周志剛， 薛普寧， 劉 京， 方修睦， 鄭進(jìn)福

(1.哈爾濱工業(yè)大學(xué) 建筑學(xué)院， 黑龍江 哈爾濱 150006； 2.哈爾濱工業(yè)大學(xué)

寒地城鄉(xiāng)人居環(huán)境科學(xué)與技術(shù)工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室， 黑龍江 哈爾濱 150006)

1 概述

近幾年智慧供熱在我國發(fā)展迅速，實(shí)現(xiàn)智慧供熱成為城市集中供熱系統(tǒng)未來發(fā)展的重要方向。智慧供熱是以數(shù)字化、網(wǎng)絡(luò)化、智能化的信息技術(shù)設(shè)施為基礎(chǔ)，以用戶為目標(biāo)，以低碳、舒適、高效為主要特征，以透徹感知、廣泛互聯(lián)、深度智能為技術(shù)特點(diǎn)的現(xiàn)代供熱方式[1]。其突出特點(diǎn)是：

① 信息感知化。通過在供熱系統(tǒng)中安裝傳感器，利用傳感技術(shù)，順利獲取供熱系統(tǒng)各處的主要參數(shù)信息，對(duì)水泵、關(guān)鍵閥門等供熱系統(tǒng)重要部件的運(yùn)行狀態(tài)實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)對(duì)整個(gè)供熱系統(tǒng)的全面感知。

② 設(shè)備互聯(lián)化。物聯(lián)網(wǎng)將組成供熱系統(tǒng)的物理設(shè)備連接到互聯(lián)網(wǎng)上，來自供熱系統(tǒng)的海量數(shù)據(jù)通過現(xiàn)代網(wǎng)絡(luò)通信方式，實(shí)現(xiàn)互聯(lián)、互通，供熱系統(tǒng)信息資源可以共享，數(shù)據(jù)可以統(tǒng)一分析。

③ 決策智能化。通過統(tǒng)一的數(shù)據(jù)儲(chǔ)存平臺(tái)和分析中心，利用智能算法、動(dòng)態(tài)仿真等對(duì)供熱系統(tǒng)的海量數(shù)據(jù)進(jìn)行篩選分析，實(shí)現(xiàn)供熱系統(tǒng)負(fù)荷預(yù)測、故障診斷、運(yùn)行調(diào)度，使供熱系統(tǒng)控制智能化。

圖1為智慧供熱的結(jié)構(gòu)框架[2]。智慧供熱集成了物理設(shè)備網(wǎng)、信息物聯(lián)網(wǎng)和智能決策網(wǎng)三大系統(tǒng)。物理設(shè)備網(wǎng)由熱源、換熱首站、熱力站、供熱管網(wǎng)和熱用戶組成，承擔(dān)著熱量生產(chǎn)、轉(zhuǎn)換、傳輸和向建筑物散熱的作用。信息物聯(lián)網(wǎng)由設(shè)置在供熱系統(tǒng)中各處的傳感器、數(shù)據(jù)采集設(shè)備、傳輸設(shè)備等組成，主要功能是將從熱源、換熱首站、熱力站、供熱管網(wǎng)和熱用戶采集的流量、溫度、壓力、熱量等相關(guān)參數(shù)，通過數(shù)據(jù)傳輸設(shè)備傳送到數(shù)據(jù)中心的數(shù)據(jù)庫中。智能決策網(wǎng)由計(jì)算設(shè)備及軟件構(gòu)成，主要作用是從各個(gè)數(shù)據(jù)庫中獲取相關(guān)的參數(shù)信息，通過智能分析計(jì)算，對(duì)供熱系統(tǒng)進(jìn)行辨識(shí)，實(shí)現(xiàn)供熱系統(tǒng)的熱負(fù)荷在線預(yù)測、優(yōu)化運(yùn)行調(diào)度、能耗評(píng)價(jià)與診斷、故障診斷與事故運(yùn)行調(diào)度等功能。

圖1 智慧供熱的結(jié)構(gòu)框架

智能決策網(wǎng)是智慧供熱的核心，而智能決策網(wǎng)的核心是數(shù)據(jù)和模型[3]。需要利用以機(jī)器學(xué)習(xí)為代表的智能算法和描述系統(tǒng)機(jī)理的動(dòng)態(tài)仿真模型，構(gòu)建支持智慧供熱運(yùn)行管理的智能引擎。

機(jī)器學(xué)習(xí)通過從數(shù)據(jù)中進(jìn)行自動(dòng)學(xué)習(xí)，得到某種知識(shí)或規(guī)律，從而賦予計(jì)算機(jī)在特定任務(wù)上的預(yù)測或決策能力[4]。借助于高效的機(jī)器學(xué)習(xí)技術(shù)與計(jì)算機(jī)日益強(qiáng)大的計(jì)算能力，智能算法可以充分挖掘來自信息物聯(lián)網(wǎng)的海量數(shù)據(jù)，分析供熱系統(tǒng)運(yùn)行規(guī)律，預(yù)測供熱系統(tǒng)熱負(fù)荷，診斷供熱系統(tǒng)的故障。但由于智能算法大多為黑箱算法，在供熱系統(tǒng)中應(yīng)用時(shí)存在著依賴數(shù)據(jù)樣本質(zhì)量，有效驗(yàn)證與機(jī)理解釋難等問題。

動(dòng)態(tài)仿真關(guān)注供熱系統(tǒng)的整體動(dòng)態(tài)運(yùn)行工況，利用基于物理模型的方法開發(fā)供熱系統(tǒng)的水力、熱動(dòng)態(tài)模型，建模過程囊括熱源、換熱首站、熱力站、供熱管網(wǎng)和熱用戶，從而對(duì)供熱系統(tǒng)調(diào)節(jié)策略的可行性進(jìn)行分析，制定出優(yōu)化的運(yùn)行調(diào)度方案，同時(shí)也作為輔助工具為智能算法提供必要的數(shù)據(jù)集。動(dòng)態(tài)仿真在供熱系統(tǒng)應(yīng)用時(shí)主要存在計(jì)算結(jié)果準(zhǔn)確性難以保證，工程實(shí)用性較差等問題。

基于以上分析，本文提出采用智能算法與動(dòng)態(tài)仿真有效融合，構(gòu)建智能引擎的技術(shù)路線，并闡述該智能引擎在智能決策網(wǎng)的核心功能模塊開發(fā)中的應(yīng)用方法。

2 智能引擎構(gòu)建技術(shù)路線

圖2描述了基于智能算法與動(dòng)態(tài)仿真的智能引擎構(gòu)建技術(shù)路線。

圖2 基于智能算法與動(dòng)態(tài)仿真的智能引擎構(gòu)建技術(shù)路線

智能算法與動(dòng)態(tài)仿真有效融合、互相支持組成了供熱系統(tǒng)的智能引擎。該智能引擎能夠?qū)崿F(xiàn)如下主要功能模塊：

① 依據(jù)供熱系統(tǒng)的設(shè)計(jì)資料，通過聚類分析算法，進(jìn)行供熱管網(wǎng)監(jiān)測點(diǎn)的優(yōu)化布置，完成供熱系統(tǒng)運(yùn)行數(shù)據(jù)庫擴(kuò)展，解決智慧供熱系統(tǒng)數(shù)據(jù)質(zhì)量問題。

② 建立供熱系統(tǒng)的動(dòng)態(tài)仿真模型，針對(duì)難以計(jì)算供熱管網(wǎng)阻抗真值的問題，利用智能優(yōu)化算法和信息物聯(lián)網(wǎng)記錄的供熱系統(tǒng)運(yùn)行數(shù)據(jù)實(shí)現(xiàn)管段阻抗的辨識(shí)，使用管段阻抗的辨識(shí)值對(duì)動(dòng)態(tài)仿真模型進(jìn)行參數(shù)校準(zhǔn)，實(shí)現(xiàn)動(dòng)態(tài)仿真模型的校核，提升模型的工程實(shí)用性。

③ 利用信息物聯(lián)網(wǎng)記錄的供熱系統(tǒng)運(yùn)行數(shù)據(jù)，采用機(jī)器學(xué)習(xí)技術(shù)建立數(shù)據(jù)驅(qū)動(dòng)的熱負(fù)荷預(yù)測模型，實(shí)現(xiàn)對(duì)熱負(fù)荷的準(zhǔn)確預(yù)測。

④ 利用熱負(fù)荷預(yù)測模型和校準(zhǔn)后的動(dòng)態(tài)仿真模型，實(shí)現(xiàn)供熱系統(tǒng)的運(yùn)行調(diào)度優(yōu)化。

⑤ 利用校準(zhǔn)后的動(dòng)態(tài)仿真模型，建立供熱管網(wǎng)泄漏故障數(shù)據(jù)庫，訓(xùn)練基于機(jī)器學(xué)習(xí)的供熱管網(wǎng)泄漏故障診斷模型，使模型根據(jù)供熱系統(tǒng)運(yùn)行數(shù)據(jù)輸出故障診斷結(jié)果。

3 智能算法在供熱系統(tǒng)中的應(yīng)用

3.1 供熱管網(wǎng)監(jiān)測點(diǎn)優(yōu)化布置

現(xiàn)代的供熱系統(tǒng)一般都裝有傳感測量元件，以監(jiān)測供熱系統(tǒng)各處的壓力、流量等相關(guān)參數(shù)，方便供熱企業(yè)對(duì)供熱系統(tǒng)的運(yùn)行情況進(jìn)行監(jiān)督，制定合理的運(yùn)行調(diào)度策略，提升系統(tǒng)節(jié)能性，及時(shí)發(fā)現(xiàn)系統(tǒng)故障，排除危險(xiǎn)情況，使系統(tǒng)更加安全可靠。理想情況下，在供熱系統(tǒng)中布置大量監(jiān)測點(diǎn)更有益于估計(jì)系統(tǒng)的整體運(yùn)行情況。然而，在實(shí)際工程中，受建設(shè)造價(jià)、運(yùn)行管理?xiàng)l件的限制，不可能在所有管段、所有節(jié)點(diǎn)均安裝傳感器。目前，監(jiān)測點(diǎn)通常布置在熱源和各熱力站內(nèi)，可以通過監(jiān)測數(shù)據(jù)建立水力仿真模型，校準(zhǔn)模型參數(shù)，從而獲得精確的水力仿真數(shù)據(jù)，評(píng)估供熱系統(tǒng)的運(yùn)行工況[5]29-31。由于供熱系統(tǒng)的供熱管網(wǎng)規(guī)模較為龐大，利用熱源、熱力站的運(yùn)行數(shù)據(jù)建立的水力仿真模型可能會(huì)遇到性能瓶頸，即模型可以準(zhǔn)確預(yù)測熱源、熱力站的參數(shù)信息，但供熱管網(wǎng)相關(guān)管段和節(jié)點(diǎn)的運(yùn)行參數(shù)的仿真值可能與監(jiān)測值有較大誤差。因此，有必要在供熱管網(wǎng)的關(guān)鍵管段和節(jié)點(diǎn)安裝傳感器，利用盡可能少、代表性強(qiáng)的監(jiān)測點(diǎn)，去盡可能準(zhǔn)確地評(píng)估供熱系統(tǒng)整體的水力工況。

管段阻抗是引起管段流量和節(jié)點(diǎn)壓力變化的一個(gè)重要因素。當(dāng)供熱管網(wǎng)某一管段的阻抗發(fā)生變化，必然引起供熱管網(wǎng)所有管段流量和節(jié)點(diǎn)壓力的變化，但是不同管段和不同節(jié)點(diǎn)的變化程度很有可能是不一樣的?；谶@種思想，我們引入阻抗對(duì)管段流量的相對(duì)影響度矩陣以及阻抗對(duì)節(jié)點(diǎn)壓力的相對(duì)影響度矩陣的概念，計(jì)算公式見式(1)～(4)。

(1)

(2)

(3)

(4)

式中YQ——阻抗對(duì)管段流量的相對(duì)影響度矩陣

yq,kj——矩陣YQ的元素，表示管段j的阻抗的相對(duì)變化量引起管段k的流量的相對(duì)波動(dòng)程度

B——供熱管網(wǎng)中管段的總數(shù)量

Qdsn,diag——管段流量設(shè)計(jì)值的對(duì)角陣

XQ——阻抗對(duì)管段流量的影響度矩陣

Sdsn,diag——管段阻抗設(shè)計(jì)值的對(duì)角陣

YP——阻抗對(duì)節(jié)點(diǎn)壓力的相對(duì)影響度矩陣

yp,ij——矩陣YP的元素，表示管段j的阻抗的相對(duì)變化量引起節(jié)點(diǎn)i的壓力的相對(duì)波動(dòng)程度

N——供熱管網(wǎng)中節(jié)點(diǎn)的總數(shù)量

Pdsn,diag——節(jié)點(diǎn)壓力設(shè)計(jì)值的對(duì)角陣

XP——阻抗對(duì)節(jié)點(diǎn)壓力的影響度矩陣

Q——管段流量列向量

S——管段阻抗列向量

P——節(jié)點(diǎn)壓力列向量

圖3為監(jiān)測點(diǎn)優(yōu)化布置的技術(shù)路線。

圖3 監(jiān)測點(diǎn)優(yōu)化布置的技術(shù)路線

技術(shù)路線的具體步驟為：

① 根據(jù)供熱系統(tǒng)的設(shè)計(jì)資料，計(jì)算各管段的阻抗；

② 選擇設(shè)計(jì)工況作為基準(zhǔn)工況，計(jì)算各管段的流量和各節(jié)點(diǎn)的壓力；

③ 計(jì)算影響度矩陣XQ和XP；

④ 計(jì)算相對(duì)影響度矩陣YQ和YP；

⑤ 利用聚類算法對(duì)相對(duì)影響度矩陣進(jìn)行分析，矩陣YQ和YP中的每一行表示一個(gè)示例，每一列表示一個(gè)屬性，通過聚類分析，把相對(duì)影響度矩陣劃分成多個(gè)聚類簇，使得簇內(nèi)包含的管段或節(jié)點(diǎn)的相對(duì)影響度相似，簇與簇之間的管段或節(jié)點(diǎn)的相對(duì)影響度很不相似；

⑥ 從每一個(gè)聚類簇中選擇一個(gè)管段或節(jié)點(diǎn)作為監(jiān)測點(diǎn)布置的位置，最終得到供熱管網(wǎng)流量和壓力監(jiān)測點(diǎn)的布置方案。

3.2 熱負(fù)荷預(yù)測

熱負(fù)荷的準(zhǔn)確預(yù)測是實(shí)現(xiàn)供熱系統(tǒng)運(yùn)行優(yōu)化、智能決策，提高供熱效率，降低運(yùn)行維護(hù)成本的重要前提。由于供熱系統(tǒng)具有規(guī)模龐大、結(jié)構(gòu)復(fù)雜、熱惰性高等特點(diǎn)，難以通過數(shù)學(xué)建模方法建立有效的熱負(fù)荷預(yù)測模型。信息物聯(lián)網(wǎng)儲(chǔ)存了大量的供熱系統(tǒng)歷史數(shù)據(jù)，這些數(shù)據(jù)反映了供熱系統(tǒng)潛在的運(yùn)行規(guī)律，使得采用機(jī)器學(xué)習(xí)技術(shù)建立數(shù)據(jù)驅(qū)動(dòng)的熱負(fù)荷預(yù)測模型成為可能。

數(shù)據(jù)驅(qū)動(dòng)的熱負(fù)荷預(yù)測屬于機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)的任務(wù)是學(xué)習(xí)一個(gè)模型，使得模型能夠?qū)θ我饨o定的輸入，對(duì)其相應(yīng)的輸出做出一個(gè)很好的預(yù)測。由此可知，熱負(fù)荷預(yù)測模型的性能取決于所選取的輸入變量和監(jiān)督學(xué)習(xí)算法。

與熱負(fù)荷相關(guān)的輸入變量可分為4類：時(shí)間變量、氣象參數(shù)、供熱系統(tǒng)運(yùn)行數(shù)據(jù)和社會(huì)因素(用戶行為)[6- 7]。時(shí)間變量即年、月、日、小時(shí)等參數(shù)；氣象參數(shù)包括室外空氣溫濕度、太陽輻射、風(fēng)速等，是熱負(fù)荷最顯著的影響因子；供熱系統(tǒng)運(yùn)行數(shù)據(jù)是反映系統(tǒng)運(yùn)行狀態(tài)的供回水溫度、流量、熱量、控制信號(hào)等變量；社會(huì)因素指熱用戶的用熱模式、社會(huì)活動(dòng)、自主調(diào)節(jié)等行為。雖然熱負(fù)荷的影響因子眾多，相關(guān)研究表明，只需選擇少數(shù)關(guān)鍵輸入變量,例如時(shí)間、室外空氣溫度、歷史供熱量等,即可建立精度較高的熱負(fù)荷預(yù)測模型[8]。

國內(nèi)外已有許多學(xué)者驗(yàn)證了多種機(jī)器學(xué)習(xí)算法在熱負(fù)荷預(yù)測任務(wù)中的適用性，常用算法有多元線性回歸[9]、自回歸積分移動(dòng)平均[6]、支持向量回歸[10]、極限學(xué)習(xí)機(jī)[11]、回歸樹[12]、梯度提升[13]、神經(jīng)網(wǎng)絡(luò)[14]等。由于不同的供熱企業(yè)所采集的數(shù)據(jù)類型不盡相同，何種算法產(chǎn)生最優(yōu)的預(yù)測效果還需具體問題具體分析。

圖4描述了數(shù)據(jù)驅(qū)動(dòng)的熱負(fù)荷預(yù)測任務(wù)的技術(shù)路線。

圖4 數(shù)據(jù)驅(qū)動(dòng)的熱負(fù)荷預(yù)測的技術(shù)路線

雖然不同的熱負(fù)荷預(yù)測任務(wù)的預(yù)測范圍、輸入變量、機(jī)器學(xué)習(xí)算法存在差異，但是技術(shù)路線均可大致分為4個(gè)主要步驟：數(shù)據(jù)預(yù)處理、數(shù)據(jù)集劃分、模型訓(xùn)練和模型評(píng)估。數(shù)據(jù)預(yù)處理旨在通過特征選擇、特征工程和特征變換等將供熱系統(tǒng)的歷史數(shù)據(jù)變換為熱負(fù)荷預(yù)測模型所要求的輸入格式。在數(shù)據(jù)集劃分中，我們將預(yù)處理后的數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測試集，其中訓(xùn)練集和驗(yàn)證集用于模型訓(xùn)練，測試集用于模型的評(píng)估。模型訓(xùn)練即是訓(xùn)練熱負(fù)荷預(yù)測模型的過程。模型評(píng)估則對(duì)熱負(fù)荷預(yù)測模型的預(yù)測精度和泛化能力進(jìn)行分析。

4 動(dòng)態(tài)仿真在供熱系統(tǒng)中的應(yīng)用

4.1 動(dòng)態(tài)仿真模型

4.1.1 水力仿真模型與模型參數(shù)校準(zhǔn)

水力仿真是供熱系統(tǒng)熱動(dòng)態(tài)仿真、運(yùn)行優(yōu)化、故障診斷的基礎(chǔ)。根據(jù)圖論理論，供熱系統(tǒng)可以視為只包含管段和節(jié)點(diǎn)兩類元素的有向圖模型。根據(jù)質(zhì)量守恒定律和能量守恒定律，得到供熱系統(tǒng)的水力仿真模型[15]16-30，見式(5)～(7)。

AfQ=Qn

(5)

Bf[SdiagQabs,diagQ-(C0+C1Q+

C2Qabs,diagQ)]=0

(6)

(7)

式中Af——基本關(guān)聯(lián)矩陣

Qn——節(jié)點(diǎn)流量列向量

Bf——基本回路矩陣

Sdiag——管段阻抗的對(duì)角陣

Qabs,diag——管段流量絕對(duì)值的對(duì)角陣

C0——水泵特性系數(shù)列向量

C1,C2——水泵特性系數(shù)對(duì)角陣

AT——基本樹枝關(guān)聯(lián)矩陣

ΔPT——樹枝管段的壓力降列向量

仿真結(jié)果的準(zhǔn)確性取決于獲得準(zhǔn)確的管段阻抗值。然而，管段阻抗的實(shí)際值通常很難直接觀測和準(zhǔn)確計(jì)算。因此,需要對(duì)阻抗進(jìn)行辨識(shí)以校準(zhǔn)水力仿真模型。利用供熱系統(tǒng)的流量、壓力觀測數(shù)據(jù)，通過智能優(yōu)化算法得到管段阻抗的辨識(shí)值，使得水力仿真得到的管段流量和節(jié)點(diǎn)壓力值逼近流量、壓力的觀測值，此時(shí)的水力仿真模型即可近似反映供熱系統(tǒng)的實(shí)際水力工況。

水力仿真模型參數(shù)校準(zhǔn)本質(zhì)上是一個(gè)數(shù)學(xué)優(yōu)化問題：優(yōu)化變量為待辨識(shí)的管段阻抗；目標(biāo)函數(shù)如式(8)所示，為流量、壓力的仿真值與監(jiān)測點(diǎn)觀測值的偏差的2次方和；約束函數(shù)即是水力仿真模型，見式(5)～(7)。

Wq‖Qo,t-Qc,t‖2)

(8)

式中 obj(S)——目標(biāo)函數(shù)

Z——用于辨識(shí)的供熱系統(tǒng)運(yùn)行工況的總數(shù)量

Wp——節(jié)點(diǎn)壓力的權(quán)重

Po,t——運(yùn)行工況t對(duì)應(yīng)的節(jié)點(diǎn)壓力的觀測值向量

Pc,t——運(yùn)行工況t對(duì)應(yīng)的節(jié)點(diǎn)壓力的仿真值向量

Wq——管段流量的權(quán)重

Qo,t——運(yùn)行工況t對(duì)應(yīng)的管段流量的觀測值向量

Qc,t——運(yùn)行工況t對(duì)應(yīng)的管段流量的仿真值向量

遺傳算法[5]32-41、蟻群算法[15]67-73等智能優(yōu)化算法均可用于水力仿真模型參數(shù)校準(zhǔn)。

水力仿真模型參數(shù)校準(zhǔn)流程見圖5。

圖5 水力仿真模型參數(shù)校準(zhǔn)的流程

① 對(duì)智能優(yōu)化算法的參數(shù)進(jìn)行初始化，對(duì)待辨識(shí)的管段阻抗進(jìn)行編碼；

② 將管段阻抗代入水力仿真模型，得到仿真結(jié)果，使用仿真結(jié)果與供熱系統(tǒng)運(yùn)行數(shù)據(jù)計(jì)算目標(biāo)函數(shù)值；

③ 基于計(jì)算的目標(biāo)函數(shù)值，智能優(yōu)化算法更新阻抗辨識(shí)的最優(yōu)解；

④ 重復(fù)步驟②、③，直到滿足收斂準(zhǔn)則，得到管段阻抗辨識(shí)的最優(yōu)解，使用最優(yōu)解對(duì)水力仿真模型進(jìn)行校準(zhǔn)。

校準(zhǔn)后的水力仿真模型可以準(zhǔn)確模擬供熱系統(tǒng)的實(shí)際水力工況，該模型可以幫助運(yùn)行管理人員精準(zhǔn)評(píng)估供熱系統(tǒng)的運(yùn)行動(dòng)態(tài)，從而為供熱系統(tǒng)熱動(dòng)態(tài)仿真、運(yùn)行優(yōu)化、故障診斷提供支持。

4.1.2 熱動(dòng)態(tài)模型

供熱系統(tǒng)熱動(dòng)態(tài)模型可以模擬供熱系統(tǒng)的動(dòng)態(tài)溫度分布，分析流體在供熱系統(tǒng)中的熱傳遞規(guī)律，進(jìn)而指導(dǎo)供熱系統(tǒng)的運(yùn)行調(diào)節(jié)。

建立供熱系統(tǒng)的熱動(dòng)態(tài)模型首先需要建立供熱系統(tǒng)各個(gè)組成部分的熱動(dòng)態(tài)模型。這些組成部件的熱動(dòng)態(tài)模型均可以通過能量守恒建立，然而建立完整供熱系統(tǒng)熱動(dòng)態(tài)模型關(guān)鍵在于連接各組成部件的熱動(dòng)態(tài)模型，其中包括數(shù)以百計(jì)的管段和節(jié)點(diǎn)。

整合方法[16]可以有效地連接供熱系統(tǒng)各組成部分的熱動(dòng)態(tài)模型，構(gòu)建完整的供熱系統(tǒng)熱動(dòng)態(tài)模型。在整合方法中，熱源、換熱首站、熱力站和熱用戶末端散熱器等換熱設(shè)備均可基于能量方程等效為管段。在整合方法中，供熱系統(tǒng)被表示成空間管網(wǎng)，該空間管網(wǎng)的節(jié)點(diǎn)和管段(含等效管段)的連接關(guān)系可以完全地使用圖論的關(guān)聯(lián)矩陣A描述。在矩陣A中，每一行代表一個(gè)節(jié)點(diǎn)，每一列代表一根管段。矩陣A中的元素按下面的方式規(guī)定： 1表示管段j的流體離開節(jié)點(diǎn)i，-1表示管段j的流體流向節(jié)點(diǎn)i，其他都是0。

在整合方法中，基于矩陣A所描述的管段和節(jié)點(diǎn)的關(guān)系，定義流入管段矩陣C、流入管段起始矩陣D和流入管段數(shù)量矩陣E來獲取隱藏在矩陣A中各組成部件之間的連接關(guān)系。矩陣C用來獲取哪些管段流向節(jié)點(diǎn)i，矩陣D用來獲取哪些流向節(jié)點(diǎn)i的管段的起始節(jié)點(diǎn)，矩陣E用來獲取流向節(jié)點(diǎn)i的管段的個(gè)數(shù)。矩陣C、D和E的詳細(xì)構(gòu)造過程如下：

① 矩陣C：找到矩陣A中每一行的最小值(-1)所在的列數(shù)并儲(chǔ)存在C中；

② 矩陣D：找到矩陣C中每個(gè)數(shù)對(duì)應(yīng)A中每一列的最大值(1)所在的行數(shù)并儲(chǔ)存在D中；

③ 矩陣E：儲(chǔ)存流向節(jié)點(diǎn)i的管段的個(gè)數(shù)。

利用定義的矩陣C、D、E以及管段和節(jié)點(diǎn)的熱動(dòng)態(tài)模型，可以建立完整的供熱系統(tǒng)熱動(dòng)態(tài)模型，獲取整個(gè)供熱系統(tǒng)的熱動(dòng)態(tài)特性。通過建立的熱動(dòng)態(tài)模型，分析比較不同運(yùn)行方案對(duì)供熱系統(tǒng)的影響，實(shí)現(xiàn)供熱系統(tǒng)的運(yùn)行調(diào)度優(yōu)化，提高系統(tǒng)的運(yùn)行效率。此外，將熱動(dòng)態(tài)模型與熱電優(yōu)化系統(tǒng)結(jié)合，研究利用供熱系統(tǒng)的熱慣性提高熱電機(jī)組的靈活性，從而實(shí)現(xiàn)清潔能源的高效利用[17]。

4.2 供熱管網(wǎng)泄漏故障診斷

隨著供熱規(guī)模的擴(kuò)大和已有供熱系統(tǒng)運(yùn)行年限的增長，供熱系統(tǒng)的故障和事故時(shí)有發(fā)生，其中供熱管網(wǎng)的泄漏是最常見的故障。供熱管網(wǎng)的泄漏會(huì)導(dǎo)致供熱能耗的增加,影響居民的生活質(zhì)量和社會(huì)活動(dòng),給供熱企業(yè)帶來嚴(yán)重的經(jīng)濟(jì)損失。因此，有必要及時(shí)、準(zhǔn)確地對(duì)泄漏故障進(jìn)行診斷，保證供熱系統(tǒng)安全、可靠、經(jīng)濟(jì)地運(yùn)行。

供熱管網(wǎng)泄漏故障診斷的常用方法可分為兩類：基于硬件的方法和基于軟件的方法?；谟布姆椒ㄊ褂锰厥獾膫鞲性O(shè)備來檢測熱網(wǎng)的泄漏。根據(jù)用于故障檢測的傳感器和設(shè)備的類型，基于硬件的方法可以進(jìn)一步分類，如聲學(xué)檢測法[18]、光纖檢漏法[19]、紅外熱成像法[20]等?；谲浖姆椒ɡ脭?shù)據(jù)采集系統(tǒng)中的壓力、流量傳感器所獲得的數(shù)據(jù)，建立水力模型或者數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行泄漏故障的診斷[21-22]。在實(shí)際工程中，供熱管網(wǎng)規(guī)模龐大，只有定期巡檢和供熱管網(wǎng)出現(xiàn)大規(guī)模泄漏無法定位泄漏點(diǎn)時(shí)才會(huì)采用基于硬件的方法診斷管網(wǎng)泄漏。大多數(shù)情況是通過基于軟件的方法，利用供熱管網(wǎng)運(yùn)行數(shù)據(jù)診斷泄漏故障。

如第1章所述，機(jī)器學(xué)習(xí)通過從數(shù)據(jù)中學(xué)習(xí)知識(shí)或規(guī)律從而賦予計(jì)算機(jī)在特定任務(wù)上的預(yù)測或決策能力。當(dāng)供熱管網(wǎng)發(fā)生泄漏故障時(shí)，會(huì)引起管網(wǎng)中所有管段流量和節(jié)點(diǎn)壓力發(fā)生變化。基于該現(xiàn)象，我們可以使用供熱管網(wǎng)泄漏故障工況的運(yùn)行數(shù)據(jù)集，訓(xùn)練基于機(jī)器學(xué)習(xí)的供熱管網(wǎng)泄漏故障診斷模型，訓(xùn)練后的模型能夠根據(jù)供熱運(yùn)行數(shù)據(jù)輸出故障診斷結(jié)果。供熱管網(wǎng)泄漏故障診斷屬于機(jī)器學(xué)習(xí)中的多分類任務(wù)，諸如神經(jīng)網(wǎng)絡(luò)[23]97-120、支持向量機(jī)[23]121-145、梯度提升[23]171-196等算法均可作為泄漏故障診斷的基礎(chǔ)模型。

模型的訓(xùn)練需要考慮供熱管網(wǎng)所有可能的泄漏故障工況，然而實(shí)際工程中缺乏關(guān)于泄漏工況運(yùn)行數(shù)據(jù)的大量、翔實(shí)的記錄，必須利用水力仿真模型提供相關(guān)的數(shù)據(jù)集?；跈C(jī)器學(xué)習(xí)的供熱管網(wǎng)泄漏故障診斷的技術(shù)路線見圖6。

圖6 基于機(jī)器學(xué)習(xí)的供熱管網(wǎng)泄漏故障診斷的技術(shù)路線

該技術(shù)路線只考慮同一個(gè)時(shí)間段內(nèi)，供熱管網(wǎng)中只有一個(gè)管段發(fā)生泄漏故障的情況。利用校準(zhǔn)后的水力仿真模型，首先模擬供熱管網(wǎng)正常運(yùn)行工況，得到正常運(yùn)行工況的管段流量和節(jié)點(diǎn)壓力數(shù)據(jù)；然后對(duì)供熱管網(wǎng)中的每一個(gè)管段，模擬其不同泄漏點(diǎn)和不同泄漏量時(shí)的所有可能的泄漏故障工況，得到泄漏故障工況下的管段流量和節(jié)點(diǎn)壓力數(shù)據(jù)；將每個(gè)泄漏故障工況的運(yùn)行數(shù)據(jù)與正常工況的運(yùn)行數(shù)據(jù)進(jìn)行比較，求取管段流量和節(jié)點(diǎn)壓力的變化值，再除以正常工況的運(yùn)行數(shù)據(jù)，得到管段流量和節(jié)點(diǎn)壓力的變化率作為最終的泄漏故障數(shù)據(jù)庫。然后，通過數(shù)據(jù)集劃分，將泄漏故障數(shù)據(jù)庫分為訓(xùn)練集、驗(yàn)證集和測試集。訓(xùn)練集和驗(yàn)證集用于供熱管網(wǎng)泄漏故障診斷模型的訓(xùn)練過程。模型訓(xùn)練結(jié)束后，利用測試集評(píng)估泄漏故障診斷模型的精度。當(dāng)模型建立后，泄漏故障診斷模型可以根據(jù)輸入的供熱管網(wǎng)運(yùn)行數(shù)據(jù)，輸出可能發(fā)生泄漏故障的管段的編號(hào)，幫助運(yùn)行管理人員快速、準(zhǔn)確地定位泄漏故障，從而提升了供熱系統(tǒng)的可靠性。

5 結(jié)論

智慧供熱是供熱系統(tǒng)未來發(fā)展的重要方向，在當(dāng)前建設(shè)智慧城市、發(fā)展“互聯(lián)網(wǎng)+”智慧能源的背景下，智慧供熱已成為我國供熱行業(yè)的研究熱點(diǎn)。智慧供熱集成了物理設(shè)備網(wǎng)、信息物聯(lián)網(wǎng)和智能決策網(wǎng)三大系統(tǒng)。作為智能決策網(wǎng)的技術(shù)驅(qū)動(dòng)，基于智能算法與動(dòng)態(tài)仿真的智能引擎構(gòu)建對(duì)智慧供熱的實(shí)現(xiàn)有著至關(guān)重要的作用。本文闡述了智慧供熱的主要概念，描繪了構(gòu)建智能引擎的技術(shù)路線，介紹了智能算法和動(dòng)態(tài)仿真如何支撐智能決策網(wǎng)的各項(xiàng)關(guān)鍵功能模塊。主要結(jié)論如下：

① 智能算法可以有效挖掘來自信息物聯(lián)網(wǎng)的供熱系統(tǒng)運(yùn)行數(shù)據(jù)。通過數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)供熱管網(wǎng)監(jiān)測點(diǎn)優(yōu)化布置，提高供熱系統(tǒng)數(shù)據(jù)質(zhì)量是實(shí)現(xiàn)復(fù)雜城市供熱系統(tǒng)智能化的重要前提。

② 借助于機(jī)器學(xué)習(xí)從數(shù)據(jù)中學(xué)習(xí)一般性的知識(shí)的能力，智能算法能夠?qū)嶝?fù)荷進(jìn)行準(zhǔn)確預(yù)測，為供熱系統(tǒng)制定合理的控制策略、實(shí)現(xiàn)系統(tǒng)運(yùn)行優(yōu)化與節(jié)能提供依據(jù)。

③ 構(gòu)建基于空間管網(wǎng)的供熱系統(tǒng)動(dòng)態(tài)仿真模型，并采用遺傳算法等智能算法實(shí)現(xiàn)模型校準(zhǔn)，提升仿真結(jié)果準(zhǔn)確性。利用仿真模型解決智能算法機(jī)理解釋困難的問題，為后續(xù)的清潔能源高效利用與優(yōu)化運(yùn)行調(diào)度提供技術(shù)支撐。

④ 通過智能算法與仿真模型有效融合，構(gòu)建智能引擎。以供熱管網(wǎng)泄漏故障診斷功能為例，說明了該智能引擎構(gòu)建與工程應(yīng)用方法，為智能決策網(wǎng)的研發(fā)提供一種可行的技術(shù)路線。