基于神经网络解耦的供热预测控制研究(答辩最终版)

基于神经网络解耦的热力站供热预测控制研究答辩人：陈烈导师：齐维贵教授课题来源及研究的目的和意义国内外研究现状及分析主要研究内容

主要研究成果

发表学术论文及其它成果

课题来源“十一五”国家科技支撑计划重大项目

建筑节能关键技术研究与示范

(项目编目：2006BAJ01A04)

黑龙江省科技攻关项目基于LonWorks技术和预测控制的供热FCS研究

(项目编号：GC04A104)HeilongjiangKeyTechnologyR&DProgram黑龙江省科技攻关项目研究的目的和意义我国能源政策战略方针的需要供热控制系统研究是供热技术发展的一个重要方向先进控制策略的研究为节能改造提供有益的依据建筑能耗占全社会能耗的30~40%，其中65%为采暖空调能耗，三北地区采暖能耗占全社会能耗的27.2%。供热不但能耗大，而且效率低，单位面积采暖能耗是发达国家的3~4倍。是保证热力设备安全和经济运行的必要技术措施；对提高热网的整体运行质量意义十分重大；关系到居住环境的质量和城市建设的发展；体现着供热、控制领域的科研和应用水平。供热过程具有时滞、时变、不确定、非线性和强耦合等特点，传统的控制方法很难适应这些情况，对其进行先进控制策略的研究具有重要意义，可为指导新的供热系统的建设和既有供热系统的节能改造提供有益依据。课题来源及研究的目的和意义国内外研究现状及分析主要研究内容

主要研究成果

发表学术论文及其它成果

国内外研究现状及分析国内外研究现状供热负荷预报预测控制控制系统解耦热力站控制系统供热负荷预报国外研究现状线性预报法室外温度—供热负荷曲线，如文献[9]；线性回归分析，如文献[10,11]；灰色模型，如文献[12]。非线性预报法——神经网络预报法和支持向量机预报法文献[14,15,16]采用人工神经网络和相同的两组数据作仿真实验，其中时间、温度、日照和风速等为输入量，预测美国某大型建筑的热负荷。文献[17]用ANN预测一个太阳能家庭供暖系统的特性，采用两个ANN，一个估计太阳能输入量，另一个估计标准温度的热水平均量。文献[18,19]用模型和神经网络预测建筑物能量，并对其进行理论分析。

文献[20]等将支持向量机方法用于热带地区建筑能耗预测，该方法选择室外月平均温度、相对湿度、日照作为输入变量，来预测热带地区建筑能耗，预测相对误差小于4%，验证了支持向量机方法预测热带地区建筑能耗的可行性和适应性。供热负荷预报国内研究现状线性预报法文献[23]介绍了利用时间序列分析方法进行热负荷短期预报，用相关分析法对供热负荷进行中期预报。文献[26,27]利用了GM(1,1)模型和相应的改进模型对供热负荷进行了预报。非线性预报法文献[22]利用BP前向神经网络对供热负荷进行预报，但没有给出热负荷预报的实例。文献[24]将小波变换多尺度分析方法引入热力过程，建立基于多尺度挖掘的供热系统负荷动态预测控制，最后给出仿真结果。文献[25]也采用支持向量回归和小波包对供热负荷进行预报。供热负荷预报的现状分析存在问题：

(1)离线进行，停留在实验室仿真层面;(2)未给出供热工程节能控制实例;(3)只根据气温预报

，不能满足用户需求。国内外研究现状及分析国内外研究现状供热负荷预报预测控制控制系统解耦热力站控制系统经典预测控制动态矩阵控制

(DMC)Culter等提出的、建立在非参数模型阶跃响应基础上的动态矩阵控制。模型算法控制

(MAC)

Richalet，Mchra等提出的、建立在非参数模型脉冲响应基础上的模型预测启发控制。广义预测控制

(GPC)Clarke提出的、带有自校正机制、在线修正模型参数的预测控制算法。智能预测控制神经网络预测控制文献[41]提出采用混沌粒子群优化神经网络预测控制算法对非线性系统进行控制，提高了控制的鲁棒性和精度；文献[42,43]将模糊神经网络应用于非线性系统中，满足性能要求。模糊预测控制

由安信等提出、并成功地应用于地铁的列车运行控制上。文献[45]将模糊辨识和广义预测控制相结合，发展了状态空间建模法，并给出了分析表，最后验证了该算法的优越性。文献[46]提出基于累加和最小原则的Mamdani模糊模型的预测控制策略，通过与传统PID控制比较验证其性能。文献[47]在系统高层引进模糊控制器，使得原广义预测控制的开环链变换成由系统实际输出与参考轨迹相比较的闭环控制系统，并利用多变量模糊控制器的结构解耦原理，使广义预测控制算法本身最大限度地减少了控制域长度，提高了系统控制的实时性和鲁棒性，并改善了静态精度和动态跟踪性。非线性预测控制以直接从工业应用中产生的非参数模型为基础的非线性模型预测控制算法，如文献[48,49]；由经典自适应控制算法发展而来的一类远程预测控制算法，如文献[50]修正的GPC方法。从结构设计出发，通过对GPC结构的转换，产生了内模控制和推理控制，如文献[51]。热力站中预测控制的应用

供热过程的特点：大时滞、大惯性、非线性、时变、不确定的特性。对其进行预测控制理论及工程应用研究能够达到预期目的。预测控制在供热中的应用情况：国外的文献主要集中在空调领域，国内外在供热领域的研究很少，因此在供热领域的研究亟需深化。国内外研究现状及分析国内外研究现状供热负荷预报预测控制控制系统解耦热力站控制系统传统解耦方法

传统解耦方法以现代频域法为代表，也包括时域方法，主要适用于线性定常MIMO系统。现代频域法的共同理论基础是奈氏稳定判据，通过对系统传递函数的分解实现其对角化或对角优势化以达到解耦的目的，如文献[63,64]。存在一些尚待解决的问题，如逆奈氏阵列法的鲁棒性较差，特征轨迹法的精确性难以保障等等。奇异值分解应用于多变量系统的控制使解耦性与鲁棒性两大要求同时满足，将奇异值理论应用于多变量解耦很有意义，是当前控制系统设计一大研究方向，如文献[65,66]。

智能解耦方法

神经网络解耦文献[69]根据空气动力学的控制性能要求，提出一种基于自调整神经网络的多变量解耦控制方法，通过仿真验证了其解耦特性和自适应能力。文献[74]应用BP神经网络理论研究了300MW火电单元机组协调控制系统解耦设计，详细介绍了解耦算法及实现过程。该方法可使解耦后的广义对象不受工况变化或扰动的影响，从而易于实现控制规律，仿真解耦令人满意。

模糊解耦方法

文献[75]将模糊推理和智能解耦结合起来，解决电站主蒸汽压力和电站输出的耦合问题。文献[76]提出基于后推法的非线性多变量耦合系统的逼近干扰解耦法，其具有简单的结构和较少的自适应参数。

多变量解耦在热力站中的应用目前，解耦控制在供热领域鲜有研究。要根据负荷进行调节和控制，除原有的质调即以二级网供水温度为被控量、以一级网供水流量为控制量的系统外，必然引入以二级网流量为被控量、以二级网的循环水泵泵速为控制量的量调系统。因此热力站供热过程也从一般单入单出系统扩展成双入双出系统，其具有强非线性耦合，所以本文拟采用神经网络多变量解耦方法解决上述问题。国内外研究现状及分析国内外研究现状供热负荷预报预测控制控制系统解耦热力站控制系统国内热力站监控研究现状热力站控制策略现状目前国内外供热控制一般都将室外温度作为参考信号，根据室外温度来调节供热量，在控制上基本采用PID算法。一些新的控制方法文献[91,92]针对供热系统具有多个变量的特点引入模糊控制。文献[93]研究了一种基于遗传算法的集中供热和供冷的优化运行方法，用一个污水处理厂做实验检验了应用热能情况。文献[95]使用DMC预测控制方法对热力站进行自动调节，并进行了计算机仿真。现状分析在供热领域，缺少先进、实时性好的控制算法研究，目前提出的这些算法大都停留在实验室离线仿真阶段，缺少工程应用，不能满足节能和适应复杂供热对象的需求。课题来源及研究的目的和意义国内外研究现状及分析主要研究内容

主要研究成果

发表学术论文及其它成果

论文的组织结构主要内容主要研究内容热力站供热过程建模供热短期负荷预报质调量调通道解耦质调通道预测控制供热控制系统设计热力站供热过程建模供热过程的质调通道机理建模是根据供热过程的热平衡关系确定对象模型的阶次及型式，从而为求解实际模型提供依据。热交换器模型供热管网模型热用户散热模型用户室内模型供热过程动态模型化简供热过程简化模型热力站供热过程建模机理建模法基于下列假设，建立热交换器的热平衡方程：(1)热交换器冷热流体的物理特性保持不变；(2)热传递系数保持不变；(3)忽略换热器管壁传热；(4)忽略沿宽度方向和厚度方向的导热，只考虑沿径向导热。热交换器模型热交换器模型式中，

热交换器动态结构图热力站供热过程建模—机理建模法热力站供热过程建模—机理建模法供热管网模型建立供热管网的热力特性数学模型时，假定:供热管道为均质材料，管壁温度沿径向均匀分布，忽略管壁轴向传热，只考虑水流与管壁间热交换造成温度轴向变化。保温层为均质材料，保温层材料一般热阻大而热容小，忽略保温层认为保温层外环境温度为常数。不考虑供热管道传热系数沿径向的变化。管网动态结构图

式中，

热力站供热过程建模—机理建模法供热管网模型式中，

用户散热器动态结构图

热力站供热过程建模—机理建模法热用户散热模型式中，

用户室内动态模型结构图

热力站供热过程建模—机理建模法热用户室内模型热力站供热过程建模—机理建模法供热动态模型热交换器出口热媒温度等于供水侧管网入口热媒温度；供水侧管网出口热媒温度等于用户散热器入口热媒温度；用户散热器出口热媒温度等于回水侧管网入口热媒温度；回水侧管网出口热媒温度等于热交换器入口热媒温度。

供热过程质调通道动态结构图

当忽略热网散热的影响时，用户散热器的进出口水温度就等同于热网的供回水温度，即，；对用户室内部分，按照前述的简化原则，用户亦由单个房间等效为广义用户，并用回水温度代替用户温度，即。质调通道动态简化结构图

热力站供热过程建模—机理建模法供热简化模型热力站供热过程建模—机理建模法实际水泵的特性方程目前还不能由理论推导得到，故常用实验数据进行曲线拟合的方法得到。

式中，

热力站供热过程建模—机理建模法热力站供热过程建模—实验建模法飞升曲线法最小二乘辨识确定部分模型可直接辨识出滞后时间不需要完整的建模曲线精度高优点：热力站供热过程建模—实验建模法式中，当辨识模型为一阶惯性加滞后时，

当辨识模型为二阶惯性加滞后时，取不同时刻，可得线性差分方程组:对象模型：辨识方程：。热力站供热过程建模—实验建模法得到供热系统主通道模型：式中，用长自回归模型法对ARMA模型进行估计：

热力站供热过程建模—随机部分建模经次差分后得到模型。式中，A1(q)=1+0.5101q-1-0.2944q-2-0.07516q-3-0.3045q-4+0.5415q-5；C1(q)=1-0.2611q-1+0.09255q-2-0.263q-3-0.6003q-4。

式中，A2(q)=1-1.119q-1+0.3872q-2；C2(q)=1-0.5848q-1+0.07255q-2。

量调通道随机部分模型：热力站供热过程建模—随机部分建模质调通道随机部分模型：供热过程质调、量调通道动态模型热力站供热过程建模—主通道模型对供热过程模型的传递函数矩阵进行离散化，得

结合随机部分模型，得到供热过程主通道的动态描述：

(a)质调通道动态模型(b)量调通道动态模型热力站供热过程建模—耦合系统模型分别为耦合1和耦合通道2模型：结合主通道模型耦合系统模型主要内容主要研究内容热力站供热过程建模供热短期负荷预报质调量调通道解耦质调通道预测控制供热控制系统设计供热负荷预报

供热负荷预报时间序列法供热负荷预报RBF神经网络供热负荷预报

最大熵法供热负荷预报

供热负荷短期预报研究—交叉预报阵列获取哈尔滨市某热力站2006年1月20日至3月20日共60天实测数据，每隔15分钟采样一次，每天从早上7点到晚上7点共12小时，采样49次。交叉预报样本阵列供热负荷短期预报研究—平稳性判断供热负荷平稳性检验表

供热负荷短期预报研究—AR模型预报法p阶AR模型：

确定系数，使预报误差均方值最小

Yule-Walker方程F定阶准则

确定模型阶次

供热负荷短期预报研究—ARMA模型预报法ARMA(n,n-1)模型：

基于DDS的ARMA建模法

供热负荷短期预报研究—最大熵法供热负荷预报使前、后向预测误差的平均功率最小确定阶数N和的方法

Burg算法流程本文采用Burg算法供热负荷短期预报研究—RBF神经网络负荷预报

RBF神经网络负荷预报模型的构建正交最小二乘选取数据中心、梯度训练法计算权系数交叉负荷预报供热负荷短期预报研究—RBF神经网络负荷预报RBF纵向、横向负荷预报自相关系数及其上、下限值(置信水平取70%)自相关法确定RBF网络模型输入向量的维数

供热负荷短期预报研究—AR模型负荷预报仿真a)供热负荷AR(3)模型横向预报b)供热负荷AR(3)模型纵向预报c)热负荷AR(3)模型的交叉预报

供热负荷短期预报研究—ARMA模型负荷预报仿真a)供热负荷ARMA(3，2)模型横向预报b)供热负荷ARMA(3，2)模型纵向预报c)热负荷ARMA(3，2)模型的交叉预报

供热负荷短期预报研究—最大熵负荷预报仿真

a)供热负荷最大熵法横向预报b)供热负荷最大熵法纵向预报c)供热负荷最大熵法交叉预报供热负荷短期预报研究—RBF神经网络负荷预报仿真a)RBF横向与纵向负荷预报曲线b)RBF交叉负荷预报曲线供热负荷短期预报研究—线性供热负荷预报比较供热负荷短期预报研究—非线性供热负荷预报比较主要内容主要研究内容热力站供热过程建模供热短期负荷预报质调量调通道解耦质调通道预测控制供热控制系统设计质调量调解耦—耦合程度判断其中,。Bristol-Shinskey法确定稳态耦合程度动态耦合程度的确定

其中其中。相对增益矩阵：动态相对增益矩阵：质调量调解耦—热力站稳态耦合程度判断静态相对增益系数矩阵：

结论：在稳态时相互影响并不是很严重，从运行角度来说，不必采取特殊的解耦措施；但由于质调-量调的耦合降低了控制的效果，即使在耦合影响不大的情况下，也会导致供热量无法准确跟踪用户的需热量，所以为了满足高质量供热的需要，需要进行解耦设计。对大于2的分级，仍然能够实现概率为1/e、总时间小于en网络的初始化？

质调量调解耦—热力站动态耦合程度判断对大于2的分级，仍然能够实现概率为1/e、总时间小于en网络的初始化？

质调量调解耦——理想解耦对大于2的分级，仍然能够实现概率为1/e、总时间小于en网络的初始化？

、,、质调量调解耦——理想解耦仿真质调量调解耦——时滞递归神经网络分类局域递归神经网络模型：

静态递归神经网络模型：

静态递归神经网络模型特点：在网络输入信号中考虑系统的动态因素——输入、输出的滞后信号加到网络输入中，从而保证网络的输出含有先前的输入、输出信息，模拟离散的动态系统。质调量调解耦——时滞递归神经网络解耦结构神经网络解耦系统结构图质调量调解耦——时滞递归神经网络输入确定(1)(2)(3)b)解耦效果比较图

a)解耦效果比较图

质调量调解耦——时滞递归神经网络解耦仿真

主要内容主要研究内容热力站供热过程建模供热短期负荷预报质调量调通道解耦质调通道预测控制供热控制系统设计质调预测控制研究—DMC改进算法DMC算法改进由两部分组成：对DMC基本算法进行简化，将预测模型阶次由N减少到n、控制器阶次有N-1降为N-2，由于n<<N，因此大大减少在线计算量，提高预测控制实时性；采用预报误差校正算法来代替原误差校正，解决模型简化后可能引起的模型失配问题。其中，

质调预测控制研究—DMC模型简化质调预测控制研究—DMC模型简化模型简化DMC算法的IMC结构：

预报误差校正算法质调预测控制研究—预报误差算法

质调预测控制研究—预报误差算法

数字化误差预报器

预报误差校正算法质调预测控制研究—预报误差算法

预报误差校正法的IMC结构

参数全部未知的GPC自适应隐式算法(1)控制律质调预测控制研究—隐式GPC算法

质调预测控制研究—隐式GPC算法

(2)辨识方程质调预测控制研究—隐式GPC算法

(3)隐式算法BP网络动态模型的预测控制偏差控制算法

质调预测控制研究—神经网络预测控制

动态过程中，相对预测偏差较大时，目标函数J的大小主要由公式右端的第二项的动态预测偏差来决定；当系统趋于稳定，相对预测偏差较小时，目标函数J的大小主要由公式右端的第一项的稳态预测偏差来决定。采用一维黄金分割法来寻取最优控制律质调预测控制研究—神经网络预测控制

质调预测控制研究—供热质调DMC、GPC仿真质调预测控制研究—供热质调神经网络预测控制仿真

主要内容主要研究内容热力站供热过程建模供热短期负荷预报质调量调通道解耦质调通道预测控制供热控制系统设计供热监控系统设计—系统设计原则

系统设计原则系统设计遵循“先进性、实用性、可靠性和可扩展性”的基本原则，以提高自动化管理水平和节能增效为目的，采用模块化结构设计，以适合各种不同场所，便于系统增容、扩展、运行及维护。供热监控系统设计—监控系统结构

监控系统硬件结构图

供热监控系统设计—热力站控制器连接热力站控制器与现场设备连接结构图供热监控系统设计—热力站控制器功能热力站控制器基本功能：供热工况监测数据通讯功能故障报警及处理供热负荷的控制补水泵的控制PLC质调、量调回路控制图

供热监控系统设计—监控中心功能调度室监控中心软件界面有用户登录界面、工艺流程界面、供热参数显示、报警显示界面、报表打印界面、实时趋势、历史趋势界面和参数设定界面等。监控中心软件实现的功能主要：(1)供热工况监测：以直接显示、趋势图和在线表格三种形式显示过程参数(2)供热参数设定：控制量的手动设定和控制参数的设定；(3)数据归档：供热数据的短期归档和长期归档；(4)报警记录：进行实时报警、历史报警察看和报警记录打印；(5)报表打印：班报表、日报表、月报表的显示与打印。监控中心软件架构图供热监控系统设计—监控中心软件结构供热监控系统设计—实时数据库结构实时数据库的体系结构图

供热监控系统设计—GPRS数据采集流程GPRS无线通信方式数据采集流程供热监控系统设计—节能装置供热监控系统设计—热力站现场调试

供热监控系统设计—供热节能效果分析

连续运行4个工作日，每日从7：00~19：00，每2小时进行手动和自动切换。手动方式按热力站气温-供暖温度参考表进行调节，自动方式按本文的节能策略进行控制。

供热监控系统设计—节能监控装置的技术检验

2009年4月3日黑龙江省节能监测中心对装置进行现场测试，并给出测试结果：装置具备自动检测、自动调节、自动报警功能，触摸屏显示主要运行参数和修改控制参数功能，通过GPRS实现控制装置与调度中心无线通信功能，采用负荷预报实现装置节能监控功能；装置达到的技术指标有负荷预报精度小于3.9%；二级网供水温度静差小于0.1℃；一级网供水流量超调量小于20%；温度、流量和压力等主要参数检测精度小于1.5%；装置节能率可在6%～13%进行调节，测试期间节能率为10.64%，标准热用户室内温度变化范围小于1℃。

课题来源及研究的目的和意义国内外研究现状及分析主要研究内容

主要研究成果

发表学术论文及其它成果

结论本文以热力站供热控制系统为研究对象，应用现代信息分析处理和先进控制的方法，给出供热节能的优化控制策略。本文的理论创新归纳如下：提出将典型信号响应与最小二乘结合的供热过程建模方法。采用典型信号响应曲线和最小二乘法相结合的建模方法对热力站供热系统进行建模。该方法能直接辨识出滞后时间参数，且不需要完整的建模曲线，其精度比常规方法有显著提高。提出用最大熵理论预报非平稳序列供热负荷的方法。采用最大熵法对供热非平稳序列进行预报，使前、后向预报误差的平均功率最小。该方法把供热负荷的自相关函数进行了无限的外推，从而可以预测观测区外的数据，克服了经典谱估计算法中加窗所带来分辨率降低的弊端，既解决了非平稳序列预报问题，又提高了预报精度。

结论(3)提出应用交叉序列与RBF神经网络相结合的预报方法。将交叉预报思想引入RBF神经网络负荷预报中，用纵向预报跟踪用户对负荷的需求，横向预报跟踪天气的影响，通过对纵向和横向预报结果进行加权得到交叉预报模型。该方法不但提高了预报精度，而且通过与BP神经网络预报法进行比较，提高了预报的实时性。(4)提出应用时滞递归神经网络进行质调量调回路非线性解耦的方法。采用时滞递归神经网络进行质调量调通道的解耦，在神经网络输入信号中考虑系统的动态因素，并将输入、输出的滞后信号加到网络输入中，从而保证网络的输出含有先前的输入、输出信息。通过改进的假近邻法辨识神经网络的输入维数，解决时间序列嵌入维数求取困难的问题。该方法计算量小，只需小样本训练数据，适合于实时控制的需要。(5)提出一种基于BP神经网络和黄金分割法求解控制律的预测控制算法。针对供热过程的非线性、时变、时滞等特性，将神经网络预测控制引入到供热质调回路控制中。用BP神经网络建立对象预测模型，用一维黄金分割法寻找最佳控制量，仿真表明该方法能对供热过程进行有效控制。课题来源及研究的目的和意义国内外研究现状及分析主要研究内容

主要研究成果

发表学术论文及其它成果

发表学术论文情况

CHENLie,QIWei-gui,DENGSheng-chuan.Studyofheatloadforecastingbasedonthemaximumentropyprinciple.JOURNALOFXIDIANUNIVERSITY.2008,35(1):183~188

(EI:081211161607)LIECHEN,QIAO-LINGZHANG,WEI-GUIQI.HEATLOADPREDICTIONFORHEATSUPPLYSYSTEMBASEDONRBFNEURALNETWORKANDTIMESERIESCROSSOVER.ProceedingsoftheSeventhInternationalConferenceonMachineLearningandCybernetics.2008(EI:085211817018)QIWei-gui,CHENLie,ZHUXue-li.Studyonleastsquaremodelingofheatengineeringobjectbasedontypicalsignalresponse.JournalofHarbinInstituteofTechnology.2007,14(1):1~4(EI:071610557687)4.YONG-MINGZHANG