一种基于智慧供热运行的综合降耗方法与流程

1.本发明涉及供热领域，特别是指一种基于智慧供热运行的综合降耗方法。


背景技术：

2.现有供热系统没有数据分析与挖掘，控制参数设置只有理论参考无实际依据，完全凭运行人员主观臆断进行设置。不能真正的实现按需生产、按需供热。由于操作人员的专业素养参差不齐，设置的参数无法最优匹配实际的运行情况，供热与热需求不一致，需要热的时候没有热，不需要热的时候多供热，造成能耗严重，运行不稳定，供热效果不好。


技术实现要素：

3.本发明提出一种基于智慧供热运行的综合降耗方法，解决了现有技术中上述的问题。
4.本发明的技术方案是这样实现的：
5.一种基于智慧供热运行的综合降耗方法，包括以下步骤：
6.步骤s1、采集输入数据；
7.步骤s2、将采集输入的数据进行预处理，形成流数据，进行流计算；
8.步骤s3、将经过流计算的流数据进行数据挖掘和参数整定；
9.步骤s4、将经过数据挖掘和参数整定的流数据进行数据消费和参数运用。
10.进一步地，步骤s1、采集输入数据包括：
11.步骤s1.1、导入数据；
12.步骤s1.2、对导入的数据进行归一化；
13.步骤s1.3、对归一化的数据进行存储。
14.优选地，导入的数据包括历年运行记录数据、气象历史数据、管网设计数据、用户热需求特性数据和设备参数数据。
15.进一步地，步骤s2、将采集输入的数据进行预处理，形成流数据，进行流计算包括：
16.步骤s2.1、将采集输入的数据按照数据类型进行预处理：
17.步骤s2.2、预处理后符合预设要求的数据形成流数据：
18.步骤s2.3、根据预设条件对流数据进行判断；
19.步骤s2.4、将不符合判断条件的流数据弃用并反馈弃用的原因；
20.步骤s2.5、将符合判断条件的流数据进行整理。
21.进一步地，步骤s3、将经过流计算的流数据进行数据挖掘和参数整定包括：
22.步骤s3.1、将经过整理的流数据进行数据挖掘和参数整定；
23.步骤s3.2、将经过数据挖掘和参数整定的流数据进行符合性审查；
24.步骤s3.3、将不满足符合性审查要求的流数据反馈至步骤s2.5；
25.步骤s3.4、将满足符合性审查要求的流数据进行参数验证评估；
26.步骤s3.5、将通过参数验证和评估的流数据进入步骤s4；
27.步骤s3.6、将未通过参数验证和评估的流数据反馈至步骤s2.5。
28.进一步地，步骤s4、将经过数据挖掘和参数整定的流数据进行数据消费和参数运用包括：
29.步骤s4.1、根据通过参数验证和评估的流数据对系统进行参数设定运行；
30.步骤s4.2、参数设定运行后形成节能报告，经验参数形成系统自学习的智慧库；
31.步骤s4.3、将数据存储形成自学习的知识库。
32.本发明的有益效果为：
33.本发明所述的基于智慧供热运行的综合降耗方法，充分的利用数据，最大限度的分析挖掘数据的内在联系和逻辑，让所有的历史数据不再仅仅是数据记录，而是具备指导运行的功能，通过大数据比对，运算分析出实际供热目标，供热系统在供热目标值的指导下运行，可以自动匹配现场情况，自整定最优参数，控制设备，实现按需生产、按需供热，达到综合的节能降耗运行。
附图说明
34.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
35.图1为本发明一种基于智慧供热运行的综合降耗方法的流程图。
具体实施方式
36.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.如图1所示，本发明所述的一种基于智慧供热运行的综合降耗方法，包括以下步骤：
38.步骤s1、采集输入数据；
39.步骤s2、将采集输入的数据进行预处理，形成流数据，进行流计算；
40.步骤s3、将经过流计算的流数据进行数据挖掘和参数整定；
41.步骤s4、将经过数据挖掘和参数整定的流数据进行数据消费和参数运用。
42.其中，步骤s1、采集输入数据可以包括：
43.步骤s1.1、导入数据；
44.步骤s1.2、对导入的数据进行归一化；
45.步骤s1.3、对归一化的数据进行存储。
46.其中，优选地，导入的数据包括历年运行记录数据、气象历史数据、管网设计数据、用户热需求特性数据和设备参数数据。
47.具体地，历年运行记录数据主要包括时间、供水温度、回水温度、供水压力、回水压力、流量、循环泵运行频率、燃烧机负荷、热量、电量和水量等；气象历史数据是指供暖系统
建成后，项目所属地的历年气象数据，主要包括：数据时间，例如每个供暖季期间，也即11月15日至3月15日，每天的最高室外温度t
max
,最低室外温度t
min
，每天的平均室外温度t
ave
，以及天气状态描述，例如晴天、雨天、雪天、风天和阴天等；管网设计数据是指整个供暖管网的设计参数，主要包括建筑总面积、公建及居民的比例、总的热需求、单位面积热负荷、水力计算书、换热器选型原则及计算说明、水泵的选型原则及计算说明和设计的气象条件等；用户热需求特性数据是指用户的用热特点的详尽描述；设备参数数据主要包括锅炉额定功率、额定工作压力、出口温度、进口温度和锅炉效率等，可以参考设备铭牌及厂家提供的说明书。
48.其中，步骤s2、将采集输入的数据进行预处理，形成流数据，进行流计算可以包括：
49.步骤s2.1、将采集输入的数据按照数据类型进行预处理：
50.步骤s2.2、预处理后符合预设要求的数据形成流数据：
51.步骤s2.3、根据预设条件对流数据进行判断；
52.步骤s2.4、将不符合判断条件的流数据弃用并反馈弃用的原因；
53.步骤s2.5、将符合判断条件的流数据进行整理。
54.其中，步骤s2.1、将采集输入的数据按照数据类型进行预处理，是指按照数据类型进行格式化处理，数据格式按照顺序依次包括：开始标志、位置、时间标签、符号位、数值、单位和结束标志，以气象数据为例：气象历史数据按天划分，对每天的数据进行格式化处理，数据类型为带符号的浮点数，保留一位小数，单位为℃，如：
‑
2.5℃。每个数据含有时间标签1902160425，前两位表示年份，三四位表示月份，五六位表示日，七八位位表示时，后两位表示分，数据格式按照顺序依次包括：开始标志、位置、时间标签、符号位、数值、单位和结束标志，其中位置表示室外温度的来源，编写表格，对表格进行查表运算。
55.其中，步骤s2.2、预处理后符合预设要求的数据形成流数据，是指对预处理后的数据进行筛选，符合预设要求的数据添加在结束标志前添加数据标志形成流数据，数据标志可以是最高值、最低值、平均值和整点时间的数据等，即流数据按照顺序依次包括：开始标志、位置、时间标签、符号位、数值、单位、数据标志和结束标志，以气象温度数据为例：数据标志主要是一天中的温度最高值t
max
、温度最低值t
min
、温度平均值t
avg
和整点时间的温度数据等。
56.其中，步骤s2.4、将不符合判断条件的流数据弃用并反馈弃用的原因，将不符合判断条件的流数据弃用主要是指由于传感器等的故障造成的错误数据记录，不是整点的数据，可以利用数据筛选程序进行筛选。
57.其中，在步骤步骤s2.1与步骤s2.2之间还可以包括：
58.步骤s2.6、形成预处理报告，预处理报告包括处理方法和处理过程。
59.其中，步骤s3、将经过流计算的流数据进行数据挖掘和参数整定可以包括：
60.步骤s3.1、将经过整理的流数据进行数据挖掘和参数整定；
61.步骤s3.2、将经过数据挖掘和参数整定的流数据进行符合性审查；
62.步骤s3.3、将不满足符合性审查要求的流数据反馈至步骤s2.5；
63.步骤s3.4、将满足符合性审查要求的流数据进行参数验证评估；
64.步骤s3.5、将通过参数验证和评估的流数据进入步骤s4；
65.步骤s3.6、将未通过参数验证和评估的流数据反馈至步骤s2.5。
66.其中，步骤s3.1、将经过整理的流数据进行数据挖掘和参数整定，具体公式为：
67.q
np
＝q
n
(t
n
‑
t
p
)/(t
n
‑
t
wn
)
68.式中：q
np
为采暖平均热负荷，单位为kw；q
n
为采暖设计热负荷，单位为kw；t
n
为室内设计温度，单位为℃，如果为了方便，可取18℃；t
p
为采暖期室外平均温度，单位为℃；t
wn
为采暖室外计算温度，单位为℃。
69.其中，可以用筛选来的数据，例如室外最高温度、室外最低温度或各个时段点的数据，来替换tp，以计算出相应的热需求。根据多年的历史数据形成图表，通过图表的坐标可以预测出qnp，依据qnp计算出所需要的燃料体积l，例如天然气的发热量为35589kj/m3，该数据可以通过当地的燃气公司获取或者现场取天然气取检测机构检测，则所需要的燃料体积l＝kqnp/35589kj/m3，其中k为系数，考虑锅炉燃烧效率和管网传输效率得到的值，一般取值1.05至1.1。
70.其中，步骤s3.2、将经过数据挖掘和参数整定的流数据进行符合性审查，具体可以是对整定的参数进行对标，当满足参数平均值时判定满足符合性审查要求，当不满足参数平均值时判定不满足符合性审查要求，例如：某地的平均天然气消耗量为8m3/
㎡
，如果l＞8m3/
㎡
，判定参数不符合；如果l≤8m3/
㎡
，判定参数符合；根据符合性审查要求可以认定参数的优劣，如果6m3/
㎡
为优的标准，当l＜6m3/
㎡
时可以认定为最优参数。
71.其中，在步骤s3.3之后，还可以包括：步骤s3.7、对不满足符合性审查要求的流数据，查找原因重新整定，同时给出可能性原因的报告，例如：如果出现参数过大的情况，可能的原因是跑冒滴漏严重；如果出现参数过小的情况，可能的原因是停炉检修。
72.其中，在步骤s3.7之后，还可以包括：步骤s3.8、通过与其它流数据进行比对，确定具体原因，如果判定参数整定无效，舍弃该流数据后重新整定。
73.其中，步骤s4、将经过数据挖掘和参数整定的流数据进行数据消费和参数运用可以包括：
74.步骤s4.1、根据通过参数验证和评估的流数据对系统进行参数设定运行；
75.步骤s4.2、参数设定运行后形成节能报告，经验参数形成系统自学习的智慧库；
76.步骤s4.3、将数据存储形成自学习的知识库。
77.需要说明的是，以上的步骤编号并不代表方法步骤的顺序，也即以上的步骤编号并不对以上方法步骤进行限定。
78.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。