[发明专利]基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法

说明书

本发明涉及供热技术领域，公开了一种基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法，本方法以历史大数据为基础，结合外部气候数据和建筑物温度，基于皮尔森相关系数和移动平均法，通过数据辨识的方法自动获得热力站或二级网的热响应时间，该方法仅需获得供热系统普通历史运行数据，通过大数据方法辨识出供热系统热响应时间，不依赖于高质量的数据采集，同时不易受单次故障数据或者异常数据的影响，基于辨识结果，根据热网延迟时间的不同制定不同的储能或调度策略，有利于提升供热系统运行调控的精细化程度，降低热网运行能耗水平。

技术领域

本发明涉及供热系统中热网及热力站的热延迟时间分析及辨识领域，具体为一种基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法。

背景技术

传统的集中供热系统二级网调控有大滞后、热惰性等问题，每个二级网及热网下各个热力站和用户因其工况、规模和天气温度不同，热响应时间各不相同，因此运营人员往往需要对每个站都需要经历调节、稳定、再调节的反复校准过程，效率低下且对运行人员的技术水平要求很高。此外，在我国集中供热发展早期，行业自动化水平较为落后，如今供热企业开始逐步建设供热系统的SCADA平台，支持将各热力站点的数据统一采集到集控中心进行实时展示，但由于种种原因，如数据的通讯异常、工况的波动、设备精度等问题，导致热网采集数据的质量较差。针对热网二级网的热延迟问题，因对二级网的机理建模过于复杂，故利用历史数据进行数据辨识二级网的延迟特性。

本发明以历史大数据为基础，结合外部气候数据和建筑物温度，提出了一种基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法，能够通过数据辨识的方法自动获得热力站或二级网的热响应时间，且不依赖于高质量的采集数据，运营人员可以根据各热力站或热网的热响应时间进行提前调控，利用响应时间进行储能，实现按需精准调节。

发明内容

本发明的目的是提供一种基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法。基于历史大数据通过数据方法辨识出热网、热力站的准确热响应时间，帮助运营人员进行提前精准调控，进而较少调控中的能耗损失。

本发明采用的技术方案如下：

一种基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法，包括：

步骤S1，从数据库中读取热网热力站逐日运行数据，并进行数据预处理；

步骤S2：根据专家知识，选取辨识对象的特征参数，确定基本特征和响应特征；

步骤S3：将滑动时间窗长度等分为两段，计算前后两段时间窗内的基本特征移动算术平均之差，得到移动算术平均差值的时间序列；

步骤S4：设置工况变动阈值，移动算术平均差值超过该阈值的时间点设置为工况变化起始点；

步骤S5：依据确定的工况变化起始点和滑动时间窗长度，逐次移动时间步长生成响应特征的时间序列，计算不同时间步长后的响应特征序列与基本特征序列的皮尔森相关系数，以皮尔森相关系数最大值的步长作为供热系统热响应时间。

步骤S6：对于热力站不同时间采集数据多次使用上述方法辨识二级网热响应时间，利用机器学习辨识出各二级网响应时间和建筑温度与天气温度的关系函数，进而得到建筑不同热状态和天气温度下各二级网的热响应时间。

上述方案中，步骤S1具体为：针对区域供热系统，通过其物联感知系统实时采集数据并更新历史数据库，从数据库中读取N天数据集D＝{C₁，C₂......C_N}，C_l(1≤l≤N)为其中一天数据集，其中n代表特征数，m代表当天数据采集数，a_ij(1≤i≤m，1≤j≤n)即为当天第i个采集时间点第j个特征值。并对读取出来的数据进行数据预处理。