的温度信息；μi,σi为第i个网络节点函数的中心值和宽度。S302：确定基函数的加权表示，根据RBF网络逼近原理，将k时刻的温度分布的概率密度函数利用基函数加权和的形式进行表示，其表达式为：γ(T,u(k))＝C(T)V(k)+Bn(T)wn(k)+e0(T,k)(3)其中，C(T)＝[B1(T),B2(T),…,Bn-1(T)]，V(k)＝[w1(k),w2(k),…,wn-1(k)]T，wn(k)为第n个基函数对应的权值，e0(T,k)为对区域温度概率分布密度函数逼近的误差。S303：确定每个基函数的权值，第n个权值ωn(k)可用权值向量V(k)的非线性函数h(V(k))表示为：其中，忽略逼近误差后，结合式(3)和(4)可以得到：两边左乘[CT(T)Bn(T)]T，并在区间[TminTmax]上进行积分，当矩阵非奇异时，可以转化得到：利用上式(6)求出温度概率分布密度函数各个基函数的权值V(k)。6.根据权利要求5所述的基于随机分布控制算法的区域供热节能控制方法，其特征在于：S301：基函数的选择，采用B样条模型作为基函数，用于温度概率分布的表示，其二阶B样条基函数形式如下：其中，H(x)为Heviside函数且s＝j-3；S302：确定基函数的加权表示，对于采集的随机的温度信息，使用基于B样条估计模型描述其概率分布，其表达式为：γ(T,u(k))＝C(T)V(k)+Bn(T)wn(k)+e0(T,k)(8)其中，C(T)＝[B1(T),B2(T),…,Bn-1(T)]，V(k)＝[w1(k),w2(k),…,wn-1(k)]T，wn(k)为第n个基函数对应权值，e0(T,k)为对区域温度概率分布密度函数逼近的误差；S303：确定基函数的权值，与公式(7)相对应的权计算公式为：其中，ci＝(xi-xi-3)/3，n为采集的数据总数，Bi(xl)为基函数；利用上述公式可以确定每个基函...

【专利技术属性】
技术研发人员：王丽艳，韩东升，任密峰，乔铁柱，阎高伟，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14