基于智能算法与动态仿真的供热智能引擎构建

被引：13

作者：

周志刚 ^{[1
,2
]}

薛普宁 ^{[1
,2
]}

刘京 ^{[1
,2
]}

方修睦 ^{[1
,2
]}

郑进福 ^{[1
,2
]}

机构：

[1] 哈尔滨工业大学建筑学院

[2] 哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室

来源：

煤气与热力 | 2019年 / 39卷 / 07期

基金：

黑龙江省自然科学基金; 国家重点研发计划;

关键词：

智慧供热; 智能引擎; 智能算法; 机器学习; 动态仿真;

D O I：

10.13608/j.cnki.1000-4416.2019.07.003

中图分类号：

TU995 [城市集中供热];

学科分类号：

081403 [市政工程];

摘要：

智慧供热是基于区域供热系统的一种现代供热方式,是我国供热行业未来发展的重要方向。智能决策网作为智慧供热的核心系统,对实现智慧供热有着至关重要的作用。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。阐述了智能算法和动态仿真在智能决策网各核心功能模块(供热管网监测点优化布置、热负荷预测、水力仿真模型与模型参数校准、热动态模型、供热管网泄漏故障诊断)开发中的应用方法。该技术路线可以为智能决策网的研发提供理论指导。

引用

页码：12 / 19+42 +42

页数：9

共 18 条

[1]

基于遗传算法的供热管网阻力系数优化辨识研究 [D].

王晋达 .

哈尔滨工业大学,

2015

[2]

供热管网泄漏故障诊断的研究 [D].

雷翠红 .

哈尔滨工业大学,

2010

[3]

几种集中供热负荷预测模型对比 [J].

于晓娟 ;

顾吉浩 ;

齐承英 ;

孙春华 .

暖通空调, 2019, 49 (02) :96-99

[4]

智慧供热的理念、技术与价值 [J].

钟崴 ;

陆烁玮 ;

刘荣 .

区域供热, 2018, (02) :1-5

[5]

智慧供热对供热企业及相关企业的要求 [J].

方修睦 .

煤气与热力, 2018, 38 (03) :1-6

[6]

供热工程.[M].邹平华.中国建筑工业出版社.2017,

[7]

机器学习.[M].周志华.清华大学出版社.2016,

[8]

Effects of the operation regulation modes of district heating system on an integrated heat and power dispatch system for wind power integration.[J].Jinfu Zheng;Zhigang Zhou;Jianing Zhao;Jinda Wang.Applied Energy.2018,

[9]

Predicting heating demand and sizing a stratified thermal storage tank using deep learning algorithms.[J].Aowabin Rahman;Amanda D. Smith.Applied Energy.2018,

[10]

Thermal load forecasting in district heating networks using deep learning and advanced feature selection methods.[J].Gowri Suryanarayana;Jesus Lago;Davy Geysen;Piotr Aleksiejuk;Christian Johansson.Energy.2018,

← 1 2 →