一种煤矿供热体系全链路智慧管控系统的制作方法

本发明涉及供热系统的智能控制技术，具体涉及一种一种煤矿供热体系全链路智慧管控系统。

背景技术：

1、煤矿供热体系是指为煤矿井下和井上提供热水、蒸汽、热风等热能的系统，是煤矿生产和生活的重要保障。煤矿供热体系的主要组成部分包括供热设备单元、热力管网、供热站、储热装置等。煤矿供热体系的运行效率和安全性直接影响煤矿的能耗、碳排放、生产成本和安全生产。

2、目前，煤矿供热体系普遍存在以下问题：

3、供热设备单元的能源利用率低，热源站点多采用燃煤锅炉，燃烧效率低，排放污染物多，不利于节能减排和环境保护；

4、热力管网的热损失大，由于管网老化、维护不及时、保温不良等原因，管网的热损失可达10％～20％，造成能源浪费和供热不稳定；

5、供热站的调节能力差，由于供热站的控制方式简单、控制参数固定、控制设备落后等原因，供热站不能根据供热需求和环境变化进行灵活调节，导致供热过量或不足，影响供热质量和用户满意度；

6、储热装置的应用不广泛，由于储热装置的投资成本高、运行成本高、占地面积大等原因，储热装置在煤矿供热体系中的应用不广泛，导致供热体系的峰谷差大，供热不平衡，难以实现供需匹配。

7、另外，由于实际需求的多样性，现有的供热系统的通信协议通常是dcs、plc、lora和modbus直采的混合设置，在整个供热体系场景下的数据协议复杂多变，无法进行统一的全链路管理。

8、为了解决上述问题，专利号为cn 108880948 a的中国发明公开了一种煤矿供热系统的智能化管理方法，该方法包括以下步骤：(1)根据煤矿供热系统的结构和参数，建立供热系统的数学模型；(2)根据供热系统的运行数据，采用神经网络算法对数学模型进行训练和优化；(3)根据供热需求和环境条件，采用模糊控制算法对供热系统的运行参数进行调节；(4)根据供热系统的运行状态和性能，采用故障诊断和预警算法对供热系统进行监测和维护。该方法能够提高供热系统的运行效率和安全性，但是需要大量的数据采集和处理，计算量大，实时性差；

9、专利号为cn 109032213 a的中国发明公开了一种煤矿供热系统的智能化控制方法，该方法包括以下步骤：(1)根据煤矿供热系统的结构和参数，建立供热系统的动态模型；(2)根据供热需求和环境条件，采用模型预测控制算法对供热系统的运行参数进行优化；(3)根据优化结果，生成控制指令，通过无线通信方式发送给供热系统的控制器；(4)根据供热系统的运行数据，采用数据挖掘算法对供热系统的运行效果进行评估和反馈。该方法能够提高供热系统的运行效果和节能性，但是需要高性能的计算设备和通信设备，成本高，可靠性低。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，提供一种煤矿供热体系全链路智慧管控系统，能够提高供热设备单元的能源利用率，降低热力管网的热损失，提高供热站的调节能力和统一管理效率，实现煤矿供热体系全链路的节能高效、安全可靠、智能优化运行。

2、为了实现上述目的，本发明采用以下技术方案：

3、一种煤矿供热体系全链路智慧管控系统，其特征在于，包括供热设备单元、监测控制单元、智慧决策单元及云计算服务器；

4、其中所述供热设备单元包括热源站点、一级热网、供热站、储热装置、二级热网；

5、所述监测控制单元采用多数据融合协议对各供热设备的状态数据进行感知和测量；提高了供热设备单元的感知和测量的精度和可靠性，实现了对供热体系的全面监测和控制；

6、所述智慧决策单元基于监测控制单元传输的感知数据，对煤矿供热体系建立全链路仿真模型；

7、提高了对供热体系的运行状态和性能的预测和分析能力，实现了对供热体系的动态模拟和评估；

8、并基于模型预测生成优化调度策略；

9、提高了对供热体系的优化调度和管理能力，实现了对供热体系的高效运行和节能减排；

10、所述热力站设置云计算服务器用于接收优化调度策略，生成调度指令下发至供热设备单元进行自主优化调控；

11、设置云计算服务器提高了对供热体系的远程控制和协同调节能力，实现了对供热体系的智慧管控和服务。

12、进一步地，所述监测控制单元包括数据处理模块、数据融合模块和数据传输模块；

13、其中，所述数据处理模块用于对采集的数据进行预处理、校准、滤波、压缩、加密操作；

14、所述数据融合模块设置多数据融合协议用于对来自不同传感器和控制器的数据进行融合，以提高数据的准确性和可靠性；

15、数据传输模块用于将处理融合后的数据通过发送到智慧决策单元和云计算服务器。

16、进一步地，所述监测控制单元采用多数据融合协议对各供热设备的状态数据进行感知和测量，具体步骤如下：

17、在供热设备单元的各个部分安装传感器和控制器，用于采集和控制温度、压力、流量、水位、电压、电流数据；

18、将传感器和控制器通过无线方式连接到监测控制单元，形成分布式网络；

19、在监测控制单元中利用数据处理模块关联供热设备单元，对采集的数据进行预处理、校准、滤波、压缩、加密操作；

20、利用数据融合模块对处理后数据进行融合，并基于数据传输模块将融合后的数据通过有线或无线方式发送到智慧决策单元和云计算服务器。

21、特别地，所述多数据融合协议是基于卡尔曼滤波法对来自供热设备单元的不同传感器和控制器的数据进行融合；卡尔曼滤波法是一种基于状态空间模型的数据融合算法，适用于数据之间存在动态变化或时序关系的情况。主要是根据系统的状态方程和观测方程，利用贝叶斯规则，对系统的状态进行预测和更新，从而得到融合结果。

22、具体如下：

23、根据系统状态方程和观测方程，初始化系统的状态估计值和状态估计误差协方差矩阵；

24、其中，系统状态方程和观测方程为：

25、xk＝fkxk-1+wk

26、zk＝hkxk-1+vk

27、其中，xk是第k时刻的系统状态，zk是第k时刻的观测数据，fk是状态转移矩阵，hk是观测矩阵，wk是系统噪声，vk是观测噪声；

28、对于每一个时刻，执行以下两个子步骤：

29、子步骤一，根据状态转移矩阵和系统噪声协方差矩阵，对系统状态进行预测，得到状态预测值和状态预测误差协方差矩阵；

30、子步骤二，根据观测矩阵和观测噪声协方差矩阵，对系统的状态进行更新，得到状态更新值和状态更新误差协方差矩阵；

31、最后将状态更新值作为融合结果，输出或保存；

32、其中，系统的状态预测和更新公式为：

33、

34、

35、

36、

37、

38、其中，是第k时刻的状态预测值，是第k时刻的状态预测误差协方差矩阵，qk是系统噪声协方差矩阵，kk是第k时刻的卡尔曼增益，是第k时刻的状态更新值，pk是第k时刻的状态更新误差协方差矩阵，rk是观测噪声协方差矩阵。

39、进一步地，所述智慧决策单元包括中设置仿真建模模块、预测分析模块、优化调度模块；

40、其中，所述仿真建模模块用于根据感知数据和供热设备单元的结构和参数，通过机理建模建立煤矿供热体系的全链路仿真模型，并采用数据驱动的辨识修正校准模型参数；在这里可以采用多种仿真算法，如有限元法、神经网络法、遗传算法等，以提高模型的精度和适应性；

41、所述预测分析模块，用于根据仿真模型和供热需求，对监测感知和仿真数据进行分析诊断，预测煤矿供热体系的运行状态和性能，以提高预测的准确性和稳定性；

42、所述优化调度模块，用于根据预测分析结果和供热目标，对设备运行参数、预测调控、预测维护进行在线寻优，生成优化调度策略。

43、特别地，所述优化调度模块对设备运行参数、预测调控、预测维护进行在线寻优，生成优化调度策略，具体步骤如下：

44、(1)利用监测控制单元进行状态感知和测量的各项数据作为相应实时优化条件参数依次生成多个调控方案，在全过程仿真模型进行模拟预测，生成相应预测策略；

45、(2)基于采用启发式智能优化算法的实时优化算法模型，将通过与全链路仿真模型构建并行计算集群，协同进行优化调度策略的搜索；

46、(3)通过优化解集中各元素在仿真模型中的解算，获得解集中各预测策略的适应度，并通过解集更新与择优搜索最终获得面向优化目标的最优调度策略。

47、启发式智能优化算法是一类基于直觉或经验构造的算法，在可接受的时间和空间内给出组合优化问题的一个可行解，该可行解与最优解的偏离程度一般不能被预计。启发式智能优化算法的优点是具有鲁棒性强、通用性强、高效的优化性能等特点，已经被广泛的应用在计算机科学、组合优化、优化调度、工程优化设计、运输问题等领域上。启发式智能优化算法的主要分类有：

48、基于进化的算法，如遗传算法、进化策略、进化规划、差分进化算法等，这类算法模拟生物进化的机制，通过选择、交叉、变异等操作，对一群候选解进行迭代更新，以提高解的适应度。

49、基于群体智能的算法，如蚁群算法、粒子群算法、人工鱼群算法、萤火虫算法等，这类算法模拟自然界中群体行为的规律，通过个体之间的信息交流和协作，寻找最优解。

50、基于人类的算法，如模拟退火算法、禁忌搜索算法、变邻域搜索算法、散列搜索算法等，这类算法模拟人类的思维方式，通过引入随机性、记忆性、邻域搜索等策略，避免陷入局部最优解。

51、基于物理和化学的算法，如人工免疫算法、人工神经网络、量子计算算法、人工物理算法等，这类算法模拟物理和化学现象的原理，通过构建相应的数学模型，实现优化问题的求解。

52、进一步地，所述云计算服务器包括数据接收模块、指令生成模块、指令下发模块；

53、其中，所述数据接收模块用于接收来自智慧决策单元的优化调度策略；

54、所述指令生成模块用于根据优化调度策略生成具体的调度指令，包括温度、压力、流量、水位、电压、电流控制参数；

55、所述指令下发模块用于将调度指令下发至供热设备单元，对关联控制器进行自主优化调控。

56、进一步地，所述监测控制单元还包括数据更新模块，关联数据数据处理模块，用于根据指令执行结果实时更新状态感知数据，并再次传输至智慧决策单元进行优化调度决策循环更新，形成供热体系全链路在线仿真管控闭环。

57、进一步地，所述智慧决策单元还包括一个人机交互界面，用于显示系统的运行状态、调控方案、优化结果、故障报警等信息，并接收用户的输入和反馈。

58、本发明的有益效果是：

59、通过采用多数据融合协议，对各供热设备的状态数据进行感知和测量，实现供热体系的信息化和自动化，提高数据的准确性和可靠性，为智慧决策提供数据支撑；

60、通过采用智慧决策单元，对煤矿供热体系建立全链路仿真模型，并基于模型预测生成优化调度策略，实现供热体系的智能化和优化，提高供热效率和质量，降低运行成本和风险；

61、通过采用云计算服务器，用于接收优化调度策略，生成调度指令下发至供热设备单元进行自主优化调控，实现供热体系的网络化和协同化，提高供热灵活性和稳定性，满足供热需求和目标。