換熱站二次系統(tǒng)熱平衡算法研究

劉想，趙英寶，劉慧賢，陳新興

摘要：供熱系統(tǒng)完成初調(diào)節(jié)后，某支路熱用戶會因熱量需求改變而發(fā)生流量改變，從而影響供熱效果。為了滿足此熱用戶的供熱需求，又不影響其他熱用戶的供熱需求，根據(jù)實際運行數(shù)據(jù)建立換熱站二次管網(wǎng)循環(huán)泵電動機的功耗模型，模型的主要約束條件為各支路電動調(diào)節(jié)閥的開度、各支路水力平衡態(tài)，利用遺傳算法的尋優(yōu)能力，通過引入懲罰函數(shù)，將約束問題轉(zhuǎn)化為無約束問題，以供熱系統(tǒng)上所有支路熱用戶的供熱平衡為最終目標進行尋優(yōu)仿真。仿真結(jié)果表明，在滿足所有支路熱用戶的供熱平衡時，確保了循環(huán)泵電動機的運行功耗最小，得到了各電動調(diào)節(jié)閥的開度設置， 節(jié)約熱負荷約76%。所用方法有效地改善了熱用戶的供熱需求，可為進一步深入研究二次網(wǎng)支路熱用戶的供熱平衡提供參考。

關鍵詞：供熱工程：熱負荷平衡;流量調(diào)配;系統(tǒng)建模;遺傳算法;綠色供暖

中圖分類號：TU833+1文獻標識碼：Adoi： 10.7535/hbgykj.2020yx01005

Research on thermal balance algorithm of secondary

system in heat exchange station

LIU Xiang， ZHAO Yingbao， LIU Huixian， CHEN Xinxing

Abstract：After the initial adjustment of the heating system， the heat flow of a branch is changed due to the change in heat demand. In order to meet the heating requirement of the hot user， while the heating requirements of other hot users are not affected， according to the actual operation data， the power consumption model of the secondary pipe network circulating pump motor of the heat exchange station is established. The main constraint conditions of the model are the opening degree of each branch electric control valve and the hydraulic balance state of each branch. By introducing a penalty function， the powerful optimization capability by genetic algorithm transforms the constraint problem into an unconstrained problem， and optimizes the heating balance of all the branch heat users on the heating system as the final goal. The simulation results show that the operating power consumption of the circulating pump motor is minimized when the heating balance of all the branch heat users is satisfied， and the opening setting of each electric regulating valve is obtained. The method adopted effectively improves the heating demand of the heat user and saves the heat load by about 7.6%， which can provide a reference for further research on the heat balance of the secondary network branch heat users.

Keywords：heating engineering; heat load balancing; flow deployment; system modeling; genetic algorithm; green heating

集中供熱在中國已經(jīng)發(fā)展多年，小區(qū)換熱站二次管網(wǎng)各支路熱用戶之間的熱負荷調(diào)配不平衡問題依舊很突出[1]，當某一支路熱用戶需求的熱量發(fā)生變化時，就需要對其所在支路流量進行調(diào)配，這勢必會引起整個二次管網(wǎng)的流量、壓力重新分布[2]，如果不對二次管網(wǎng)流量進行整體調(diào)配，各熱用戶端會出現(xiàn)冷熱不均現(xiàn)象，嚴重影響供暖舒適度和熱量的浪費，所以研究換熱站二次管網(wǎng)流量的合理調(diào)配對于供熱平衡及綠色供暖至關重要[3]。

1換熱站供熱過程建模

1.1循環(huán)泵電動機功耗模型建立

二次主管網(wǎng)的壓力、流量由循環(huán)泵提供，依據(jù)循環(huán)泵的軸功率[4]計算公式：

N=ρgGpHp3.6×106×η。 ? ? ? ?（1）

為了降低計算難度，將電動機的輸出功率等同于循環(huán)泵的軸功率，即為

N≈P，（2）

式中：N為循環(huán)泵的軸功率，kW;P為電動機輸出功率，kW;ρ為水的密度，kg/m3;g為重力加速度，9.8 m/s2;Gp為循環(huán)泵實際流量，m3/h; Hp為循環(huán)泵揚程，m;η為循環(huán)泵電動機運行效率。

第1期劉想，等：換熱站二次系統(tǒng)熱平衡算法研究河北工業(yè)科技第37卷采用半經(jīng)驗公式[5]建模法，建立循環(huán)泵揚程模型和電動機效率模型為

Hp=C1+C2Gp+C3G2p， （3）

η=D1K2f+D2KGKf+D3K2G， （4）

式中：C1，C2，C3分別為循環(huán)泵揚程模型參數(shù);D1，D2，D3為循環(huán)泵電動機效率模型參數(shù);Kf為循環(huán)泵電動機實際頻率與額定頻率的比值; KG為循環(huán)泵實際流量與額定流量的比值。

上述模型中有2組參數(shù)需要辨識，利用實際測量運行數(shù)據(jù)，經(jīng)最小二乘法[6]辨識后的循環(huán)泵揚程模型參數(shù)C1=0.001 6，C2=0.173 2，C3=0001 8，同理可以求出循環(huán)泵電動機效率模型參數(shù)為D1=-0.136 2，D2=0.327 5，D3=0.668 7。

1.2電動調(diào)節(jié)閥開度建模

電動調(diào)節(jié)閥的阻力系數(shù)只與其物理結(jié)構(gòu)和開度有關[7]，通過改變閥門開度，測量支路流量和壓差，擬合出阻力特性系數(shù)Ri與開度關系式：

Ri=B1+B2eB3/αi，（5）

式中：B1，B2，B3分別為電動調(diào)節(jié)閥模型參數(shù)，需要辨識;αi為電動調(diào)節(jié)閥的開度，%，i=1，2，3。

利用實際測量運行數(shù)據(jù)，經(jīng)最小二乘法辨識后的電動調(diào)節(jié)閥模型參數(shù)B1=1.78，B2=6.23，B3=123.25。

1.3水力工況平衡下節(jié)能優(yōu)化模型

以石家莊高新區(qū)某小區(qū)換熱站及3棟建筑物為模型基礎，建立水力工況平衡下節(jié)能優(yōu)化模型。其中每棟建筑物前安裝了電動調(diào)節(jié)閥，考慮到實際供熱系統(tǒng)的復雜性，為了降低理論模型的難度，把每棟建筑物內(nèi)的所有熱用戶等同于一個大“熱用戶”，并忽略一些干擾因素，如管道漏水、管道內(nèi)壁生銹等，如圖1所示，優(yōu)化模型的目標是在管網(wǎng)水力平衡的基礎上，保障各支路熱用戶供熱溫度，使二次主管網(wǎng)的輸出流量最小，也就是循環(huán)泵電動機的運行能耗最小。因此，目標函數(shù)為

min W（f，Gp）=

minρgGp（C1+C2Gp+C3G2p）3.6×106×（D1K2f+D2KGKf+D3K2G）。（6）

依據(jù)二次管網(wǎng)中串聯(lián)管段和并聯(lián)管段的阻力特性關系[8]，將圖1簡化成阻力特性系數(shù)如圖2所示。其中Sri（i=1，2，3）為支路阻抗總和，即熱用戶阻抗、電動調(diào)節(jié)閥阻抗、管網(wǎng)阻抗三者之和。

設二次管網(wǎng)總流量為G，總阻抗為S，循環(huán)泵揚程為H，各支路熱用戶流量為Gi，i=1，2，3，可得熱用戶的流量和阻力特性系數(shù)之間的關系，則有：

G=H/S。 ? （7）

設S1為包括熱用戶1之后的總阻抗，則有：

G1=GS1/Sr1。 ? ? ? ? （8）

設S2為包括熱用戶2之后的總阻抗，則有：

G2=（G-G1）S2/Sr2。 ? （9）

熱用戶3的流量為

G3=（G-G1-G2）。 ? ?（10）

將電動調(diào)節(jié)閥開度模型和各管段阻力系數(shù)值代入式（8）—式（10），即可求出各個支路熱用戶的流量與電動調(diào)節(jié)閥開度的關系。

依據(jù)最優(yōu)流量調(diào)節(jié)公式[9]

Gih=Giqtn-twt′n-t′w1/3， ? ?（11）

式中：Giq為支路熱用戶調(diào)節(jié)前的穩(wěn)態(tài)流量;Gih為調(diào)節(jié)后的穩(wěn)態(tài)流量;tn，tw分別為實際室內(nèi)、室外溫度;t′n，t′w分別為設計室內(nèi)、室外溫度。可得支路水力工況平衡約束條件為（Gih-Gi）min，i=1，2，3。

2基于遺傳算法流量調(diào)配仿真分析

遺傳算法[10]是模擬生物系統(tǒng)的遺傳特性所進行的計算機模擬研究。遺傳算法是一種效率高、并行兼全局搜索的方法[11]，其在搜索過程中能根據(jù)需要自動獲取和積累相關的搜索空間知識，進而求出最優(yōu)解，對于優(yōu)化求解復雜的非線性和多維空間問題[12]非常適合。

調(diào)節(jié)前，二次主管網(wǎng)的供、回水溫度分別為50 ℃和40 ℃，室內(nèi)、室外溫度分別為+18 ℃和-6 ℃。由于熱用戶2自身通過調(diào)節(jié)戶內(nèi)閥門開度，而使戶內(nèi)流量增加，導致供熱量需求增加8%。采用傳統(tǒng)調(diào)節(jié)，只增加二次主管網(wǎng)的流量，可以實現(xiàn)熱用戶2的供熱量，但其他2個熱用戶就會出現(xiàn)熱量浪費的現(xiàn)象，如表1所示。所以需要進行整體的調(diào)配，找到最佳的各熱用戶樓前電動調(diào)節(jié)閥的開度及二次主管網(wǎng)流量。

二次管網(wǎng)節(jié)能優(yōu)化的目標是以二次管網(wǎng)水力工況平衡為前提，滿足各熱用戶的供熱需求，使循環(huán)泵電動機的運行功耗最小，則目標函數(shù)為

min Wp（f，G）=

min0.28×10-6×ρgG（0.001 6+0.173 2G+0.001 8G2）-0.187 5（f50）2+0.237 2（f50）（G80）+0.268 7（G80）2。（12）

約束條件為電動調(diào)節(jié)閥開度：上、下限分別為30%，100%;水力工況平衡態(tài)：（GihGi）min，其中：G=G1+G2+G3;循環(huán)泵電動機頻率上、下限分別為28 Hz，50 Hz。

為了將約束非線性規(guī)劃問題轉(zhuǎn)化為求解一系列無約束非線性規(guī)劃問題，構(gòu)造懲罰函數(shù)[13]，引入懲罰因子，將約束條件引入目標函數(shù)，使有約束的問題轉(zhuǎn)化為無約束的問題，建立的懲罰函數(shù)為

Fp（f，G）=[Gih-Gi]2+{max[0，（28-f）]}2+

{max[0，（f-50）]}2+{max[0，（30-α1）]}2+

{max[0，（α1-100）]}2+{max[0，（30-α2）]}2+

{max[0，（α2-100）]}2+{max[0，（30-α3）]}2+

{max[0，（α3-100）]}2。（13）

無約束的循環(huán)泵電動機能耗優(yōu)化目標函數(shù)為

min F（f，G）=min[Wp（f，G）+Fp（f，G）]。（14）

遺傳算法通常用以解決最大值優(yōu)化問題，然而本文的目標函數(shù)是求最小值，所以，引入一個合適大的正數(shù)Cmax，通過與目標函數(shù)做差值，將最小值優(yōu)化問題轉(zhuǎn)化為最大值優(yōu)化問題[14]，適應度函數(shù)可以表示為

Ffit=Cmax-F（f，G），if F（f，G）

遺傳算法中的控制參數(shù)對遺傳算法計算過程的影響十分復雜，主要包括種群規(guī)模的確定、交叉率、變異率等[15]，為了獲得良好的計算結(jié)果，并加快計算速度，本文設定種群規(guī)模為60，允許最大進化代數(shù)為240，變異率和交叉率分別取0.01和0.60，仿真結(jié)果如圖3—圖6所示。

仿真結(jié)果表明，當種群進化到220代時，得到的最優(yōu)適應度值為56，各支路閥門開度分別為766%，568%，663%，其流量分別為242，175，204 m3/h，優(yōu)化后熱負荷如表1所示。對比傳統(tǒng)調(diào)節(jié)，供熱系統(tǒng)整體減少了7.6%的熱量損失，節(jié)約了熱量，實現(xiàn)了供熱平衡的合理控制。

3結(jié)語

本文所建模型和采用的算法實現(xiàn)了換熱站二次管網(wǎng)支路熱用戶所需熱量的供需平衡，同時確保了循環(huán)泵電動機輸出功率最小，節(jié)約了熱量。但是隨著支路熱用戶的增加，管網(wǎng)復雜程度也會相應增加，需要引入圖論等算法去進行更深入的研究。

參考文獻/References：

[1]顏麗娟， 馬坤茹， 羨曉東. 一種清潔能源與市政熱網(wǎng)互補的供熱系統(tǒng)設計及模擬研究[J]. 河北工業(yè)科技， 2019， 36（3）： 183188.

YAN Lijuan， MA Kunru， XIAN Xiaodong. Design and simulation of a complementary heating system with clean energy and municipal heating network[J]. Hebei Journal of Industrial Science and Technology， 2019， 36（3）： 183188.

[2]陳知富. 中小城市集中供熱的現(xiàn)狀問題及規(guī)劃發(fā)展探討[J]. 區(qū)域供熱， 2016（2）： 8691.

[3]方豪， 夏建軍， 林波榮，等. 北方城市清潔供暖現(xiàn)狀和技術(shù)路線研究[J]. 區(qū)域供熱， 2018（1）： 1118.

[4]關醒凡. 現(xiàn)代泵理論與設計[M]. 北京： 中國宇航出版社， 2011.

[5]ULANICKI B， KAHLER J， COULBECK B. Modeling the efficiency and power characteristics of a pump group[J]. Journal of Water Resources Planning and Management， 2008， 134（1）： 8893.

[6]宋超， 王文明， 謝勇波， 等. 基于最小二乘法的電機特性曲線繪制與效率仿真[J]. 大功率變流技術(shù)， 2016（1）： 4952.

SONG Chao， WANG Wenming， XIE Yongbo， et al. Characteristiccurve drawing and efficiency simulation of motor based on the least square method[J]. High Power Converter Technology， 2016（1）： 4952.

[7]楊紀偉， 張麗榮. 調(diào)節(jié)閥阻力特性分析[J]. 閥門， 2001（2）： 2224.

YANG Jiwei， ZHANG Lirong. Analysis on characteristics of flowing resistance of reguator[J]. Valve， 2001（2）： 2224.

[8]賀平， 孫剛. 供熱工程[M]. 北京： 中國建筑工業(yè)出版社， 2009.

[9]石兆玉， 楊球同. 供熱系統(tǒng)運行調(diào)節(jié)與控制[M]. 北京： 中國建筑工業(yè)出版社， 2018.

[10]YE Yang， GAO Mingyi， MA Yuanyuan， et al. Multipopulation genetic algorithm for peaktoaverage power ratio suppression in an optical OFDM transmission system[J]. Applied Optics， 2018， 57（35）： 1019110197.

[11]毛尚春. 軍事運輸投送中的路徑優(yōu)化算法探討[J]. 交通世界， 2018（36）： 89.

[12]趙宇蘭. 基于退火遺傳算法的多連接查詢優(yōu)化應用研究[J]. 山西電子技術(shù)， 2018（6）： 9396.

ZHAO Yulan. Research on multijoin query optimization based on annealinggenetic algorithm[J]. Shanxi Electronic Technology， 2018（6）： 9396.

[13]袁明珠. Matlab遺傳算法工具箱在約束非線性懲罰函數(shù)中的應用[J]. 軟件工程， 2017， 20（1）： 3739.

YUAN Mingzhu. Application of the Matlab genetic ?algorithm toolbox in constrained nonlinear penalty functions[J]. Software Engineering， 2017， 20（1）： 3739.

[14]蔡海鸞. 懲罰函數(shù)法在約束最優(yōu)化問題中的研究與應用[D]. 上海： 華東師范大學， 2015.

CAI Hailuan. Research and Application of Penalty Funciton Method in Constrained Optimization[D]. Shanghai： East China Normal University， 2015.

[15]REYNOLDS J， REZGUI Y， KWAN A， et al. A zonelevel， building energy optimisation combining an artificial neural network， a genetic algorithm， and model predictive control[J]. Energy， 2018， 151： 729739.

收稿日期：20191010;修回日期：20191030;責任編輯：陳書欣

基金項目：河北省高等學?？茖W技術(shù)研究項目（ZD2016142）

第一作者簡介：劉想（1991—），男，河北滄州人，碩士研究生，主要從事集中供熱系統(tǒng)應用方面的研究。

通訊作者：趙英寶副教授。 Email：1031550622@qq.com

劉想，趙英寶，劉慧賢，等.換熱站二次系統(tǒng)熱平衡算法研究[J].河北工業(yè)科技，2020，37（1）：2326.

LIU Xiang， ZHAO Yingbao， LIU Huixian，et al.Research on thermal balance algorithm of secondary system in heat exchange station[J].Hebei Journal of Industrial Science and Technology，2020，37（1）：2326.