基于机理模型预测的供热系统测量数据的校正方法及系统与流程

本发明涉及城市供热系统先进控制领域，具体涉及一种基于机理模型预测的供热系统测量数据的校正方法及系统。

背景技术：

供热系统的结构和运行模式越来越复杂，人们对供热系统测量数据的质量也提出了更高的要求。但实时量测系统由于设备部署不够合理，设备数量有限，再加上通道传输、设备故障失灵等原因，测量数据往往存在一些不良数据，这给基于监测数据分析系统特性、系统故障的早期发现带来难度，也使得基于测量数据的调度决策存在不可靠因素。因此，必须对供热系统测量数据进行校正。

数据校正的关键是对其中的不良数据进行有效的检测和辨识，并用合理的数值对其进行校正。传统的不良数据检测方法有，目标函数极值检测法、加权残差rw、检测法或标准化残差rn检测法等；传统的不良数据辨识方法主要有残差搜索法、非二次准则法、零残差法、估计辨识法等。这些方法在一定程度上可以检测出不良数据，但也容易出现漏检和误检的情况。随着数据挖掘和机器学习算法的发展，聚类分析、决策树、模糊数学等在不良数据检测与辨识中的使用也越来越多。但供热系统的结构随着时间发生变化时，依靠数据挖掘和机器学习方法的可扩展性较差。

基于上述技术问题，需要设计一种新的基于机理模型预测的供热系统测量数据的校正方法及系统。

技术实现要素：

本发明的目的是提供一种基于机理模型预测的供热系统测量数据的校正方法及系统。

为了解决上述技术问题，本发明提供了一种基于机理模型预测的供热系统测量数据的校正方法，包括：

获取供热系统中测量变量的测量数据；

通过历史测量数据将测量数据中含有测量误差的测量数据初步修正为满足基本机理规则数据；

将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值；

构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识，以获得含过失误差测量数据；以及

通过预测值对含过失误差测量数据进行校正。

进一步，所述测量数据为在存储有供热系统实时测量数据的数据库中，读取各测量变量在相同时刻下的一组测量数据x^m＝{x1^m,x2^m,...,xn^m}，xn为测量变量。

进一步，所述通过历史测量数据将测量数据中含有测量误差的测量数据初步修正为满足基本机理规则数据的方法包括：

判断测量数据是否满足基本机理规则，即通过专家系统判断测量数据不满足基本机理规则的原因为测量误差时，通过历史测量数据修正，使该测量数据满足基本机理规则，以构成满足基本机理规则数据；

所述基本机理规则包括：对于供热系统中的同一对象，其供压大于回压，供温大于回温，流量与热量满足由室外温度所决定的相应指标；

所述不满足基本机理规则的原因包括：测量误差和故障。

进一步，所述将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值的方法包括：

将测量变量分为机理仿真模型的输入变量、待校正变量和模型无关量，即

所述输入变量为xinput＝{xinput_1,xinput_2,...,xinput_l}，l为输入变量的数量；

所述待校正变量为xverify＝{xverify_1,xverify_2,...,xverify_k}，k为待校正变量的数量；

所述模型无关量为xothers＝{xothers_1,xothers_2,...,xothers_j}，j为模型无关量的数量；

l+k+j＝n，n为测量变量的数量。

进一步，所述将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值的方法还包括：

通过数据辨识方法的阻力系数辨识修正机理仿真模型，以获取辨识修正后的机理仿真模型，即

所述机理仿真模型包括：

质量守恒方程、能量平衡方程和传热方程，其中

由质量守恒方程和能量守恒方程构成的方程组为：

其中，a是(a-1)×b的管网关联矩阵，其代表管网的拓扑结构，其中节点为a，管段为b；

a^t为a矩阵的转置矩阵；

g是管段流量向量；

δh为管网水头降向量；

p为节点水头向量；

d为节点进出流量，且入流为正，出流为负；

s为n阶对角矩阵；

|g|为n阶对角矩阵；

dh为管段水泵扬程向量,当管段不含水泵时，该管段对应的水泵扬程为0；以及

所述传热方程：

其中,q0、m1、q1’分别为热源供热量、换热站的散热量、一级管网散热量；

cp1为一级网侧热水的比热容；

m1分别为一级换热站网的流量；

t1s、t1r分别为一级网的供水温度、一级网的回水温度；

对机理仿真模型进行基于数据辨识方法的阻力系数辨识修正，从而获得与实际物理系统相一致的映射模型，即辨识修正后的机理仿真模型。

进一步，所述将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值的方法还包括：

通过辨识修正后的机理仿真模型获取待校正变量的预测值，即

将测量变量中被确定为输入变量的满足基本机理规则数据输入辨识修正后的机理仿真模型，迭代计算得到待校正变量的预测值

进一步，所述构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识的方法包括：

计算待校正变量的满足基本机理规则数据和对应预测值之间的偏差序列

进一步，所述构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识的方法还包括：

构造偏差序列的过失误差隶属函数，进行误差检测与辨识，即

对于偏差序列随机误差的隶属函数为设随机误差服从(0，σ²)的正态分布，则当时，认为第i个待校正变量的满足基本机理规则数据中仅含有随机误差；否则，认为第i个待校正变量的满足基本机理规则数据含有过失误差，i∈k；其中d为可调系数，d越小被判为过失误差的概率越大；e为自然对数；σ²为方差；σ为标准差。

进一步，所述通过预测值对含过失误差测量数据进行校正的方法包括：

通过专家系统判断含过失误差的原因，且当含过失误差的原因为测量误差时，通过预测值进行校正，将该待校正变量的测量数据替换为相应的预测值。

又一方面，本发明还提供了一种基于机理模型预测的供热系统测量数据的校正系统，包括：

存储有供热系统实时测量数据的数据库，以及与该数据库相连的校正单元；其中

所述校正单元适于采用上述的基于机理模型预测的供热系统测量数据的校正方法实现对数据库中相应测量变量的测量数据进行校正。

本发明的有益效果是，本发明通过获取供热系统中测量变量的测量数据；通过历史测量数据将测量数据中含有测量误差的测量数据初步修正为满足基本机理规则数据；将满足基本机理规则数据通过机理仿真模型迭代计算测量变量中待校正变量的预测值；构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识，以获得含过失误差测量数据；以及通过预测值对含过失误差测量数据进行校正，实现了经过校正后的测量数据更好地保持质量守恒、能量平衡等关系，也为供热系统中基于测量数据的供热系统状态分析、调度决策、故障诊断等提供可靠的数据基础。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的所涉及的基于机理模型预测的供热系统测量数据的校正方法的流程图；

图2是本发明所涉及的计算测量变量中待校正变量的预测值的方法的流程图；

图3是本发明所涉及的进行误差检测和辨识的方法的流程图；

图4是本发明所涉及的基于机理模型预测的供热系统测量数据的校正系统的原理框图；

图5是本发明所涉及的基于机理模型预测的供热系统测量数据的校正系统的工作流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

图1是本发明的所涉及的基于机理模型预测的供热系统测量数据的校正方法的流程图。

如图1所示，本实施例1提供了一种基于机理模型预测的供热系统测量数据的校正方法，包括：获取供热系统中测量变量的测量数据；通过历史测量数据将测量数据中含有测量误差的测量数据初步修正为满足基本机理规则数据；将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值；构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识，以获得含过失误差测量数据；以及通过预测值对含过失误差测量数据进行校正，使得经过校正后的测量数据更好地保持质量守恒、能量平衡等关系，也为供热系统中基于测量数据的供热系统状态分析、调度决策、故障诊断等提供可靠的数据基础。

在本实施例中，所述测量数据包括：在存储有供热系统实时测量数据的数据库中，读取测量变量在时间点m的一组测量数据x^m＝{x1^m,x2^m,...,xn^m}，xn为测量变量。

作为一种优选的实施方式，所述供热系统测量变量的测量数据为从day1天到dayn天供热系统各测量变量的测量数据；所述测量变量可以包括：热源供水温度ts、回水温度tr、供水压力ps、回水压力pr、瞬时流量m、瞬时热量q，热力站一次供水温度t1s、一次回水温度t1r、一次供水压力p1s、一次回水压力p1r、一次瞬时流量m1、瞬时热量q1(即an在n取不同值时分别代表上述测量变量)；将测量变量的测量数据按照数据采集时间记为多组工况，每个工况为在相同时刻各测量变量的测量数据的组合x^m＝(ts^m，tr^m，ps^m，pr^m,m^m，q^m,t1s^m，t1r^m，p1s^m，p1r^m,m1^m，q1^m)。

在本实施例中，所述通过历史测量数据将测量数据中含有测量误差的测量数据初步修正为满足基本机理规则数据的方法包括：对测量数据做初步判断与处理，判断测量数据是否满足供热系统的基本机理规则，通过专家系统判断测量数据不满足基本机理规则的原因，并且当不满足基本机理规则的原因为测量误差时基于历史测量数据修正(所述历史测量数据为读取测量变量的时间点之前数据库存储的供热系统的测量数据)，使该测量数据(含有测量误差的测量数据)满足基本机理规则，以构成满足基本机理规则数据；所述基本机理规则包括：对于供热系统中的同一对象，其供压大于回压，供温大于回温，流量与热量满足由室外温度所决定的相应指标；所述不满足基本机理规则的原因包括：测量误差和故障；当不满足基本机理规则的原因为故障时，舍弃该组测量数据，并结束基于机理模型预测的供热系统测量数据的校正。

图2是本发明所涉及的计算测量变量中待校正变量的预测值的方法的流程图。

如图2所示，在本实施例中，所述将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值的方法包括：将测量变量分为机理仿真模型的输入变量、待校正变量和模型无关量，即

所述输入变量为xinput＝{xinput_1,xinput_2,...,xinput_l}，l为输入变量的数量；

所述待校正变量为xverify＝{xverify_1,xverify_2,...,xverify_k}，k为待校正变量的数量；

所述模型无关量为xothers＝{xothers_1,xothers_2,...,xothers_j}，j为模型无关量的数量；

l+k+j＝n，n为测量变量的数量；测量变量的测量数据为

在本实施例中，所述将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值的方法还包括：通过数据辨识方法的阻力系数辨识修正机理仿真模型，以获取辨识修正后的机理仿真模型，即从在线仿真平台载入机理仿真模型，所述机理仿真模型包括：

质量守恒方程、能量平衡方程和传热方程，其中

由质量守恒方程和能量守恒方程构成的方程组为：

式(1)中，a是(a-1)×b的管网关联矩阵，其代表管网的拓扑结构，其中节点为a，管段为b；

a^t为a矩阵的转置矩阵；

g是管段流量向量；

δh为管网水头降向量；

p为节点水头向量；

d为节点进出流量，且入流为正，出流为负；

s为n阶对角矩阵，sn为各管段阻力系数；

|g|为n阶对角矩阵；

dh为管段水泵扬程向量，当管段不含水泵时，该管段对应的水泵扬程为0；以及

所述传热方程：

式(2)中,q0、m1、q1’分别为热源供热量、换热站的散热量、一级管网散热量；

cp1为一级网侧热水的比热容；

m1分别为一级换热站网的流量；

t1s、t1r分别为一级网的供水温度、一级网的回水温度；

为构建与实际物理供热系统相一致的映射模型，对理论方程(即质量守恒方程、能量平衡方程和传热方程)所构建的机理仿真模型进行基于数据辨识方法的阻力系数辨识修正，从而获得与实际物理系统相一致的映射模型，即辨识修正后的机理仿真模型。

在本实施例中，所述将满足基本机理规则数据中的输入变量输入机理仿真模型迭代计算测量变量中待校正变量的预测值的方法还包括：

通过辨识修正后的机理仿真模型获取待校正变量的预测值，即

将测量变量中被确定为输入变量的满足基本机理规则数据输入辨识修正后的机理仿真模型，迭代计算得到待校正变量的预测值

图3是本发明所涉及的进行误差检测和辨识的方法的流程图。

如图3所示，在本实施例中，所述构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识的方法包括：计算待校正变量的满足基本机理规则数据和对应预测值之间的偏差序列

具体的，将热力站的一次供水压力p1s、一次回水压力p1r、一次供水温度t1s、一次回水温度t1r作为待校正变量，同时热力站一次瞬时流量m1、热源供水压力ps、热源回水压力pr、瞬时热量q1、热源回水温度tr作为输入变量，即xinput＝{m1,ps,pr,q1,tr}、xverify＝{p1s,p1r,t1s,t1r}。

在本实施例中，所述构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识的方法还包括：

构造偏差序列的过失误差隶属函数，进行误差检测与辨识，即

对于偏差序列随机误差的隶属函数为设随机误差服从(0，σ²)的正态分布，则当时，认为第i个待校正变量的满足基本机理规则数据中仅含有随机误差；否则，认为第i个待校正变量的满足基本机理规则数据含有过失误差，i∈k；其中d为可调系数，d越小被判为过失误差的概率越大；e为自然对数；σ²为方差；σ为标准差；当待校正变量的满足基本机理规则数据仅含有随机误差时结束基于机理模型预测的供热系统测量数据的校正。

在本实施例中，所述通过预测值对含过失误差测量数据进行校正的方法包括：

通过专家系统判断含有过失误差的原因，所述含有过失误差的原因包括：故障和测量误差；当含有过失误差的原因为测量误差时，通过预测值进行校正，将该待校正变量的测量数据替换为相应的预测值，并结束基于机理模型预测的供热系统测量数据的校正；当含有过失误差的原因为故障时结束基于机理模型预测的供热系统测量数据的校正。

实施例2

图4是本发明所涉及的基于机理模型预测的供热系统测量数据的校正系统的原理框图；

图5是本发明所涉及的基于机理模型预测的供热系统测量数据的校正系统的工作流程图。

如图4和图5所示，在实施例1的基础上，本实施例2还提供了一种基于机理模型预测的供热系统测量数据的校正系统，包括：存储有供热系统实时测量数据的数据库，以及与该数据库相连的校正单元；其中所述校正单元适于采用实施例1所涉及的基于机理模型预测的供热系统测量数据的校正方法实现对数据库中相应测量变量的测量数据进行校正。

综上所述，本发明通过获取供热系统中测量变量的测量数据；通过历史测量数据将测量数据中含有测量误差的测量数据初步修正为满足基本机理规则数据；将满足基本机理规则数据通过机理仿真模型迭代计算测量变量中待校正变量的预测值；构造过失误差隶属函数，对待校正变量的满足基本机理规则数据进行误差检测和辨识，以获得含过失误差测量数据；以及通过预测值对含过失误差测量数据进行校正，实现了经过校正后的测量数据更好地保持质量守恒、能量平衡等关系，也为供热系统中基于测量数据的供热系统状态分析、调度决策、故障诊断等提供可靠的数据基础。

申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的方法可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。