摘要：供熱是北方城市居民冬季生活中不可或缺的一部分，但隨著社會經濟的發展和城市的擴張，城市人口不斷增加，目前的供熱服務水平已經不能滿足北方地區城市化進程中對供熱的需求量，且面臨著供熱管控不足、安全把控不力和技術水平有待提高等問題。

通過利用BP神經網絡技術建立供熱負荷預測模型，依托實際工程項目，結合大數據分析技術來預測區域供熱負荷，同時利用3D+GIS技術，構建了一種基于神經網絡技術來構建區域的智慧供熱管控系統，對區域供熱分布進行可視化應用分析。結果表明：該智慧供熱管控系統可為供熱行業信息化發展提供新思路和新方法。

 

前言

 

隨著中國經濟發展和科技的不斷進步，國民物質水平在有了長足的提高，集中供熱已成為北方城市居民冬季生活中必不可少的一部分。中國冬季集中供熱區主要分布在“秦淮線”以北。隨著供熱需求的快速提高，供熱行業開始面臨因供熱面積大、供熱用戶多等引起的供熱管控不力、安全把控不足和技術水平有待提高，以及供熱信息共享不夠等問題，現有供熱水平已經不能完全滿足整個社會生產、生活的需求，亟需在供熱系統管控方面進行革新。同時，互聯網技術的飛速發展推動著各行業的快速升級，供熱行業也不例外，實現供熱產業的信息化管控、智慧化管理是大勢所趨。

利用云計算、機器學習、大數據以及3D+GIS等新興技術構建智慧管控系統是實現供熱系統信息化、數字化、科學化管理的重要途徑和手段，也是優化提升供熱能力和管控模式的當務之急。近年來，已有不少學者就供熱系統信息化建設做了大量的相關研究工作。

針對我國工業熱力供應存在耗能高、效率低、污染排放量大等問題，柴春蕾等人利用云、邊、管、端協同方式開發了信息系統與物理系統深度融合的智慧供熱系統。

針對渭源縣地區供熱系統缺少一個集信息監測與處理于一體的管控平臺，無法實現各級熱網實時監測，不能反映供熱管網實時運行工況，更難以做到供熱量遠程調控和管網熱量平衡調控等問題，康金霞提出了利用物聯網技術來構建渭源縣的智慧供熱體系，用以實現熱量的合理分配。

針對供熱管網數量大、分布廣而散、難以集中統一監控管理的難題，李光明等指出可以利用OPC技術和LabVIEW軟件進行多通道數據采集和分析管理，進而實現供熱系統的實時監管。

但以上系統主要是對傳統供熱方式的信息化升級改造，智慧化水平有所欠缺，難以做到對區域供熱負荷的前瞻預測，供熱管理可視化、信息共享和調度優化能力不足。

 

本文利用BP神經網絡技術建立供熱負荷預測模型，結合大數據分析技術來預測區域供熱負荷，同時利用3D+GIS技術，構建一種基于神經網絡技術來構建區域的智慧供熱管控系統，對區域供熱分布進行可視化分析，實現區域熱源生產數據的匯集管理和信息共享，進而通過智慧管控全面提升供熱質量和供熱的應急調度能力。

 

1

智慧供熱管控系統構建

 

一般情況下，供熱負荷主要受建筑內外環境條件和建筑自身保溫性能影響。對于城市的同一個供熱片區來講，建筑自身保溫性能應該符合建筑節能工程施工質量驗收標準，整體保溫性能差異較小；建筑內部環境主要受電器熱量和人體輻射等因素影響，波動較小；而建筑外部環境隨季節變化較大。

因此，為實現對供熱負荷準確的預測，分析建筑外部環境條件如太陽輻射、室外溫度、濕度、風速等對供熱負荷的影響，利用BP神經網絡建立供熱負荷預測模型，并結合3D+GIS技術實現區域供熱分布的空間可視化分析，幫助區域供熱管理者更好地掌握區域的供熱情況，實現合理供熱分配，使其可以對供熱質量和安全進行把控。

 

1.1基于BP神經網絡的供熱預測模型設計

 

1.1.1BP神經網絡

 

BP算法是人工神經網絡中一種較為典型的學習算法，主要由輸入層、一個或多個隱含層、輸出層組成，各層由若干個神經元節點構成，利用輸入值、作用函數和閾值來預測確定輸出值。單個隱含層的BP神經網絡結構如圖1所示。

 

圖1BP神經網絡的網絡結構

 

在供熱預測中，建筑外部環境條件數據從輸入層經隱含層傳向供熱負荷輸出層，如果在輸出層計算的供熱負荷與實際情況不符或者未達到預期值，則會通過計算誤差進行反向傳播，將誤差信號沿原來通路返回，通過不斷迭代學習修改隱含層各神經元的權值，使得誤差信號最小。每個神經元節點都對應著一個激活函數f(x)和閾值α。在本文中采用的激活函數是非線性的Sigmoid型函數，見式(1)：

 

 

假設有N對樣本(xk~Qk)(k=1，2，3，…，n)，其中xk為輸入；Qk為期望輸出；xk經BP神經網絡計算輸出結果為yk，此時yk與Qk之間的均方誤差可利用式(2)進行計算：

 

 

式中：M為輸出層節點數；yk，p為第k樣本對第P因素分量的實際輸出；Ok，p為第k樣本的期望輸出，因此整個樣本集的總誤差為：

 

 

再利用梯度下降法計算E的最小值，經過迭代使其滿足預設誤差閾值，得到能夠滿足供熱預測的BP神經網絡模型。

 

1.1.2建立模型變量

 

本次供熱預測模型以對供熱負荷影響較大的太陽輻射、室外溫度、空氣濕度、自然風風速這4個建筑外部環境條件為自變量，以供熱負荷量為因變量，研究建筑外部環境條件變化對供熱負荷的影響。

 

1.1.3構建熱負荷預測模型

 

將4個建筑外部環境條件的實測數據作為輸入量，供熱負荷作為輸出量，利用BP神經網絡構建供熱負荷預測模型。通過設置誤差和學習次數、輸入訓練數據、前向傳播、反向過程等步驟對供熱預測模型進行完善直至其計算數據符合誤差要求，使模型誤差最小，更精確地預測供熱負荷。

 

1.2基于3D+GIS的供熱分布空間可視化分析

 

利用開源的3D+GIS框架，結合熱源、一級網、換熱站、二級網、各社區、企業以及供暖建筑分布等信息，開展供熱分布空間可視化研究，根據區域的供熱工程特性與地理空間分布，劃分供熱區域，分析區域的供熱情況，實現區域的合理供熱。

 

1.2.1供熱BIM模型構建

 

依據Revit平臺的采暖建模系統，分別建立供熱工程的地質、主體結構、暖通管線的各專業模型，其中具體包括繪制供、回水管，布設換熱站、散熱器及閥件等。在此基礎上集成并整合各專業模型，形成完整的綜合供熱BIM模型，供熱BIM模型管線排布如圖2所示。

 

圖2供熱BIM模型管線排布

 

1.2.2多圖層服務和BIM+3D+GIS可視化

 

由于供熱數據繁雜，為能充分地展示各種信息數據，更好利用各類數據信息，本系統采用多圖層服務和BIM+3D+GIS可視化服務，將不同種類的數據信息以圖層形式進行空間可視化展示，可實現圖層之間數據的對比、歷史數據的演化對比，也可利用系統提供的鷹眼視圖和地圖書簽等進行視圖控制。同時，數據也可以通過共享模塊實現對外共享。

 

1.2.3要素查詢定位

 

利用3D+GIS的空間分析特點，實現信息的基本查詢功能，分類查詢，可以快速查詢定位片區實時狀況及各項設施設備、巡檢人員等相關信息。實現設施設備的靜態空間和屬性信息的綜合查詢，將查詢結果的屬性信息以圖形或圖表的形式顯示系統中，能夠實時反映區域的供熱情況，及時對供熱狀況進行調整，使其分配更加合理。

 

1.2.4區域劃分與監測分析

 

通過3D+GIS可視化展示，結合不同供熱數據信息，根據供熱的工程特性及地理特性劃分空間區域，對空間信息進行修正，簡化信息量以便于數據的操作，并動態生成不同區域的供熱變化數據，直觀地預測供熱系統未來運行情況。

 

2

智慧供熱管控系統構建

 

智慧供熱管控系統建設以工程數據中心建設為基礎，通過智能化數據匯集傳輸、網絡化大數據分析決策，最終實現供熱系統的智慧化管控。利用智慧供熱管控系統進行數據整合、分析和可視化展示，從而達到安全供熱、平衡供熱、節能降耗、降低漏損的目的，提高供熱服務水平和業務管理水平。

 

2.1智慧供熱管控系統架構

 

基于“一體化、系統化、標準化、開放性、先進實用”的設計原則，采用分層和面向服務的設計思路，構建智慧供熱管控系統，系統框架分為感知層、網絡層、數據層、應用層、用戶層、展示層共6個層級，如圖3所示。

 

感知層：由室溫采集設施、供熱計量裝置等各類感知設施設備構成，滿足供熱感知需求，為生產提供長效的數據支撐，并利用覆蓋供熱輸配系統(熱源、一次網、二次網等)的數據信息系統，為供熱運行情況的應急管理決策提供依據支撐。

 

網絡層：感知層的建設實現了智慧供熱一體化平臺運維數據的智能采集，各種類型的數據需要回傳到云計算中心層進行相應的存儲和分析，網絡傳輸通道必不可少。結合供熱管理不同業務、不同場景及不同應用終端網絡需求，將綜合應用運營商4G/5G通訊網絡、主干光纖環網、監測自動化組網、物聯網通信鏈路和Wi-Fi網絡等形成多網融合的統一網絡平臺，以滿足不用的業務需求。

 

圖3系統架構

 

數據層：數據層主要由5部分組成，即地理信息數據庫、在線監測數據庫、運行管理數據庫、文檔多媒體數據庫及業務管理數據庫。其中地理信息系統主要存儲熱力管線、供熱設施、監測設備等要素，同時空間信息根據要素進行分層的圖層方式進行組織管理；在線監測數據庫主要存儲在線監測儀器所采集得到的熱源、管網、換熱站、末端計量等實時數據。各類數據均依照統一的數據標準進行存儲、整合、調用、分析、管理和共享。

 

應用層：按照智慧供熱的不同業務，將功能服務層劃分為在線監測系統、供熱運行監控系統、供熱運行分析系統、供熱負荷預測系統、供熱調度優化系統、安全預警系統、設備管理系統、客服管理系統和收費系統十大業務子系統。其中，在線監測系統主要是實時監測熱源、管網、設備等整體運行情況，實現“GIS一張圖”可視化在線監測數據；供熱運行監控系統主要是接入換熱站監控系統及各前端監測設備數據，實現統一管理及多系統聯動。以供熱運行狀態的全面感知、信息的即時傳達為基礎，借助云、大、物、移、智等前沿信息技術，實現對供熱生產運行維護各個環節進行全方位的高效管控。

 

用戶層：用戶層主要體現智慧供熱管控一體化平臺的各類用戶，包括電投熱力企業、熱用戶、運維人員等。

 

展示層：展示層主要包括PC端、移動端和大屏。PC端主要用于日常運維人員進行生產辦公，移動端主要用信息收發、流程審批、用戶繳費和運維信息上傳等，大屏主要用來集中展示供熱運行實況及宏觀數據。基于統一數據中心開發適用于不同業務場景下的終端應用，方便不同角色人員在不同環境下應用，從而提高生產管控效率。

 

2.2智慧供熱管控系統應用

 

智慧供熱管控一體化平臺內容包括在線監測系統、供熱運行監控系統、供熱運行分析系統、供熱負荷預測及專家系統、供熱調度優化系統、安全預警系統、設備管理系統、客服管理系統、收費系統等子系統建設。

 

2.2.1在線監測系統

 

在線監測系統可實時監測熱源、管網、設備等整體運行情況，同時展示當前數據與歷史數據比對分析結果，實現“GIS一張圖”可視化在線監測數據，在線監測子系統如圖4所示。

 

圖4在線監測子系統

 

2.2.2供熱運行監控系統

 

供熱運行監控系統主要包括實時數據的監控及遠程控制兩大功能，實現供熱運行工況的實時全面展示，可用于監視不利工況點的壓差，保障區域供暖系統安全合理地運行，并聯動換熱站監控系統實現遠程控制，供熱運行監控子系統如圖5所示。

 

圖5供熱運行監控子系統

 

2.2.3供熱運行分析系統

 

供熱運行分析系統可對熱源、管網、換熱站等在內的供熱系統數據進行實時分析比對，通過與歷史數據的大數據比對分析，可以更好地對供熱系統進行精細化監管，供熱運行分析系統示意如圖6所示。

 

圖6供熱運行分析子系統

 

2.2.4供熱負荷預測及專家系統

 

基于供熱負荷預測模型，在建筑外部環境條件變化時，對熱源、換熱站、公共建筑、熱用戶的供熱負荷進行預測，并對供熱系統進行節能潛力分析和評價，在此基礎上由專家系統對供熱系統的節能運行提供專業的合理化建議，輔助制定節能運行的控制策略，并聯動二次網智能平衡系統，快速實現熱量供需平衡，保證日供熱負荷，供熱負荷預測專家子系統如圖7所示。

 

圖7供熱負荷預測專家子系統

 

2.2.5供熱調度優化系統

 

供熱調度優化系統可通過底層提供的溫度及流量等數據，經過供熱負荷模型的優化計算，篩選出最優調度方案。節能減排同時也提升了供暖質量，供熱調度優化系統如圖8所示。

 

圖8供熱調度優化子系統

 

2.2.6安全預警系統

 

安全預警系統可以將實時監測數值與設定的安全數值進行對比，當監測數值超出系統設定的閾值時將發出預警信息，安全預警系統如圖9所示。

 

圖9安全預警子系統

 

2.2.7設備管理系統

 

設備管理系統通過建立設備臺賬管理信息，對設備的出廠、維修、配件更換等記錄進行全面記錄，同時對臨近檢修期的設備發出設備檢修的提醒，實現對設備的全生命周期管理，設備管理系統如圖10所示。

 

圖10設備管理子系統

 

2.2.8客服管理系統

 

客服管理子系統見圖11。客服管理系統實現流程化跟蹤和管理各項服務的內容，包括用戶的報修服務、投訴等進行管理，可以按照住址或用戶名稱查詢相關維修、投訴等綜合信息，并詳細記錄為用戶提供的各項服務和服務中發生的各項費用。讓客服人員了解用戶的全部信息，掌握溝通主動權，及時處理用戶提出的服務申請。提供包括語音服務、人工服務和互聯網服務等多種形式綜合性信息服務。實現用戶報修、業務受理、咨詢、投訴、催費、查詢和回訪等具體業務，提高用戶滿意度。

 

圖11客服管理子系統

 

2.2.9收費管理系統

 

收費管理系統可顯示末端用戶繳費信息，可計量、收集末端用戶用熱信息；具備開放接口，可擴展收費管理功能。

 

3

結語

 

本文依托實際供熱工程項目構建智慧供熱管控一體化平臺，該平臺采用云大物移智、GIS及智能模型等先進技術，實現用熱單位及居民室內溫度、管網壓力、流量、熱媒溫度、換熱站和熱源廠等生產數據的匯集管理，實現供熱數據、能耗可視化分析，優化供熱調度，提升安全預警能力，并實現系統內各種業務數據互通，實現信息共享，消除信息孤島，向各業務提供數據服務，為管理者提供決策支持，同時開通用戶網上繳費服務，更加精細、動態管理供熱系統的整個生產、管理和服務流程。