本方案提出了一种基于数字化仿真模型预测供热运行状况的全网水力平衡模型预测调控方法（MPC）。基于负荷（供热用量需求）预测，对热力站一网电动调节阀进行精准调节。实现兰州新区供热管网的全网水力热力平衡，充分满足用户供热需求。新方法还基于历史数据不断地学习和优化物理模型参数，确保结果的合理性和准确性。相较于传统基于PID反馈调节控制的方法，MPC模型预测控制方法依据所需负荷精准提供水泵运行参数和阀门开启程度的控制值，从机理上避免了由于管网互联互通性导致的水力振荡现象，具有良好的节能节热潜力，主要形成了以下的研究成果：
（1）形成了整套MPC控制算法流程，该算法基于供热管网仿真模型，根据预测负荷实现供热管网的全网平衡控制。该算法具有一定的通用性，可用于其他大型供热管网项目，推动全国供热管网数字化转型和智能化控制。
（2）开发了基于粒子群算法的管网粗糙度辨识，可有效提高管网仿真精度，使管网仿真模型与实际管网尽可能接近，为供热管网智慧调控提供良好的基础。
（3）开发了电动调节阀分区间模型，解决阀门小开度下水力特性与样本不符的控制难题，有助于实现阀门更精细化的控制。
（4）基于历史运行数据和实验数据，对阀门参数进行辨识，将阀门两端压力和热力站换热器两端压力进行拆分，从而实现阀门开度的智能化控制。
（5）将整套MPC控制算法应用于实际的兰州供热项目中，形成了重要的实践成果。实践结果表明，该算法对于大部分热力站具有较好的控制效果，通过控制热力站一网电动调节阀使实时负荷与预测负荷跟随较好，有效改善水力震荡和冷热不均现象，具有广阔的应用前景。
一、实施背景
随着城市的快速发展，作为城市运转的重要组成部分，供热供暖管网在城市管理和市民生活中发挥着越来越重要的作用，与其他能源管网一起构成了城市的地下“生命线”。近几年来，随着人工智能和信息技术的高速发展，“大数据”、“互联网+”和“云计算”等技术将给能源行业带来全新的机遇和挑战。
与此同时，从2020年“双碳”目标的提出到2021年“1+N”顶层设计的颁布，再到最新《科技支撑碳达峰碳中和实施方案（2022—2030年）》的印发，“双碳”工作的开展愈加如火如荼。然而，供热供暖管网规模不断扩充、用户种类日趋繁多、能源负荷不断飙升，管网安全运营和优化运营不仅是能源企业面临的关键问题，也是“双碳”要求下的攻坚问题。
为满足供热供暖管网精细化、智慧化运营管理的发展需求，针对超大型供热供暖管网介质流动动态仿真缺乏高精度数学模型及快速数值算法的困难，传统PID反馈调节控制在负荷响应、水力平衡及低碳节能中能力的不逮，以及现有管网仿真国外软件占据高端市场、价格昂贵且其计算技术精度和适用规模仍无法满足我国供热供暖管网高速发展的应用瓶颈，供热供暖管网仿真调控算法的研究迫在眉睫。
二、实施目标
（一）计算数量：可满足1亿m2或200万节点以上的计算要求；
（二）计算精度：压力＜1Pa、流量＜1m3/h、温度＜1℃；
（三）计算速度：供热面积2000万m2以下的供热一级管网系统在15s以内完成计算和计算结果展示；
供热面积5000万m2以下的供热一级管网系统在20s以内完成计算和计算结果展示；
供热面积5000万m2以上（含5000万m2）的供热一级管网系统在30s以内完成计算和计算结果展示；
（四）平均绝对百分误差：压力＜5%、流量＜5%、温度＜3%；
（五）水力失调度：1~1.06、热力失调度：1~1.1；
（六）安全可靠性：不应频繁出现故障；模块出现故障后，不应影响供热系统的安全、稳定运行。
三、建设内容
目前，智慧供热系统一般具备DCS、SCADA、GIS等先进的信息系统支持，部分最新系统甚至还有物联网系统支持。在这些信息系统的支持下，供热系统可采用由智能大脑指挥调度的“模型预测控制”方案。模型预测控制方案采用全新的推理控制机理，可全面整合大数据挖掘技术与人工智能策略，基于新一代水力热力耦合模型，采用全面解决水力失衡的新方案。
在模型预测控制（MPC）方案中，控制平台的监测控制策略充分考虑来自环境和热力系统的所有可收集数据，通过热力系统的负荷预测模块和仿真模型参数校核模块，对最优化模型提供优化参数。在最优化模型中，调用水力热力仿真计算及人工神经网络等智能算法获得实现动态平衡所需的仿真结果。这些仿真结果会直接下发到各地控制器来控制阀门和水泵。MPC控制方式可以直接完成对管网的平衡调节，或者作为初调节手段再结合本地反馈控制方式完成平衡调节。MPC方案可与智慧供热云平台信息系统进行对接与整合，保证系统的稳定、高效、节能运行。本项目建设内容主要包含以下两方面：
（一）管网仿真技术包括管网建模、数值算法求解器和管网AI智算平台等方面。本方案提出的仿真技术从建模方法、数值算法和网络部署都完全通过自主开发并拥有全部知识产权。与传统软件相比较，新的能源管网AI智算平台具有运算速度快、模拟精度高和云计算灵活部署等优势。与人工智能方法相结合，很方便实现自学习和数字孪生技术。
（二）管网调控算法包括参数校核和智能控制算法等方面。本方案提出的调控算法采用模型预测控制方案完全由自主研发并拥有全部知识产权。调控算法采用的MPC控制器是有学习设备性能功能的直接控制器，可通过仿真结果直接给出阀门开度。由于无需反馈，这种控制方式从机理上避免了发生水力振荡现象。
四、实施效果
（1）仿真结果
1、以2022年3月6日15时50分数据为基础进行管网设定和仿真。热源设定循环流量2274.66m3/h，供水温度设定81.6℃，回水温度设定42.24℃，供水压力设定0.76MPa，回水压力设定0.46MPa，热源均与该时刻的实际参数保持一致。热力站均以该时刻的实际流量与温差进行设定来模拟。通过对比所有热力站的供回水压力差值进行管网校核，非问题热力站供回水压力差的模拟值和实际计量值之间的相对误差平均值为3.16%，计算供水温度和实际供水温度的相对误差平均值为2.09%。
2、为了证明该仿真模型具有较高的适用性，选取了2022年3月1日-3月14日一段时间内的工况进行仿真，并统计分析了这段时间的仿真结果。剔除了异常工况后共264个工况统计得到的各工况的压差偏差率和供水温度偏差率从整体来看，这264个工况的平均压差偏差率为4.62%，供水温度偏差率为2.72%，达到了目标。
（2）调控结果
本项目提出了一种全新的基于人工智能（AI）模型预测的全网平衡调控方法。基于最新的负荷预测结果，对热力站阀门和水泵进行精准调节。完全实现兰新供热管网的全网水力热力平衡，充分满足用户供热需求。
新方法具有基于历史数据不断地深入学习和优化数学模型的能力。随着供热时间的增加，确保控制结果愈加趋于准确。相对传统（PID类）反馈调节控制的方法，人工智能（AI）控制方法可快速且准确的提供全网所有循环泵频率和阀门开度目标值。新方法是目前工程上唯一可从机理上避免了复杂管网调节产生的水力振荡现象的调节方法。本次供热季兰州智慧供热云平台上已实现100余套换热机组的测试。从实际调控结果来看，热力站的实际运行负荷充分满足供热需求且贴合负荷预测值。
本次供热季的实际现场应用表明，该方法具有极为良好的节能节热潜力。通过采取所提出的人工智能（AI）调控方法，兰州新区热指标从0.286GJ/m2.a降低到0.221GJ/m2.a，耗电量从1.8kW/万平米减低到1.1kW/万平米。实际现场应用表明，所提出的基于AI全网平衡调控方法显著改善了传统的热网控制效果，并展现出良好的节能效果。