一、建筑供热负荷预报与预测控制策略研究（论文文献综述）
李民,付国栋,冯铁军,赵世斌,陈德凯,王龙辰,陈悦,赵岩,杨华翼,李毅,王天鹏[1]（2021）在《换热站恒室温控制研究与示范》文中研究说明本文针对供热的大滞后、多变量等特性,分析了目前气候补偿控制的应用状况及存在的问题,提出了基于恒室温控制的换热站动态调控方式,并阐述了恒室温控制的原理。为验证换热站恒室温控制的有效性、合理性和节能效果,将其应用于大连某供热企业的示范区域,经过一个采暖期的运行,结果表明:采用换热站恒室温控制方法,系统可实现自适应调节,整个采暖期用户室温稳定,并且大幅度降低了换热站的热耗、电耗。因此,恒室温控制是能实现室温稳定运行且具有显着节能效果的控制模式,具有很好的推广价值。
姚洁[2]（2021）在《供热系统热负荷动态预测实现》文中研究指明为了节能降耗,我国已经将集中供热代替了分散式供热,但是由于集中供热缺乏相应的管理以及调节的技术措施,使得集中供热没有达到相应节能降耗的目的,还普遍存在着能源浪费的现象,也增加了供热成本。为此,给热用户提供热负荷的多少就显得非常重要了。根据天气预报获得具体数据,并通过负荷预测模型得到预测热量,实现对未来的热负荷预测结果进行超前控制及调度的作用。提前对热负荷进行预测,既能合理的指导供热又能提高供热品质,同时还能降低能耗以及供热成本。本文研究了一种简单、精度较高的供热负荷预测模型,并根据实际情况开发了供热系统的热负荷动态预测。本文在分析了集中供热基本结构、控制特点、换热站供热系统控制方法后,研究了供热负荷的影响因素,通过分析,将室外温度、风速、天气特征（多云、晴、雪）作为主要的热负荷影响因素,并在了解了现有的热负荷预测方法的基础上,提出了基于最小二乘法的预测方法,将室外温度、风速、天气特征（多云、晴、雪）作为自变量,热负荷作为因变量,自变量的历史数据与2018-2019供热量为待测样本作最小二乘法拟合,确定了自变量系数。将天气预报中风速、室外温度、天气特征（多云、晴、雪）作为输入参数,进行预测周期的供热量预测。最后,方便用户使用,应用King SCADA组态软件及PLC编程软件协调开发编程,实现了供热系统热负荷动态预测,设计了工艺流程、数据报表、热负荷曲线对比等功能的监控系统,并完成了现场应用测试。
高学伟[3]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中指出随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
丁雪峰[4]（2021）在《基于物联网的供热系统用户侧监测系统研究》文中研究指明随着我国“碳中和”战略的实施,提高煤炭利用率,降低碳排放已经成为我国需求侧改革的重要方向,目前国内集中供热产业与欧美发达国家相比仍有诸多不足,主要体现在分户热计量技术与热计量方式上。本课题依托电子传感器技术与通信技术,从数据采集、远程通信、管理分析搭建物联网架构体系,构建了一套智慧供热系统用户侧监测系统,并根据用户需求设计了用户侧监测系统软件平台,基于洛阳市某热力公司的历史运行数据,对供热系统的热负荷预测开展研究,提出了预测室内温度对预测负荷的修正方法。本文首先对本课题所构建的用户侧监测系统的硬件设备组成、系统的网络通信结构和MODBUS通讯协议以及TCP/IP通讯协议做了详细介绍,并以Lab VIEW软件作为平台,设计了终端采集设备与现场监测中心之间的有线通信方案以及现场监测与远端监测中心的无线通信方案。然后以Lab VIEW软件作为平台,结合工作人员使用需求,设计了供热系统用户侧监测系统平台。用户侧监测系统平台功能包括用户登录、数据采集与动态监测、无线通信管理、设备状态监测与报警、Microsoft Access数据库的建立、数据的存储以及历史数据的检索查询。最后对时间序列法负荷预测的基本原理、建模方法以及参数选取进行详细介绍,并提出了预测室内温度对时间序列法预测负荷的修正方法,利用洛阳市某热力公司的实际运行数据进行实例分析。结果表明对于较平稳的时间序列有比较高的预测精度,但由于模型只注重从序列本身的规律来进行线性拟合,因此当有突发情况负荷数据波动较大的时,预测偏差较大。
姜鑫,潘宏刚,杨兆林[5]（2021）在《集中供热运行调节方式研究综述》文中研究指明运行调节方式关系到集中供热系统的运行效果、能耗及由此带来的环保效应,对于节能环保事业具有重大意义。通过分析国内外集中供热系统运行方式的发展现状,从供暖热负荷预测、分阶段变流量的质调节改进、质量-流量调节及计量供热等方面系统地阐述了各调节方式的特点,结合信息化监控、精细化管理及合理的收费标准等措施,最终实现按需供热。
张丽珠[6]（2021）在《中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究》文中研究说明中央空调系统在住宅、商场、医院、数据机房和工业厂房等建筑中有着广泛的应用,其能源消耗大约占中国建筑总能耗的50%～65%。因此,中央空调系统具有较大的节能潜力。长期以来,我国中央空调系统从业人员专业素养整体不高,运行维护管理相当粗放,普遍能源浪费十分严重。传统基于人工经验的运行维护管理已难以实现空调系统的可靠、低能耗、高效率地运行,因此有必要对空调系统进行整体智能化升级。物联网、5G通讯、人工智能、自动化等领域的快速发展,为实现中央空调系统信息化和数字化转型提供了技术支撑。借助新一代信息技术发展智慧能源是我国能源行业的发展趋势,而融合物理系统与信息技术的“数字孪生”为解决当前智慧能源发展所面临的问题提供了新的思路。通过“数字孪生”技术,计算机能够低成本地探索最佳设计方案、最优控制策略以及潜在故障风险,从而自动化地指导系统的运行维护。构建准确和可靠的系统模型是实现以上愿景的基石。其中,如何对模型参数进行可靠辨识、如何估计模型预测不确定性以及如何降低模型预测不确定性是系统建模领域三个亟待解决的关键科学问题。为此,本文开展了以下研究工作:（1）提出了一种基于遗传算法和多策略初始解空间优化的中央空调系统设备模型参数辨识框架,克服了遗传算法在高维模型参数辨识时效率不高且模型精度较低的问题。该框架包含初始解空间优化和遗传算法寻优两个步骤:首先,提出了一种多策略初始解空间优化方法来确定模型初始解空间;然后,采用遗传算法在给定初始解空间内对模型参数进行辨识。结果表明,该方法可以有效提高遗传算法的参数辨识效率,并且最终得到的模型具有较高的精度。（2）提出了一种基于k-means聚类的中央空调系统设备模型预测区间估计方法,旨在对模型的预测不确定性进行定量估计。该方法包括残差聚类和预测区间估计两个步骤:首先,采用k-means聚类对训练集上的模型残差进行划分,得到不同输入组合下的模型残差;然后,根据模型残差的统计分位数估计模型的预测区间。结果表明,通过该方法可以得到可靠的预测区间。此外,模型预测不确定性与模型输入有关,该方法得到的预测区间能够自适应地追踪输入变量变化。（3）采用了模型残差补偿方法,旨在对中央空调系统设备模型的预测结果进行修正,提高中央空调系统设备模型的预测精度,并降低模型的预测不确定性。该方法使用人工神经网络对模型残差与模型输入之间的关系进行建模,从而实现对设备模型残差进行补偿。结果表明,对于冷水机组模型,经过误差补偿后,该模型的精度得到显着提高。其平均绝对误差、均方根误差、平均绝对误差百分比和均方根误差的变异系数分别降低36.49%、46.00%、33.16%和45.73%,而其决定系数提高25.75%。此外,结果进一步表明,该方法可以显着降低模型的预测不确定性。经过误差补偿后,该模型的预测区间宽度显着减小。本文为提高中央空调系统设备模型准确度和可靠性提供了新思路,有助于构建准确可靠的中央空调系统“数字孪生”模型,并最终实现高度自动化、智能化和低碳化的中央空调系统运维管理。
李婉[7]（2021）在《基于负荷预测的集中供热系统运行调控策略研究》文中认为在建设智慧城市的背景下,我国城市集中供热系统正在向智慧化迈进,致力于供热工程研究的专业技术人员已取得丰硕成果。综合我国集中供热技术发展历程,目前大部分系统智能化水平较低,尤其是缺乏先进的运行调控手段,自控率低,供给侧供热量与用户侧需热量不平衡的矛盾比较突出。本文以开封市JS集中供热系统为研究对象,主要完成了以下工作:通过对开封JS集中供热系统典型热力站供热过程中的热平衡方程进行拉普拉斯变换,建立了二次网回水温度控制模型。基于目标系统的智慧管理平台,经过121天监测,采集了2664组数据,并用横纵向处理、小波阈值去噪等方法对异常数据进行筛选、剔除及补全。基于实测数据预处理结果,采用交叉验证、粒子群、最小二乘支持向量机组合方法,建立了CV-PSO-LSSVM供热负荷预测模型。基于CV-PSO-LSSVM模型的负荷预测结果,设计了控制系统设定值,用粒子群整定广义预测控制算法参数,设计了二次网回水温度广义预测控制器。本文采用的数据预处理方法可以有效地去除异常数据和平滑高频噪声,提高建模精度。基于CV-PSO-LSSVM的供热负荷预测模型,平均相对误差为1.16%,相较于与BP模型降低了62.09%,具有更高的预测精度和稳定性。采用粒子群算法可以解决广义预测控制算法参数整定难的问题,且相较于PID控制,本文设计的基于负荷预测的二次网回水温度广义预测控制器能够更好地跟踪二次网回水温度设定值,具有超调量小,响应速度快等优点,可以有效解决供给侧供热量与用户侧需热量不平衡的矛盾,实现按需供热。
田雪[8]（2020）在《区域综合能源系统从源侧到负荷侧全过程优化与应用研究》文中研究表明区域综合能源系统作为一种多种能源联合运行系统,它不是多种能源的简单叠加,而是经过互补替代等方式,按照不同能源间的特性,统一进行供给和调度,实现多种能源系统协同优化,减少能源输送过程中的损失,提升环境和社会效益。本文将可再生能源为主、包含多种能源形式的区域综合能源系统作为研究对象,通过层次分析法、优劣解距离法等进行系统优化设计研究,通过负荷预测、优化调度模型等进行系统优化运行研究,以此提高能源使用率,实现区域综合能源系统的高效、经济、稳定运行。首先,基于相关分析法和聚类分析法找到供冷季中、短期负荷预测的影响因素,利用自回归各态历经模型构建了日均热负荷预测模型、逐时热负荷预测模型、日均冷负荷预测模型、逐时冷负荷预测模型,对冷热负荷进行了预测,日均热负荷预测结果的平均绝对百分比误差为8.4%,日均冷负荷预测结果的平均绝对百分比误差为11.4%。其次,基于评价指标体系构建原则,从经济性,环保性和技术性三个方面构建了评价指标体系。通过层次分析法（AHP）建立了三方面共八个具体评价指标的判断矩阵模型,得出每项指标在评价体系中的权重。首次在区域综合能源系统中引用联合AHP与优劣解距离法（TOPSIS）构建了一种定性与定量、主客观相结合的评价矩阵模型,并利用动态负荷率与AHP结合建模,进行多目标设计优化。然后,针对目前现实运行调控中,各能源系统耦合效能低,供需不匹配等问题,构建联合运行效能模型,基于供能设备能力与负荷需求分档匹配的思路,以日总运行费用最小为目标函数构建系统优化运行模型,结果表明,在供冷工况下,开启三联供系统在承担部分冷量的同时并产生发电收益,从而呈现明显的经济优势,节费率达到63.6%。在供暖工况下,在引入了市政热网后,供热期间在平时电价时段经济性较好,节费率达到71.6%。最后,针对优化策略模型无法有效指导能源运行单位节能降费的问题,搭建综合能源运行调度平台,建立能源的监测和采集系统,实现能源实时监测和展现,通过分层、分类的方式部署数据采集模块,建立区域冷、热以及输配设备的监测平台,通过已建立的优化模型进行多维度数据分析,对区域综合能源系统进行优化调度,提高能源使用率,并试验性将优化模型进行扩展,应用于民建采暖系统调度运行中,使单位平均能耗降低13.7%。
刘智民[9]（2020）在《基于遗传算法的电磁式锅炉水蓄热供热系统智能控制研究》文中认为随着京津冀协同发展、京张联合举办冬奥会、雾霾治理及大气污染治理等方面攻坚战的打响,清洁能源供热已得到进一步推广。对于远离集中供热区域的独立民居、医院和远离市区的营业场所等,供暖热源采用了一种新型的环保锅炉-电磁式电锅炉。但从目前运行系统看存在以下问题:节能率不高;控制系统的智能化程度不高;电能消耗较高。因此,供暖系统存在的节能潜力很大,这就对清洁能源供热智能控制技术的研发与应用提出了新的更高要求。为了解决以上问题,本课题基于遗传算法对电磁式锅炉水蓄热供热系统的智能控制方式进行了研究。首先,根据用热规律对该建筑供暖采用分时分温的控制方式。夜间采用低谷电给蓄热水箱蓄热,同时供暖系统供水温度调至最低设计值,保证供暖管道和设备不被冻结;白天的供热方式采用依据室内温度、供水温度及室外温度的变化提出的一种前馈加串级复合控制方式,并结合上班时间采用提前预热方式给建筑供暖。其中,前馈控制算法采用基于遗传算法优化的数学模型,依据室外温度的变化控制三通阀的开度并配合串级控制,最终实现供暖系统按需供暖。其次,根据控制方案进行了电磁式锅炉水蓄热供热监控系统的设计与实现。给出了监控系统的总体构架,底层控制采用PLC S7-200 Smart作为控制核心,实现对室内温度的自动控制。远程监控终端采用了巨控远传模块,通过TCP/IP协议将数据发送到云端服务器,实现了远程监控功能,并设计了远程终端监控界面和触摸屏监控界面,实现了人机交互功能。最后,将控制方案在张家口市某汽车4S店供暖平台上试运行,采集运行数据,根据建筑室内温度变化情况可以看出该控制方案具有较好的控制效果,并对供暖系统进行节能率的计算与分析,采用智能控制算法控制后节能效果显着。
周绘彤[10]（2020）在《集中供热系统运行调节及控制模式研究》文中提出随着我国供暖面积快速增长,供暖能耗也随之增长。如何提高供热质量、降低能源消耗、保护资源环境,越来越受到人们的普遍关注。加强供热技术与运行管理方法研究,以较少的能源消耗获取较大的经济效益和社会效益,对保障经济社会可持续发展具有重要的战略意义和现实意义。供热调节是保证供热质量和节能的重要手段。本文重点研究了集中供热系统运行管理的优化问题。针对国内外集中供热系统发展以及建筑供热能耗基本现状展开调查研究,通过对比国内外相关研究现状,阐述本文研究的内容及重要意义;分析集中供热系统的运行调节特性,探讨系统运行调节过程的相关参数及其计算方法计算;以供热系统在供暖期内循环水泵能耗最低为目标,对集中供热系统运行的循环流量比和运行过程中循环水泵的耗电量进行了全面理论分析,得出分阶段改变流量的质调节方式下供热系统循环水泵的耗电量理论计算式,并对采用不同运行模式供热系统循环水泵电耗进行了对比分析。针对所调研高校冬季集中供暖的特点,提出了分时分区分温调节控制方案。根据集中供热系统所服务的建筑物在不同时间段的室内温度需求,将供暖阶段划分为正常供暖期、短期低温供暖、长期低温供暖三种供暖模式,通过计算可得采取分时分区供暖后供热量可减少24.38%,并提出了相应的供暖节能方案;采用气候补偿技术,优化供暖循环泵变频节能控制系统,给出了控制系统的控制原理及控制流程,设定10℃的恒定供回水温差控制方式,实现对换热站二次供水温度和循环流量的控制。以青岛某高校集中供暖系统为例,对2018-2019年采暖季供热系统的运行情况进行整理分析。针对该校区某一换热站现阶段采用的运行调节方式,结合不同室外温度下的负荷变化,得出耗热量和耗电量。对比分析表明,供热系统的运行能耗较大,节能效果仍有待提升;通过智能换热站和监控平台对供暖系统进行合理的调节控制,能够优化运行模式,降低运行成本。依据所提出的节能运行控制模式,提出了该校区1号换热站供热系统节能改造方案,并预测了运行效果,预测整个供暖季热量利用率将提高4%,将节约电能38.7%。
二、建筑供热负荷预报与预测控制策略研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、建筑供热负荷预报与预测控制策略研究（论文提纲范文）
（1）换热站恒室温控制研究与示范（论文提纲范文）
| 1 引言 |
| 2 气候补偿控制的应用状况及存在问题 |
| 3 基于恒室温控制的换热站调控方式 |
| 3.1 恒室温控制原理 |
| 3.2 气象数据处理 |
| 3.3 用户室温监测分析 |
| 3.4 换热站恒室温控制方式实施 |
| 4 工程应用 |
| 4.1 项目简介 |
| 4.2 节能效果分析 |
| 4.2.1 全网总供热量、用户室内温度随室外温度变化情况 |
| 4.2.2 调节曲线对比 |
| 4.2.3 热耗、电耗分析 |
| 5 结论 |
（2）供热系统热负荷动态预测实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内现状 |
| 1.2.2 国外现状 |
| 1.3 本文主要研究内容 |
| 1.4 章节内容 |
| 第2章 供热系统的基本结构 |
| 2.1 供热系统构成 |
| 2.2 换热站工作特点 |
| 2.3 换热站总体控制方案 |
| 2.4 本章小结 |
| 第3章 热负荷动态预测模型 |
| 3.1 供热负荷影响因素 |
| 3.2 热负荷预测方法 |
| 3.3 基于最小二乘法的热负荷动态预测模型 |
| 3.3.1 最小二乘法原理 |
| 3.3.2 热负荷动态预测模型建立 |
| 3.4 数据处理 |
| 3.4.1 天气量化处理 |
| 3.4.2 基于最小二乘法的热负荷动态预测数据处理 |
| 3.5 本章小结 |
| 第4章 热负荷动态预测控制系统开发 |
| 4.1 控制方案确立 |
| 4.2 硬件选型与配置 |
| 4.2.1 I/O地址分配 |
| 4.2.2 硬件选型 |
| 4.2.3 盘柜设计 |
| 4.3 热负荷动态预测控制程序编制 |
| 4.4 本章小结 |
| 第5章 热负荷动态预测监控系统开发 |
| 5.1 KingSCADA软件概述 |
| 5.2 项目建立 |
| 5.3 数据库建立 |
| 5.4 热负荷动态预测系统画面设计 |
| 5.4.1 天气控件安装及适配 |
| 5.4.2 热负荷动态预测功能开发 |
| 5.4.3 设备运行 |
| 5.4.4 工艺流程 |
| 5.4.5 历史数据曲线 |
| 5.4.6 数据报表 |
| 5.4.7 报警记录 |
| 5.4.8 实时参数 |
| 5.4.9 热负荷曲线对比 |
| 5.5 通讯系统实现 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 作者简介及研究成果 |
| 致谢 |
（3）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）基于物联网的供热系统用户侧监测系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 物联网技术于供热领域内的研究现状 |
| 1.2.2 远传抄表技术研究现状 |
| 1.2.3 供热负荷预测的意义及研究现状 |
| 1.3 本文研究内容 |
| 第2章 用户侧监测系统的构建 |
| 2.1 分户计量供热系统及测量仪表 |
| 2.1.1 分户计量供热系统 |
| 2.1.2 热计量仪表 |
| 2.1.3 室内温度传感器 |
| 2.2 网络通信系统结构 |
| 2.2.1 终端数据的采集 |
| 2.2.2 网络结构与通信协议 |
| 2.3 基于MODBUS通讯协议的有线通信方案 |
| 2.3.1 MODBUS通讯协议的结构和特点 |
| 2.3.3 LabVIEW中 MODBUS通讯的实现 |
| 2.4 基于TCP/IP通讯协议的无线通信方案 |
| 2.4.1 基于LabVIEW的网络通信 |
| 2.4.2 基于LabVIEW的 TCP通信的实现 |
| 第3章 用户侧监测系统软件平台的设计 |
| 3.1 用户侧监测系统开发环境LabVIEW |
| 3.1.1 虚拟仪器技术 |
| 3.1.2 LabVIEW语言的特点 |
| 3.2 用户侧监测系统软件主要功能 |
| 3.2.1 用户登录功能 |
| 3.2.2 数据采集与动态监测功能 |
| 3.2.3 无线通信功能 |
| 3.2.4 数据库的建立与数据的存储 |
| 3.2.5 历史数据的检索查询 |
| 第4章 基于时间序列法供热负荷预测 |
| 4.1 负荷数据预处理 |
| 4.1.1 数据的异常值 |
| 4.1.2 数据的预处理方法 |
| 4.2 时间序列法数学模型 |
| 4.2.1 时间序列的分类 |
| 4.2.2 时间序列的模型分类与建模方法 |
| 4.2.3 时间序列法的统计特性分析 |
| 4.3 时间序列法的负荷预测 |
| 4.3.1 时间序列平稳性分析 |
| 4.3.2 时间序列法模型的选择 |
| 4.3.3 模型参数的估计 |
| 4.3.4 模型的检验与修改 |
| 4.3.5 模型的建立 |
| 4.3.6 预测结果评价指标 |
| 4.4 室内温度对预测热负荷的修正 |
| 4.4.1 室内温度影响因素的确定 |
| 4.4.2 基于多元线性回归的室内温度预测 |
| 4.4.3 室内温度对预测负荷的修正 |
| 4.5 时间序列法供热负荷预测实例 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及科研工作 |
| 致谢 |
（5）集中供热运行调节方式研究综述（论文提纲范文）
| 1 常用的运行调节方式 |
| 2 热负荷预测 |
| 2.1 时间序列法 |
| 2.2 回归分析法 |
| 2.3 神经网络法 |
| 2.4 灰色预测法 |
| 3 分阶段变流量质调节改进 |
| 4 质量-流量调节及计量供热 |
| 5 结语 |
（6）中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 数字孪生简介及研究现状 |
| 1.3 模型参数辨识方法研究现状 |
| 1.3.1 经典优化算法 |
| 1.3.2 启发式优化算法 |
| 1.4 模型预测不确定性估计方法研究现状 |
| 1.5 模型误差补偿方法研究现状 |
| 1.6 本文的主要研究内容 |
| 2 中央空调系统工程概况及设备模型 |
| 2.1 中央空调系统的工作原理 |
| 2.2 项目概况 |
| 2.2.1 中央空调系统概况 |
| 2.2.2 中央空调系统的监测内容 |
| 2.2.3 卷烟厂室内负荷 |
| 2.3 设备模型 |
| 2.3.1 冷水机组模型 |
| 2.3.2 水泵模型 |
| 2.4 本章小结 |
| 3 中央空调水系统设备模型参数辨识 |
| 3.1 遗传算法介绍 |
| 3.2 基于遗传算法和多策略初始解空间优化的模型参数辨识方法 |
| 3.3 性能验证 |
| 3.3.1 数据概况 |
| 3.3.2 性能评价指标 |
| 3.3.3 冷机模型参数辨识结果 |
| 3.3.4 冷冻水泵模型参数辨识结果 |
| 3.3.5 冷却水泵模型参数辨识结果 |
| 3.4 本章小结 |
| 4 中央空调水系统设备模型预测不确定性估计 |
| 4.1 基于k-means聚类的模型预测区间估计方法 |
| 4.1.1 残差聚类 |
| 4.1.2 预测区间估计 |
| 4.2 性能验证 |
| 4.2.1 数据概况 |
| 4.2.2 性能评价指标 |
| 4.2.3 冷机模型预测区间估计结果 |
| 4.2.4 冷冻水泵模型预测区间估计结果 |
| 4.2.5 冷却水泵模型预测区间估计结果 |
| 4.3 本章小结 |
| 5 中央空调水系统设备模型误差补偿 |
| 5.1 人工神经网络 |
| 5.2 基于人工神经网络的模型残差补偿方法 |
| 5.2.1 残差补偿神经网络训练 |
| 5.2.2 设备模型残差补偿 |
| 5.3 性能验证 |
| 5.3.1 数据概况 |
| 5.3.2 性能评价指标 |
| 5.3.3 冷机模型误差补偿结果 |
| 5.4 本章小结 |
| 6 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 本文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
（7）基于负荷预测的集中供热系统运行调控策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 供热负荷预测研究现状 |
| 1.2.2 供热系统运行调控研究现状 |
| 1.3 本文的主要研究内容及技术路线 |
| 第2章 开封JS集中供热系统及建模 |
| 2.1 开封JS集中供热系统 |
| 2.2 热力站供热过程质调节建模 |
| 2.2.1 机理建模 |
| 2.2.2 实验建模 |
| 2.3 本章小结 |
| 第3章 热力站负荷预测研究 |
| 3.1 供热负荷特性及影响因素分析 |
| 3.1.1 供热负荷特性 |
| 3.1.2 影响供热负荷的因素分析 |
| 3.2 确定模型输入输出变量 |
| 3.3 数据采集及预处理 |
| 3.3.1 数据采集 |
| 3.3.2 缺失或异常数据处理 |
| 3.3.3 数据去噪 |
| 3.3.4 数据归一化 |
| 3.4 供热负荷预测模型 |
| 3.4.1 最小二乘支持向量机 |
| 3.4.2 粒子群算法 |
| 3.4.3 交叉验证 |
| 3.4.4 基于CV-PSO-LSSVM供热负荷预测模型 |
| 3.5 仿真与结果分析 |
| 3.6 本章小结 |
| 第4章 基于负荷预测的热力站温度控制研究 |
| 4.1 广义预测控制理论分析 |
| 4.1.1 CARIMA模型 |
| 4.1.2 滚动优化与反馈校正 |
| 4.2 基于负荷预测的二次网回水温度控制系统设定值设计 |
| 4.3 二次网回水温度广义预测控制仿真 |
| 4.3.1 二次网回水温度CARIMA模型建立 |
| 4.3.2 参数对仿真控制的影响分析 |
| 4.3.3 基于负荷预测的二次网回水温度广义预测控制策略 |
| 4.3.4 控制仿真 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文主要结论 |
| 5.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（8）区域综合能源系统从源侧到负荷侧全过程优化与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外区域综合源系统发展现状 |
| 1.3 国内外区域综合源系统研究进展 |
| 1.4 论文研究的主要内容 |
| 第2章 区域建筑的负荷预测研究 |
| 2.1 负荷预测的分类和适用范围 |
| 2.2 负荷预测的特点及研究路线 |
| 2.3 负荷预测的理论基础 |
| 2.3.1 相关性理论 |
| 2.3.2 聚类分析理论 |
| 2.4 负荷预测研究实例分析 |
| 2.4.1 供热负荷预测输入变量 |
| 2.4.2 供冷负荷预测输入变量 |
| 2.5 负荷预测模型 |
| 2.5.1 日均热负荷预测模型 |
| 2.5.2 逐时热负荷预测模型 |
| 2.5.3 日均冷负荷预测模型 |
| 2.5.4 逐时冷负荷预测模型 |
| 2.5.5 预测评价方法 |
| 2.6 负荷预测案例分析 |
| 2.6.1 热负荷预测模型误差 |
| 2.6.2 冷负荷预测模型误差 |
| 2.7 本章小结 |
| 第3章 区域综合能源系统多目标评价和配置优化研究 |
| 3.1 区域综合能源评价指标体系建立 |
| 3.1.1 经济评价指标 |
| 3.1.2 环境评价指标 |
| 3.1.3 技术评价指标 |
| 3.2 建立区域综合能源系统综合评价指标模型 |
| 3.3 建立综合评价指标模型 |
| 3.3.1 构建评价矩阵 |
| 3.3.2 标准化处理评价矩阵 |
| 3.3.3 构建综合判断矩阵模型 |
| 3.3.4 正负理想解的计算求解 |
| 3.3.5 确定欧氏距离大小 |
| 3.3.6 计算相对贴近度 |
| 3.4 区域综合能源系统主要设备模型 |
| 3.4.1 动力系统 |
| 3.4.2 制冷系统 |
| 3.4.3 地源热泵系统 |
| 3.5 多指标评价和配置优化的实例分析 |
| 3.5.1 区域综合能源系统初步设计方案对比 |
| 3.5.2 基于AHP权重设定 |
| 3.5.3 基于综合评价模型的方案比选 |
| 3.5.4 系统配置优化研究 |
| 3.6 本章小结 |
| 第4章 区域综合能源系统供应侧与需求侧相匹配的运行优化研究 |
| 4.1 区域综合能源系统运行优化模型建立 |
| 4.1.1 构建综合能源系统能量矩阵 |
| 4.1.2 需求响应模型 |
| 4.1.3 目标函数的建立 |
| 4.1.4 优化流程 |
| 4.2 综合能源系统运行优化案例分析 |
| 4.2.1 能源站各设备参数 |
| 4.2.2 各子系统的能效模型 |
| 4.2.3 生态城能源价格体系 |
| 4.2.4 能源站运行现状 |
| 4.2.5 确定各供能子系统调度优先次序 |
| 4.3 优化结果对比分析 |
| 4.3.1 制冷模式下优化调度策略结果对比 |
| 4.3.2 供热模式下优化调度策略结果对比 |
| 4.3.3 经济性分析 |
| 4.4 本章小结 |
| 第5章 区域综合能源系统运行调度平台应用分析与实现 |
| 5.1 调度系统设计目标 |
| 5.2 调度系统设计框架 |
| 5.3 调度系统数据流向 |
| 5.4 调度系统软件模块设计 |
| 5.4.1 负荷预测模块 |
| 5.4.2 运行优化模块 |
| 5.4.3 数据接收模块 |
| 5.4.4 用户权限模块 |
| 5.4.5 结果展示模块 |
| 5.4.6 工艺图展示模块 |
| 5.4.7 系统设置模块 |
| 5.5 调度平台在动漫园能源站的实现 |
| 5.6 运行调度平台在区域智慧供热中的应用探索 |
| 5.6.1 提升改造原则 |
| 5.6.2 提升改造目标 |
| 5.6.3 智慧大数据层级 |
| 5.6.4 监控调度平台技术路线 |
| 5.6.5 未来扩展到生态城区域热网运行策略 |
| 5.6.6 软件平台功能 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 下一步工作 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）基于遗传算法的电磁式锅炉水蓄热供热系统智能控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外供暖控制发展现状 |
| 1.3 课题研究内容及方法 |
| 第2章 电磁式锅炉供暖系统及控制策略研究 |
| 2.1 电磁式锅炉供暖系统 |
| 2.1.1 供暖系统的组成及工作原理 |
| 2.1.2 电磁式锅炉供暖控制系统的组成 |
| 2.2 电磁式锅炉供暖控制系统方案设计 |
| 2.3 电磁式锅炉供暖控制策略研究 |
| 2.3.1 前馈控制算法研究 |
| 2.3.1.1 数学模型的建立 |
| 2.3.1.2 遗传算法 |
| 2.3.1.3 基于遗传算法的数学模型优化 |
| 2.3.2 PID控制算法研究 |
| 本章小结 |
| 第3章 电磁式锅炉供暖监控系统的设计 |
| 3.1 电磁式锅炉监控系统总体架构 |
| 3.1.1 监控系统总体结构 |
| 3.1.2 控制系统控制方式的设计 |
| 3.2 PLC控制系统设计 |
| 3.2.1 PLC硬件设计 |
| 3.2.1.1 PLC选型及I/O点分配 |
| 3.2.1.2 PLC及外围线路的设计 |
| 3.2.1.3 抗干扰措施的设计 |
| 3.2.2 PLC软件设计 |
| 3.2.2.1 符号表 |
| 3.2.2.2 程序块 |
| 3.2.2.3 子程序 |
| 3.3 监控中心设计 |
| 3.3.1 触摸屏监控界面的设计 |
| 3.3.2 远程终端监控的设计 |
| 3.4 控制系统通讯设计 |
| 本章小结 |
| 第4章 电磁式锅炉供暖监控系统运行效果分析 |
| 4.1 供暖运行效果分析 |
| 4.2 供暖节能效果分析 |
| 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术成果 |
| 致谢 |
（10）集中供热系统运行调节及控制模式研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 研究方法 |
| 2 集中供热系统调节理论基础 |
| 2.1 集中供热系统运行调节类型 |
| 2.2 集中供暖系统运行调节计算公式 |
| 2.3 供暖循环水泵变频调节原理 |
| 2.4 气候补偿调温技术 |
| 2.5 本章小结 |
| 3 集中供热系统能耗分析 |
| 3.1 集中供热系统理论能耗分析 |
| 3.2 分阶段变流量质调节的耗电量分析 |
| 3.3 变频调节的运行能耗分析 |
| 3.4 不同运行调节模式的循环水泵理论能耗对比 |
| 3.5 本章小结 |
| 4 集中供热系统运行策略与控制技术 |
| 4.1 集中供热系统换热站 |
| 4.2 集中供热系统换热站控制方法 |
| 4.3 校园集中供暖系统运行调节技术 |
| 4.4 换热站智能供热控制系统 |
| 4.5 智能换热站系统控制方案 |
| 4.6 本章小结 |
| 5 集中供热系统运行控制案例分析 |
| 5.1 建筑概况 |
| 5.2 换热站供暖控制系统运行结果分析 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
四、建筑供热负荷预报与预测控制策略研究（论文参考文献）
- [1]换热站恒室温控制研究与示范[J]. 李民,付国栋,冯铁军,赵世斌,陈德凯,王龙辰,陈悦,赵岩,杨华翼,李毅,王天鹏. 区域供热, 2021(04)
- [2]供热系统热负荷动态预测实现[D]. 姚洁. 吉林化工学院, 2021(01)
- [3]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [4]基于物联网的供热系统用户侧监测系统研究[D]. 丁雪峰. 青岛理工大学, 2021
- [5]集中供热运行调节方式研究综述[J]. 姜鑫,潘宏刚,杨兆林. 沈阳工程学院学报(自然科学版), 2021(02)
- [6]中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究[D]. 张丽珠. 浙江大学, 2021(09)
- [7]基于负荷预测的集中供热系统运行调控策略研究[D]. 李婉. 浙江理工大学, 2021
- [8]区域综合能源系统从源侧到负荷侧全过程优化与应用研究[D]. 田雪. 天津大学, 2020(01)
- [9]基于遗传算法的电磁式锅炉水蓄热供热系统智能控制研究[D]. 刘智民. 河北建筑工程学院, 2020(02)
- [10]集中供热系统运行调节及控制模式研究[D]. 周绘彤. 山东科技大学, 2020(06)