一、任务来源
“智能供热管控平台建设项目”第三标段（智能管控算法的实现）, 成果名称：集成物理模型和数据驱动模型的智能供热调控，项目编号：20210731KFD。
二、应用领域、技术原理
随着社会的飞速发展，建筑能耗在城市运行能耗中占比越来越多；就北方建筑能耗而言，冬季集中供暖能耗占比较大，供热调控方法受到关注。影响采暖用户供水温度需求的主要因素包括室外气温、太阳辐射、建筑保温、采暖末端、采暖末端热工性能以及当前室温（如图1所示），由于采暖用户众多且影响因素复杂，供热调控方法不可避免地存在较大的调控误差。

图1 影响集中供热系统二次网供水温度需求的因素
传统集中供暖系统的控制系统通常称为气候补偿模型，气候补偿模型基本工作原理如图2所示，主要考虑二次网供水温度随室外气温的变化。

图2 气候补偿模型基本工作原理
气候补偿模型主要考虑室外温度对二次网供水温度的影响，使二次网供水温度更接近采暖用户实际需求，应用于实践后具有一定的节能效果，但还存在一系列问题：
1.传统的建筑供热运行控制系统(如气候补偿控制)只考虑室外气温的影响，不能有效利用建筑得热，尤其是太阳辐射得热；
2.传统的建筑供热运行控制系统(如气候补偿控制)不考虑建筑围护结构蓄热；
3.我国供热系统设计存在热指标偏大、散热器片数偏高的问题，无法将设计供回水温度作为建筑供热运行控制系统的参照值；
4.既有建筑的建筑围护热工信息和散热器热工信息缺失，建筑冷风渗透量难以获取。
为解决以上问题，本项目开发了针对既有建筑的智慧供热控制平台，项目技术路线如图3所示。

图3 智慧供热项目技术路线
首先开发了物理模型进行二次网供水温度预测。调研了不同年代既有建筑的热工信息，总结了16类典型建筑；将调研信息作为建筑能耗模拟软件的输入参数进行了建筑负荷模拟，并在此基础上开发了快速负荷预测算法；通过调研换热站信息和往年运行能耗，推导出了各换热站的实际供热设计参数。在此基础上开发了二次网供水温度的预测模型。
二次网供水温度的物理预测模型虽然能够反映室外气象对供水温度影响的基本规律，但预测结果仍存在一定的误差，主要原因有两方面：一是建筑能耗模拟需要的输入参数较多，这些参数无法全部准确获取；二是供热用户众多，无法逐一获取其采暖末端设备信息，造成最不利用户不明朗。为改进以上问题，本研究引入了数据驱动模型，与物理模型相结合，想成了集成物理和数据驱动模型；集成物理和数据驱动模型中引入了往年的运行数据进行训练，因此模型中训练出更多的实际的建筑信息、采暖末端信息、最不利用户信息融入其中，修正了物理模型的不足。
三、性能指标
将建立的物理预测模型投入实际应用，结果表明，与只考虑室外平均温度的情况相比，综合考虑室外温度日波动和太阳辐射作用的二次网平均供水温度可降低6.21℃。提出了一种物理模型和数据驱动模型耦合的MPC方法。优化方法结合物理模型改进已有的ESM算法，缓解了数据模型的过拟合问题并减少了计算量，达到以物理模型定域，数据模型定值的效果。对比物理预测模型以及纯数据驱动MPC，本方法的温度波动最小，为0.55℃；相比于初始人工经验控制策略耗热量降低约4.77%。
四、与国内同类技术比较、成熟度、成果创造性、先进性
本项目的创新性主要为：
1.提出了考虑室外气温、太阳辐射和建筑围护结构蓄热的快速二次网供水温度预测模型。本研究通过分析建筑逐时热负荷与室外日均温度、室外温度日波动值、太阳辐射之间的关联关系，针对16种典型建筑推导出了考虑室外气温、太阳辐射、建筑围护蓄热性能的快速负荷预测模型。
2.基于往年实测运行数据定量化地描述了我国供热系统设计存在热指标偏大程度，建立了更高精度的物理预测模型。我国供热系统的设计中存在热指标偏大的情况，因此设计工况下的供回水温度也存在偏大的问题。本研究基于往年的换热站运行数据，提炼出各换热站的设计工况下的实际供回水温度。
3.基于往年实测运行数据构建了二次网供水温度的数据驱动预测模型。本研究基于往年实测运行数据训练了数据驱动模型，能够从实际运行数据中训练出建筑冷风渗透量和散热器片数等未知量的规律，使预测模型更准确。
4.将物理预测模型和数据驱动预测模型进行结合，形成了集成物理和数据驱动预测模型。将物理模型便于进行预测结果优化的特点和数据驱动模型能够提炼未知参数变化规律的特点相结合，缓解了数据模型的过拟合问题并减少了计算量，达到以物理模型定域，数据模型定值的效果。对比物理预测模型以及纯数据驱动MPC，本方法的温度波动最小，为0.55℃；相比于初始人工经验控制策略耗热量降低约4.77%。
与国内技术比较，创新性及先进性如表所示：
对比内容 本项目主要创新 国内 先进性
快速负荷预测 考虑了复杂因素影响，能快速计算 有 国内领先
设计偏大的修正模型 定量描述了设计热指标和散热器片数偏大程度 无 国内领先
二次网供水温度的数据驱动预测模型 基于实测数据建立了数据驱动预测模型 有 国内领先
集成物理和数据驱动预测模型 将经过验证的物理模型和数据驱动模型结合 无 国内领先

潍坊市热力有限公司与山东建筑大学合作开发了集成物理模型和数据驱动模型的智能供热调控方法，并嵌入到公司的智能供热管控平台，由智能供热管控平台向各个换热站发送实时二次网预测温度作为各换热站自控子系统的控制目标，大幅度减少了人力成本，提高了控制效果和节能效果。物理模型能够从机理上精确考虑建筑围护结构传热的影响，数据驱动模型能够从往年运行数据中提炼出冷风渗透和采暖末端热工性能的影响。在开发过程中，两种模型以及集成模型都在示范换热站中进行了验证，取得了较好的应用效果。适宜在集中供热相关单位中进行推广。
智能供热物理预测模型于2021-2022采暖季应用于潍坊市热力有限公司下属的198个换热站。智能供热集成物理模型和数据驱动模型于2022-2024两个采暖季应用于潍坊市热力有限公司下属的226个换热站。三个采暖季运行费用减少16810207.63元，能源消耗减少282867.79GJ，CO2排放量共减少26259.40吨。
智能供热物理预测模型、智能供热集成物理模型和数据驱动模型于2023-2024采暖季应用于淄博市博山区热力公司下属的156个换热站。一个采暖季运行费用减少3537586.08元，能源消耗量减少78613.02GJ，CO2排放量共减少7297.86吨。具有良好的社会环境效益。
末端用户监测数据的缺失影响数据驱动模型的准确性，供热初期的水力平衡调节也将影响智能供热控制算法的应用效果，建议应用此控制算法的热力公司在这两方面进一步提升。