一种基于数据分析的矿区供热系统智能调控方法与流程

文档序号:37791104发布日期:2024-04-30 17:01阅读:8来源:国知局
一种基于数据分析的矿区供热系统智能调控方法与流程

本发明涉及供热调控,具体涉及一种基于数据分析的矿区供热系统智能调控方法。


背景技术:

1、矿区通常包括采矿作业、工程施工等工作,这些工作通常需要在适宜的温度中进行。通过供热,可以提供温暖的工作环境,提高工作人员的工作效率和舒适度;还可以确保生产设备在适宜的温度范围内运行,减少设备故障和损坏的风险,保障生产流程的连续性。

2、矿区中通常会根据不同的功能和需求划分为不同的功能板块,从而实现更精细化的供热管理。现有技术在对各个供热区域进行温度调控时,通常根据各个供热区域的供热需求设置不同的目标温度,但由于供热过程中会有能耗损失、系统响应滞后等多种情况发生,因此依靠经验设置的目标温度存在较大的局限性,无法为各个供热区域提供更加适宜的供热温度,造成实际供热效果低下。


技术实现思路

1、为了解决依靠经验设置的目标温度存在较大的局限性,无法为各个供热区域提供更加适宜的供热温度,造成实际供热效果低下的技术问题,本发明的目的在于提供一种基于数据分析的矿区供热系统智能调控方法,所采用的技术方案具体如下:

2、获取预设历史时段每个历史数据周期中,矿区供热系统中各个供热区域的目标温度、管道温度变化时序数据、区域温度变化时序数据、管道长度、供热需求指标以及水泵功率变化时序数据;

3、根据所有历史数据周期中,所有供热区域的管道温度变化时序数据之间的差异,得到供热系统的响应时滞参数;任选一个供热区域作为待测区域,根据每个历史数据周期中待测区域的管道温度变化时序数据以及供热需求指标,预测当前数据周期的管道温度误差值;根据所述待测区域当前数据周期的管道温度误差值和供热系统的响应时滞参数,获得待测区域当前数据周期的预期误差因子;

4、根据每个历史数据周期中待测区域的水泵功率变化时序数据、管道长度、管道温度变化时序数据以及目标温度,获得每个历史数据周期中待测区域的供热势能;根据所有历史数据周期中待测区域的供热势能、管道温度变化时序数据和区域温度变化时序数据中的数值分布相关情况,得到待测区域当前数据周期的预期供热损失值;

5、根据待测区域当前数据周期的预期供热损失值和预期误差因子对待测区域的目标温度进行自适应调整,得到待测区域的最终调控温度。

6、进一步地,所述根据所有历史数据周期中,所有供热区域的管道温度变化时序数据之间的差异,得到供热系统的响应时滞参数,包括:

7、基于傅里叶变换获得所有管道温度变化时序数据的相位谱;

8、在所有的供热区域中,将不同的供热区域两两组合,得到所有的区域组合;在每个历史数据周期中,根据每个区域组合中两个供热区域的管道温度变化时序数据的相位谱之间的差异,得到残差谱;

9、根据每个历史数据周期中所有区域组合对应的残差谱中的数值,计算得到每个历史数据周期中供热系统的响应时滞因子;

10、将所有历史数据周期的响应时滞因子的标准差,作为供热系统的响应时滞参数。

11、进一步地,所述根据每个历史数据周期中所有区域组合对应的残差谱中的数值,计算得到每个历史数据周期中供热系统的响应时滞因子,包括:

12、在每个历史数据周期中,根据每个区域组合对应的残差谱中的数值获得残差谱的总能量;残差谱的总能量的公式模型为:

13、

14、其中,表示在第个历史数据周期中,第个区域组合对应的残差谱的总能量;表示在第个历史数据周期中,第个区域组合对应的残差谱中的总频率项;表示在第个历史数据周期中,第个区域组合对应的残差谱中第个频率项对应的相位角;表示反正切函数;

15、在所有区域组合对应的残差谱的总能量中,将最大总能量与最小总能量的差值作为历史每天供热系统的所述响应时滞因子。

16、进一步地,所述供热需求指标的获取方法包括:

17、在每个历史数据周期中,获得各个供热区域的供热数据,所述供热数据至少包括:环境温度、供热区域的日活动人员数量、设备的存储适宜温度;

18、对于每个供热区域,采用人工标签的方式对所有供热数据进行打分,并获取所有供热数据的得分均值,作为每个供热区域的所述供热需求指标。

19、进一步地,所述根据每个历史数据周期中待测区域的管道温度变化时序数据以及供热需求指标,预测当前数据周期的管道温度误差值,包括:

20、在每个历史数据周期中,将待测区域的管道温度变化时序数据中所有数据值的标准差,作为管道温度误差值;

21、基于非线性拟合函数对所有历史数据周期对应的供热需求指标和管道温度误差值进行拟合,得到预测方程;

22、获取待测区域当前数据周期的供热数据,将待测区域当前数据周期的供热数据输入到预先训练好的神经网络中,输出待测区域当前数据周期的供热需求指标;将待测区域当前数据周期的供热需求指标作为所述预测方程的输入,输出为待测区域当前数据周期的管道温度误差值。

23、进一步地,所述根据所述待测区域当前数据周期的管道温度误差值和供热系统的响应时滞参数,获得待测区域当前数据周期的预期误差因子,包括:

24、依次对待测区域当前数据周期的管道温度误差值和供热系统的响应时滞参数进行正比例归一化,分别得到第一误差因子和第二误差因子;

25、将所述第一误差因子和第二误差因子的均值作为待测区域当前数据周期的预期误差因子。

26、进一步地,所述根据每个历史数据周期中待测区域的水泵功率变化时序数据、管道长度、管道温度变化时序数据以及目标温度,获得每个历史数据周期中待测区域的供热势能,包括:

27、在每个历史数据周期中,将待测区域的水泵功率变化时序数据的均值与待测区域的管道长度的比值作为推送势能;将待测区域的目标温度的数值与待测区域的管道温度变化时序数据中第一个温度数值的差值作为反自然势能;将待测区域的推送势能归一化后的值和反自然势能负相关映射并归一化后的值进行相乘,将所得乘积作为每个历史数据周期中待测区域的所述供热势能。

28、进一步地,所述根据所有历史数据周期中待测区域的供热势能、管道温度变化时序数据和区域温度变化时序数据中的数值分布相关情况,得到待测区域当前数据周期的预期供热损失值,包括:

29、分别在待测区域每个历史数据周期的管道温度变化时序数据和区域温度变化时序数据中,将相同的温度数值作为一类;

30、基于相关熵计算公式,根据待测区域每个历史数据周期中管道温度变化时序数据中各类温度数值的出现概率以及区域温度变化时序数据中各类温度数值的出现概率,得到管道温度变化时序数据和区域温度变化时序数据的相关熵;

31、将待测区域每个历史数据周期中对应的相关熵与对应的供热势能的比值进行归一化,得到每个历史数据周期中待测区域的供热损失因子;

32、将待测区域的所有历史数据周期对应的供热损失因子的均值作为待测区域当前历史数据周期的预期供热损失值。

33、进一步地,所述根据待测区域当前数据周期的预期供热损失值和预期误差因子对待测区域的目标温度进行自适应调整,得到待测区域的最终调控温度,包括:

34、将待测区域当前数据周期的预期供热损失值和预期误差因子相乘后并进行归一化处理,得到调整因子;

35、将所述调整因子与预设第一正整数的和值与待测区域的目标温度进行相乘,得到待测区域的最终调控温度。

36、进一步地,所述神经网络为5层全连接神经网络。

37、本发明具有如下有益效果:

38、由于在供热过程中,会存在传递损失造成的供热损耗以及供热系统具有的响应时滞等情况,往往会导致对各个供热区域的供热效果达不到预先设置的目标温度所预期的供热效果,故本发明提出了一种基于数据分析的矿区供热系统智能调控方法,首先获取预设历史时段中每个数据周期中,矿区供热系统中各个供热区域的各项数据,包括目标温度、管道温度变化时序数据、区域温度变化时序数据、管道长度、供热需求指标以及水泵功率变化时序数据,为后续分析过程做准备;进一步地,因为不同供热区域的温度调整需要一定的时间,当热源向各个供热区域持续传递热量时,供热区域的温度变化曲线具有稳态波动的趋势,当供热系统存在响应时滞时,温度变化时序数据中发生任意温度变化的节点均包含着不同的信息,故可分析所有历史数据周期中所有供热区域的管道温度变化时序数据之间的差异,从而得到供热系统的响应时滞参数。除了供热系统具有的系统误差外,供热区域也会存在局部误差,即供热需求指标与实际供热情况之间的误差,这种误差可由各个供热区域的管道温度变化时序数据与供热需求指标之间的关系进行预测,从而得到供热区域当前数据周期的管道温度误差值。接着可将系统误差和供热区域的局部误差进行结合,得到供热区域当前数据周期的预期误差因子。进一步地,分析供热过程中的能量损耗,供热系统一般采用水泵推送热水从而实现供热,因此能量损耗主要由供热势能进行体现,故根据每个历史数据周期中待测区域的水泵功率变化时序数据、管道长度、管道时序变化数据以及目标温度,计算供热区域的供热势能。由于能量损耗还可由管道温度与供热区域的实际温度之间的相关情况进行体现,故将供热势能与管道温度变化时序数据和区域温度变化时序数据的相关情况进行结合,得到供热区域的预期供热损失值。最后即可基于供热区域的预期误差因子与预期供热损失值对供热区域的目标温度进行调整,得到最终调控温度,有效补偿供热过程中的能量损失以及误差问题,提高每个供热区域的供热精度,更好的满足矿区各个供热区域的供热需求。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1