基于神经网络解耦的供热预测控制研究(答辩最终版)

基于神经网络解耦的 热力站供热预测控制研究

答辩人：陈 导

烈

师：齐维贵教授

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

课题来源及研究的目的和意义 国内外研究现状及分析 主要研究内容 主要研究成果 发表学术论文及其它成果

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

课题来源 “十一五”国家科技支撑计划重大项目建筑节能关键技术研究与示范 (项目编目：2006BAJ01A04)

黑龙江省科技攻关项目基于LonWorks技术和预测控制的供热FCS研究(项目编号：GC04A104)

黑龙江省科技攻关项目Heilongjiang Key Technology R&D Program

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

研究的目的和意义 我国能源政策战略方针的需要 建筑能耗占全社会能耗的30~40%,其中65%为采暖空调 能耗，三北地区采暖能耗占全社会能耗的27.2%。供热不但能 耗大，而且效率低，单位面积采暖能耗是发达国家的 3~4 倍。 供热控制系统研究是供热技术发展的一个重要方向 是保证热力设备安全和经济运行的必要技术措施； 对提高热网的整体运行质量意义十分重大； 关系到居住环境的质量和城市建设的发展； 体现着供热、控制领域的科研和应用水平。

先进控制策略的研究为节能改造提供有益的依据供热过程具有时滞、时变、不确定、非线性和强耦合等特 点，传统的控制方法很难适应这些情况，对其进行先进控制策 略的研究具有重要意义，可为指导新的供热系统的建设和既有 供热系统的节能改造提供有益依据。 智能建筑及自动化研究所Lab of IB&ABring Ideas Together

课题来源及研究的目的和意义 国内外研究现状及分析 主要研究内容 主要研究成果 发表学术论文及其它成果

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

国内外研究现状及分析 国 内 外 研 究 现 状供热负荷预报 预测控制 控制系统解耦 热力站控制系统

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

供热负荷预报国外研究现状 线性预报法 室外温度—供热负荷曲线，如文献[9]; 线性回归分析，如文献[10, 11]; 灰色模型，如文献[12]。 非线性预报法——神经网络预报法和支持向量机预报法文献[14, 15, 16]采用人工神经网络和相同的两组数据作仿真实验，其中 时间、温度、日照和风速等为输入量，预测美国某大型建筑的热负荷。 文献[17]用ANN预测一个太阳能家庭供暖系统的特性，采用两个ANN, 一个估计太阳能输入量，另一个估计标准温度的热水平均量。 文献[18, 19]用模型和神经网络预测建筑物能量，并对其进行理论分析。 文献[20]等将支持向量机方法

用于热带地区建筑能耗预测，该方法选择 室外月平均温度、相对湿度、日照作为输入变量，来预测热带地区建筑 能耗，预测相对误差小于4%,验证了支持向量机方法预测热带地区建 筑能耗的可行性和适应性。 智能建筑及自动化研究所Lab of IB&ABring Ideas Together

供热负荷预报国内研究现状 线性预报法文献[23]介绍了利用时间序列分析方法进行热负荷短期预报，用相 关分析法对供热负荷进行中期预报。 文献[26, 27]利用了GM(1,1)模型和相应的改进模型对供热负荷进行 了预报。

非线性预报法文献[22]利用BP前向神经网络对供热负荷进行预报，但没有给出 热负荷预报的实例。 文献[24]将小波变换多尺度分析方法引入热力过程，建立基于多尺 度挖掘的供热系统负荷动态预测控制，最后给出仿真结果。 文献[25]也采用支持向量回归和小波包对供热负荷进行预报。

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

供热负荷预报的现状分析 存在问题：(1) 离线进行，停留在实验室仿真层面;(2) 未给出供热工程节能控制实例; (3) 只根据气温预报 ，不能满足用户需求。

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

国内外研究现状及分析 国 内 外 研 究 现 状供热负荷预报 预测控制 控制系统解耦 热力站控制系统

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

经典预测控制 动态矩阵控制 (DMC)Culter等提出的、建立在非参数模型阶跃响应基础上的动 态矩阵控制 。

模型算法控制 (MAC) Richalet, Mchra等提出的、建立在非参数模型脉冲 响应基础上的模型预测启发控制 。 广义预测控制 (GPC) Clarke提出的、带有自校正机制、在线修正模型参数 的预测控制算法。

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

智能预测控制 神经网络预测控制文献[41]提出采用混沌粒子群优化神经网络预测控制算法对非线性系 统进行控制，提高了控制的鲁棒性和精度； 文献[42, 43]将模糊神经网络应用于非线性系统中，满足性能要求。

模糊预测控制由安信等提出、并成功地应用于地铁的列车运行控制上。 文献[45]将模糊辨识和广义预测控制相结合，发展了状态空间建模法， 并给出了分析表，最后验证了该算法的优越性。 文献[46]提出基于累加和最小原则的Mamdani模糊模型的预测控制 策略，通过与传统PID控制比较验证其性能。 文献[47]在系统高层引进模糊控制器，使得原广义预测控制的开环链 变换成由系统实际输出与参考轨迹相比较的闭环控制系统，并利用 多变量模糊控制器的结构解耦原理，使广义预测控制算法本身最大 限度地减少了控制域

长度，提高了系统控制的实时性和鲁棒性，并 改善了静态精度和动态跟踪性。 智能建筑及自动化研究所Lab of IB&ABring Ideas Together

非线性预测控制 以直接从工业应用中产生的非参数模型为基础 的非线性模型预测控制算法，如文献[48, 49]; 由经典自适应控制算法发展而来的一类远程预 测控制算法，如文献[50]修正的GPC方法。 从结构设计出发，通过对GPC结构的转换，产 生了内模控制和推理控制，如文献[51]。

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

热力站中预测控制的应用 供热过程的特点：大时滞、大惯性、非线性、时变、不确定的特性。 对 其进行预测控制理论及工程应用研究能够达到预期目 的。

预测控制在供热中的应用情况：国外的文献主要集中在空调领域，国内外在供热领域 的研究很少，因此在供热领域的研究亟需深化。

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

国内外研究现状及分析 国 内 外 研 究 现 状供热负荷预报 预测控制 控制系统解耦 热力站控制系统

智能建筑及自动化研究所Lab of IB&ABring Ideas Together

传统解耦方法传统解耦方法以现代频域法为代表，也包括时域方法， 主要适用于线性定常MIMO系统。现代频域法的共同理论基 础是奈氏稳定判据，通过对系统传递函数的分解实现其对角 化或对角优势化以达到解耦的目的，如文献[63, 64]。 存在一些尚待解决的问题，如逆奈氏阵列法的鲁棒性较 差，特征轨迹法的精确性难以保障等等。奇异值分解应用于 多变量系统的控制使解耦性与鲁棒性两大要求同时满足，将 奇异值理论应用于多变量解耦很有意义，是当前控制系统设 计一大研究方向，如文献[65, 66]。

智能建筑及自动化研究所Lab of IB&ABring Ideas Together