集中供热二次网回水温度的预测和控制研究

集中供热系统存在大惯性、非线性以及时变性等问题,为了保证集中供热系统末端用户的采暖质量,针对集中供热二次网系统,设计了二次网回水温度的预测模型及智能控制策略,以实现二次网回水温度的准确控制,满足末端用户的采暖需求。通过飞升曲线建立了温控系统的数学模型。设计了一个RBF神经网络预测模型,模型的输出作为温控系统的二次网回水温度给定值。在控制算法上,设计了三层前向型神经网络与PID相结合的智能控制器,实现对二次网回水温度的闭环控制。基于所建立的数学模型、预测模型及控制器进行了仿真实验。仿真结果表明,所采用的控制方法与常规PID控制相比,具有调节时间短,超调量小的优点。验证了所采用控制方法的可行性和有效性。     

基于4G网络的区域供热控制器的设计

集中供热控制器通过控制一次网的流量以及二次网的循环和压力实现对用户供热温度与压力的控制,本文设计采用 Cortex M3 系列单片机实现对一次、二次网的温度、压力、流量等信号的采集,并采用经典 PID 进行输出控制,实现了对换热全过程数据的精确采集与输出控制。现场触摸屏通过 RS 485 总线与控制器进行通信,同时供热...     

集中供热监控系统的设计

介绍了城市集中供热网监控系统的结构、特点及功能，详细分析了系统的软件实现。并通过对集中供热网控制对象特点的分析提出了专家控制系统设计方案。最后。将优化控制方法应用到热网的实际控制当中。通过运行实例证明，此方法是可行的，可以实现全网内热量的合理分配，提高供热网的供热质量。达到了稳定供热和均匀供热。     

基于改进神经网络的热网短期热负荷预测

针对供热系统供热量和需热量不匹配的问题和节能降耗的需求,提出一种基于改进神经网络的供热系统短期热负荷滚动预测方法。该方法利用动态的K-均值聚类算法确定RBF神经网络的隐含层中心,以实现对聚类中心的个数优化选择,再利用递归正交最小二乘法更新网络连接的权系数,训练RBF神经网络模型。每次预测时用实时数据更新一部分历史数据从而组成新的输入,再用训练模型预测下一时刻的热负荷,用于实现热网热负荷短期滚动预测。仿真结果表明,该方法与传统的神经网络预测方法相比,预测精度高,对热网系统短期热负荷具有良好的预测能力,能给热网控制器提供可靠的数据,使热网供热量和需求量相匹配,满足节能降耗的需求,具有一定的工程实用价值。     

基于GUI界面的供热负荷预测分析

由于集中供热系统调节的滞后性,使供热量不能及时地跟随用户端需求量调整,造成能源浪费。预测集中供热系统未来一段时间内的供热参数对热网的经济运行和调节起着重要作用,本文通过对热网历史数据的分析,采用神经网络预测的方法,以新疆华源热力公司某供热站的供热网参数为研究对象进行分析和预测,并结合MATLAB的GUI设计方法,设计出了人机交互友好、使用方便的界面,结果表明该算法具有较好的预测精度,对供热系统有着较好的指导作用,具有一定的应用价值。     

换热站变频调速控制系统

集中供热系统中的换热站作为供热网路与热用户之间的连接场所,其供热品质对热网工况的改善和供热质量的好坏起着重要作用.针对目前供热实际情况,设计了一套换热站变频调速控制系统,它主要由PLC控制器、变频器和PID控制器组成.详细介绍了系统的整体设计方案、二次供水设定的温度控制、循环泵和补水泵的控制原理及具体实施.运行结果表明,此方案提高了供热质量,节能效果明显.     

基于Q学习的供热末端自适应PID控制算法

城市建筑集中供热末端“全开”和“全关”控制方式不仅热舒适性差,也造成了较大热损耗。为改善这一问题,在研究了强化学习的基础上提出基于Q学习PID参数的供热末端流量控制算法。首先分析了散热器等的热动态及传热过程,建立了供热房间热平衡数学模型,然后以PID控制算法为基础,温度偏差为控制器输入,调节阀开度控制量为输出,选择温差变化为智能体奖惩的学习策略,通过Q学习算法对PID参数进行在线自适应整定,最后在集中供热末端流量调节的仿真实验中验证了控制器的调控性能并与传统PID控制结果进行了对比。实验结果表明,基于Q学习的自适应PID流量控制算法能够使室内温度变化和调节阀开度变化更加平缓,且节省约33%的供热量,节能效果较明显。     

基于天气预报的供热负荷预测Web系统

为了降低能耗以及碳排放量,我国的供热行业已经将分散式供热改为了集中供热,集中供热虽然相对于分散式供热能耗和污染都有了大幅度的缩减,但由于调控技术的落后和管理方案的不完善,也会导致大量的能量被白白浪费掉。基于C/S架构,采用近年来热门的Vue、Springboot等技术设计并搭建了一套锅炉供热负荷预测系统。该系统可以实时采集锅炉测一次网的供水温度、回水温度、瞬时热量、瞬时流量等信息实时显示在系统首页,并且可以根据天气预报结合热力公司长期运行数据,推导出的室外温度-预测热量的对照表,自动计算出预测热量,进而指导热力公司对锅炉输出功率做出调整以节省燃煤。     

区域集中供热室温控制策略研究

针对区域集中供热末端采暖用户室内冷热不均、温度不能稳定在舒适阈值范围内的问题,采用不同控制器控制散热器进口调节阀开度的方法,对室内温度调节进行研究。运用传热学理论建立室内温度数学模型,根据不同的控制算法,分别对室内温度传递函数进行仿真分析。仿真试验结果表明,改进的单神经元比例-积分-微分(PID)与传统的PID控制相比,超调量缩短了150%,达到稳定所需的时间缩短了3 s。反向传播(BP)神经网络PID与改进单神经元PID相比,超调量减小4%,上升时间快了0.6 s,达到稳态所需要的时间也快了3.5 s。因此,BP神经网络PID控制对于集中供热系统末端采暖用户室温调节效果更佳。该室内温度控制系统的研究对区域供热系统设计及供热系统的工程应用具有重要的意义。     

供热过程的前馈-串级自适应控制

根据供热过程具有时变性的特点，采用具有遗忘因子的递推最小二乘法在线估计对象参数，并按Cohen-Coon整定公式实时调整PID控制器的控制参数，达到了控制系统适应对象参数变化的目的。系统能自动调节供、回水的平均温度，并根据供热效果对供热系数进行模糊修正，增加补水前馈控制，使系统的性能得到进一步改善。     

基于蚁群神经网络的工业自动化PID参数优化

针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化。仿真实验结果表明,基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器参数优化。     

城市供热调度管理SCADA系统的应用

将SCADA（Supervisory Control And Data Acquisition）系统应用于集中供热,每个换热站设置1套控制器、数据采集器及测量仪表,由监控中心对整个供热系统进行远程自动化控制,可以解决整个供热系统热量分配不均等问题。本文根据呼伦贝尔市自动化信息化工程的实践,介绍了采用美国Wonderware System Platform平台软件,对城市供热调度管理SCADA系统的方案进行设计,并给出了其应用效果。     

基于神经网络PID电子负载控制系统设计

以电子负载为研究对象,针对其控制系统复杂的非线性和时变性,常规的PID控制方法存在着精度低,自适应能力不强等缺点,以定点32位DSPTMS320F2812作为控制芯片,结合神经网络和常规PID设计了一种神经网络PID控制器.仿真结果表明,通过神经网络PID控制器,能够在线调整PID控制参数,使系统具有更小的超调量和更短的调节时间,而且系统的精度和稳定性也得到大大的提高.神经网络PID控制器是一种动态特性和静态特性良好的控制器,在电子负载控制实验中可以获得满意的控制效果.     

基于SCADA数字电台的城市热网控制系统设计

现如今北方城市供暖主要以集中供热系统为主要模式,但由于供热区域广,管网质量,换热设备等硬件环境参差不齐,以及供热系统具有热惯性大、滞后明显等因素,使得产生供热效率低或供热不平衡、热网波动严重等诸多问题.因此,各换热站现场参数的采集、调度室与各换热站的数据实时通讯和建立起安全可靠、运行灵活准确的热网监控系统就十分必要.     

节水型数字式热表的设计

针对精确计量供热量需节约用水的要求,提出了一种节水型数字式热表。该表利用Pt100温度传感器采集温度信号,并采用智能涡轮流量计采集流量,同时由流量和供回水温度之差计算出热量,最后根据系统中人口和出口的流量相同原则,判断系统是否失水,与此同时微处理器发出报警并关闭电磁阀,达到节水的目的。测试结果表明,该热量表实现了数字式计量功能。     

枝状流体供热网优化运行策略研究与实现

针对现行的控制策略不能很好的实现供热网的优化运行,首先提出了基于启发式加权交叉算子的实数编码遗传算法.并在建立了供热网运行成本的模型后,应用改进型遗传算法对运行成本进行优化,即通过对优化模型中一次侧流量和二次侧供水温度的调节,实现运行成本节约,达到均匀、1按需供热.在此基础上,利用仿真技术可以对已有管网运行进行分析,还可以对未建管网进行优化设计.     

Smith-Fuzzy-PID在集中供热控制系统中的应用研究

供热过程存在的大惯性,时变性,滞后性等特性,严重影响了供热过程的控制性能;为了解决上述问题,针对二次网进行了基于温度的流量调节;并且分别针对滞后特性在PID的基础上加入了Smith算法,针对时变特性又在Smith和PID基础上加入模糊控制,分别就所建模型和由于扰动等外界因素造成的系统参数变化后的模型设计了Smith-Fuzzy-PID控制器并进行了仿真研究;仿真结果表明,Smith-Fuzzy-PID在模型精确和外界扰动两种情况下均能达到很好的控制效果,方法可行有效。     

面向用户端的供能管网建模与仿真研究

三联供用户端供能管网因其地块结构不同、运行工况多变等原因,使得调试周期长、调试时间成本高,并且由于供能系统的调试受季节影响,导致调试灵活性较差。针对该问题,本文提出面向用户端的供能管网仿真模型,用以模拟实际供能系统的运行工况、研究供能管网受控下的工作性能。该模型主要研究对象包括管道、换热器、阀门等器件,通过对其建立数学模型和分析系统结构,而后在MATLAB仿真平台上搭建系统仿真模型。基于该模型,研究管网阀门的控制以调节系统传输介质的流量,达到控制供能系统二次侧供水温度、一次侧回水温度和总管压差等目的。仿真结果验证了本系统建模的可行性与有效性,且该模型对供能系统的调试运行、控制调节具有一定的指导意义。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化 PID 神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的 PID 神经网络控制器具有逼近控制目标更快,响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。