城市集中供热网参数预测研究

城市集中供热系统已经成为我国北方冬季供暖的一种主要形式，而预测集中供热系统未来一段时间内的参数变化趋势，对热网的运行、调节均起着重要作用。通过对热网中的不确定信息的分析，采用基于模型的模糊神经网络结构，用误差反传算法来训练网络的连接权系数，以呼市热力公司某供热站的供热网参数为研究对象予以建模和预测，其结果表明该算法具有较好的泛化、学习、映射能力。     

集中供热网运行调节与控制策略的研究

集中供热是我国北方冬季供热的一种主要形式,其运行调节和控制策略一直是供暖和控制专家们研究的课题。本文在分析和总结已有方案的基础上,对供热负荷的动态预测、热网水力工况的解耦、热网水力工况的稳态数学模型以及基于模型的水力工况初调节方法等问题进行了探讨。     

集中供热监控系统的设计

介绍了城市集中供热网监控系统的结构、特点及功能，详细分析了系统的软件实现。并通过对集中供热网控制对象特点的分析提出了专家控制系统设计方案。最后。将优化控制方法应用到热网的实际控制当中。通过运行实例证明，此方法是可行的，可以实现全网内热量的合理分配，提高供热网的供热质量。达到了稳定供热和均匀供热。     

基于GSM热网远程监测主站系统的设计与实现

针对集中供热网络中运行参数的远程监测问题,提出了基于GSM的热网远程监测系统主站系统的总体设计方案,介绍了主站系统硬件和软件设计并设计了具体的以PC机为平台的主站系统.利用GSM短消息方式实现热网系统远程遥测和遥控的数据传递和命令传达,会使整个系统较好地解决了低投入和高效率之间的矛盾.通过热网工程实际应用说明,这种通讯方式不受系统地理条件的限制,在数据传递过程中能够确保传输的快捷性和数据的可靠性.     

集中供热系统热网流量的优化神经网络控制

传统集中供热系统存在一个缺点,就是现有的集中供热系统对供热量的控制都是选取一次网供水温度和二次网回水温度为控制量来实现。但是考虑到热量传递的时滞性和管网结构的复杂性以及热量控制的非线性变化,为了优化这一缺陷,提出按需供热这一控制理念。在整个热网满足水力平衡的前提下,选取整个热网内的流量为控制量,即控制整个管网的热媒总量。热媒流入管网进行循环供热。系统通过热媒的传输量直接确定整个供热系统获取的热量,再通过检测一次网供回水流量、一次网供回水温度,以及二次网供回水流量、二次网供回水温度作为监测系统供热量的参照。采用改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络比例积分微分(PID)控制器的权值,对整个热网的流量进行优化控制。结果显示,提出的新供热理念和优化后的神经网络PID控制器能够解决供热系统难以进行精确系统建模的缺点,提高系统的控制精度和减少能耗,具有较高的实用和推广价值。     

信息网络管理系统在城市供热中的应用

信息网络管理系统应用于城市集中供热行业，将信息网络管理系统与热源厂控制系统、热网监控系统构成完整的管理与监控系统，提高城市集中供热行业的整体水平。     

基于SCADA数字电台的城市热网控制系统设计

现如今北方城市供暖主要以集中供热系统为主要模式,但由于供热区域广,管网质量,换热设备等硬件环境参差不齐,以及供热系统具有热惯性大、滞后明显等因素,使得产生供热效率低或供热不平衡、热网波动严重等诸多问题.因此,各换热站现场参数的采集、调度室与各换热站的数据实时通讯和建立起安全可靠、运行灵活准确的热网监控系统就十分必要.     

基于Extend的舰船装备维修流程建模与仿真研究

通过分析一般舰船装备的维修流程,应用现有流程仿真软件Extend平台对舰船装备的维修流程进行建模和仿真。设置模型参数,根据模型运行结果分析模型设置的合理性,对维修的决策进行优化。     

基于机器学习的军用软件过时淘汰评估方法研究

为了对军用软件进行科学系统的过时淘汰评估,提出基于机器学习的软件过时淘汰评估模型。首先使用机器学习预处理与缩放技术处理相关的特征数据,然后基于主成分分析模型进行特征提取和降维,消除特征数据中的噪音值并选择重要的军用软件过时淘汰特征数据,使用由粒子群优化算法改进的支持向量机模型进行分类和评估建模,并使用混淆矩阵的精度评估模型,最后通过案例验证模型有效性、适用性和科学性。     

定性定量相结合的探索性分析建模

探索性分析是一种面向战略权衡和顶层论证的决策分析方法。探索性分析模型是一种对研究问题高层抽象的低分辨率模型,一般情况下采用基于变量的方法建模,分析模型中的节点变量是问题抽象中的关键因素,变量间通过有向弧来表示其依赖关系。专家知识和经验在宏观决策中具有重要作用,cfhfg探索性分析建模采用问题分析树、目标定向方法等构建分析模型、基于关键因素的定性建模和主动元建模等方式将定性知识、仿真数据与定量分析模型有机结合起来,并解决高层策略分析问题。     

基于群智能的集中供暖系统水力管网控制策略优化

针对集中供暖系统管网水力失衡、流量供需失衡问题提出一种基于群智能的新型分布式优化算法.首先以系统输配送能耗最小为优化目标,将其分解为管网调节阀开度优化和换热站并联水泵运行优化两个子问题求解;其次建立调节阀模型和管网水力模型,在此基础上进行调节阀开度的优化,从而计算出系统最小供回水压差;然后基于改进的交替方向乘子法完成并联水泵的优化运行;最后以集中供暖系统实例验证算法性能.实验结果表明:相比传统集中式求解算法,该算法不受水利管网规模限制,利于实现工程中即插即用;相比其他分布式算法,该算法不仅求解速度快,而且可以得到较优的管网运行策略,节能效果较为显著.     

基于大数据的电网规划精益分析平台研究与应用

随着新能源的大量接入和用户的广泛参与,电网企业的数据呈指数级增长,电网规划部门迫切需要运用大数据的分析手段提高规划决策的精准性。本文以地市供电公司的实体业务为切入点,基于地理位置信息,在数据融合贯通的基础上,运用数据可视化技术多维度动态展示地区电网负荷分布和电网供给能力,辅助规划人员快速发现负荷分布规律和电网薄弱点。运用大数据分析挖掘方法构建基于负荷特性分析的负荷预测模型,支撑电网项目和运行方式安排。打破电网负载问题的单一评价方法,建立可度量的电网综合评价体系及模型,为电网项目统筹提供量化依据。基于大数据的电网规划精益分析平台通过电网负荷可视化展示,有效提升了电网诊断分析效率,运用大数据分析方法提高了地区最大负荷的预测精度,实现了电网问题的数字化评估,提高了电网规划投资决策的精准性。     

采用热量表动态网络提高集中供热系统性能

户用热量表本身是用来进行计量的,将计量用的户用热量表联成动态监控网络,并利用此动态监控网络传输的实时数据来提高集中供热系统性能。成功设计了通过网络总线供电和电池供电的双供电系统,极大地扩展了原先仅用于方便收费目的的远程抄表系统的功能,使热量表网络的大批量动态数据传输成为可能,从而能够利用热量表的动态监控网络提高集中供热系统的性能。作为举例,描述了利用该热量表的动态监控网络实现低成本预付费热量表和对集中供热系统进行优化节能的方法。     

贵州主动配电网冷热电三联供系统运行测试分析

本文针对能源互联网中高比例分布式电源消纳难题开展研究,目的是通过测试系统将示范工程中提高能源综合利用效率更直观的体现出来。在贵州主动配电网示范工程基础上搭建了一种适用于主动配电网的冷热电三联供测试系统,建立了相应的分析模型,且进行了现场测试,并对现场测试数据进行运行效益分析,示范工程冷热电三联供系统在90%额定功率工况下综合能源利用效率可达90%以上,较传统冷热电三联供有较大提高。且该系统能够实现在同样在该热（冷）负荷下,其上网电功率可在一定范围内调节,降低天然气价格和提高上网电价是适用于主动配电网的冷热电三联供保证经济运行的基础,对于用电成本高且有供暖供冷需求的用户,冷热电三联供系统有较好的经济性。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

自动化控制系统在城市集中供热领域的应用

介绍自动控制系统在城市供热领域的应用,达到热网热平衡、节能环保及节省投资等目的。     

模糊神经网络在感应加热电源应用的研究

针对感应加热电源具有非线性、时变性、难以建立准确数学模型的特点,本文提出将神经网络与模糊PID相结合,并引入补偿运算,构成一种新的具有可学习的自适应控制方法。该方法利用神经网络的自学习和模糊控制的不确定性等特点,引入神经网络不仅能够适当地调整输入、输出模糊隶属函数,而且能够借助于补偿逻辑算法动态地优化模糊推理,从而优化整个控制系统。通过对本文提出的算法、传统模糊PID算法以及模糊神经网络算法的仿真结果的对比可以看出,该算法较之传统模糊PID控制算法以及模糊神经网络算法具有鲁棒性更强、控制精度更高、可靠性更强等优势。     

基于大数据的分布式光伏接入配电网影响分析与功率预测研究

为提高分布式光伏发电功率预测的精度,满足电网调度和规划的高精度要求,本文利用光伏运行、电能量采集、电网调度等业务系统的海量数据,利用大数据分析方法研究大量分布式光伏接入对配电网负荷特性的影响,并提出基于气象相似日和粒子群算法优化BP神经网络的光伏电站功率预测方法.通过分析光伏发电功率随天气类型、温度、光照强度等气象因素...     

基于大数据的配变重过载预警分析

本文旨在利用大数据技术对电力数据进行系统挖掘,提供精准负荷预测,为供电安全监视、预防性控制和紧急处理提供依据。文章结合西安地区配电网运行中存在的问题,综合分析配变重过载的外部环境、配变运行信息、配变属性信息、配变供电客户类型等因素,应用大数据机器学习算法、大数据预处理技术、数据挖掘建模技术、大数据可视化技术等,分析研究各影响因素对设备重过载影响的相关性和重要程度,使用分类预测挖掘手段及随机森林算法,分析计算影响变量和目标变量,建立关系模式挖掘模型,构建配变重过载分析及预警模型,完成模型验证与纠偏,实现配变未来一周重过载情况准确预警、配变安全系数评价、重过载配变因素及特征分析与展示等,为电网运维提供有力支撑。通过基于大数据的配变重过载预警分析,提高运维工作效率,实现电网安全可靠运行。