智慧供热技术浅析

第6期

图1 全国历年城市集中供热情况（1981-2016）[3]

智慧供热技术浅析

别尔兰·贾纳依汗，张红

（新疆维吾尔自治区特种设备检验研究院， 新疆 乌鲁木齐 830011）

[摘 要] 改革开放以来我国的供热行业有了飞跃式发展，但仍存在一些问题。在大力建设智慧城市和推进“互联网+”智慧能源发展的背景下，供热系统作为能源产业的重要分支，智慧供热的概念应运而生。本文通过对智慧供热系统的介绍，论述了组成智慧供热技术构架的各方面，即：供热物理系统与信息系统之间“状态感知—实时分析—优化决策—精准执行”的闭环赋能体系[1]并举出了相关应用实例。[关键词] 智慧能源；智慧供热；闭环体系

作者简介：别尔兰·贾纳依汗（1986—），男，哈萨克族，新疆

乌鲁木齐人，大学本科，工程师。研究方向为承压设备检验检测及锅炉能效测试。

(a) 供热能力 (b) 供热总量

1 供热基本状况

随着我国社会经济的不断发展，人民生活水平不断提高，老百姓不再满足于温饱，党的十九大报告中指出，我国社会主要矛盾是人民日益增长的美好生活需要和不平衡不充分的发展之间的

全国城市集中供热总量从1981年的824万吉焦增至2016年的359545万吉焦，年复合增长率18.4%，其中热水的供热量由1981年的183万吉焦增至2016年的318044万吉焦，年复合增长率为23%。然而，存在着能源浪费、污染严重、冷热不均、设备老化、设计落后、计费不合理、供热能源单一等诸多问题[4]。

2016年2月24日国家发展改革委、国家能源局和工业和信息化部联合颁布的《关于推进“互联网+”智慧能源发展的指导意见》指出：“‘互联网

+’智慧能源是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产

矛盾[2]。我国北方冬季寒冷，供热工程是与千家万户生活息息相关的民生工程，得到了国家在资金、政策上的大力支持，三十年来供热能力和供热总量有了飞跃式发展[3]。1981-2016年全国历年城市集中供热情况如图1所示。

业发展新形态，具有设备智能、多能协同、信息对称、供需分散、系统扁平、交易开放等主要特征”[5]。

供热系统作为能源产业的重要分支，智慧供热的概念应运而生。智慧供热，亦即在能源变革、绿色发展的时代背景下，通过信息安全、物联网、大数据分析、人工智能、仿真建模等技术手段，建立供热物理系统与信息系统之间“状态感知—实时分析—优化决策—精准执行”的闭环

- 112 -

节能减排

石油和化工设备2019年第22卷

图2 基于信息物理系统的智慧供热技术架构[1]

赋能体系，从而解决当今供热行业的各种问题[1]。基于信息物理系统的智慧供热技术架构如图2所

示。

随着“工业4.0”概念的提出，以智能为核心的第四次工业革命或将到来，传统行业间的分界也越来越模糊，供热行业也不单单只涉及能源领域知识。另一方面，如何将热能、电能、可再生能源等统筹规划、梯级利用成为能源行业关注的焦点。本文通过对智慧供热系统的介绍，论述了组成智慧供热技术构架的各个方面以及相关应用实例。

2 智慧供热基本组成2.1 状态感知

供热系统的状态就是构成供热系统各个子系统的物理量，如供热锅炉的入炉冷空气温度、供回水温度、供回水压力、供回水流量、排烟温度、烟气成分等，供热一次、二次网的供回水温度、供回水温度、供回水压力、供回水流量、室外温度等。这些物理量除个别参数外，大致可分为温度、压力、流量三类，对于这些参数的测量技术已相当成熟。但以往传统的热网管理相对粗放，加之供热网一般分布范围较广，为降低成本通常尽可能减少传感器的数量，通过各种规律、经验及假设来人工调节热网。随着我国社会对安全、节能和环保的要求越来越高，“煤改气”、“烟气余热回收”、“低氮燃烧”及智慧供热等

工程不断推进，对供热系统的状态感知实时性、有效性、准确性提出了更高要求。另一方面移动互联网、物联网、数据通讯技术飞速发展，传感器成本不断降低，为供热系统状态感知提供了物质基础。这其中物联网技术解决了供热系统中热源、供热网、用户等重要节点的状态感知，通过数据之间的耦合，为大数据实时分析，人工智能提供可靠保证。2.2 实时分析

通过各类传感器获取的数据，经大数据分析，可得到可视化分析结果。直观的显示各类数据的特点及其相互之间隐含的关系，使其更容易被接受。通过各类数据挖掘算法，深入数据深层，挖掘出以往不易发现或被人忽视的规律。如哈尔滨工业大学王素玉等人[6]通过数据挖掘方法，考虑建筑物热惰性，引入当量室外空气温度的概念，找出了当前供热负荷与之前几天的室外空气温度的关系。

在信息处理中，大量数据的解决非常复杂，通过人工智能代替及模仿人类思维能够很好地解决这一问题。供热过程中负荷变化以往多数是通过经验数值来调整。人工神经网络具有良好的非线性映射能力、自学习、自适应能力和并行信息处理能力，非常适用于供热系统负荷预测[7]，从而对负荷调整起到辅助决策的作用。常用的其他预测方法还有小波分析法、支持向量机法、混沌理论预测法等。不同方法之间的输入变量和预测对象不尽相同。辽宁工程技术大学王东亚等人[7]选取室外温度、室外风速、日期类型、光照率、时间、供水流量、供水温度、回水温度等八个参数作为输入变量，对供热系统日负荷了预测。清华大学马涛等人[8]通过考察供回水温度、室外温度、历史室温等因素中与预测室温关系最为密切的历史信号点，用小波分析法进行数据处理，从而对供热系统负荷进行了预测。2.3 优化决策

在工程技术领域，许多问题最终的焦点都落在了寻求最优设计、控制、求解，而这类统称为寻优的问题，通过对自然界中生物的物竞天择进化过程的模拟，诞生了很多搜索算法。这类智能算法经过六十多年的演变，从最早的模拟退火、专家系统算法等，发展到现在的蚁群算法、粒子群算法等。粒子群算法通过一群随机粒子，通过不断更新个体极值pBest 和全局极值gBest ，反复迭