專(zhuān)利名稱(chēng)：一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明屬于工業(yè)企業(yè)熱力設(shè)備經(jīng)濟(jì)運(yùn)行領(lǐng)域，主要涉及一種基于實(shí)時(shí)數(shù)據(jù)來(lái)源的工業(yè)企業(yè)熱力設(shè)備能耗特性基準(zhǔn)值及其最優(yōu)運(yùn)行參數(shù)的獲取方法，可用于在線進(jìn)行能損分析以及控制參數(shù)的優(yōu)化。
背景技術(shù)：
工業(yè)企業(yè)熱力設(shè)備一般存在著多變量、非線性、強(qiáng)耦合的特點(diǎn)，常規(guī)物理建模時(shí)一般需做若干假設(shè)，以簡(jiǎn)化模型求解難度，因此也降低了模型的準(zhǔn)確性，有時(shí)不能完全反應(yīng)現(xiàn)場(chǎng)設(shè)備的特性。能源管控系統(tǒng)的應(yīng)用使得工業(yè)企業(yè)熱力設(shè)備能耗特性模型的獲取以及運(yùn)行參數(shù)優(yōu)化控制出現(xiàn)了一條新路徑。能源管控系統(tǒng)中存儲(chǔ)了大量的工藝生產(chǎn)原始數(shù)據(jù)，這些在自 然條件下產(chǎn)生的，未經(jīng)任何假設(shè)、簡(jiǎn)化，帶有前因后果聯(lián)系的“活數(shù)據(jù)”蘊(yùn)含著大量有價(jià)值的信息，目前這些數(shù)據(jù)僅僅是存儲(chǔ)備份而沒(méi)有進(jìn)行有效利用，因此，本發(fā)明人結(jié)合能源管控系統(tǒng)的存儲(chǔ)數(shù)據(jù)，提出一種控制優(yōu)化方法，本案由此產(chǎn)生。

發(fā)明內(nèi)容
本發(fā)明的目的，在于提供一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，其可抽取設(shè)備的能耗特性模型以及設(shè)備的最優(yōu)運(yùn)行參數(shù)，為設(shè)備的節(jié)能診斷以及運(yùn)行優(yōu)化提供指導(dǎo)。為了達(dá)成上述目的，本發(fā)明的解決方案是一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，包括如下步驟(I)對(duì)熱力設(shè)備運(yùn)行參數(shù)及能耗數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、分析；(2)建立基礎(chǔ)算法庫(kù)；(3)建立熱力設(shè)備能耗指標(biāo)機(jī)理模型，確定影響能耗的外部不可控運(yùn)行因素X與內(nèi)部可控運(yùn)行因素Y;(4)將表征熱力設(shè)備運(yùn)行狀態(tài){X，Y}以及能耗特性{e}的數(shù)據(jù)狀態(tài)空間{e，X，Y}存儲(chǔ)到歷史數(shù)據(jù)庫(kù)中；(5)從歷史數(shù)據(jù)庫(kù)中提取待分析數(shù)據(jù)進(jìn)行處理，形成適合后行分析的數(shù)據(jù)狀態(tài)空間{e, X, Y}；(6)對(duì)每個(gè)外部不可控運(yùn)行因素X下的數(shù)據(jù)空間{e，Y}進(jìn)行分析，得到該外部不可控運(yùn)行因素X下的能耗基準(zhǔn)值e(l以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)YciHYtll,Y02,...I ；(7)對(duì)每個(gè)外部不可控運(yùn)行因素X下提取出的能耗基準(zhǔn)值e(l以及對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)Ytl= {Ycu，Ytl2,...}進(jìn)行擬合回歸，獲得每個(gè)設(shè)備的能耗特性基準(zhǔn)值模型e0=f (X {Y=Y0I)以及最優(yōu)運(yùn)行參數(shù)Y0=g (X {e=e0})；(8)對(duì)設(shè)備的能耗e進(jìn)行分析，如能耗高于同一外部因素下的能耗基準(zhǔn)值％，則讀取該外部因素X下的最優(yōu)運(yùn)行參數(shù)Ytl=(Yc)1, Y02, ...I,控制系統(tǒng)調(diào)整運(yùn)行參數(shù)，進(jìn)行設(shè)備的控制優(yōu)化。上述步驟(5)中，數(shù)據(jù)提取的時(shí)間以小時(shí)、天或月為周期。上述步驟(6)中，采用基礎(chǔ)算法庫(kù)中的聚類(lèi)算法得到外部不可控運(yùn)行因素下的能耗基準(zhǔn)值以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)，包括如下步驟a、對(duì)每個(gè)外部不可控運(yùn)行因素X下的數(shù)據(jù)空間{e，Y}進(jìn)行聚類(lèi)；b、確定聚類(lèi)結(jié)果中每個(gè)類(lèi)的最小支持度；C、將最小支持度滿(mǎn)足要求的類(lèi)按類(lèi)中心能耗e的數(shù)值進(jìn)行排序，能耗最低的類(lèi)中心對(duì)應(yīng)的e與Y即為該外部因素下的能耗基準(zhǔn)值e(l以及最優(yōu)運(yùn)行參數(shù)Yci=IYcil, Y02,...}。上述步驟(7)中，以均方根誤差和最小為原則選擇基礎(chǔ)算法庫(kù)中的算法對(duì)每個(gè)外部不可控運(yùn)行因素下的能耗基準(zhǔn)值以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)進(jìn)行擬合回歸。 上述步驟(8)中，通過(guò)實(shí)時(shí)采集的設(shè)備的運(yùn)行參數(shù)，根據(jù)步驟(3)建立的熱力設(shè)備能耗指標(biāo)機(jī)理模型分析設(shè)備的能耗。采用上述方案后，本發(fā)明通過(guò)對(duì)設(shè)備運(yùn)行中產(chǎn)生的歷史數(shù)據(jù)進(jìn)行分析，利用聚類(lèi)、多元回歸等數(shù)據(jù)挖掘算法進(jìn)行設(shè)備能耗特性的反向建模，獲取不同外部因素下設(shè)備能耗的基準(zhǔn)值及其對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)，提供給能源管控系統(tǒng)，使設(shè)備處于經(jīng)濟(jì)運(yùn)行狀態(tài)。其優(yōu)點(diǎn)在于充分利用能源管控系統(tǒng)存儲(chǔ)的數(shù)據(jù)資源，回避了常規(guī)物理建模為簡(jiǎn)化求解過(guò)程而做的若干假設(shè)，得到的結(jié)果能真實(shí)反映設(shè)備的運(yùn)行特性，可用于能源管控系統(tǒng)為運(yùn)行人員提供指導(dǎo)。


圖I是應(yīng)用本發(fā)明的硬件系統(tǒng)的架構(gòu)圖；圖2是本發(fā)明的算法流程圖。
具體實(shí)施例方式以下將結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明。本發(fā)明提供一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，首先進(jìn)行如下定義已投產(chǎn)設(shè)備的能耗模型可以表示為e=f(X，Y)，其中，X表示設(shè)備負(fù)荷、環(huán)境溫度等外部不可控運(yùn)行因素，Y表示運(yùn)行參數(shù)等內(nèi)部可控運(yùn)行因素。外部運(yùn)行因素不可調(diào)整，不存在優(yōu)化的空間。設(shè)備的基準(zhǔn)能耗模型可以定義為在外部不可控運(yùn)行因素X—定的條件下，Y參數(shù)聯(lián)合調(diào)整到最佳狀態(tài)=Ytl= {Yen，Y02,...丨，使得設(shè)備能耗e最低時(shí)的一組集合，即e(l=f (XI {Y=Y0})。本發(fā)明可基于如圖I所示的硬件系統(tǒng)來(lái)實(shí)現(xiàn)，該硬件系統(tǒng)須包括(但不限于)底層的數(shù)據(jù)采集系統(tǒng)(SCADA)、實(shí)時(shí)數(shù)據(jù)庫(kù)、歷史數(shù)據(jù)庫(kù)、應(yīng)用服務(wù)器、客戶(hù)端、網(wǎng)絡(luò)安全設(shè)備以及連接各個(gè)計(jì)算機(jī)、控制器(PLC等)、傳感器的整個(gè)網(wǎng)絡(luò)。其功能分別概述如下數(shù)據(jù)采集系統(tǒng)(SCADA)用于實(shí)現(xiàn)熱力設(shè)備數(shù)據(jù)的實(shí)時(shí)采集以及現(xiàn)場(chǎng)監(jiān)控，采集的數(shù)據(jù)保存在實(shí)時(shí)數(shù)據(jù)庫(kù)中；實(shí)時(shí)數(shù)據(jù)庫(kù)用于實(shí)時(shí)存儲(chǔ)數(shù)據(jù)采集系統(tǒng)采集上來(lái)的設(shè)備運(yùn)行參數(shù)，為能耗特性的反向建模以及能耗的在線分析提供數(shù)據(jù)支持；歷史數(shù)據(jù)庫(kù)(Oracle)用于存儲(chǔ)熱力設(shè)備的運(yùn)行及能耗數(shù)據(jù){e，X，Y}；應(yīng)用服務(wù)器通過(guò)與數(shù)據(jù)庫(kù)以及客戶(hù)端的通信，實(shí)現(xiàn)熱力設(shè)備的反向建模以及控制優(yōu)化；網(wǎng)絡(luò)安全設(shè)備主要負(fù)責(zé)網(wǎng)絡(luò)的單向隔離以及病毒防護(hù)；客戶(hù)端提供人機(jī)交互界面，以?xún)?yōu)化的方式展示建模結(jié)果。本發(fā)明所述的優(yōu)化方法主要通過(guò)以下幾個(gè)功能模塊實(shí)現(xiàn)1、歷史數(shù)據(jù)存儲(chǔ)、提取模塊；2、數(shù)據(jù)預(yù)處理模塊；3、能耗特性反向建模模塊；4、運(yùn)行參數(shù)在線優(yōu)化模塊。具體方案包括(I)建立熱力設(shè)備能耗指標(biāo)的機(jī)理模型，確定外部不可控運(yùn)行因素X與內(nèi)部可控運(yùn)行因素Y，利用歷史數(shù)據(jù)存儲(chǔ)、提取模塊，將一一對(duì)應(yīng)的表征設(shè)備運(yùn)行狀態(tài)的數(shù)據(jù)空間{e, X，Y}存儲(chǔ)到Oracle關(guān)系數(shù)據(jù)庫(kù)中；
(2)歷史數(shù)據(jù)存儲(chǔ)、提取模塊對(duì)關(guān)系數(shù)據(jù)庫(kù)進(jìn)行讀取操作，提取建模所需數(shù)據(jù)，傳送到數(shù)據(jù)預(yù)處理模塊，數(shù)據(jù)預(yù)處理模塊對(duì)原始數(shù)據(jù)進(jìn)行處理，包括對(duì)空值進(jìn)行平均值替代或剔除的處理、對(duì)異常數(shù)據(jù)進(jìn)行剔除的處理等，處理后的數(shù)據(jù)傳送到能耗特性反向建模模塊；(3)能耗特性反向建模模塊利用處理后的數(shù)據(jù)，調(diào)用建模算法庫(kù)中的算法進(jìn)行能耗特性的反向建模，其步驟如下步驟一、將處理過(guò)的數(shù)據(jù)按外部因素進(jìn)行分類(lèi)，以形成不同外部不可控運(yùn)行因素X下的數(shù)據(jù)狀態(tài)空間{e，Y}；步驟二、對(duì)每一個(gè)狀態(tài)空間{e，Y}內(nèi)的數(shù)據(jù)進(jìn)行分析，利用基礎(chǔ)算法庫(kù)中的聚類(lèi)、統(tǒng)計(jì)等算法，獲取每個(gè)狀態(tài)空間中的能耗基準(zhǔn)值eo以及與此對(duì)應(yīng)的運(yùn)行參數(shù)Y(l_ Υ(Ι2，· · · };步驟三、對(duì)每個(gè)外部因素X下提取出的能耗基準(zhǔn)值％以及對(duì)應(yīng)運(yùn)行參數(shù)Y0= (Y01jY02, ·. .}，利用算法庫(kù)中的多元回歸或神經(jīng)網(wǎng)絡(luò)等算法進(jìn)行模型抽取，獲得每個(gè)設(shè)備的能耗特性基準(zhǔn)值模型eQ=f (Xl {Y=YJ)，以及最優(yōu)運(yùn)行參數(shù)YQ=g(X| {e=e0})；步驟四、驗(yàn)證抽取模型的準(zhǔn)確性，輸出模型的評(píng)估參數(shù)均方誤差MSE、平均平方誤差A(yù)SE等，如模型精度達(dá)不到要求，則切換算法模型；(4)反向建模模塊獲得設(shè)備的能耗特性基準(zhǔn)值模型以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)，傳遞給運(yùn)行參數(shù)在線優(yōu)化模塊指導(dǎo)設(shè)備的經(jīng)濟(jì)運(yùn)行通過(guò)實(shí)時(shí)采集設(shè)備的外部因素X的數(shù)據(jù)，可確定該因素下的最優(yōu)運(yùn)行參數(shù)Ytl=(Yc)1, Y02,... }，控制系統(tǒng)依此調(diào)整運(yùn)行參數(shù)，進(jìn)行設(shè)備的控制優(yōu)化。本發(fā)明所提供一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，配合圖2所示，包括如下步驟(I)對(duì)熱力設(shè)備運(yùn)行參數(shù)及能耗數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、分析；(2)建立包括聚類(lèi)、多元回歸、神經(jīng)網(wǎng)絡(luò)等在內(nèi)的基礎(chǔ)算法庫(kù)；(3)建立熱力設(shè)備能耗指標(biāo)機(jī)理模型，確定影響能耗的外部不可控運(yùn)行因素X與內(nèi)部可控運(yùn)行因素Y;(4)將表征熱力設(shè)備運(yùn)行狀態(tài){X，Y}以及能耗特性{e}的數(shù)據(jù)狀態(tài)空間{e，X，Y}存儲(chǔ)到歷史數(shù)據(jù)庫(kù)中；(5)利用數(shù)據(jù)提取模塊從歷史數(shù)據(jù)庫(kù)中提取待分析數(shù)據(jù)傳送給數(shù)據(jù)預(yù)處理模塊進(jìn)行處理，形成適合后行分析的數(shù)據(jù)狀態(tài)空間le，X，Y}，數(shù)據(jù)提取的時(shí)間可按小時(shí)、天或月為周期，由用戶(hù)自主配置；(6)對(duì)每個(gè)外部不可控運(yùn)行因素X下的數(shù)據(jù)空間{e，Y}進(jìn)行分析，采用基礎(chǔ)算法庫(kù)中的聚類(lèi)算法得到該外部不可控運(yùn)行因素X下的能耗基準(zhǔn)值e(l以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)Yq=(Yc)1, Y02. . . ·丨，實(shí)現(xiàn)方法如下a、對(duì)每個(gè)外部不可控運(yùn)行因素X下的數(shù)據(jù)空間{e，Y}進(jìn)行聚類(lèi)；b、確定聚類(lèi)結(jié)果中每個(gè)類(lèi)的最小支持度；C、將最小支持度滿(mǎn)足要求的類(lèi)按類(lèi)中心能耗e的數(shù)值進(jìn)行排序，能耗最低的類(lèi)中心對(duì)應(yīng)的e與Y即為該外部因素下的能耗基準(zhǔn)值e(l以及最優(yōu)運(yùn)行參數(shù)Yci=IYcil, Y02, ...I ；(7)按均方根誤差和最小為原則，選擇基礎(chǔ)算法庫(kù)(如線性回歸、多元回歸、神經(jīng)網(wǎng)絡(luò)等)中合適的算法對(duì)每個(gè)外部不可控運(yùn)行因素X下提取出的能耗基準(zhǔn)值e(l以及對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)進(jìn)行擬合回歸，獲得每個(gè)設(shè)備的能耗特性基準(zhǔn)值模型 e0=f (X {Y=Y0I)以及最優(yōu)運(yùn)行參數(shù)Y0=g (X {e=e0})；(8)通過(guò)實(shí)時(shí)采集的設(shè)備的運(yùn)行參數(shù)，根據(jù)步驟(3)建立的熱力設(shè)備能耗指標(biāo)機(jī)理模型分析設(shè)備的能耗e，如能耗高于同一外部因素下的能耗基準(zhǔn)值％，則讀取該外部因素X下的最優(yōu)運(yùn)行參數(shù)Ytl= {ΥΜ，Y02, · · · }，控制系統(tǒng)調(diào)整運(yùn)行參數(shù)，進(jìn)行設(shè)備的控制優(yōu)化。以工業(yè)企業(yè)常見(jiàn)的熱力設(shè)備——預(yù)熱爐為例，說(shuō)明本發(fā)明的一種具體實(shí)施方式
。預(yù)熱爐的能效可表示成e=f (Qdw, a，tpy, β )。式中Qdw為燃料熱值(kj/kg)，α為助燃空氣與燃料的比值，tpy為燃燒完煙氣的溫度CC )，β為煙氣中未燃盡燃料的含量(%)；其中Qdw與燃料種類(lèi)有關(guān)，由供應(yīng)部門(mén)決定，運(yùn)行人員運(yùn)行時(shí)不可實(shí)時(shí)調(diào)整，α、tpy、β 可實(shí)時(shí)調(diào)整，則X={Qdw}，Υ={ α，tpy, β }。具體步驟如下I)對(duì)預(yù)熱爐相關(guān)運(yùn)行參數(shù)X、Y進(jìn)行采集，實(shí)時(shí)計(jì)算能耗e ；2)利用本發(fā)明提供的能源數(shù)據(jù)存儲(chǔ)功能，將表征預(yù)熱爐運(yùn)行狀態(tài)以及能耗特性的數(shù)據(jù)狀態(tài)空間{e，X，Y}存儲(chǔ)到歷史數(shù)據(jù)庫(kù)中；3)配置數(shù)據(jù)提取時(shí)間。當(dāng)系統(tǒng)時(shí)間滿(mǎn)足配置要求時(shí)，數(shù)據(jù)提取模塊從歷史數(shù)據(jù)庫(kù)中提取待分析數(shù)據(jù)，并利用數(shù)據(jù)預(yù)處理模塊進(jìn)行處理，形成適合后行分析的數(shù)據(jù)；4)反向建模模塊按外部因素Qdw (即燃料種類(lèi))對(duì)待分析數(shù)據(jù)進(jìn)行分類(lèi)，調(diào)用基礎(chǔ)算法庫(kù)中的聚類(lèi)算法，對(duì)每種燃料下的數(shù)據(jù)空間{e，Y}進(jìn)行聚類(lèi)分析，計(jì)算每個(gè)類(lèi)的最小支持度，對(duì)最小支持度滿(mǎn)足要求的類(lèi)按聚類(lèi)中心e的數(shù)值進(jìn)行排序，將能耗最低的類(lèi)中心點(diǎn)對(duì)應(yīng)的e與Y作為使用該燃料時(shí)的能耗基準(zhǔn)值％以及最優(yōu)運(yùn)行參數(shù)Ytl=I^ ο, tpy0, β 0}；5)對(duì)每種燃料下提取出的能耗基準(zhǔn)值％以及最優(yōu)運(yùn)行參數(shù)Ytl=I^ C^tpyci, β0},利用基礎(chǔ)算法庫(kù)中的多元回歸算法進(jìn)行模型抽取，如多元回歸建模精度達(dá)不到要求，則啟用神經(jīng)網(wǎng)絡(luò)算法，獲得預(yù)熱爐的能耗特性基準(zhǔn)值模型e(l=f (Xl (Y=Y0I)以及最優(yōu)運(yùn)行參數(shù)Y0=g(x| {e=e0})；6)至此完成了預(yù)熱爐能耗特性的反向建模，有了以上模型即可進(jìn)行運(yùn)行的控制優(yōu)化在線分析預(yù)熱爐的能耗e，如能耗實(shí)時(shí)值高于該燃料下的能耗基準(zhǔn)值％，則讀取該燃料下的最優(yōu)運(yùn)行參數(shù)Ytl= ο, tpy0, β 0}，控制系統(tǒng)依此調(diào)整運(yùn)行參數(shù)，進(jìn)行預(yù)熱爐的控制優(yōu)化。
以上實(shí)施例僅為說(shuō)明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ) 上所做的任何改動(dòng)，均落入本發(fā)明保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，其特征在于包括如下步驟 (1)對(duì)熱力設(shè)備運(yùn)行參數(shù)及能耗數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、分析； (2)建立基礎(chǔ)算法庫(kù)； (3)建立熱力設(shè)備能耗指標(biāo)機(jī)理模型，確定影響能耗的外部不可控運(yùn)行因素X與內(nèi)部可控運(yùn)行因素Y ; (4)將表征熱力設(shè)備運(yùn)行狀態(tài){X，Y}以及能耗特性{e}的數(shù)據(jù)狀態(tài)空間{e，X，Y}存儲(chǔ)到歷史數(shù)據(jù)庫(kù)中； (5)從歷史數(shù)據(jù)庫(kù)中提取待分析數(shù)據(jù)進(jìn)行處理，形成適合后行分析的數(shù)據(jù)狀態(tài)空間{e，X，Y}； (6)對(duì)每個(gè)外部不可控運(yùn)行因素X下的數(shù)據(jù)空間{e，Y}進(jìn)行分析，得到該外部不可控運(yùn)行因素X下的能耗基準(zhǔn)值％以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)YtlHYtll, Y02,； (7)對(duì)每個(gè)外部不可控運(yùn)行因素X下提取出的能耗基準(zhǔn)值％以及對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)Y0= {Y01, Y02,...}進(jìn)行擬合回歸，獲得每個(gè)設(shè)備的能耗特性基準(zhǔn)值模型e(l=f (X| {Y=Y0})以及最優(yōu)運(yùn)行參數(shù)YQ=g(X| {e=e0})； (8)對(duì)設(shè)備的能耗e進(jìn)行分析，如能耗高于同一外部因素下的能耗基準(zhǔn)值％，則讀取該外部因素X下的最優(yōu)運(yùn)行參數(shù)YtlHYtll, Y02,控制系統(tǒng)調(diào)整運(yùn)行參數(shù)，進(jìn)行設(shè)備的控制優(yōu)化。
2.如權(quán)利要求I所述的一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，其特征在于所述步驟(5)中，數(shù)據(jù)提取的時(shí)間以小時(shí)、天或月為周期。
3.如權(quán)利要求I所述的一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，其特征在于所述步驟(6)中，采用基礎(chǔ)算法庫(kù)中的聚類(lèi)算法得到外部不可控運(yùn)行因素下的能耗基準(zhǔn)值以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)，包括如下步驟 a、對(duì)每個(gè)外部不可控運(yùn)行因素X下的數(shù)據(jù)空間{e，Y}進(jìn)行聚類(lèi)； b、確定聚類(lèi)結(jié)果中每個(gè)類(lèi)的最小支持度； C、將最小支持度滿(mǎn)足要求的類(lèi)按類(lèi)中心能耗e的數(shù)值進(jìn)行排序，能耗最低的類(lèi)中心對(duì)應(yīng)的e與Y即為該外部因素下的能耗基準(zhǔn)值％以及最優(yōu)運(yùn)行參數(shù)YtlHYtll, Y02, . . . }。
4.如權(quán)利要求I所述的一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，其特征在于所述步驟(7)中，以均方根誤差和最小為原則選擇基礎(chǔ)算法庫(kù)中的算法對(duì)每個(gè)外部不可控運(yùn)行因素下的能耗基準(zhǔn)值以及與此對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)進(jìn)行擬合回歸。
5.如權(quán)利要求I所述的一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，其特征在于所述步驟(8)中，通過(guò)實(shí)時(shí)采集的設(shè)備的運(yùn)行參數(shù)，根據(jù)步驟(3)建立的熱力設(shè)備能耗指標(biāo)機(jī)理模型分析設(shè)備的能耗。
全文摘要
本發(fā)明公開(kāi)一種工業(yè)企業(yè)熱力設(shè)備能耗的控制優(yōu)化方法，包括如下步驟對(duì)熱力設(shè)備運(yùn)行參數(shù)及能耗數(shù)據(jù)進(jìn)行實(shí)時(shí)采集及分析，利用基礎(chǔ)算法進(jìn)行設(shè)備能耗特性的反向建模，獲取不同外部不可控運(yùn)行因素下設(shè)備的能耗基準(zhǔn)值及其對(duì)應(yīng)的最優(yōu)運(yùn)行參數(shù)，供能源管控系統(tǒng)進(jìn)行設(shè)備的優(yōu)化運(yùn)行控制。此種方法回避了常規(guī)物理建模過(guò)程中為簡(jiǎn)化求解而做的若干假設(shè)，其可抽取設(shè)備的能耗特性模型以及設(shè)備的最優(yōu)運(yùn)行參數(shù)，得到的結(jié)果能真實(shí)反映設(shè)備的特性，為設(shè)備的節(jié)能診斷以及運(yùn)行優(yōu)化提供指導(dǎo)。
文檔編號(hào)G05B13/04GK102809928SQ201210282659
公開(kāi)日2012年12月5日 申請(qǐng)日期2012年8月10日 優(yōu)先權(quán)日2012年8月10日
發(fā)明者郝勇生, 沈全榮, 李兵, 殷捷, 王建勇, 高健, 孟憲宇 申請(qǐng)人:南京南瑞繼保電氣有限公司, 南京南瑞繼保工程技術(shù)有限公司