西海镇集中供热热源智能控制系统

李 军 成创立青海宁北发电有限责任公司唐湖分公司



西海镇集中供热热源智能控制系统

李 军 成创立
青海宁北发电有限责任公司唐湖分公司

本文针对西海镇集中供热热源控制方法，提出将模糊控制算法应用到热源的控制中，采用基于T-S模糊模型的控制策略对热源水温进行控制。为获得较准确的控制器参数，利用一种改进的粒子群优化算法对T-S模型控制器参数进行优化的解决方案，在集中供热智能控制领域相比传统PID控制算法，该方法获得的控制效果更好。

如付诸现实将能有效的克服集中供热热源控制系统的非线性和不确定性，从而提高控制效果，达到优质供热的目的。

link

评估值66万

appraisement

行业曲线

industry

point

将模糊控制算法应用到热源的控制中，采用基于T-S模糊模型的控制策略对热源水温进行控制。为获得较准确的控制器参数，利用一种改进的粒子群优化算法对T-S模型控制器参数进行优化。这种方法充分发挥模糊控制的优势，有效的克服系统的非线性和不确定性，从而提高控制效果，达到优质供热的目的。

集中供热系统概述

集中供热系统通常由热源，输热管网和热用户三个部分组成，其主要作用是根据热用户的需要，合理的将热源产生的热能传输给热用户。其中，热源通常是指通过燃料燃烧方式加热供热系统热媒（水蒸汽或热水）的供热设备，常见的有区域锅炉房和热电厂；输热管网主要由换热站（或称热力站）和管路系统组成，其规模（用换热站数量衡量）通常较大（在一个城市供热管网中，通常分布着几十个甚至上百个大大小小的换热站），作用就是将热源产生的热媒输送给各个热用户；热用户是指采暖系统、生活用的热水供应系统和生产用的热系统及其用热设备。大型集中输热管网一般为间接式的供热管网，按其作用将管网可分为一次管网系统和二次管网系统两部分，其基本结构如图1所示。

从图可以看出，由热源出来的高温热水不是直接传输给热用户的，而是首先先经过首站换热器的变换，变换为二次网的供热热水，然后再由二次网中的换热站（即图中的热力站）变换，变换为用户需要的供热热水。因此，换热站在整个供热系统中处于非常重地位，起变换热的作用。在整个供热网中，换热站按功能可分为换热首站和二级换热站。其中首站换热器采用的是汽-水换热器，即用一次网的高温蒸汽将二次网的水加热，而二次网换热站换热器采用的是水-水换热器，即用二次网的高温热水变换为适合热用户用的热水。一般来说，首站换热器与二次网换热站换热器从运行原理看，这两者作用是相同的。基于这个原因，本文以二次网换热站为研究对象，研究二次网回水温度的控制问题。所用的控制方法同样适用供热管网的首站换热器。

集中供热系统是一个具有强非线性、强耦合、大时滞、易受干扰及工况变化大等特点的复杂系统，基于常规和人工的控制策略是难以对其实现有效控制的，如果控制效果不好，容易造成能源浪费大，供暖效率低及供暖品质差的结果。因此，对集中供热系统进行有效的控制具有重要意义。

图1 间连式供热管网结构示意图

集中供热系统热网的控制策略

西海镇热网结构为两级间连式供热网结构，其中换热站中的换热器采用的是水—水换热器，青海宁北发电有限责任公司唐湖分公司热网首站是该供热网的供热热源，提供高温热水。各换热站根据二次网的供水温度对一次网的高温热水流量进行独立调节的控制方式。当系统波动较大，换热站间有水力、热力工况的相互影响，供热管网内管道水力存在强耦合时，要想达到供热指标是困难的，有时甚至会引起震荡。对全网的整体供热效果进行综合考虑就是理想的控制策略，即既要按需供热又要保证供热均匀。实现按需供热的关键因素在于热源的出水温度，通过优化热源出水温度控制方法，可以有效改善一次网高温热水的输出温度，从而保证按需供热。实现均匀供热的关键在于如何避免因热源热量不足引起的各换热站对流量的“争食”现象，解决方案是通过对各个换热站的阀门开度设置上限和下限，这样可以有效协调了各个换热站的一次网高温水流量，从而保证均匀供热。考虑到一次网和二次网在工况正常的情况下，彼此影响很小，为此，在本文的研究中对两级网之间的耦合问题进行了忽略。

目前对热源水温的控制方法有基于热力工况的稳态调节方法和基于热力工况的动态调节方法。稳态调节方法的优点是较容易获得一次网的供回水温度设定值曲线，但缺点就是误差较大。而动态调节方法的优点是全面考虑了建筑物热熔和外部因素问题，达到了较好的调节效果，但缺点就是计算较复杂。针对目前控制方法存在的缺点，本文从均匀供热角度出发，着重研究集中供热热源的温度控制问题，研究思路为：热源的出口温度控制采用温度调节方法实现，该方法简便易行，为供热系统的初调节。

基于T-S模型的热源模糊控制器设计

T－S模糊控制器组成

T-S模糊控制器被证明是带有可变比例增益和可变积分增益的非线性PI控制器，故该控制器既具有较强的自适应性，又能解决Mamdani型模糊控制方法的缺乏积分环节问题。因此，基于T-S模型的热源模糊控制方法是解决热源控制问题的有效方法。

图2 研究框架

相比Mamdani模糊控制器，T-S模糊控制器需要设计更多的参数，这些参数包括前件的隶属度函数参数和后件的表达式系数。为获得T-S模糊控制器的一组最优或次优参数，本文利用一种改进粒子群优化算法对T-S模糊控制器参数进行优化。最后通过仿真实验，验证了本文提出的控制方法有效，控制效果优于传统PID控制方法。

其中：b1i、a1i分别为系统偏差e（ t ）模糊集高斯函数的中心和宽度参数。

其中：b2i、a2i分别为系统偏差变化r （t）模糊集高斯函数的中心和宽度参数。

T-S模糊控制器采用后件表达式为线性多项式的模糊规则，形式如下：

每一条规则的激励强度采用乘积推理计算，激励强度计算如式（4）所示：

广义反模糊器用于计算T-S模糊控制器的输出：

采用不同的α（0≤α＜∞），可得到不同的反模糊器。当α=1可得到重心反模糊器。T-S模糊控制器在t 时刻的输出为：

式（5）的T-S模糊控制器等价于具有可变比例增益和可变积分增益的非线性PI控制器，故在处理非线性对象时比线性控制器有效。但由于该模型待设计的参数过多，难以解释的设计，为此本文利用一种混沌粒子群算法对T-S模糊控制器参数近行优化，该方法除能够搜索到全局最优值外，还具有较快的收敛速度。

混沌粒子群优化算法的实现

混沌优化算法具有对初值不敏感、容易跳出局部极小、快速搜索、全局收敛及较高的计算精度等特点，基于此，在提出混沌粒子群优化算法基础上，结合约束因子模型和惯性权值模型获得了一种改进的混沌粒子群优化算法。该混沌粒子群优化算法的特点在于2点，第一点就是粒子的初始化位置是利用混沌运动的随机性、遍历性产生的，第二点就是该算法设计了一种粒子逸出局部极小的机制，这样，当粒子群陷入局部极小时，可以通过该机制使粒子逃出局部极小，从而实现全局最优的搜索。该算法的大概过程为：首先随机产生初G个始粒子，经过对每个粒子适应度计算后，挑选出了M个初始粒子，然后在优化过程中，如果陷入了局部极小，则利用逃逸机制使粒子逃逸，然后再进行搜索。其具体实现步骤如下：

Step1随机产生D个［0，1］上的随机数P1，D，D为维数。

Step2利用Logistic混沌映射初始化粒子位置：

其中，i=2，3，…，G 。初始化完成后，通过对粒子适应度的计算，从G个粒子中挑选M 个适应度较好的粒子。

Step3将M粒子从混沌区间［0，1］映射到变量的取值区间［an，bn］：

Step4计算粒子群每个粒子的平均适应度和适应度。

Step5粒子群的目前位置用pbest表示，适应度最优的粒子位置用gbest。

Step6判断是否满足收敛准则？如果满足，则执行Step8；否则，执行下一步。

（1） 计算群体的适应度方差σ2。

其中，第i个粒子的适应度记为fi，目前粒子群粒子的平均适应度记为f ，用f 表示归一化因子。

如果方差不大于设定值ξ（ξ＞0），则执行（2），否则执行（3）。

（2）对粒子位置进行归一化，混沌更新按式（7）进行，然后转到（5）。

（3）按式（12）对粒子位置进行更新。

（4）如果新粒子的适应度大于pbest，则更新pbest；并在其中选择最优的适应度更新gbest。

Step 7返回到Step 6。

Step 8搜索过程结束，输出结果。

仿真实验

为验证本文所提出的T-S模糊控制方法有效，本节给出了对Hammerstein 模型控制的仿真实例，采用式（12）作为该例子的适应度函数：

Hammerstein 模型描述如下：

图3 控制器和T-S模糊控制器的仿真结果

结语

针对热网抽汽调节的复杂性，提出了基于T-S模型的热源模糊控制方法。为获得最优或次优的T-S模糊控制器参数，提出了基于混沌粒子群算法的T-S模糊控制器参数设计方法。通过非线性系统的控制仿真实验，表明了基于混沌粒子群优化算法的T-S模糊控制器参数设计方法有效，由此获得的T-S模糊控制器控制效果优于PID控制器。

总结

针对供热系统热源温度的控制，研究了T-S模糊控制器的设计问题。相比Mamdani模糊控制器，T-S模糊控制器需要设计更多的参数，这些参数包括前件的隶属度函数参数和后件的表达式系数。为获得T-S模糊控制器的一组最优或次优参数，本文利用一种混沌粒子群优化算法优化TS模糊控制器参数。最后通过仿真实验，验证了本文提出的控制方法有效，控制效果优于传统PID控制方法。

10.3969/j.issn.101- 8972.2016.12.026