本方案提出了一種基于數(shù)字化仿真模型預(yù)測供熱運(yùn)行狀況的全網(wǎng)水力平衡模型預(yù)測調(diào)控方法（MPC）?；谪?fù)荷（供熱用量需求）預(yù)測，對熱力站一網(wǎng)電動(dòng)調(diào)節(jié)閥進(jìn)行精準(zhǔn)調(diào)節(jié)。實(shí)現(xiàn)蘭州新區(qū)供熱管網(wǎng)的全網(wǎng)水力熱力平衡，充分滿足用戶供熱需求。新方法還基于歷史數(shù)據(jù)不斷地學(xué)習(xí)和優(yōu)化物理模型參數(shù)，確保結(jié)果的合理性和準(zhǔn)確性。相較于傳統(tǒng)基于PID反饋調(diào)節(jié)控制的方法，MPC模型預(yù)測控制方法依據(jù)所需負(fù)荷精準(zhǔn)提供水泵運(yùn)行參數(shù)和閥門開啟程度的控制值，從機(jī)理上避免了由于管網(wǎng)互聯(lián)互通性導(dǎo)致的水力振蕩現(xiàn)象，具有良好的節(jié)能節(jié)熱潛力，主要形成了以下的研究成果：
（1）形成了整套MPC控制算法流程，該算法基于供熱管網(wǎng)仿真模型，根據(jù)預(yù)測負(fù)荷實(shí)現(xiàn)供熱管網(wǎng)的全網(wǎng)平衡控制。該算法具有一定的通用性，可用于其他大型供熱管網(wǎng)項(xiàng)目，推動(dòng)全國供熱管網(wǎng)數(shù)字化轉(zhuǎn)型和智能化控制。
（2）開發(fā)了基于粒子群算法的管網(wǎng)粗糙度辨識，可有效提高管網(wǎng)仿真精度，使管網(wǎng)仿真模型與實(shí)際管網(wǎng)盡可能接近，為供熱管網(wǎng)智慧調(diào)控提供良好的基礎(chǔ)。
（3）開發(fā)了電動(dòng)調(diào)節(jié)閥分區(qū)間模型，解決閥門小開度下水力特性與樣本不符的控制難題，有助于實(shí)現(xiàn)閥門更精細(xì)化的控制。
（4）基于歷史運(yùn)行數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)，對閥門參數(shù)進(jìn)行辨識，將閥門兩端壓力和熱力站換熱器兩端壓力進(jìn)行拆分，從而實(shí)現(xiàn)閥門開度的智能化控制。
（5）將整套MPC控制算法應(yīng)用于實(shí)際的蘭州供熱項(xiàng)目中，形成了重要的實(shí)踐成果。實(shí)踐結(jié)果表明，該算法對于大部分熱力站具有較好的控制效果，通過控制熱力站一網(wǎng)電動(dòng)調(diào)節(jié)閥使實(shí)時(shí)負(fù)荷與預(yù)測負(fù)荷跟隨較好，有效改善水力震蕩和冷熱不均現(xiàn)象，具有廣闊的應(yīng)用前景。
一、實(shí)施背景
隨著城市的快速發(fā)展，作為城市運(yùn)轉(zhuǎn)的重要組成部分，供熱供暖管網(wǎng)在城市管理和市民生活中發(fā)揮著越來越重要的作用，與其他能源管網(wǎng)一起構(gòu)成了城市的地下“生命線”。近幾年來，隨著人工智能和信息技術(shù)的高速發(fā)展，“大數(shù)據(jù)”、“互聯(lián)網(wǎng)+”和“云計(jì)算”等技術(shù)將給能源行業(yè)帶來全新的機(jī)遇和挑戰(zhàn)。
與此同時(shí)，從2020年“雙碳”目標(biāo)的提出到2021年“1+N”頂層設(shè)計(jì)的頒布，再到最新《科技支撐碳達(dá)峰碳中和實(shí)施方案（2022—2030年）》的印發(fā)，“雙碳”工作的開展愈加如火如荼。然而，供熱供暖管網(wǎng)規(guī)模不斷擴(kuò)充、用戶種類日趨繁多、能源負(fù)荷不斷飆升，管網(wǎng)安全運(yùn)營和優(yōu)化運(yùn)營不僅是能源企業(yè)面臨的關(guān)鍵問題，也是“雙碳”要求下的攻堅(jiān)問題。
為滿足供熱供暖管網(wǎng)精細(xì)化、智慧化運(yùn)營管理的發(fā)展需求，針對超大型供熱供暖管網(wǎng)介質(zhì)流動(dòng)動(dòng)態(tài)仿真缺乏高精度數(shù)學(xué)模型及快速數(shù)值算法的困難，傳統(tǒng)PID反饋調(diào)節(jié)控制在負(fù)荷響應(yīng)、水力平衡及低碳節(jié)能中能力的不逮，以及現(xiàn)有管網(wǎng)仿真國外軟件占據(jù)高端市場、價(jià)格昂貴且其計(jì)算技術(shù)精度和適用規(guī)模仍無法滿足我國供熱供暖管網(wǎng)高速發(fā)展的應(yīng)用瓶頸，供熱供暖管網(wǎng)仿真調(diào)控算法的研究迫在眉睫。
二、實(shí)施目標(biāo)
（一）計(jì)算數(shù)量：可滿足1億m2或200萬節(jié)點(diǎn)以上的計(jì)算要求；
（二）計(jì)算精度：壓力＜1Pa、流量＜1m3/h、溫度＜1℃；
（三）計(jì)算速度：供熱面積2000萬m2以下的供熱一級管網(wǎng)系統(tǒng)在15s以內(nèi)完成計(jì)算和計(jì)算結(jié)果展示；
供熱面積5000萬m2以下的供熱一級管網(wǎng)系統(tǒng)在20s以內(nèi)完成計(jì)算和計(jì)算結(jié)果展示；
供熱面積5000萬m2以上（含5000萬m2）的供熱一級管網(wǎng)系統(tǒng)在30s以內(nèi)完成計(jì)算和計(jì)算結(jié)果展示；
（四）平均絕對百分誤差：壓力＜5%、流量＜5%、溫度＜3%；
（五）水力失調(diào)度：1~1.06、熱力失調(diào)度：1~1.1；
（六）安全可靠性：不應(yīng)頻繁出現(xiàn)故障；模塊出現(xiàn)故障后，不應(yīng)影響供熱系統(tǒng)的安全、穩(wěn)定運(yùn)行。
三、建設(shè)內(nèi)容
目前，智慧供熱系統(tǒng)一般具備DCS、SCADA、GIS等先進(jìn)的信息系統(tǒng)支持，部分最新系統(tǒng)甚至還有物聯(lián)網(wǎng)系統(tǒng)支持。在這些信息系統(tǒng)的支持下，供熱系統(tǒng)可采用由智能大腦指揮調(diào)度的“模型預(yù)測控制”方案。模型預(yù)測控制方案采用全新的推理控制機(jī)理，可全面整合大數(shù)據(jù)挖掘技術(shù)與人工智能策略，基于新一代水力熱力耦合模型，采用全面解決水力失衡的新方案。
在模型預(yù)測控制（MPC）方案中，控制平臺的監(jiān)測控制策略充分考慮來自環(huán)境和熱力系統(tǒng)的所有可收集數(shù)據(jù)，通過熱力系統(tǒng)的負(fù)荷預(yù)測模塊和仿真模型參數(shù)校核模塊，對最優(yōu)化模型提供優(yōu)化參數(shù)。在最優(yōu)化模型中，調(diào)用水力熱力仿真計(jì)算及人工神經(jīng)網(wǎng)絡(luò)等智能算法獲得實(shí)現(xiàn)動(dòng)態(tài)平衡所需的仿真結(jié)果。這些仿真結(jié)果會直接下發(fā)到各地控制器來控制閥門和水泵。MPC控制方式可以直接完成對管網(wǎng)的平衡調(diào)節(jié)，或者作為初調(diào)節(jié)手段再結(jié)合本地反饋控制方式完成平衡調(diào)節(jié)。MPC方案可與智慧供熱云平臺信息系統(tǒng)進(jìn)行對接與整合，保證系統(tǒng)的穩(wěn)定、高效、節(jié)能運(yùn)行。本項(xiàng)目建設(shè)內(nèi)容主要包含以下兩方面：
（一）管網(wǎng)仿真技術(shù)包括管網(wǎng)建模、數(shù)值算法求解器和管網(wǎng)AI智算平臺等方面。本方案提出的仿真技術(shù)從建模方法、數(shù)值算法和網(wǎng)絡(luò)部署都完全通過自主開發(fā)并擁有全部知識產(chǎn)權(quán)。與傳統(tǒng)軟件相比較，新的能源管網(wǎng)AI智算平臺具有運(yùn)算速度快、模擬精度高和云計(jì)算靈活部署等優(yōu)勢。與人工智能方法相結(jié)合，很方便實(shí)現(xiàn)自學(xué)習(xí)和數(shù)字孿生技術(shù)。
（二）管網(wǎng)調(diào)控算法包括參數(shù)校核和智能控制算法等方面。本方案提出的調(diào)控算法采用模型預(yù)測控制方案完全由自主研發(fā)并擁有全部知識產(chǎn)權(quán)。調(diào)控算法采用的MPC控制器是有學(xué)習(xí)設(shè)備性能功能的直接控制器，可通過仿真結(jié)果直接給出閥門開度。由于無需反饋，這種控制方式從機(jī)理上避免了發(fā)生水力振蕩現(xiàn)象。
四、實(shí)施效果
（1）仿真結(jié)果
1、以2022年3月6日15時(shí)50分?jǐn)?shù)據(jù)為基礎(chǔ)進(jìn)行管網(wǎng)設(shè)定和仿真。熱源設(shè)定循環(huán)流量2274.66m3/h，供水溫度設(shè)定81.6℃，回水溫度設(shè)定42.24℃，供水壓力設(shè)定0.76MPa，回水壓力設(shè)定0.46MPa，熱源均與該時(shí)刻的實(shí)際參數(shù)保持一致。熱力站均以該時(shí)刻的實(shí)際流量與溫差進(jìn)行設(shè)定來模擬。通過對比所有熱力站的供回水壓力差值進(jìn)行管網(wǎng)校核，非問題熱力站供回水壓力差的模擬值和實(shí)際計(jì)量值之間的相對誤差平均值為3.16%，計(jì)算供水溫度和實(shí)際供水溫度的相對誤差平均值為2.09%。
2、為了證明該仿真模型具有較高的適用性，選取了2022年3月1日-3月14日一段時(shí)間內(nèi)的工況進(jìn)行仿真，并統(tǒng)計(jì)分析了這段時(shí)間的仿真結(jié)果。剔除了異常工況后共264個(gè)工況統(tǒng)計(jì)得到的各工況的壓差偏差率和供水溫度偏差率從整體來看，這264個(gè)工況的平均壓差偏差率為4.62%，供水溫度偏差率為2.72%，達(dá)到了目標(biāo)。
（2）調(diào)控結(jié)果
本項(xiàng)目提出了一種全新的基于人工智能（AI）模型預(yù)測的全網(wǎng)平衡調(diào)控方法?；谧钚碌呢?fù)荷預(yù)測結(jié)果，對熱力站閥門和水泵進(jìn)行精準(zhǔn)調(diào)節(jié)。完全實(shí)現(xiàn)蘭新供熱管網(wǎng)的全網(wǎng)水力熱力平衡，充分滿足用戶供熱需求。
新方法具有基于歷史數(shù)據(jù)不斷地深入學(xué)習(xí)和優(yōu)化數(shù)學(xué)模型的能力。隨著供熱時(shí)間的增加，確?？刂平Y(jié)果愈加趨于準(zhǔn)確。相對傳統(tǒng)（PID類）反饋調(diào)節(jié)控制的方法，人工智能（AI）控制方法可快速且準(zhǔn)確的提供全網(wǎng)所有循環(huán)泵頻率和閥門開度目標(biāo)值。新方法是目前工程上唯一可從機(jī)理上避免了復(fù)雜管網(wǎng)調(diào)節(jié)產(chǎn)生的水力振蕩現(xiàn)象的調(diào)節(jié)方法。本次供熱季蘭州智慧供熱云平臺上已實(shí)現(xiàn)100余套換熱機(jī)組的測試。從實(shí)際調(diào)控結(jié)果來看，熱力站的實(shí)際運(yùn)行負(fù)荷充分滿足供熱需求且貼合負(fù)荷預(yù)測值。
本次供熱季的實(shí)際現(xiàn)場應(yīng)用表明，該方法具有極為良好的節(jié)能節(jié)熱潛力。通過采取所提出的人工智能（AI）調(diào)控方法，蘭州新區(qū)熱指標(biāo)從0.286GJ/m2.a降低到0.221GJ/m2.a，耗電量從1.8kW/萬平米減低到1.1kW/萬平米。實(shí)際現(xiàn)場應(yīng)用表明，所提出的基于AI全網(wǎng)平衡調(diào)控方法顯著改善了傳統(tǒng)的熱網(wǎng)控制效果，并展現(xiàn)出良好的節(jié)能效果。