本方案提出了一種基于數(shù)字化仿真模型預(yù)測供熱運行狀況的全網(wǎng)水力平衡模型預(yù)測調(diào)控方法（MPC）?；谪摵桑ü嵊昧啃枨螅╊A(yù)測，對熱力站一網(wǎng)電動調(diào)節(jié)閥進行精準(zhǔn)調(diào)節(jié)。實現(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。
一、實施背景
隨著城市的快速發(fā)展，作為城市運轉(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”。與此同時，“雙碳”工作的開展愈加如火如荼。然而，供熱供暖管網(wǎng)規(guī)模不斷擴充、用戶種類日趨繁多、能源負荷不斷飆升，管網(wǎng)安全運營和優(yōu)化運營不僅是能源企業(yè)面臨的關(guān)鍵問題，也是“雙碳”要求下的攻堅問題。
二、實施目標(biāo)
（一）計算數(shù)量：可滿足1億m2或200萬節(jié)點以上的計算要求；
（二）計算精度：壓力＜1Pa、流量＜1m3/h、溫度＜1℃；
（三）計算速度：供熱一級管網(wǎng)系統(tǒng)平均在20s以內(nèi)完成計算和計算結(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)用水力熱力仿真計算及人工神經(jīng)網(wǎng)絡(luò)等智能算法獲得實現(xiàn)動態(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)進行對接與整合，保證系統(tǒng)的穩(wěn)定、高效、節(jié)能運行。本項目建設(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。
（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。
五、實施效果
（1）仿真結(jié)果
1、以2022年3月6日15時50分?jǐn)?shù)據(jù)為基礎(chǔ)進行管網(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，熱源均與該時刻的實際參數(shù)保持一致。熱力站均以該時刻的實際流量與溫差進行設(shè)定來模擬。通過對比所有熱力站的供回水壓力差值進行管網(wǎng)校核，非問題熱力站供回水壓力差的模擬值和實際計量值之間的相對誤差平均值為3.16%，計算供水溫度和實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日一段時間內(nèi)的工況進行仿真，并統(tǒng)計分析了這段時間的仿真結(jié)果。剔除了異常工況后共264個工況統(tǒng)計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個工況的平均壓差偏差率為4.62%，供水溫度偏差率為2.72%，達到了目標(biāo)。
（2）調(diào)控結(jié)果
本項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?；谧钚碌呢摵深A(yù)測結(jié)果，對熱力站閥門和水泵進行精準(zhǔn)調(diào)節(jié)。完全實現(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。隨著供熱時間的增加，確?？刂平Y(jié)果愈加趨于準(zhǔn)確。本次供熱季蘭州智慧供熱云平臺上已實現(xiàn)100余套換熱機組的測試。從實際調(diào)控結(jié)果來看，熱力站的實際運行負荷充分滿足供熱需求且貼合負荷預(yù)測值。
本次供熱季的實際現(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。
