基于人工智能与热力系统融合的综合节能技术研究

2020-12-11胡雪杨俊红刘德朝史鑫钰崔棉善

综合智慧能源 2020年11期

胡雪，杨俊红*，刘德朝，史鑫钰，崔棉善

（1.天津大学机械工程学院，天津300350；2.格物智控（天津）能源科技有限公司，天津300384）

0 引言

集中供热是我国北方常见的供热形式，由于实际供热管网运行工况受到制造、施工、工作条件和环境等多方面的影响，传统的管网难以消除管网之间的水力失衡和过度供热现象，造成能源的大量浪费［1-3］。

随着集中供热规模的持续扩大与热网运行自动化、智能化技术的提高，基于信息与能量系统深度耦合的热网节能技术越来越受到关注［4-6］。智慧热网以信息化和自动化为基础，运用物联网、大数据、人工智能、云计算等“互联网+”先进控制技术，按需对热量进行合理的输配，从而达到在保证供热需求情况下的节能减排［7-8］。

智慧热网在节能、调控、故障排除等方面比传统供热系统具有更大的优势，显示出巨大发展潜力和广阔的市场前景［3-5］。相关研究及应用报道均较多集中在智慧热网信息平台构建、供热系统网络中心建设、数据体系构架，以及理论模拟与节能潜力分析等。文献［9］介绍和评估了可能集成到智能集中供热系统中的技术。文献［10］基于某热网智慧供热信息服务平台的搭建，结合实践探讨了基础数据体系的建设及实现方法。文献［11］围绕智慧热网系统从应用层面进行分析。文献［12］基于智能算法和动态仿真的有效融合，提出了构建供热系统智能引擎的技术路线，为智能决策网的研发提供了理论指导。文献［13］对智能化供热管理中网络中心的建设和构建进行了分析。文献［14］对城市智慧供热建设及发展进行了分析。

针对供热系统水力不平衡和过度供热的现象，通常采用增设节流阀、安装变频泵、耦合智能控制技术，来改善供热管网的运行状况。文献［15］介绍了一种基于智慧供热框架下的二次网智能控制调节阀，为改善集中供热不平衡现象提供了一种调控手段。文献［16］针对某300 MW 直接空冷发电机组的供热系统，采用智能控制算法实现供热管路上水泵和节流阀的快速精确控制，提高了供热系统的一次换热效率。文献［17］介绍了室温采集设备在智慧供热中的应用。文献［18］报道了火电企业供热生产集中化、智能化的改造实践。文献［19］介绍了泵阀联动技术在智慧热网运行调节中的应用。

按需精准供热是保证用户供热舒适度的同时实现显著节能减排的基本路径。基于信息与能量系统深度耦合的智慧热网，充分发挥其智能调控功能，可很好地满足用户多种用热需求，同时避免过度供热引起的能源浪费。

集中供热系统通常包括多种用户类型。用热规律存在较大差异，即使相同的用户类型其用热需求也并不完全相同。很多研究表明，基于热网智能控制的分时分区供热模式具有很好的节能效果［20-23］。文献报导大多集中在单体房间或建筑的分时分区管控试验［22，24-30］或理论模拟分析［20-21，31-44］。文献［20］对北京典型办公建筑采用DeST 软件进行模拟，研究表明间歇采暖典型周的节能率可达25%～40%。文献［21］通过DeST软件的DeST-C 版本对北京某办公建筑在连续供热和分时分区控制供热2种工况下的能耗进行了模拟计算，结果表明模拟的办公楼节能率可达29.9%。文献［35］采用EnergyPlus软件模拟了沈阳某小型单体建筑供热能耗及室内温度的波动规律。结果表明，设置合理的间歇停供时间可以使室内温度最大降幅不超过1 ℃，供热能耗较连续供热下降近21.3%。文献［22］针对北京市某办公楼采用分时分区控制供暖试验。结果表明，楼宇整体节能率可达20%。文献［26］等对合肥地区某一房间进行昼夜间歇供暖试验研究，热源为空气热泵和电加热系统，末端为散热器，发现可节省24.4%的费用。

关于整个系统分时分区运行理论及实践应用的研究较少。文献［23］针对长春某高校10.5 万m2的高校建筑探讨了分时分区间隙供暖的可行性，根据不同类型的建筑供热指标和当地气象参数，采用温频法得出理论上较连续供暖可节省能耗11.7%。文献［44］对北京某科研所区域供热系统进行跟踪监测，供热面积3.5 万m2，其中办公楼面积占比34%，实行分时分区4 个年度较连续供暖节能14.7%～25.7%，锅炉房总节能5.0%～8.7%。文献［45］针对沈阳某近零能耗建筑，基于室内温度数据实测，提出末寒期系统间歇运行控制策略，得出理论上在满足供暖品质要求的前提下可较连续供暖节能约52%。文献［46］对青岛某高校集中供暖系统5 个二级换热站进行节能控制改造，供热面积78万m2，分时分区分温调节，改造后换热站节电率为26.5%，节热率为13.5%。

综上，本文针对集中供热系统普遍存在的水力不平衡和过度供热造成能源浪费的现象，提出了一种集成管网分级与智能控制的源网协同综合节能技术，并介绍了该技术在天津某高校新校区B 能源站（供热面积23万m2）的应用及初期效果，节能效果显著。

1 源网协同综合节能技术

本文针对集中供热系统普遍存在的水力不平衡和过度供热造成能源浪费的现象，基于人工智能与热力系统的深度融合，提出了一种集成管网分级与智能控制的源网协同智慧供热综合节能技术。技术实施主要包括热力系统节能改造及智慧热网管控平台建设两部分［47-54］。

1.1 技术要点及主要特征

基于热力管网自动调节及计量先进技术，耦合智能控制技术及通信模块，基于长短时记忆（LSTM）深度神经网络实现热负荷预测，基于FlowMaster 建立系统仿真模型，基于热负荷预测模型和系统仿真模型联合建立的孪生模型，结合控制单元负荷预测与孪生模型仿真，实现“源网末端”一体化的分层分级精细管控的智慧供热，满足用户多种用热需求，同时最大限度地实现节能减排。

该技术的主要特征包括：人工智能与热力系统深度融合；信息与能量系统深度耦合；主动节能技术与被动节能技术协同，即基于非机电设备干预手段的节能技术和基于机电设备组成的主动系统协同；技术要素与非技术要素协同，即通过智能控制技术手段进行节能和人的自主行为节能相协同；软硬件协同；“源网末端”一体化的分层分级管控；水电气（热源）热协同；用户自主管控与集中管控相结合；孪生模型和先进智能控制算法相结合，即在孪生模型中应用先进智能控制算法，根据孪生模型的运行改进智能控制算法，同时根据智能控制算法训练计算得到孪生模型的最优供热方案；分层分级分时分区分温精细管控。

以天津某高校新校区B 能源站为例，充分考虑热力系统热惯性、建筑热惯性及用户用热模式，兼顾适用性、实用性和先进性，尽可能时间尺度和空间尺度小地实施分时分区分温精细管控，与当前耗能相比，理论上综合节能率可达到60%～70%。

1.2 热力系统节能改造方案

针对供热系统水力不平衡和过度供热的现象，既有热力管网进行多层分级，采用高性能的动态压差平衡电动调节装置，耦合智能控制技术，实现控制单元环内压力无关的流量控制及负荷调节。

采用“源网末端”一体化分层分级精细管控节能改造的技术路线，针对供热系统水力不平衡和过度供热现象，对于既有热力管网进行多层分级管控改造。

图1为管网分级改造示意。以天津某高校新校区B 能源站为例，既有系统为5 台燃气锅炉直供末端用户的一级网供热系统，供热面积23万m2。基于热力入口处的改造，将一级网改造成二级网，即相互没有影响的独立控制环路；入口内部支路和末端房间改造成三级网、四级网，可实现控制单元环内压力无关的流量控制及负荷调节。

耦合智能控制技术将远传远控通信模块耦合到所有监控点，通过远传通信模块（有线或无线通信）实现监控信息与远程服务器的交互传送，结合控制单元的负荷预测与孪生模型仿真，实现系统分层分级精细管控的智慧供热，满足用户多种用热需求的同时最大限度地实现节能减排。

加装的控制设备及仪表均具备手动或自动、线上或线下、就地或远程、不同层级和调节模式切换的功能，性能可靠、精度高。各入口动态压差平衡阀是一个集压差控制器与电动调节阀为一体的动态压差平衡型电动调节阀。它具有动态平衡功能，保持系统的资用压力足够，控制单元内可根据负荷变化要求实时调节，不论系统压力如何变化，阀门动态平衡系统的阻力使其流量不受系统压力波动的影响而保持需求值。它具有优良的电动调节功能，调节不受系统压力波动的影响。各热力入口的动态压差平衡型电动调节阀是通过外部输入信号调节阀门开度，通过改变阀门的开度-流量曲线来调节。

式中：DN X表示公称直径为X mm的电动阀门；D1为热力入口的供水直径，mm；D2为热力入口的回水直径，mm；S为该热力入口的供热面积，mm2。

图1 管网分级改造示意Fig.1 Schematic of hierarchical transformation of pipelines

1.3 智慧热网管控平台建设

该软件平台基本构架包括四大系统：高性能数据采集系统、高性能运算系统、大数据可视化系统、多维推送服务系统；五大功能板块：建筑信息访问、设备信息数据访问、阀位等控制调节接口、设备信息历史数据访问、报警系统管理。

图2 为智慧热网管控平台网络拓扑结构，图中GUI为图形用户界面。基于数字孪生模型动态推演和先进智能控制算法的智慧热网管控平台，可收集能源站供热情况、用户使用习惯、供热地点实测温度和气象资料等数据，提供给仿真运行的孪生模型不断“学习”。孪生模型是和集中供热系统完全等价的信息模型，可通过学习历史数据，以最舒适室内温度为目标函数，通过在孪生模型中推演智能控制算法来修订智能控制算法，同时通过已经训练完成达到迭代精度要求的智能控制算法，不断修订和优化供热方案，从而推演出最佳供热方案并反馈给管控平台，即通过调节各个热力入口的阀门流量-开度控制调节曲线，实现室内供暖温度保持最佳，同时综合燃气用量最少，完成整个供热系统的智能调度、智能监控、智能诊断、智能调节，在节能减排的同时，为用户提供最舒适的供暖体验。

图2 智慧热网管控平台网络拓扑结构Fig.2 Topology structure of the intelligent heating network management and control platform

2 实施案例

该技术于2019—2020 供暖季在天津某高校新校区B 能源站实现了应用，对该能源站所属28 个热力入口实现了“源网末端”一体化的智能管控。结合校园特色及既有供热系统的特点，充分融合先进实用技术，围绕实用性、适用性、先进性、示范性，本着控制成本、技术优先、聚焦落地的原则，确定节能改造及实施方案。节能效果显著，精确验证了综合节能20%～30%的理论分析结果，为最终实现60%～70%的节能目标奠定了基础。

2.1 既有能源系统及用户特征

B 能源站总供热面积23 万m2，5 台燃气锅炉，一级网直供，包括高区和低区。B 站低区设计负荷占比86.5%，供热面积约20 万m2，4 台燃气锅炉，一级网直供。

该实施案例于2019—2020 供暖季实施了第一阶段节能改造，经历了前期勘查、前期模拟及分析、热网智能化改造、系统信号调试等一系列进程，初期已实现了能源站低区及其所属区域内28 个楼宇热力入口的智慧管控（未管控入口负荷占比18.9%）。

图3为B 能源站能源中心示意，图4为B 能源站低区热网示意。低区热网用户较为复杂，属于高校校园典型的综合楼宇建筑群。该综合楼宇建筑群包括6 大区域，15 栋独立建筑，38 个热力入口（#1—#38）。热网用户热力入口层级基本可分为：学生宿舍、竹园餐厅、实验车间、金工实习基地、科研办公。部分入口内部支路及用户类型较为复杂，如科研办公，涉及行政办公、教师办公室、研究生学习室、会议室、资料室、教室、活动室、实验室等。

图3 B能源站能源中心示意Fig.3 Schematic of the energy center in Station B

图4 B能源站低区热网示意（#1—#9，#22未管控）Fig.4 Schematic of the heating network in low-temperature area of Station B（#1—#9 and #22 uncontrolled）

2.2 节能改造要点

采用分层分级精细管控分阶段节能改造的技术路线，4 台燃气锅炉直供用户的一级网改造成热力入口可监可控可远传远控的准二级网，部分热力入口内分支路实现三级网、末端房间管路实现四级网的智慧管控。

图5为末端改造示意，图6为B能源站供热系统节能改造施工现场，图7为智慧热网管控平台。

该热力管网具体技术改造主要包括如下几项。（1）能源站：站内总供回水管加装DN 500 的超声波热量表，最小测量流量为7.375 m³/h（精度0.18%）；（2）热力入口：28 个热力入口，更换口径范围为DN 80～150 的热量表，测量精度0.18%。回水管加装口径范围为DN 80～150的动态压差平衡型电动调节阀实现水力平衡及调控；（3）热力入口内部支路：严重水力失调导致的过度供热支路的回水管加装DN 100 或DN 65 的动态压差平衡型电动调节阀；（4）末端房间：选择供热管网末端支路的代表性房间，更换分集水器和加装口径为DN 32，DN 25，DN 25 的动态压差平衡型电动调节阀，加装温湿度传感器，测量精度0.1 ℃。

图5 末端改造示意Fig.5 Reconstruction on the terminals

图6 B能源站供热系统节能改造施工现场Fig.6 Energy-saving reconstruction site for the heating system of Station B

图7 智慧热网管控平台Fig.7 Smart heating network control platform

另外，将远传远控通信模块（有线或无线通信）耦合到所有监控点，可实现监控信息与远程服务器的交互传送。

结合控制单元的负荷预测与系统孪生模型仿真给出优化运行参考，基于LSTM 深度神经网络实现供热系统的逐时热负荷预测，基于FlowMater建立系统仿真模型，联合两者可建立和实际供热系统等价的孪生模型。LSTM 深度神经网络热负荷预测模型由输入门、输出门、遗忘门组成。既可实现热网不同层级用户多种用热需求的精细管控，又有利于热源及水泵的运行优化，满足用户多种用热需求，同时最大限度地实现节能减排。LSTM 深度神经网络模型如下：

3 技术应用效果评估

基于B 能源站里水表、电表、燃气表的计量（含未管控高区，设计负荷占比13.5%），分析2019 —2020供暖季本项目实施效果，并与2018—2019供暖季改造前比较。能耗对比分析中，进行了不同阶段的比较，包括2个供暖季比较，以及学期时段及假期时段的同期比较。

3.1 能源站整个供暖季能耗

表2为B能源站2个供暖季的燃气、电、水消耗。2019—2020 供暖季，燃气用量135.62 万m3，电用量325 MW·h，水用量5 325 t，3 项折合单耗标煤7.585 kg/㎡。相比上个供暖季，燃气用量减少47.25万m3，耗电量减少96 MW·h，两项折合减少碳排放1 100 t。相比2018—2019 供暖季，2019—2020 供暖季燃气用量减少25.66%，电用量减少22.87%。

单耗标煤计算中，燃气、电、水的折合标准煤系数分别为1.214 3 kg/m3，0.35 kg/（kW·h），0.085 7 kg/m3；B 能源站总供暖面积以图纸计232 161 m2，实际有增加。碳排放计算中，燃气、电的CO2排放系数分别为2.16 kg/m3，0.785 kg/（kW·h）。

3.2 能源站不同时段的燃气量

图8 为实施案例改造前后能源站燃气日用量。2019—2020 供暖季的日燃气用量明显降低，供暖中后期的节能效果尤为显著。尤其供暖末期叠加寒假，采用间隙供暖及末端补偿，相比连续供暖及上年度同期，日燃气用量大幅降低。

表2 B能源站燃气、电、水消耗Tab.2 Consumption of gas，electricity，water consumption in Station B

表3—5为B能源站2个供暖季不同阶段燃气量比较。（1）供暖初期：2019-11-01—2019-12-07，系统软、硬件调试，相比去年同期，同属秋季学期，燃气节约率为10.99%。（2）供暖中期：2019-12-08—2020-01-12，相比去年同期，同属秋季学期，燃气用量明显减少，燃气节约率为14.46%。（3）供暖中期：2020-01-28—2020-02-24，相比去年同期，同属寒假期间，燃气用量显著减少，燃气节约率为32.73%。

3.3 节能效果系数气象等因素修正

图8 实施案例改造前后能源站燃气日用量比较Fig.8 Comparison of daily gas consumption in the energy station before and after the transformation

表3 B能源站燃气量比较：供暖初期（学期37 d）Tab.3 Comparison of gas consumption in Station B：initial heating period（37 days in a semester）

表4 B能源站燃气量比较：供暖中期（学期36 d）Tab.4 Comparison of gas consumption in Station B：mid heating period（36 days in a semester）

如前所述，B 站项目2019—2020 供暖季初步实施节能效果显著。现以燃气节约率为指标，考虑室外气温、未改造高区、低区未管控入口的影响，评估该源网协同综合节能技术的应用效果，即气象修正、高区修正、未管控入口修正。

表5 B能源站燃气量比较：供暖中期（寒假28 d）Tab.5 Comparison of gas consumption in Station B：mid heating period（28 days in a winter vacation）

气象因素修正采用采暖度日法，依据《夏热冬冷地区居住建筑节能设计标准》（JGJ 134—2001）。高区修正、未管控入口修正，依据设计负荷占比及同类用户实际运行情况进行。

天津市津南区2019—2020 供暖季室外气温略高，如图9 所示。考虑供暖时长、气象、未管控入口因素，对该技术应用效果进行了修正。实施案例智能管控区域的燃气节约率为31.07%，如图10所示。

图9 天津市津南区气温变化（日均温）Fig.9 Temperature variation in Jinnan District，Tianjin（average daily temperature）

图10 B能源站低区燃气节约率Fig.10 Gas saving rate in low-temperature area in Station B

3.4 长假修正

2019—2020 供暖季比较特殊，2020 年春季学期因疫情未能正常开学，B 站延续假期模式供热。在前面的能耗对比分析中，已进行了不同阶段的比较，包括2个年度的整个供暖季比较、学期时段及假期时段的同期比较。

下面采用模型模拟春季开学能源站的运行，结合秋季学期和正常寒假实际运行，评估如春季开学，B站项目2019—2020供暖季的节能效果。

基于2019—2020 供暖季B 站的低区供热系统运行状况分析，采用物理方法和数据驱动相结合的方法，建立负荷模型并模拟低区逐日负荷。结合传热理论及2019—2020 供暖季供热系统实际运行情况，建立逐日负荷模型，并标定模型参数。样本总数138 个，筛选50 个样本标定模型参数。采用模型模拟2 个供暖季的运行情况，累计负荷模拟值与实际值相对偏差分别为2.3%和1.1%，如图11 所示。如2020春节学期正常开学，采用秋季相同模式负荷可降低10.7%；采用理想分时分区分温模式负荷可降低16.6%，如图12 所示。考虑气象因素及未管控入口修正后，相比2018—2019 年度，节能率分别为21.59%，26.76%，如图13 所示。31.07%是实际B能源站低区气象修正、未管控入口修正后的燃气节约率，如图10所示。图13的3组数据中，春季开学1指的是2020年春季学期正常开学，采用秋季相同的模式负荷；春季开学2 指的是2020 年春季学期正常开学的情况下，采用理想分时分区分温模式负荷；2019—2020 年实际负荷指由于疫情原因，高校2020年春季未开学。

3.5 同类能源站能耗比较

图11 低区逐日负荷运行值与模拟值比较Fig.11 Comparison of daily load operation value and its simulation value in low-temperature area in Station B

实施案例（B 站）与采用传统节能方法的同类能源站（D 站）比较。2 个供热站热力系统基本特征相同，同时期建设，同样运维人员，同属校园综合楼宇建筑群，其中B 站采用源网协同智慧供热综合节能技术，D站采用基于人工经验调节的传统节能方法。

表6 为2 个供暖季实施案例（B 站）和同类能源站（D 站）能耗比较。相比上年度，2019—2020 年度B 站电量和燃气用量降低幅度明显高于D 站。折合标煤单耗B 站2019—2020 年度为7.59 kg/㎡，比节能改造前2018—2019 年度降低25.60%。D 站采用传统节能方法，2019—2020年度比2018—2019年度降低10.70%。因此，相比采用传统节能方法的D能源站，B 能源站采用源网协同综合节能技术的节能率高14.90%。

3.6 能源节约费用

表7 为2 个供暖季B 能源站整个供暖季能耗及费用。相比较，项目改造后燃气量、电量大幅减少，节约燃气量的费用参照2019—2020 供暖季天津市居民供暖阶梯价格2种单价计算（见表8），水、电、燃气节约费用140.00万～174.00万元。

3.7 投资回收期

项目实施第1 阶段第1 年度的节能改造费用主要包括2 部分：热力系统改造费用和通信管控平台软、硬件费用，总计245.00万元。

图12 低区逐日运行负荷春季开学模拟Fig.12 Simulated daily loads of low-temperature area in Station B during a spring semester

图13 B能源站低区的节能率Fig.13 Energy saving rate of low-temperature area in Station B

表6 实施案例（B站）和同类能源站（D站）能耗比较Tab.6 Comparison of energy consumption in the demonstrated station（Station B）with that in a similar energy station（Station D）

表7 B能源站整个供暖季能耗及费用Tab.7 Energy consumption and cost of Station B in the whole heating season

表8 水、电、燃气单价Tab.8 Prices of hot water，electricity and gas

热力系统改造费用主要包括：能源站、热力入口及部分末端管控设备采购费用及施工费用。其中，设备费用165.00 万元，施工及调试费用60.00万元，通信管控平台费用20.00万元。

本年度供暖期间受疫情影响，春季学期供暖沿用了假期模式，能耗较低。因此，项目投资回收期参照同类能源站比较的节能率14.90%估算。

上年度B 能源站总能源费用520.00 万元，综合节能率以14.90%计，则节约能源费用82.68 万元。据此，投资回收期约3年。

3.8 用户反馈

用户反馈该技术可以极大地改善温度失调问题，投资少且节能效果显著。足不出户就可以解决供暖问题，同时节约大量的人力物力，破解了运营人员水平低导致的能耗过高、供热不平衡等问题，极大地降低了运维的工作量和强度，有效改善了管网末端供热温度不足的现象。该实践成果可推广应用于热网用户较为复杂的情况下供热的精细化管控，最终实现较大幅度的节能减排。

4 结论

本文针对集中供热系统普遍存在的水力不平衡和过度供热造成能源浪费的现象，基于人工智能与热力系统的深度融合，提出了1 种集成管网分级与智能控制的源网协同综合节能技术。基于热力管网自动调节及计量的先进技术，耦合智能控制技术及通信模块，结合控制单元负荷预测与孪生模型仿真，实现“源网末端”一体化系统分层分级精细管控的智慧供热，满足用户多种用热需求，同时最大限度地实现节能减排。

该技术在天津某高校新校区B能源站应用效果表明，其节能效果显著、投资少、同时节约大量人力物力。实施案例（B 站）的综合节能率比采用传统节能方法的同类能源站（D 站）高出14.90%。适用既有系统的节能改造及功能提升，同样适用于扩建系统及新建系统。该实践成果可推广应用于热网用户较为复杂的情况下供热的精细化管控，最终实现较大幅度的节能减排。