基于大數(shù)據(jù)模式識別機器學(xué)習(xí)算法的熱力站動態(tài)能耗指標預(yù)測模型

王 炎，張海增，胡新華，趙 雋，李 添

(北京華源熱力管網(wǎng)有限公司，北京 100025)

在集中供熱系統(tǒng)中，由于用戶需熱情況復(fù)雜，受熱力站及二次管網(wǎng)系統(tǒng)結(jié)構(gòu)、供暖用戶建筑物結(jié)構(gòu)、保溫情況、用戶用熱習(xí)貫和室外天氣等多重因素影響，傳統(tǒng)的計算方式多以調(diào)度人員的經(jīng)驗和一些計算公式無法準確獲得合理熱負荷預(yù)測值，其估算的調(diào)整結(jié)果容易出現(xiàn)用戶室溫不達標或室溫偏高導(dǎo)致能源浪費等情況的發(fā)生[1]。針對上述情況，本文采用了大數(shù)據(jù)模式識別機器學(xué)習(xí)算法對各供熱參數(shù)進行數(shù)據(jù)集合統(tǒng)計計算和分析，得出熱力站熱負荷和影響熱負荷的各個因素之間的關(guān)系，從而準確高效地調(diào)節(jié)和控制用戶室溫，在節(jié)能降耗的同時提升供熱舒適度[2]。

1 算法研究

1.1 數(shù)據(jù)采集和數(shù)據(jù)質(zhì)量

實現(xiàn)大數(shù)據(jù)模式識別機器學(xué)習(xí)算法對各供熱參數(shù)進行數(shù)據(jù)集合計算，其采集內(nèi)容、采集頻率和采集數(shù)據(jù)質(zhì)量是關(guān)系到整個數(shù)據(jù)模型分析結(jié)果能否可用的關(guān)鍵重要因素。

目前，國內(nèi)的熱力站運行數(shù)據(jù)，通過SCADA系統(tǒng)、購買專業(yè)地區(qū)氣象臺數(shù)據(jù)、IoT(物聯(lián)網(wǎng))技術(shù)和熱計量采集系統(tǒng)等方式獲得。采集頻率數(shù)據(jù)采集頻率的設(shè)定，一般考慮如下三個方面的因素；一是SCADA系統(tǒng)的數(shù)據(jù)處理能力的限制；二是受到數(shù)據(jù)上傳鏈路帶寬和性能的限制；其數(shù)據(jù)傳輸時間間隔為不大于5分鐘，三是IoT(物聯(lián)網(wǎng))數(shù)據(jù)，包括用戶室內(nèi)溫度和熱計量數(shù)據(jù)，其傳輸頻率一般設(shè)置在10分鐘到30分鐘。天氣預(yù)報一般以小時為最小采集單位。

數(shù)據(jù)采集質(zhì)量的控制，關(guān)系到整個系統(tǒng)能否正常使用，確保數(shù)據(jù)質(zhì)量滿足如下三點；一是數(shù)據(jù)采集測點的穩(wěn)定性的控制；二是設(shè)備采集精度的控制；三是對于天氣預(yù)報等數(shù)據(jù)，要求數(shù)據(jù)傳輸接口的穩(wěn)定性，必要情況下，可以通過冗余方法提供兩個天氣預(yù)報數(shù)據(jù)源[3]。

1.2 數(shù)據(jù)存儲

實現(xiàn)大數(shù)據(jù)模式識別機器學(xué)習(xí)算法對各供熱參數(shù)進行數(shù)據(jù)集合計算，數(shù)據(jù)存儲架構(gòu)是系統(tǒng)進行集合計算的保證。合理有效的數(shù)據(jù)存儲方式關(guān)系到整個系統(tǒng)能否正常的使用。目前，有如下三種存儲方法。

1.2.1 實時數(shù)據(jù)庫

實時數(shù)據(jù)庫的出現(xiàn)，主要是為了解決當時關(guān)系型數(shù)據(jù)庫不太擅長的領(lǐng)域，包括：①海量數(shù)據(jù)的實時讀寫操作；②大容量數(shù)據(jù)的存儲；③集成了工業(yè)接口的數(shù)據(jù)采集；④集成控制功能，可實現(xiàn)實時控制[4]。

1.2.2 關(guān)系數(shù)據(jù)庫

關(guān)系數(shù)據(jù)庫，是建立在關(guān)系模型基礎(chǔ)上的，是由關(guān)系數(shù)據(jù)結(jié)構(gòu)、關(guān)系操作集合、關(guān)系完整性約束三部分組成。關(guān)系數(shù)據(jù)庫可以滿足復(fù)雜的查詢，這一點上要優(yōu)于實時數(shù)據(jù)庫，但是，將關(guān)系數(shù)據(jù)庫應(yīng)用于SCADA系統(tǒng)的時候，其缺點就暴露無疑了，主要表現(xiàn)在其并發(fā)處理速度低，一般為每秒1 000到3 000個讀寫請求；與實時數(shù)據(jù)庫每秒200百萬級的并發(fā)請求相差甚遠。

1.2.3 大數(shù)據(jù)

“大數(shù)據(jù)" 通常指的是那些數(shù)量巨大、難于收集、處理、分析的數(shù)據(jù)集[7]；其存儲方式和結(jié)構(gòu)與關(guān)系數(shù)據(jù)庫和實時數(shù)據(jù)庫完全不不同，采用列存儲技術(shù)。其存儲的內(nèi)容為非結(jié)構(gòu)化數(shù)據(jù)，其數(shù)據(jù)類型含蓋了關(guān)系數(shù)據(jù)庫所有數(shù)據(jù)類型；其最大的變化是其存儲結(jié)構(gòu)采用分布式結(jié)構(gòu)；查詢速度和復(fù)雜度遠高于關(guān)系數(shù)據(jù)庫。但其也存在一些缺點，其有效實時并發(fā)性能尚未達到實時數(shù)據(jù)庫性能，數(shù)據(jù)接口標準處于嚴重匱乏階段[5]。

以上三種數(shù)據(jù)存儲方式，目前在SCADA系統(tǒng)中都有采用，比較新的理念是，采用實時數(shù)據(jù)庫和大數(shù)據(jù)的架構(gòu)共同完成對各供熱參數(shù)進行數(shù)據(jù)集合分析計算。

1.3 數(shù)據(jù)計算

數(shù)據(jù)計算是實現(xiàn)大數(shù)據(jù)模式識別機器學(xué)習(xí)算法的工具，沒有數(shù)據(jù)計算的基礎(chǔ)理論作保證，其所有數(shù)據(jù)沒有任何實際意義。因此，有效選擇計算方法和基礎(chǔ)數(shù)據(jù)準備是數(shù)據(jù)計算的根本[7]。

1.3.1 數(shù)據(jù)的辨析

基于大數(shù)據(jù)模式識別機器學(xué)習(xí)算法的熱力站動態(tài)能耗指標預(yù)測模型，首先，要利用相關(guān)性分析原理合理的確定使用那些數(shù)據(jù)，在不斷的試錯中找出最為合理和有效的數(shù)據(jù)[8]。

(1)因變量。大數(shù)據(jù)模式識別機器學(xué)習(xí)算法對各供熱參數(shù)進行數(shù)據(jù)集合計算，首先要求對數(shù)據(jù)采集樣本進行有效選擇。其中因變量的選擇是非常關(guān)鍵的，依照一般的思維邏輯，選擇熱力站熱負荷值(一次或二次)是首選，但在實際數(shù)據(jù)計算試錯中，發(fā)現(xiàn)由于熱負荷值采用了溫度差和流量兩個參量進行計算，其中流量的值容易出現(xiàn)跳躍，造成了因變量計算結(jié)果的差異。而采用供暖熱力站二次送水溫度作為因變量。具有溫度變化平緩，不會出現(xiàn)跳躍，且其二次送水溫度可以非常近似表示其熱負荷的變化。

(2)自變量。自變量的選擇，關(guān)系到整個預(yù)測模型的實際預(yù)測效果和相關(guān)性的程度，其中天氣預(yù)報數(shù)據(jù)的選擇為重點。采用全天24h4個時段的平均天氣預(yù)報溫度、風(fēng)力以及濕度和照度等，可以最大限度減少預(yù)報室外環(huán)境參數(shù)的偏差；其歷史記錄的室外環(huán)境溫度、風(fēng)力、濕度和照度為當時的地區(qū)以小時為時間間隔實際室外環(huán)境參數(shù)。

供熱用戶室內(nèi)溫度，是以各個熱力站對應(yīng)的典型室內(nèi)測量溫度為參考，在測量室內(nèi)環(huán)境溫度時應(yīng)加入偏移量補償措施，使其獲得的室內(nèi)環(huán)境溫度盡可能的準確。

供熱用戶室內(nèi)環(huán)境溫度的設(shè)置，按照國家供暖規(guī)定，在供暖季，用戶室內(nèi)溫度不得低于18℃，考慮到供熱用戶的舒適度要求，將供暖季室內(nèi)溫度設(shè)置四個時段，分別為上午、下午、夜晚和凌晨；四個時段的用戶室內(nèi)環(huán)境溫度設(shè)定值分別為22℃、20℃、22℃和18℃；考慮到其為典型用戶，實際應(yīng)用中可能會出現(xiàn)正負2℃的偏差。

1.3.2 數(shù)據(jù)抽取

數(shù)據(jù)的抽取，關(guān)系到所獲數(shù)據(jù)質(zhì)量是否符合標準的關(guān)鍵節(jié)。

(1)數(shù)據(jù)抽取的環(huán)境。為了保證數(shù)據(jù)抽取的成功和便于下一步的查詢和分析，利用大數(shù)據(jù)架構(gòu)，將實時數(shù)據(jù)庫采集的數(shù)據(jù)，通過接口以統(tǒng)一的時間間隔(5 min)將需要進行分析計算的數(shù)據(jù)抽取轉(zhuǎn)儲至大數(shù)據(jù)結(jié)構(gòu)節(jié)點服務(wù)器中存儲。

(2)數(shù)據(jù)抽取原則。將實時數(shù)據(jù)庫中，各個熱力站的熱負荷、二次流量、二次送、回水溫度、一、二次壓力、調(diào)整閥門開度、變頻數(shù)據(jù)；對應(yīng)地區(qū)的小時天氣預(yù)報中實時室外環(huán)境溫度、風(fēng)力、照度和濕度，對應(yīng)地區(qū)的次日小時天氣預(yù)報中的室外環(huán)境溫度、風(fēng)力、照度和濕度；各個熱力站對應(yīng)典型供熱用戶室內(nèi)溫度等關(guān)鍵數(shù)據(jù)以時間順序抽取存儲到大數(shù)據(jù)節(jié)點服務(wù)器中。

1.3.3 數(shù)據(jù)清洗

數(shù)據(jù)清洗工作，是對大數(shù)據(jù)計算分析的數(shù)據(jù)清洗，是發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識別錯誤的最后一道程序，包括檢查數(shù)據(jù)一致性，處理無效值和缺失值等。

(1)將抽取的數(shù)據(jù)依照時間序列進行判斷，將系列數(shù)據(jù)任一時間點的數(shù)據(jù)出現(xiàn)缺失、錯誤的數(shù)據(jù)依照其所在的時間段進行整段刪除。重點關(guān)注典型室內(nèi)環(huán)境溫度出現(xiàn)異常，熱力站熱負荷和流量出現(xiàn)嚴重跳躍，天氣預(yù)報實時數(shù)據(jù)缺失三種情況；

(2)將抽取的數(shù)據(jù)中不在供暖期間的數(shù)據(jù)和特殊供暖期(出現(xiàn)一次系統(tǒng)供熱故障)的數(shù)據(jù)進行整時段刪除。

1.4 大數(shù)據(jù)分析

大數(shù)據(jù)分析是指用適當?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細研究和概括總結(jié)的過程。這一過程也是質(zhì)量管理體系的支持過程。在實用中，數(shù)據(jù)分析可幫助人們做出判斷，以便采取適當行動[9]。

1.4.1 歐式距離

歐幾里得度量(Euclidean metric)(也稱歐氏距離)是一個通常采用的距離定義，指在m維空間中兩個點之間的真實距離，或者向量的自然長度(即該點到原點的距離)。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。

歐式距離算法公式：

(1)

(1)算法描述。熱力站熱負荷分析的目的，利用大數(shù)據(jù)節(jié)點服務(wù)器中存儲的已經(jīng)清洗的數(shù)據(jù)，將供暖季室內(nèi)溫度設(shè)置四個時段，分別為上午、下午、夜晚和凌晨；四個時段的用戶室內(nèi)環(huán)境溫度設(shè)定值分別為22℃、20℃、22℃和18℃；將時間序列數(shù)據(jù)中各個換熱站的典型室內(nèi)溫度、對應(yīng)該地區(qū)的室外溫度和室外風(fēng)力歷史值作為依據(jù)計算出其歐氏距離值。由此計算出依照時間序列生成為歐式距離數(shù)據(jù)集，并取其最小值所對應(yīng)的時間序列[10]。

(2)具體算法公式。

(2)

(3)時間序列數(shù)據(jù)集的選擇。歐式距離數(shù)據(jù)集時間段的選取原則為最少150個供暖日，如果要將雪天和濕度參與計算，考慮到其樣本數(shù)量在一個供暖季中出現(xiàn)的天數(shù)很少，其分析數(shù)據(jù)集時間段的選擇可以不進行限制。

1.4.2 復(fù)相關(guān)系數(shù)

復(fù)相關(guān)系數(shù)是測量一個變量與其他多個變量之間線性相關(guān)程度的指標。它不能直接測算，只能采取一定的方法進行間接測算，是度量復(fù)相關(guān)程度的指標。復(fù)相關(guān)(多重相關(guān))的實質(zhì)就是Y的實際觀察值與p個自變量預(yù)測的值的相關(guān)。

熱力站熱負荷分析和計算，如果在已清洗的數(shù)據(jù)當中能夠檢索到其歐式距離為0的時間序列記錄，就可以直接引用該時間序列對應(yīng)的熱負荷值作為次日對應(yīng)時段的負荷預(yù)測值，其算法簡單有效。但是，當其最小歐式距離為不為0的時候，就會發(fā)現(xiàn)，需要對最新的預(yù)測值進行系數(shù)修正，這個系數(shù)如何確定，這就需要用到復(fù)相關(guān)系數(shù)。

可以利用其熱力站熱負荷與室內(nèi)環(huán)境溫度、室外環(huán)境溫度、室外風(fēng)力的最大復(fù)相關(guān)系數(shù)(一般在0.85-0.99之間)；將獲得一定時間段的內(nèi)最大復(fù)復(fù)相關(guān)系數(shù)減去1的絕對值(0.01-0.115)作為修正系數(shù)，實現(xiàn)對熱力站熱負荷的預(yù)測。

(3)

(4)

(1)算法描述。首先，要求進行數(shù)據(jù)的辨析，選擇合理因變量和自變量是保證其算法有效的關(guān)鍵；在1.3.1數(shù)據(jù)的辨析中，已經(jīng)對因變量和自變量的選擇辨析進行了詳細的分析。將二次供水溫度作為因變量，當其溫度提高時，其對應(yīng)的室內(nèi)溫度會與室外環(huán)境(溫度、風(fēng)力等)產(chǎn)生一個相關(guān)性，但這種相關(guān)性需要一個延遲時間，通過固定時間步長的迭代計算復(fù)相關(guān)系數(shù)，多長延遲時間后，二次供水溫度的變化與其對應(yīng)的室內(nèi)溫度會與室外環(huán)境(溫度、風(fēng)力等)相關(guān)性最強，就將該時刻的最大復(fù)相關(guān)系數(shù)和時間標作為的修正系數(shù)和延遲時間[11]。

利用統(tǒng)計學(xué)中的計算模型，依照時間序列按照固定時間步長將自變量集迭代導(dǎo)入就可以計算出時間序列的復(fù)相關(guān)系數(shù)序列；如果其下一個復(fù)相關(guān)數(shù)小于前一個復(fù)相關(guān)系數(shù)，就得出了其在此時間序列中的最大復(fù)相關(guān)系統(tǒng)，否則該時間系列復(fù)相關(guān)系數(shù)無效。具體算法公式：

(2)具體算法公式。

(5)

(6)

(3)時間數(shù)列歷史時段的選擇。為了保證復(fù)相關(guān)系數(shù)的有效性，通過不斷的試錯和依據(jù)熱力站熱負荷的實際，選擇的時間數(shù)據(jù)列為其為歐式距離計算點對應(yīng)時間標前后6個小時，作為復(fù)相關(guān)系數(shù)時間序列數(shù)據(jù)集的計算分析數(shù)據(jù)源。其時間段過長或過短都對其計算結(jié)構(gòu)產(chǎn)生一定的影響，如圖1所示。

圖1通過熱力站二次送水溫度，與室內(nèi)環(huán)境溫度，室外環(huán)境溫度、風(fēng)力，計算出的時間序列復(fù)相關(guān)系數(shù)(R)
Fig.1 Time series complex correlation coefficient(R)calculated by secondary water supply temperature of thermal power station，indoor ambient temperature，outdoor ambient temperature，wind power

(4)熱負荷預(yù)測算法。

(7)

(5)延遲時間算法。熱力站熱負荷計算還存在一個非常關(guān)鍵的問題，遲滯時間Dt；這是供熱行業(yè)一個特有的現(xiàn)象，由于熱力站與供熱用戶由二次熱網(wǎng)管線連接，熱量的輸送需要一定的時間，同時供熱用戶的保溫情況，戶外環(huán)境溫度和風(fēng)力大小，以及雪天和照度對用戶溫度的影響，都會給供熱用戶到熱力站之間熱傳導(dǎo)產(chǎn)生一個動態(tài)的延時。如果能夠通過算法分析將此遲滯時間計算出結(jié)果。就可以提前一定延時時間對熱力站進行調(diào)整，在預(yù)定時間，使其室內(nèi)溫度達到設(shè)定值，解決了熱力站熱負荷預(yù)測這一難題。

延遲時間為時間序列相關(guān)性分析數(shù)據(jù)集合，從開始時刻通過迭代計算得到到其復(fù)相關(guān)系數(shù)最大值時刻的時間差；該時間差的精度與其分析數(shù)據(jù)集的時間間隔密切相關(guān)，建議采用不大于10 min的時間間隔進行計算，如圖2所示[12]。

其延遲時間為Dt=90分鐘，其R(lmax)最大值為0.962；K=0.038

預(yù)測熱負荷Qf=3.67(凌晨0時-8時)。

(6)熱力站熱負荷預(yù)測的邏輯流程圖如圖3所示。

1.5 數(shù)據(jù)驗證

實現(xiàn)大數(shù)據(jù)模式識別機器學(xué)習(xí)算法對各供熱參數(shù)進行數(shù)據(jù)集合計算，是一個無量綱的計算分析過程，期間除了補水熱負荷計算引用了熱力學(xué)計算公式外，其它的計算方法完全遵循了統(tǒng)計學(xué)的基本原理和計算模型。

1.5.1 數(shù)據(jù)清理在計算分析中起這舉足輕重的作用

在數(shù)據(jù)采集和數(shù)據(jù)抽取過程中，無效和壞的數(shù)據(jù)隨時都會發(fā)生，建立起一套完整有效數(shù)據(jù)清理方法是非常必要的，需要遵循如下要點：

(1)要保證時間順序數(shù)據(jù)類歷史記錄間隔的基本一致性，可以通過數(shù)據(jù)抽取存儲來處理，也可通過時間差值算法進行數(shù)據(jù)整理。

(2)要保證時間順序序列數(shù)據(jù)的完整性，一旦有某個數(shù)據(jù)失信，就要自動將整個時間段的序列數(shù)據(jù)排除掉，一般為6個小時或24個小時。

(3)要嚴格把好數(shù)據(jù)清理關(guān)，只存儲供暖季的數(shù)據(jù)，對一些容易失效的數(shù)據(jù)，可進行冗余數(shù)據(jù)處理。

1.5.2 在復(fù)相關(guān)系數(shù)分析計算中，要注意排錯處理

在利用已經(jīng)清理好的數(shù)據(jù)進行分析計算時，出現(xiàn)錯誤的計算結(jié)果是無法避免的。所能夠做的，就是將錯誤計算結(jié)果的數(shù)據(jù)丟棄，選擇另一段數(shù)據(jù)進行重新計算，直到出現(xiàn)最大復(fù)相關(guān)系數(shù)為止。

1.6 模型優(yōu)化

實現(xiàn)大數(shù)據(jù)模式識別機器學(xué)習(xí)算法熱力站熱負荷進行分析計算，還有很長的路要走，隨著數(shù)據(jù)量的不斷積累和數(shù)據(jù)的深入驗證，有可能將雪、日照和濕度等更多的因素加入進來進行分析和運算，同時，也可以對室內(nèi)溫度的采集和計算方法進行不斷的優(yōu)化和完善。該模型算法思想和理論可延伸到一次熱網(wǎng)的運行狀態(tài)的預(yù)測和分析當中，其遲滯時間的創(chuàng)造性算法對整個熱力行業(yè)具有深遠的意義，如圖4所示和圖5所示[13]。

2 結(jié)語

本文運用大數(shù)據(jù)模式識別機器學(xué)習(xí)算法建立了熱力站動態(tài)能耗指標預(yù)測模型。相比人為手工計算，機器學(xué)習(xí)的好處是運行速度快，隨著不斷地學(xué)習(xí)和有效樣本的增加，預(yù)測的準確性也逐步提高，通過對模型的不斷調(diào)整和優(yōu)化為供熱精確調(diào)節(jié)打下了堅實的基礎(chǔ)[14-17]。

本文簡單地選取了6座熱力站近40天熱負荷作為樣本輸出。而實際的情況卻更為復(fù)雜。延遲時間受多方面因素影響，每一戶的延遲時間都可能不同?？梢钥紤]采用機器學(xué)習(xí)的方式來學(xué)習(xí)每一個用戶的熱傳導(dǎo)延遲時間，進一步提高預(yù)測準確性[18]。