基于氣象因素的集中供熱系統(tǒng)熱負荷預(yù)測研究

王文標(biāo)，蔡　麒， 汪思源

(大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧 大連　116026)

?

基于氣象因素的集中供熱系統(tǒng)熱負荷預(yù)測研究

王文標(biāo)，蔡麒， 汪思源

(大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧 大連116026)

摘要：集中供熱系統(tǒng)各子系統(tǒng)的給定值都是由預(yù)報熱負荷決定的，提供準(zhǔn)確的熱負荷預(yù)測是提高供熱質(zhì)量的基礎(chǔ)；傳統(tǒng)熱負荷預(yù)測僅考慮室外溫度的影響，并且熱負荷預(yù)測模型參數(shù)的辨識仍依靠傳統(tǒng)數(shù)學(xué)工具，精度不夠高；為了更準(zhǔn)確預(yù)測，研究了多個氣象參數(shù)對集中供熱系統(tǒng)熱負荷的影響，采用了多元回歸法，利用1stOpt軟件中的LM-UGO算法建立了集中供熱系統(tǒng)熱負荷預(yù)測模型；實驗結(jié)果顯示，室外溫度對熱負荷有直接影響，風(fēng)速或日照對室外溫度有直接影響，然后間接影響熱負荷，同時，多元回歸擬合的平方相關(guān)系數(shù)均在0.900 0以上，模型訓(xùn)練、測試的平均絕對百分比誤差均在4.00%以下；應(yīng)用實例表明，熱負荷預(yù)測模型的訓(xùn)練與測試均比較合理，這種多元回歸法適用于在熱負荷預(yù)測鄰域推廣與使用。

關(guān)鍵詞：集中供熱系統(tǒng)；熱負荷；氣象因素；多元回歸

0引言

近年來，我國集中供熱行業(yè)的規(guī)模在不斷地擴大，用戶對供熱質(zhì)量的需求也在不斷的提高，實現(xiàn)按需供熱成為急需解決的民生問題[1]。集中供熱系統(tǒng)中各子系統(tǒng)的給定值都是由預(yù)報熱負荷所決定的，因此實現(xiàn)及時準(zhǔn)確的熱負荷預(yù)測是提高集中供熱質(zhì)量的基礎(chǔ)[2]。氣象因素對集中供熱系統(tǒng)熱負荷的影響較大，但目前國內(nèi)大部分的熱負荷預(yù)測方法只考慮了室外溫度的因素[3]。國外的研究工作起步較早，方法技術(shù)已較成熟，研究值得借鑒。

1984年，Werner[4]對瑞典多個區(qū)域供熱系統(tǒng)進行了測試，研究結(jié)果表明，熱負荷的60%受室外溫度的影響，自然風(fēng)的影響使熱負荷增加1%~4%，太陽輻射得熱使熱負荷減少1%~5%。2004年，Westphal和Lamberts[5]采用不同的氣象周期與氣象數(shù)據(jù)研究氣象參數(shù)對熱負荷的影響。他們在巴西做實驗，對比采用不同標(biāo)準(zhǔn)的氣象數(shù)據(jù)，發(fā)現(xiàn)差值可以達到18%，由此認為氣象數(shù)據(jù)的選取方法會對結(jié)果產(chǎn)生很大影響。2006年，Nielsen[6]等人在丹麥提出了用灰盒法進行區(qū)域供熱系統(tǒng)耗熱量的研究，根據(jù)物理意義建立初始模型結(jié)構(gòu)，得到耗熱量與室外溫度、風(fēng)速、太陽輻射量等變量的關(guān)系框架。2008年，Krzysztof[7]等人采用其他氣象參數(shù)對室外溫度修正的做法，研究了波蘭華沙地區(qū)太陽輻射和風(fēng)速對與建筑負荷的影響。他通過太陽輻射和風(fēng)速對室外溫度的修正分析得出，太陽輻射的影響比風(fēng)的影響要大。2009年，Omer和Tolga[8]等人針對土耳其阿菲永地區(qū)的氣候特點，選取室外溫度、風(fēng)速和太陽輻射3個氣象參數(shù)進行研究，得到了能耗和這些氣象參數(shù)的回歸方程。

本文通過研究氣象因素與集中供熱系統(tǒng)熱負荷自建的關(guān)系，確定了氣象因素中室外溫度、風(fēng)速、日照與集中供熱系統(tǒng)熱負荷之間的關(guān)系。然后，本文基于多元回歸分析法，利用了1stOpt軟件建立了集中供熱系統(tǒng)熱負荷預(yù)測模型，并進行了實驗分析，以驗證這種多元回歸分析法在熱負荷預(yù)測中的有效性。

1集中供熱系統(tǒng)簡介

1.1集中供熱系統(tǒng)的總體結(jié)構(gòu)

本文項目中涉及到的集中供熱系統(tǒng)為一種傳統(tǒng)的集中供熱系統(tǒng)。傳統(tǒng)的集中供熱系統(tǒng)主要是由3個部分組成，分別為鍋爐(熱源部分)、換熱站(熱網(wǎng)部分)與樓宇(熱用戶部分)。其中，鍋爐與換熱站通過一次供熱管網(wǎng)進行連接，換熱站與樓宇通過二次供熱管網(wǎng)進行連接[9]。相應(yīng)的集中供熱系統(tǒng)的工藝流程如圖1所示。

圖1　集中供熱系統(tǒng)的總體工藝流程圖

在一次側(cè)，熱水在鍋爐處被加熱后，通過一次供熱管網(wǎng)到達換熱站處，在換熱站處進行熱交換從而將熱量傳遞給二次供熱管網(wǎng)的熱水，而熱水的一次網(wǎng)循環(huán)動力來自于一次網(wǎng)循環(huán)泵；在二次側(cè)，熱水在換熱站處被加熱后，通過二次供熱管網(wǎng)到達熱用戶處，將熱量通過散熱設(shè)備釋放到室內(nèi)，而熱水的二次網(wǎng)循環(huán)動力來自于二次網(wǎng)循環(huán)泵。

當(dāng)一次網(wǎng)與二次網(wǎng)的水量不足時，一、二次網(wǎng)的泄壓閥會打開，通過一、二次網(wǎng)的補水箱與補水泵，來對一、二次網(wǎng)進行公共補水。

1.2集中供熱系統(tǒng)的供熱管網(wǎng)分布

本文項目中所述的集中供熱系統(tǒng)為一個區(qū)域集中供熱系統(tǒng)，其為大連市某高校所管轄的區(qū)域集中供熱系統(tǒng)。本文項目中所述的集中供熱系統(tǒng)覆蓋著該高校的所在區(qū)域。

本文項目中所述的區(qū)域集中供熱系統(tǒng)的部分供熱管網(wǎng)分布如圖2所示。

本文項目中所述的區(qū)域集中供熱系統(tǒng)的供熱覆蓋面積約為80萬平方米。為了更加清晰地觀察整個供熱管網(wǎng)的分布情況，圖2只顯示了整個供熱區(qū)域的某一典型部分，不包含整個80萬平方米的供熱區(qū)域。

圖2大連市某高校集中供熱系統(tǒng)的部分供熱管網(wǎng)

圖2顯示的該高校區(qū)域集中供熱系統(tǒng)的部分管網(wǎng)分布包含有1臺29 MW的熱水鍋爐、2個板式換熱器類型的換熱站、若干個樓宇與相應(yīng)的供熱管道。

2氣象因素與集中供熱系統(tǒng)熱負荷的關(guān)系

2.1室外溫度對熱負荷的影響

通常，氣象因素對集中供熱系統(tǒng)熱負荷的影響比較大，其中，室外溫度對集中供熱系統(tǒng)熱負荷的影響最大[10]。為了更好地研究室外溫度與集中供熱系統(tǒng)熱負荷之間的關(guān)系，本文選取了2015年1月、2月、3月該集中供熱系統(tǒng)某換熱站的實驗數(shù)據(jù)，總共3個月，即90天的樣本點數(shù)據(jù)，通過最小二乘法進行了一元回歸方程的擬合，相應(yīng)的室外溫度與某換熱站熱負荷之間的擬合效果如圖3所示。

圖3　室外溫度與某換熱站熱負荷之間的關(guān)系

相應(yīng)的室外溫度與某換熱站熱負荷之間的一元回歸擬合方程如式(1)所示。

(1)

其中，Tout為室外溫度值(℃)，Qload為某換熱站的日平均熱負荷(MW)。其中一元回歸直線擬合的平方相關(guān)系數(shù)R2為0.779 3。說明室外溫度與該換熱站熱負荷成近似的線性關(guān)系。

2.2風(fēng)速與室外溫度對熱負荷的影響

由于外界風(fēng)速的變化會對真實的的室外溫度造成影響，當(dāng)風(fēng)速增加時，真實的室外溫度值會比實測的室外溫度值偏低。因此，在研究室外溫度與集中供熱系統(tǒng)熱負荷之間的關(guān)系時，需要考慮風(fēng)速對室外溫度的影響。

當(dāng)風(fēng)速增加時，對應(yīng)于室外溫度，可以折算為一個等效的降溫溫度。文獻[11]針對室外溫度，提出了風(fēng)速降溫等效溫度的計算公式，相應(yīng)的計算公式如式(2)所示：

ΔTwind=0.0246(lg(7.23 Wwind))3-0.4525

(2)

其中：Wwind為外界風(fēng)速值(m/s)；ΔTwind為風(fēng)速降溫等效溫度(℃)。

然后，將折算后的風(fēng)速降溫等效溫度ΔTwind加入到實測的室外溫度Tout上，就變成加入了風(fēng)速影響的室外溫度Tout-wind。相應(yīng)的Tout-wind計算公式如式(3)所示：

(3)

同樣針對該換熱站，通過最小二乘法進行了一元回歸方程的擬合，相應(yīng)的室外溫度(加入了風(fēng)速影響)與某換熱站熱負荷之間的擬合效果如圖4所示。

圖4　室外溫度(加入了風(fēng)速影響)與某換熱站熱負荷之間的關(guān)系

相應(yīng)的室外溫度(加入了風(fēng)速影響)與某換熱站熱負荷之間的一元回歸擬合方程如式(4)所示：

(4)

其中,擬合的平方相關(guān)系數(shù)R2為0.813 2。說明加入了風(fēng)速影響的室外溫度與該換熱站熱負荷也成近似的線性關(guān)系，并且其平方相關(guān)系數(shù)R2比只考慮室外溫度的要大，說明加入了風(fēng)速影響的室外溫度與該換熱站熱負荷的線性相關(guān)性比只考慮室外溫度的要高。

2.3日照與室外溫度對熱負荷的影響

由于外界日照的變化會對真實的的室外溫度造成影響，當(dāng)日照增加時，真實的室外溫度值會比實測的室外溫度值偏高。因此，在研究室外溫度與集中供熱系統(tǒng)熱負荷之間的關(guān)系時，需要考慮日照對室外溫度的影響。

4）胸骨固定的鋼絲以及一些特殊設(shè)計的、記憶合金的胸骨柄固定器：胸骨固定鋼絲是鋼制的，但胸骨固定以后，是非常牢固的，不易發(fā)生移位，因此1.5T以下磁共振檢查是安全的。特殊類型的胸骨柄固定器，大多都是鈦金屬制造，所以磁共振檢查不受限制。

當(dāng)日照增加時，對應(yīng)于室外溫度，可以折算為一個等效的升溫溫度。文獻[12]針對室外溫度，提出了日照升溫等效溫度的計算公式，相應(yīng)的計算公式如式(5)所示：

(5)

其中：Ssolar為外界日照值(W/m2)；Sk為日照折算系數(shù)(W/m2℃)；ΔTsolar為日照升溫等效溫度(℃)。在本文中，Sk取100 W/m2℃)。

然后，將折算后的日照升溫等效溫度ΔTwind加入到實測的室外溫度Tout上，就變成加入了日照影響的室外溫度Tout-solar。相應(yīng)的Tout-solar計算公式如式(6)所示：

(6)

同樣針對該換熱站，通過最小二乘法進行了一元回歸方程的擬合，相應(yīng)的室外溫度(加入了日照影響)與某換熱站熱負荷之間的擬合效果如圖5所示。

圖5　室外溫度(加入了日照影響)與某換熱站熱負荷之間的關(guān)系圖

相應(yīng)的室外溫度(加入了日照影響)與某換熱站熱負荷之間的一元回歸擬合方程如式(7)所示：

(7)

其中:擬合的平方相關(guān)系數(shù)R2為0.836 6。說明加入了日照影響的室外溫度與該換熱站熱負荷也成近似的線性關(guān)系，并且其平方相關(guān)系數(shù)R2比只考慮室外溫度的要大，說明加入了日照影響的室外溫度與該換熱站熱負荷的線性相關(guān)性比只考慮室外溫度的要高。

3熱負荷預(yù)測模型

3.1樣本數(shù)據(jù)的選取

因此，本文選擇室外溫度、風(fēng)速與日照作為影響集中供熱系統(tǒng)熱負荷的氣象因素?？紤]集中供熱系統(tǒng)熱負荷具有一定的熱惰性，前幾天的熱負荷作為一個基礎(chǔ)熱負荷，會對后幾天的熱負荷造成一定的影響。因此，在考慮集中供熱系統(tǒng)熱負荷的影響因素分析中，需要考慮前幾天熱負荷對當(dāng)日集中供熱系統(tǒng)熱負荷的影響[13]。

基于此，本文選擇的熱負荷預(yù)測模型的輸入輸出變量的匯總表如表1所示。

表1　集中供熱系統(tǒng)熱負荷預(yù)測模型輸入輸出變量

當(dāng)熱負荷預(yù)測模型的輸入輸出變量選擇好了以后，熱負荷預(yù)測模型的結(jié)構(gòu)可簡化用式(8)來表示：

(8)

其中:f(,,,)為該集中供熱系統(tǒng)熱負荷預(yù)測模型的函數(shù)。然后，以本文中涉及的大連市某高校區(qū)域集中供熱系統(tǒng)為實驗背景，選取其中的1個換熱站與2個樓宇作為3個實驗對象，然后分別建立相應(yīng)的熱負荷預(yù)測模型1、模型2與模型3。

相應(yīng)的樣本數(shù)據(jù)分為訓(xùn)練樣本數(shù)據(jù)與測試樣本數(shù)據(jù)。針對其中本文項目中大連市某高校區(qū)域集中供熱系統(tǒng)，訓(xùn)練樣本數(shù)據(jù)選取的是2015年1月份31天的數(shù)據(jù)，測試樣本數(shù)據(jù)選取的是2015年3月份31天的數(shù)據(jù)。

3.2預(yù)測模型的建立

當(dāng)集中供熱系統(tǒng)熱負荷預(yù)測模型的輸入輸出變量以及基本結(jié)構(gòu)確定以后，熱負荷預(yù)測模型的結(jié)構(gòu)就確定下來了。本文是通過多元回歸法來建立熱負荷預(yù)測模型的。在本文中，相應(yīng)的熱負荷預(yù)測模型的多元回歸函數(shù)方程如式(9)所示：

(9)

其中:A、B、C、D與E分別是熱負荷預(yù)測模型的5個回歸系數(shù)。

1stOpt軟件是七維高科有限公司開發(fā)的一套世界領(lǐng)先的曲線擬合、綜合優(yōu)化分析計算軟件，憑借其超強的尋優(yōu)、容錯能力，在回歸、曲線擬合、復(fù)雜工程模型參數(shù)估算求解等領(lǐng)域有著無可比擬的優(yōu)勢[14]。

本文運用1stOpt軟件，基于其中的通用全局優(yōu)化算法(LM-UGO算法)，利用已有的訓(xùn)練樣本數(shù)據(jù)進行回歸模型訓(xùn)練，可以分別將熱負荷預(yù)測模型1、2與3的5個回歸系數(shù)辨識出來。為了檢驗熱負荷預(yù)測模型的精度，以及后續(xù)預(yù)測模型的準(zhǔn)確性，本文引入了2個模型的性能評價指標(biāo)，分別為平方相關(guān)系數(shù)R2與平均絕對百分比誤差MAPE。相應(yīng)的2個性能評價指標(biāo)的計算公式如式(10)與(11)所示：

(10)

(11)

其中平方相關(guān)系數(shù)R2越接近1，證明曲線擬合得越好，模型的準(zhǔn)確度也越高；而平均絕對百分比誤差MAPE越接近0，證明相對誤差越小，模型的精度也越高[15]。

相應(yīng)的集中供熱系統(tǒng)熱負荷預(yù)測模型1、2與3的訓(xùn)練結(jié)果如表2所示。

如表2所示，3個熱負荷預(yù)測模型的5個回歸系數(shù)都通過1stOpt軟件給辨識出來了。通過計算分析，3個熱負荷預(yù)測模型在訓(xùn)練過程中，多元回歸擬合的平方相關(guān)系數(shù)R2均在0.900 0以上，很接近于1；同時，3個模型訓(xùn)練的平均絕對百分比誤差MAPE均在3.50%以下。說明這3個熱負荷預(yù)測模型的準(zhǔn)確度比較高，模型訓(xùn)練的比較合理。

4結(jié)果與討論

當(dāng)3個熱負荷預(yù)測模型都建立以后，就要進行模型的實際測試與檢驗了?；谝呀?jīng)得到的3個熱負荷預(yù)測模型的回歸函數(shù)方程，可以對已有的測試樣本數(shù)據(jù)進行測試，從而檢驗這3個模型的精度。相應(yīng)的3個熱負荷預(yù)測模型在測試過程中測量值與估計值的對比曲線如圖6、7與8所示。

圖6　模型1在測試過程中熱負荷測量值與估計值的對比曲線

圖7　模型2在測試過程中熱負荷測量值與估計值的對比曲線

如圖6~8所示，這3個熱負荷預(yù)測模型在測試過程中，日平均熱負荷的估計值與測試值比較接近，預(yù)測曲線對實際曲線的擬合效果是不錯的。從直觀上來看，這3個熱負荷預(yù)測模型的測試效果比較理想。為了能夠更好地研究這3個模型的預(yù)測效果，則需要對模型的預(yù)測誤差進行量化計算。

相應(yīng)的集中供熱系統(tǒng)熱負荷預(yù)測模型1、2與3的測試結(jié)果如表3所示。

表2　集中供熱系統(tǒng)熱負荷預(yù)測模型1、2與3的訓(xùn)練結(jié)果

表3　集中供熱系統(tǒng)熱負荷預(yù)測模型1、2與3的測試結(jié)果

圖8模型3在測試過程中熱負荷測量值與估計值的對比曲線

如表3所示，基于已經(jīng)得到的3個熱負荷預(yù)測模型的回歸函數(shù)方程，對已有的測試樣本數(shù)據(jù)進行測試，通過計算分析，3個熱負荷預(yù)測模型在測試過程中，多元回歸擬合的平方相關(guān)系數(shù)R2也均在0.900 0以上，很接近于1；同時，3個模型測試的平均絕對百分比誤差MAPE均在4.00%以下。說明這3個熱負荷預(yù)測模型的精度比較高。

同時，需要指出的是，在熱負荷預(yù)測模型訓(xùn)練與測試的整個過程中，所有相對誤差絕對值的最大值不超過8.00%，說明這3個熱負荷預(yù)測模型的訓(xùn)練與測試都比較合理。這種多元回歸計算分析法比較適合應(yīng)用于熱負荷預(yù)測鄰域。

5結(jié)論

本文針對大連市某高校的區(qū)域集中供熱系統(tǒng)，介紹了該集中供熱系統(tǒng)的工藝流程與供熱管網(wǎng)分布。本文著重研究了氣象因素對集中供熱系統(tǒng)熱負荷的影響，結(jié)果表明室外溫度對熱負荷有直接影響，風(fēng)速或日照對室外溫度有直接影響，然后間接影響熱負荷。然后，基于多元回歸分析法，利用1stOpt軟件建立了集中供熱系統(tǒng)熱負荷預(yù)測模型。實驗結(jié)果顯示，在熱負荷預(yù)測模型的訓(xùn)練與測試過程中，多元回歸擬合的平方相關(guān)系數(shù)均在0.900 0以上，模型訓(xùn)練、測試的平均絕對百分比誤差均在4.00%以下，并且所有相對誤差絕對值的最大值均小于8.00%，說明熱負荷預(yù)測模型的訓(xùn)練與測試均比較合理。這種多元回歸法適用于在熱負荷預(yù)測鄰域推廣與使用。

參考文獻：

[1] 馬喜成, 范梅梅, 楊巨生. 集中供熱管網(wǎng)熱瞬態(tài)預(yù)測[J]. 暖通空調(diào), 2011, 41(5): 85-88.

[2] 介鵬飛, 付林. 基于實際參數(shù)的集中供熱系統(tǒng)二次網(wǎng)運行調(diào)節(jié)[J]. 暖通空調(diào), 2014, 44(12): 107-111.

[3] 袁閃閃, 田喆, 朱能, 等. 利用氣象參數(shù)進行熱網(wǎng)動態(tài)調(diào)節(jié)研究方法綜述[J]. 煤氣與熱力, 2010, 30(7): 8-11.

[4] Werner S. The heat load in district heating systems [D]. Gothenburg: Chalmers University of Technology, 1984.

[5] Fernando S W, Roberto L. The use of simplified weather data to estimate thermal loads of non-residential buildings [J]. Energy & Buildings, 2004, 36: 847-854.

[6] Henrik A N, Henrik M. Modelling the heat consumption in district heating systems using a grey-box approach [J]. Energy & Buildings, 2006, 38: 63-71.

[7] Krzysztof W. An influence of weather conditions on heat demand in district heating systems [J]. Energy & Buildings, 2008, 40: 2009-2014.

[8] Omer Y, Tolga Y. Climatic parameters and evaluation of energy consumption of the Afyon geothermal district heating system, Afyon, Turkey [J]. Renewable Energy, 2009, 34: 706-710.

[9] 魏延寶, 林紅權(quán), 馬增良, 等. 基于ARMAX模型的集中供熱系統(tǒng)負荷預(yù)測研究[J]. 自動化與儀表, 2014, 7: 1-4.

[10] 李琦, 韓穎. 基于天氣預(yù)報的集中供熱系統(tǒng)短期熱負荷預(yù)測[J]. 自動化與儀表, 2015, 5: 5-8.

[11] 徐大海, 朱蓉. 人對溫度、濕度、風(fēng)速的感覺與著衣指數(shù)的分析研究[J]. 應(yīng)用氣象學(xué)報, 2000, 11(4): 430-439.

[12] 石兆玉. 供熱系統(tǒng)運行調(diào)節(jié)與控制[M]. 北京: 清華大學(xué)出版社, 1994.

[13] 秦冰, 江億, 付林, 等. 集中供熱系統(tǒng)熱動態(tài)特性的測試研究[J]. 煤氣與熱力, 2005, 25(11): 20-23.

[14] Cheng X Y, Chai F X, Gao J, et al. 1stOpt and global optimization platform-comparison and case study[A]. Proceedings of the 4th IEEE International Conference on Computer Science and Information Technology[C]. Chengdu, 2011: 328-332.

[15] 季永明, 端木琳, 王宏彬, 等. 大連地區(qū)新建居住建筑氣密性實測[J]. 暖通空調(diào), 2015, 45(1): 13-18.

Research of District Heating System Heat Load Prediction Based on Weather Factors

Wang Wenbiao，Cai Qi，Wang Siyuan

(School of Information Science and Technology, Dalian Maritime University, Dalian116026, China)

Abstract：The set value of district heating system’s subsystem depends on forecasting heat load, providing accurate heat load prediction is the basis to improve the heating quality. For the traditional heat load prediction, the outdoor temperature was considered as the only one influence factor, the heat load prediction model’s parameters identification depend on traditional mathematical tools, and the model’s accuracy isn’t high. In order to predict the heat load more accurately, the multiple weather factors’ influences on the district heating system heat load were researched in this paper, moreover, the multiple regression method was used in this paper, and then, the district heating system heat load prediction models were established by Levenberg Marquarat-Universal Global Optimization (LM-UGO) algorithm in 1stOpt software. The experimental results shown that the outdoor temperature has a direct influence on the heat load, the wind speed or solar radiation has a direct influence on the outdoor temperature so as to impact the heat load indirectly. The results shown that the multiple regression fitting’s square correlation coefficient were all greater than 0.900 0, model training and testing’s mean absolute percentage error were all less than 4.00%. This application indicated that the training and testing process of the heat load prediction models were reasonable, it proved that this multiple regression method can be promoted into the heat load prediction field.

Keywords：district heating system; heat load; weather factors; multiple regression

文章編號：1671-4598(2016)02-0022-05

DOI：10.16526/j.cnki.11-4762/tp.2016.02.006

中圖分類號：TP274.2

文獻標(biāo)識碼：A

作者簡介：王文標(biāo)(1982-)，男，天津市人，講師，主要從事計算機網(wǎng)絡(luò)方向的研究。汪思源(1963-)，男，安徽合肥人，教授，碩士研究生導(dǎo)師，主要從事過程控制方向的研究。

基金項目：2014年大連市科技計劃項目(2014E11SF059)。

收稿日期：2015-08-29；修回日期：2015-09-30。