实验室热网控制系统的设计与实现

宋秦中， 宋新玲， 刘 科， 陆 军， 孙菲菲

(1．苏州市职业大学电子信息工程系，江苏苏州215104;2．大连理工大学电子与信息工程学院，辽宁大连116023)

0 引言

随着城市的发展和扩大，集中供热系统的规模和形式也越趋复杂，对系统的运行管理的要求也越来越高。在国外，尤其是丹麦、瑞典、德国等国家的集中供热事业发展较早，对集中供热系统的规划及运行优化做了大量工作，运用基于流量调节的全网控制方案，控制效果较好。由于其需要的投资大，对建筑方面要求高，并不适合我国国情。针对这种情况，国内实际操作时将整个供热系统的控制分为热源及热网两个相对独立的系统。热网控制的目标是实现均匀供热，即消除用户之间的水平热力失调，保证各热力站之间供热效果的均匀一致;热源控制的目标是按需供热，即通过负荷预测，调整热源总供热量得以实现。但集中供热系统具有多设备、多变量、大滞后、非线性的特点，对于这样的系统，既要保证人体的舒适性又要达到节能目标，单靠采用多个常规控制器的组合，是无法实现优化节能控制的。只有多输人、多输出的多环随动计算机监控系统，才具有:及时检测参数，了解系统工况;均匀调节流量，消除冷热不均;合理匹配工况，保证按需供热;及时诊断故障，确保安全运行;健全运行档案，实现量化管理的功能，它的供热效果节能目的才能最终实现［1-2］。热网控制方面，由于其数学模型不容易建立，且待调整的各热力站一次网流量值很难通过公式求得其最优解，常规的PID控制又很难解决各热力站间的水力耦合现象，所以宜采用不基于模型的智能控制方案和整体控制方案［3-4］。

基于上述分析，本文以实验室热网为研究对象，利用神经网络的解耦性以及不依赖于对象模型的特点设计了神经网络解耦控制器，同时从硬件设计，和监控平台软件开发两个方面入手搭建了实验室热网控制系统，对提高供热系统的运行管理水平和能源利用率进行了有益的探索。

1 实验室热网控制系统的实现

1．1 硬件组成

搭建的实验室热网由3个热用户(3台可手动变换风力和风向的热水空调来替代)组成，采用间接连接的供热方式:电加热炉的高温热水经循环水泵送至热网，热水在1次管网内分别流过1个管式换热器和2个板式换热器后，二次网的冷水经换热器换热升温，然后送至各个热用户，其结构如图1所示。

图1 实验室热网结构

实验室热网系统共需要采集35个来自现场的模拟输入信号，输出4个电动调节阀控制信号，一共39个点，详细情况如表1所示。采集到的信号通过物理线路接入至控制柜中的控制器上，控制器与中央控制机之间采用基于工业以太网的Modbus总线进行通讯并传输数据，然后由计算机对采集的数据进行操作。

表1 实验室热网模拟输入信号

实验室热网的控制器选用的是由大连理工计算机控制工程有限公司自主研发的DUT7000可编程控制模块和DUT6000控温模块，设计的实验室热网需要用到两个DUT7000模块和四个DUT6000模块，其组态是由PLC_config组态软件完成的。组态界面如图2所示，PLC_Config将DUT模块按照主从关系进行配置，设定主通讯模块的IP和端口号后，和监控的主机进行通讯。

图2 PLC_Config的组态界面

1．2 神经网络解耦控制器设计

热网控制的目标是消除用户之间的热力水平失调，实现均匀供热。一方面，热网属于多变量系统控制范畴，应用中应该把它们分别看成独立的变量，所以针对由3个热用户组成实验室热网，具体的控制策略是:把二次网供回水平均温度分别看成3个独立的变量，用3个控制器来对其二次网供回水平均温度进行独立的控制;另一方面，由于供热管网的复杂性，确定各回路的耦合性质之后，大多数回路还不能用简单的控制方法完成控制，所以还需要对系统进行解耦控制;综合这两个方面的要求，本文将BP神经网络和传统的PID控制相结合来实现对热网的解耦控制，并利用神经网络算法的对多输入多输出非线性系统的映射能力来实现对热网的非线性控制［5-14］，搭建了一种基于BP神经网络的PID多变量控制系统，即神经网络解耦控制器。该控制器结构如图3所示，其特点是:输入层分别为3个热用户的实际二次网供回水平均温度与设定温度的偏差、偏差的和、偏差的变化;隐含层共采用24个神经元;输出层为PID控制器的3个可调参数Kp、Ki、Kd;输入层和隐含层之间互相独立，而隐含层和输出层之间不独立，互相有连接权。

此控制器由两部分组成:

(1)经典PID控制器。Kp，Ki，Kd3个参数为在线整定，直接对被控对象进行闭环控制。

(2)神经网络NN。PID控制器的3个可调参数Kp、Ki、Kd对应于输出层神经元的输出状态，通过神经网络的自学习，调整权系数，使输出层神经元的稳定状态对应于某种最优控制下的PID控制器参数。

具体控制方案为:

图3 神经网络解耦控制器结构

(1)首先根据室外温度确定二次网的供回水温度，同时计算其平均温度。

(2)一次网供水温度达到目标值后，计算二次网供回水平均温度与目标值的下面3个参数:偏差、偏差的和、偏差的变化(正、负)。

(3)随后，通过神经网络解耦控制器得到各热力站水－水换热器一次网热水最佳流量。

(4)最后，将上述流量值作为流量控制的期望值，调节调节阀合理分配一次网热水流量，实现某一室外温度下二次网的供回水温度最终达到期望值。

1．3 监控平台的软件开发

实验室热网监控平台软件的设计主要是为了数据的采集、显示、保存与分析，通过监控平台既要使供热过程可视化，又要使管理员在监控画面上能及时发现故障并予以解决［15-17］，监控软件结构如图4所示。

图4 实验室热网监控软件结构图

(1)通讯部分。DUT7000与中央控制计算机之间通过以太网卡接口实现，基于Modbus通讯，根据读、写数据的协议对连接成功与否进行确认。

(2)监控界面。开发的监控界面如图5所示，操作人员能够查看系统的运行模拟图和现场采集到的实时数据，窗体刷新周期为3 s。各测量点的工程值依实际情况在相应位置进行显示，并用颜色给予了区分，其中:FV为电动调节阀;FT为涡街流量计;PT为压力变送器;TT为温度变送器。

图5 监控界面图

(3)神经网络解耦算法控制。考虑到工程实际情况，设计了手动控制和自动控制。手动控制的目的是为了实现对二次网侧的用户室内温度的初调节，避免在系统运行的初期电动调节阀的开度全为零。等系统参数稳定，点击自动控制按钮进入自动控制，将系统采集到的二次网各用户的供回水平均温度与设定值的偏差、偏差的和、偏差的变化作为神经网络算法的输入，输出的PID参数调节电动调节阀的开度，实现二次网各用户均匀供热的目的。

(4)实时数据处理。采用可靠性较高的SQL SERVER 2000设计热网监控系统的数据库，主要用到了数据库的检索、修改和保存等功能，并要求动态的显示实时数据，控制操作结束后，可以从数据库中取出数据生成曲线。

2 实际控制效果分析

2．1 实际控制参数的确定

对于大惯性、大滞后的系统的热网而言，二次侧回水温度是通过一次侧流量的改变实现的，这就需要经过一段时间，如果控制周期过短，调节阀动作将过于频繁，这样会严重影响供热系统的设备寿命，更为不利地是会使供热系统的水力状况处于扰动状态。所以，为了因应延迟造成的影响，避兔产生振荡，宜对调节阀进行间歇性调节，即采用采样调节方法对热网进行控制［10-12］。根据本系统的规模和实验经验，选择控制周期为30 s，即在点击控制界面的自动控制(神经网络解耦控制)按钮后，每隔30 s就对热网系统进行1次控制。

设定系统经加热炉加热后的热水温度(一次网的供水温度)为45℃左右，二次网经换热后的温度(二次网的供水温度)t2gr为37．5℃左右，同时假定该装置的一次网相对流量和二次网相对流量和都为 1，当实验室外温度 tw为 －5℃时，由经验公式［7］t2hr=37．5+0．6tw可知室内温度 t2hr为34．5℃，依据二次网供回水温度的期望值求取公式可以确定二次网供回水平均温度值期望值t2pr为36℃，亦是本次调节的最终温度。

2．2 实际温度控制效果分析

本实验共分20次采集了20000多组数据。试验中为了既不增加太多的计算量，又使步长得到合理的调整，设置预定误差 pre_error=0．01，初始步长 r=0．1，若一次迭代后误差减小，则将步长乘一个大于1的常数φ，反之则将步长乘以小于1的常数β，并沿原方向重新计算下一个迭代点。

为了对设计控制器的有效性进行分析，设计了未加入控制算法(传统PID控制)和加入控制算法(神经网络解耦控制)两类实验;同时为了验证控制器的可靠性，在第二类实验中又设计了加入控制算法(初始温差较大)和加入控制算法(初始温差较小)两组实验;即实验验证分3种情况进行，将实际所控制的效果得到如表2所示的控制效果比较表。

表2 控制效果比较表

对于第一类未加入控制算法的分组实验如图6所示。由图可见，二次网各用户的供回水平均温度尽管在上升，但是与二次网供回水平均温度值期望值36℃相比，仍然存在较大的温差，难以实现均匀供热，因此需要加入适当的控制算法来对热网进行进一步的调节。

图6 未加入控制算法的温度曲线图

对于加入控制算法的第二类实验实验步骤如下:

(1)开始运行为手动控制，3个用户的温差较大，进行一段短时间的初调节后参数趋于稳定;

(2)进入自动控制，系统进入神经网络算法的参数自调整(通过神经网络权系数的调整来调整3个回路的PID参数)，控制界面如图7所示。

图7 神经网络算法控制界面

(3)经过多次迭代运算，二次网各用户的温度接近，逐渐趋于稳定，实现了预期均匀供热的目标，实时数据显示如图8所示，由实时数据生成的曲线如图9和图10所示。

第一类和第二类实验的对比分析表明设计的神经网络解耦控制器能够实现实验室热网流量调节，实现均匀供热的目标，证明了设计的控制器是正确的、有效的;而通过图9和图10的对比实验表明，初始温度相差越小，神经网络算法所需的调节时间越短，效果越明显，达到的控制效果也越理想，同时也验证了设计的控制器是可靠的。

图8 数据库实时显示界面

图9 加入控制算法(初始温差较大)的温度曲线

图10 加入控制算法(初始温差较小)的温度曲线

3 结语

(1)搭建的控制系统能够实现对实验室热网实现调节一次网的流量分配和二次网各用户供回水温度的监控，能够实现稳定供热和均匀供热的整体目标。

(2)通过分类、分组实验，既验证了设计的神经网络解耦控制器的可靠性，又证明了该控制器对于处理实验室热网这种多输入、多输出、非线性、强耦合系统有着明显的控制效果。

(3)本文是以实验室集中供热系统为研究对象，针对当前采集的温度系数来进行在线的计算与调节，所以具有一定的滞后性，对实际的大型热网系统而言需要更多的输入输出节点，其计算的复杂程度以及计算时间将加大;另外，未能将现场条件下的一些干扰以及复杂的外部环境包括进去;这些方面都有待于进一步的探讨，但研究成果对实际的集中供热系统同样具有指导意义和应用价值．

总之，结合热实验室热网控制这一工程实例，在实际教学实验实践环节中能使学生加强对复杂控制系统和智能控制特别是神经网络解耦控制算法的理解和把握，提高学生分析和解决复杂控制系统控制问题的能力和水平，推动了自动控制理论和智能控制等相关课程的实验教学改革。

［1］ 孟 哲，刘应宗．我国集中供热的现状与对策［J］．华东交通大学学报，2004，21(3):66-69．

［2］ 石兆玉，杨德敏，杨同球．集中供热优化节能自动控制系统的特点［J］．区域供热，2007，44(6):1-8．

［3］ 周守军．城市集中供热系统一次网运行优化及算法［J］．北京工业大学学报，2012，38(4):628-635．

［4］ 王庆峰．集中供热系统运行调节优化及热负荷预测方法研究［D］．山东:山东大学能源与动力工程学院，2010:45-46．

［5］ Bojic M，TrifunovicN，Gustafsson S I．Mixed 0-1 Sequential Linear Programming Optimization of Heat Distribution in a District-heating System［J］．Energy and Buildings，2000，32(3):309-317．

［6］ 刘文琦，杨建华，林 艳．集中供热网智能控制方法研究［J］．大连理工大学学报，2004，44(3):464-468．

［7］ Guiyou Chen，Jinlong Huang，Tongjing Sun．Distributed Supervisor System of Heat Supply Network Based on GSM Platform［J］．Proceedings of the 6th World Congress on Intelligent Control and Automation，IEEE，2006:6666-6669．

［8］ 师玉宝．自适应神经网络PID控制器［J］．青海大学学报(自然科学版)，2005，23(2):67-70．

［9］ 张 磊，胡 春．BP改进算法及其在乙二醇精制软测量中的应用［J］．自动化仪表，2005，26(6):31-34．

［10］ 曲婧华．基于自适应神经网络的电路系统故障诊断研究［J］．空军工程大学学报(自然科学版)，2006，7(4):82-84．

［11］ 薛会梅．智能控制在热网热量平衡中的应用研究［D］．大连:大连海事大学，2010:4-6．

［12］ 张 磊，胡 春．BP改进算法及其在乙二醇精制软测量中的应用［J］．自动化仪表，2005，26(6):31-34．

［13］ 刘国繁，王迎旭．新型智能数字PID控制器及其应用［J］．电机与控制学报，2006，10(4):415-419．

［14］ 李 明，林永君．自适应神经元非模型多变量系统解耦控制［J］．计算机仿真，2003，20(3):68-71．

［15］ Guiyou Chen，Jinlong Huang，Tongjing Sun．Distributed Supervisor System of Heat Supply Network Based on GSM Platform［J］．Proceedings of the 6th World Congress on Intelligent Control and Automation，IEEE，2006:6666-6669．

［16］ Fredrik Wernstedt，Paul Davidsson．An Agent-Based Approach to Monitoring and Control of District Heating Systems［J］．Applications of Artificial Intelligence and Expert Systems，Australia:Cairns，2002:402-411．

［17］ 宋玉梅，张立忠．集中供热网监控系统设计中应考虑的若干问题［J］．区域供热，2006(2):10-13．