基于神经网络的热力站供热过程预测控制研究

我国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,为落实国家节能政策,研究供热节能监控系统意义重大。本文以“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”(项目编号:2006BAJ01A04)和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)为课题背景,研究供热节能控制策略和开发供热节能监控装置。研究中面临的问题是:必须以节能为目标,但同时也要保证优质供热;供热过程是一复杂的动力学对象;在采用先进技术的同时,要降低产品的成本。 精确的数学模型是供热系统分析与控制的重要依据。将供热过程动态分解为确定部分和随机部分,分别建立这两部分模型:通过机理分析与实验建模法相结合求取确定部分的模型,用ARIMA模型拟合供热过程模型的随机部分。供热过程建模为供热质调量调解耦和预测控制研究的基础。 供热负荷预报为供热节能提供依据。针对供热负荷具有的非平稳、非线性、时滞等特性,应用时间序列、最大熵、RBF神经网络多种方法对供热负荷进行预报。其中用时间序列法对平稳化处理的随机序列进行预报,用最大熵法对非平稳随机序列进行预报,用神经网络法对非线性负荷序列进行预报。为了进一步提高预报精度,将交叉预报思想引入供热负荷预报中,即用纵向预报跟踪用户对负荷的需求,用横向预报跟踪天气的变化,然后对纵向和横向预报结果进行加权交叉。通过仿真分析、比较各方法的性能。 供热系统质调、量调通道间存在耦合。给出耦合程度判定方法,对供热耦合模型进行稳态与动态耦合程度分析。分别采用传统解耦方法和时滞递归RBF神经网络解耦方法,将耦合系统解耦成两个相互无干扰的单入单出系统。其中神经网络解耦法采用改进的假近邻法预估神经网络的输入维数,解决时间序列维数确定困难的问题,通过仿真验证其静态和动态性能。 鉴于预测控制算法能适应供热过程非线性、时变、时滞、不确定等特性,采用预测控制对供热过程质调通道进行控制。对传统预测控制方法DMC和GPC算法进行了改进:用DMC模型简化和预报误差校正结合的方法减少计算量,提高实时性,并解决模型失配问题;对隐式自适应广义预测控制研究,给出改进的辨识和控制算法,以满足实时性要求。进行神经网络预测控制方法的研究,设计基于神经网络的预测控制器,给出其偏差控制算法和控制律求解算