基于物联网技术的暖通自控系统应用

高宁 杨晨 高佳晨 李丹 师毓菲

（陕西西咸新区沣西新城能源发展有限公司 陕西省咸阳市 712000）

1 引言

随着国家经济的快速发展，我国对集中供暖供热的技术也投入了大量的人力物力，并且热电联产机组具有其他供暖设备所不具备的高效率、低损耗、成本可控的多种特性。以2018年的供暖面积与1990年对比整整增长了35 倍，并且热电联产机组的整体供暖规模逐步增加，占所有供暖的三分之一以上，以多源互补模式为创新，不断的突破技术瓶颈，实现了标准化、科学化和智能化为热用户服务准则。

由于热力企业相对航空、航天和电力智能化水平而言，只处在初级阶段，整体管理偏粗放，存在一定的问题：

（1）由于供热系统和设备无法将多种参数逐一上传，很多数据需要前往现场获取，数据获取效率慢。

（2）供暖系统运行状况判断逻辑和故障诊断趋向于人工，未建立典型化场景逻辑，制定经济性、安全性、时效性等指标。

（3）在已建立的供热运行管理平台中，未能对节能减排、运维成本、客诉情况进行深度数据分析，无法有效指导供热平台更经济运行。

2016年陕西省重点推广的“中国西部科技创新港综合能源供应项目”中采用物联网平台、人工智能和大数据技术，实现对能源供应的“可测、可观、可控”。

2 暖通与物联网结合思路

随着物联网技术的发展与技术成熟度越来越高，通过各种感应设备的数据采集和远控设备操作、状态情况的快速交互，让暖通自控系统的实现打破了技术壁垒。

现今，通过物联网技术与暖通系统控制的融合，更有利于建筑能源系统的供需管理、节能降耗和高效运维，利用设备自身海量运行数据与运行指标监测，能够将物联网、智能化和大数据三者合一，为暖通技术实现提供最优解决方案。

3 考虑物联网的智能供热平台应用实例

如图1所示，中国西部科技创新港综合能源供应项目是全国最大规模采用中深层地热能无干扰清洁供热技术的项目。该项目设置6 座分布式综合能源供应站，可为159 万平方米的建筑供热、供冷及生活热水。

图1：中国西部科技创新港综合能源项目架构图

（1）对最基础的地源热泵房进行物联网改造，将需要上送运行数据的设备增加了数据传输功能，使所有泵房能够实时传输运行数据，管理人员能够及时了解各泵房运行情况。实现设备层的基础数据可测功能。

（2）对所有的上送数据进行数据处理，并按照已经预设好的经济性、安全性、时效性等指标对所有设备进行设备运行状态分析，若出现异常情况和需要管理人员处理的，将及时告知，实现监控层的可观功能。

（3）利用各类辅助判断和告警情况，使管理人员能够快速梳理所有事件并作出准确判断，并控制相关设备状态，实现应用层的可控功能。

因此，供热指标能耗降低、经营成本节约、工作效率提高和服务质量提升方面取得显著成效。

3.1 基于物联网平台的暖通站房全局可观

为了将所有暖通站房数据及时采集和传输，并确保后期热力站在无人状态下依然能够远程监测。将对调节阀、水泵变频器进行加装，并完善自控系统确保远程能够控制相关设备，最后设定数据传输方式和数据交互模式，主要以OPC、BACnet、RS485 协议等多种接口方式进行数据传输。实现所有暖通站房的实时观测。

3.2 基于大数据技术的供热趋势预测与设备优化控制

在已有暖通数据的基础上，结合互联网外部数据，实现大数据下的精准供热预测和精益控制。

可结合各个泵站历史运行数据、外部天气数据、建筑物特性、海量室内温度进行分析，精准预测出供热负荷情况，针对性的制定暖控策略，实现“一站一策”精准控制。

也可根据有经验专家摸索的设备管理经验，形成标准化操作流程和应急管理处置模式，若出现紧急情况，系统能够及时辅助管理人员进行设备控制决策。

3.3 能耗统计分析与展示

为提高监管水平和智能化水平，将暖通控制的多类管理细分为经济性、安全性、时效性三大类指标。如经济性需要综合考虑水、电、热各类计算，考虑最优成本，实现利益最大化。安全性需要考虑确保供暖用户的安全和供暖设备的安全，尽量减少设备过高负荷和过低负荷运转。而时效性主要考虑以最快的方式为供暖用户供暖，成本和损耗处在次要地位。

通过各类精美图表和指标展示，多元化呈现暖供状况，让相关人员更直观的了解各类情况，满足改造系统的实际需求。

4 应用成效分析

4.1 节能情况分析

传统站房的运行控制方式主要以手控控制、历史经验为主，在实际运行过程当中，无法实现站房运行状态的实时监控，也无法通过对历史数据的分析实现供暖的节能减排。

由于物联网能够实时获取供暖温湿度数据，因此能够及时快速的调整热泵、暖水泵、循环泵，以目标温度为准，利用一元时间序列灰色理论法，灰色模型(GreyModel，简称GM)。对于供暖控制的温度、湿度需求按照不同的区域有着不同的上限、下限，因此灰色系统法非常适合基于物联网技术的暖通自控系统的需求。算法如下：

如图2所示，一般意义上的灰色模型为GM(n,h)，表示对h 个变量建立n 阶微分方程。作预测用的模型一般为GM(n,1)，实际应用最多的是GM(1,1)。

图2：灰色理论的图解说明

以上标“(0)”表示原始序列，上标“(1)”表示累加生成序列，GM(1,1)的建模与预测步骤如下：

（1）给定原始序列：

（2）对原始序列作累加生成：

显然有：

（3）建立相应的微分方程为：

采用等时距，将上式中的微商用差商代替，并用两点的平均值代替，有：

则残差为：

（5）得到时间响应函数，预测(拟合）模型为：

（6）累减还原：

因此，基于物联网技术的暖通自控系统能够选取某天分别就传统控制站房和物联网模型控制站房进行对比分析，保障该实验时间内室外温湿度基本一致，图3为室内温湿度情况，图4为暖通系统用电负荷曲线。从图4中可知，在满足热舒适需求的条件下，结合大量运行数据和外部温湿度数据平稳使用暖通自控体系，平均节约能耗约15%。极大地提升了供暖效率，降低供暖成本并提升了利润率。

图3：室内温湿度情况

图4：暖通系统用电负荷差别

图5

图6

4.2 运维成本分析

基于物联网技术的无人值守站房，从根本上改变了通过运维人员驻守方式进行站房维护的传统模式，并可依据站房设备历史运行情况，更合理的安排站房巡检路径、设备保养计划，从被动检修变主动检修，提升设备运行可靠性，降低整体运维成本。

传统站房需要安排至少1 人进行驻场值班运维，且运维窗口依赖于供暖周期，非供暖周期的运维成本完全不可控，带来了极大的浪费；同时，没有设备历史运行、保养数据，提升设备可靠性和降低运维成本更无从谈起。

基于历史统计，供暖周期为15 周，于每年11月15日至下一年3月8日，总供暖期约为120 天。供暖期需要有人值守、远程监控双模式管理，而非供暖期则可通过远程监控为主、人工值守为辅的手段。提升运维效率，减少人工成本，且人力的投入与开启机组数量、电耗周指标有着正关联。电耗越高、机组数量越多，人力投入与巡视越多。

4.3 设备画像分析

汇聚于物联网平台的暖通站房设备信息及海量运行数据，可对设备采购、投运、运行、保养、故障、维修和退役等进行全过程精细化管理；并通过对故障信息、缺陷信息等的数据挖掘分析，形成同类设备、同期设备的历史运行分析报告，对设备保养周期、巡检频次、设备采购等提供有效数据支撑。

设备家族性缺陷分析，以设备厂商、日期、设备类型、设备型号、缺陷类型、发生频次等作为分析维度，分析同一设备厂家同一设备型号指定时间周日的同一缺陷类型数量，形成设备家族性缺陷报告，指导设备的计划性运维。

设备故障概率性分析，对设备历史故障及故障时刻设备运行信息进行汇集，对不同类型故障发生的原因，以及故障发生前后运行数据的变化情况进行挖掘分析，得出引起不同故障的多因素加权概率模型，通过该模型对设备实时运行状态进行监测，并提出设备故障概率风险等级。并从安全性、可靠性、经济性、协调性四个方面进行综合评估。为设备全寿命周期提供综合评估。

5 总结与展望

充分利用物联网技术和大数据技术，让暖通自控系统更加完善。在满足基层企业供热数据远传、运行远控的基础上，逐步实现企业的“数字化”转型，在响应国家“2030年前碳达峰、2060年前碳中和”政策前提下，不断的实现供热企业的技术革新，实现数据精细化、故障处置标准化、暖通辅助决策智能化，并以用热客户为核心，提升企业供热运行效率和品牌价值。