一种供热换热站自主可控分布式控制系统的制作方法
本发明涉及供热站设备控制,尤其涉及一种供热换热站自主可控分布式控制系统。
背景技术:
1、换热站是集中供热系统中连接热源与终端用户的关键环节,其控制系统的可靠性、实时性和调控精度直接决定了供热质量与系统能效。随着供热规模的持续扩大和用户对热舒适性要求的不断提高,换热站控制系统的智能化水平已成为制约供热行业高质量发展的核心因素之一。目前,围绕换热站的控制系统已形成了多种技术方案。现有换热站控制系统普遍采用一个主控制器+多个受控设备的集中式架构,所有受控设备的调控指令均由同一控制器发出,然后将采集的各受控设备的运行数据上传至云端或中心服务器进行计算分析,再将调控指令回传至现场执行。当发生数据异常时进行报警,其不仅控制架构高度集中,存在单点故障风险且边缘计算能力不足,实时调控响应滞后同时缺乏各设备之间有效的协同优化机制,容易产生控制冲突并且异常状态下的容错与自治能力薄弱。
技术实现思路
1、针对上述所显示出来的问题,本发明公开了一种供热换热站自主可控分布式控制系统用以解决背景技术中提到的采用一个主控制器+多个受控设备的集中式架构不仅控制架构高度集中,存在单点故障风险且边缘计算能力不足,实时调控响应滞后同时缺乏各设备之间有效的协同优化机制,容易产生控制冲突并且异常状态下的容错与自治能力薄弱的问题。
2、一种供热换热站自主可控分布式控制系统,该系统包括:
3、构建模块,用于在换热站现场部署多个智能控制节点,构建全分布式对等控制网络,其中,每一个智能控制节点对应连接换热站内的单一受控设备;
4、生成模块,用于通过每个智能控制节点实时采集所连接受控设备的本地运行数据,调用预设机理与数据混合驱动模型对本地运行数据执行边缘计算,生成以热舒适性与系统节能为目标的初始局部调控指令;
5、协同控制模块,用于基于预设的分布式协商与冲突消解算法对各智能控制节点的初始局部调控指令进行联合优化获取协同控制方案,根据协同控制方案确定每个智能控制节点的最终调控指令并控制该智能控制节点执行相应调节动作;
6、闭环控制模块,用于当任一智能控制节点的后续运行数据可信度低于阈值时,判定该智能控制节点为异常节点,并自动切入自治安全模式对异常节点所控设备实施降级闭环控制。
7、优选的,所述构建模块,包括:
8、建立子模块,用于根据换热站现场受控设备清单,确定受控设备类型及数量,为每一台受控设备分配唯一的设备标识,并建立设备标识与物理安装位置的映射关系;
9、连接子模块,用于针对每一台受控设备配置一个智能控制节点,将智能控制节点通过标准工业电气接口与对应受控设备一一连接,形成单一受控设备与单一智能控制节点的绑定关系;
10、互联子模块,用于将各智能控制节点之间通过冗余通信介质进行互联,构成无中心的全分布式对等控制网络;
11、交互子模块,用于各智能控制节点通过全分布式对等控制网络周期性交互网络状态报文和本地运行数据,并基于预设的分布式时间同步协议实现全网节点时钟同步。
12、优选的,所述生成模块,包括:
13、数据采集子模块,用于通过每个智能控制节点中以预设采样周期实时采集所连接受控设备的本地运行数据,对采集到的本地运行数据进行去噪、滤波、量程校验和异常值剔除的预处理,将预处理后的本地运行数据按时间戳对齐,形成本地运行数据集;
14、边缘计算子模块,用于将本地运行数据集中的相关变量输入至预设机理与数据混合驱动模型,执行边缘计算确定受控设备的状态预测结果以及热负荷需求预测值;
15、第一生成子模块,用于以状态预测结果和热负荷需求预测值为基础,以热舒适性与系统节能为综合优化目标生成每台受控设备的本地优化问题;
16、第二生成子模块,用于在满足受控设备物理约束和安全运行约束的条件下求解本地优化问题,生成针对每台受控设备的初始局部调控指令;
17、发送子模块,用于将生成的初始局部调控指令进行本地存储并通过全分布式对等控制网络将初始局部调控指令及关键运行数据发送至其他智能控制节点,以供后续分布式协商与冲突消解算法联合优化使用。
18、优选的,所述协同控制模块,包括:
19、形成子模块,用于通过全分布式对等控制网络将每个智能控制节点的初始局部调控指令、关联的本地运行状态数据以及指令生成所依据的优化目标权重信息广播至其他智能控制节点形成全局信息视图;
20、构建子模块,用于根据每个智能控制节点所连接受控设备与其他智能控制节点所连接受控设备之间的热力耦合关系和水力耦合关系,构建本地冲突度评估模型;
21、判定子模块,用于当本地冲突度评估模型检测到任一智能控制节点的本地冲突度超过预设冲突阈值时,判定需要启动分布式协商与冲突消解;
22、分解子模块,用于当判定需要启动分布式协商时,各智能控制节点根据预设的分布式协商与冲突消解算法以全网综合热舒适性指标和全网总能耗指标为联合优化目标,将全局联合优化问题分解为各智能控制节点上的本地子问题;
23、求解子模块,用于求解本地子问题使各智能控制节点的调控变量逐步收敛至满足全局最优性和一致性的解;
24、最终调控指令确定子模块,用于迭代收敛后各智能控制节点根据分布式协商所获得的收敛结果,确定针对各自所连接受控设备的最终调控指令;
25、协同控制子模块,用于根据最终调控指令确定每个智能控制节点所连接受控设备的目标调控值,根据目标调控值执行相应调节动作,完成对受控设备的协同控制。
26、优选的,所述闭环控制模块,包括:
27、评分子模块,用于在每个智能控制节点运行过程中持续采集后续运行数据,依据预设的可信度评估规则对后续运行数据中的每一项数据进行评分,生成数据可信度评分;
28、标记子模块,用于将数据可信度评分与预设的可信度阈值进行比较,当任一数据项的可信度评分低于可信度阈值时,将该数据项标记为不可信数据项;
29、异常节点判定子模块,用于累计每个智能控制节点在预设时间窗口内出现不可信数据项的次数和持续时间,若累计结果超过预设异常判定阈值,则判定该智能控制节点为异常节点;
30、切换子模块,用于当判定任一智能控制节点为异常节点时,触发该智能控制节点自动切入自治安全模式,在切入自治安全模式过程中,异常节点自动中断与全分布式对等控制网络中其他节点的协同通信,停止参与分布式协商与冲突消解流程,并通知其他正常节点该异常状态;
31、降级闭环控制子模块,用于在自治安全模式下,异常节点根据本地最近一次可信的有效调控指令、本地传感器实时采集的数据以及预设的降级控制策略,对连接受控设备实施降级闭环控制;
32、自检子模块,用于异常节点在自治安全模式下持续进行数据自检和可信度复评,当后续运行数据可信度恢复至阈值以上并持续稳定达到预设时长时,异常节点向全分布式对等控制网络中的其他节点发送重新加入请求,经验证通过后恢复其协同控制权限,退出自治安全模式。
33、优选的,所述在每个智能控制节点运行过程中持续采集后续运行数据,依据预设的可信度评估规则对后续运行数据中的每一项数据进行评分,生成数据可信度评分,包括:
34、在每个智能控制节点运行过程中按照预设采样周期持续采集后续运行数据,将后续运行数据划分为多个独立的数据项;
35、依据预设的可信度评估规则对每个数据项分别进行多个可信度指标的计算和评分;
36、对每个数据项的多个可信度指标评分按照预设的指标权重进行加权求和,得到该数据项的数据可信度评分;
37、将生成的各数据项的数据可信度评分与对应的数据项标识和时间戳关联存储,形成可信度评分记录。
38、优选的,所述系统还用于检验每个智能控制节点与其所连接受控设备的数据传输稳定性和控制稳定性,具体为:
39、在每个智能控制节点运行过程中,接收所连接受控设备周期性上报的运行状态数据,对每一帧数据报文记录发送时间戳和接收时间戳,计算通信传输时延和时延抖动;
40、根据通信传输时延和时延抖动统计预设时间窗口内的报文丢包率和误码率,形成数据传输稳定性指标集;
41、智能控制节点在向所连接受控设备下发最终调控指令后,采集实际运行反馈数据,将实际运行反馈数据与最终调控指令对应的期望响应进行比对计算控制回路性能指标,形成控制稳定性指标集;
42、将数据传输稳定性指标集和控制稳定性指标集输入预设的稳定性评估模型输出智能控制节点与所连接受控设备之间的综合稳定性评分;
43、当综合稳定性评分低于预设稳定阈值,或任一单项稳定性指标超出对应的安全极限值时,判定该智能控制节点与所连接受控设备之间的数据传输或控制出现不稳定状态,并自动触发预设的稳定性处置动作。
44、优选的,所述根据每个智能控制节点所连接受控设备与其他智能控制节点所连接受控设备之间的热力耦合关系和水力耦合关系,构建本地冲突度评估模型,包括:
45、获取每个智能控制节点所连接受控设备的设备类型、额定参数及其在换热站管网拓扑中的安装位置信息,并获取各受控设备当前运行状态及控制量;
46、基于管网拓扑和换热站工艺流程,确定各受控设备之间的热力耦合关系和水力耦合关系;
47、根据热力耦合关系,建立各受控设备调控变量对热力状态变量的热力影响灵敏度矩阵,根据水力耦合关系,建立各受控设备调控变量对水力状态变量的水力影响灵敏度矩阵;
48、将热力影响灵敏度矩阵和水力影响灵敏度矩阵按状态变量维度进行合并,形成该智能控制节点所连接受控设备与其他智能控制节点所连接受控设备之间的耦合影响系数矩阵;
49、以耦合影响系数矩阵为基础,构建本地冲突度评估模型。
50、优选的,所述系统还用于基于动态信任评估与声誉机制的智能控制节点协同权限自适应管理步骤,具体为:
51、持续采集每个智能控制节点在运行过程的多维度信任因子数据,所述多维度信任因子包括指令执行准确率、数据上报完整率、协同响应及时率及冲突参与贡献度;
52、将多维度信任因子数据分别量化为0至100分的分值,获取多维度信任因子量化分值;
53、在每个协同控制周期结束时,将各信任因子量化分值按照预设权重系数集合进行加权求和,生成每个智能控制节点的综合信任度评分;
54、根据综合信任度评分将所有智能控制节点划分为高信任节点、标准信任节点和低信任节点;
55、在分布式协商与冲突消解流程中,根据各智能控制节点的信任等级动态分配协同参与权限,其中,高信任节点拥有投票权和提案权,标准信任节点拥有投票权但其提案权需经至少两个高信任节点数据互通后方可进入协商议程,低信任节点仅拥有数据上报权而不享有投票权和提案权;
56、在每个协同控制周期结束后监测各智能控制节点的行为表现,当任一智能控制节点在连续多个协同控制周期内出现预设的负面行为时,对该智能控制节点的综合信任度评分执行声誉衰减操作;
57、当已降级的智能控制节点在连续多个协同控制周期内恢复正常行为表现时,对该智能控制节点的综合信任度评分执行声誉恢复操作;
58、生成每个智能控制节点综合信任度评分的历史变化曲线,对历史变化曲线进行趋势分析,当检测到任一智能控制节点的综合信任度评分在预设时间窗口内呈现持续下降趋势且下降速率超过预设速率阈值时,生成该智能控制节点的信任度衰退预警信号并将其推送至运维管理端。
59、优选的,所述系统还用于对异常节点的动态隔离与动态恢复步骤,具体为:
60、获取每个智能控制节点在多个协同控制周期内的历史数据可信度评分,根据历史数据可信度评分为每个智能控制节点设定一可更新的历史可信度指数:
61、;
62、其中,表示为第i个智能控制节点在时刻t的历史可信度指数,表示为历史权重更新系数,取值范围为0.05~0.2,表示为第i个智能控制节点在时刻t-1的历史可信度指数,表示为第i个智能控制节点在时刻t的数据可信度评分;
63、根据历史可信度指数和预设的隔离触发比例系数计算出每个智能控制节点在当前协同控制周期内的动态隔离阈值:
64、;
65、其中,表示为第i个智能控制节点在时刻t的动态隔离阈值,表示为预设的隔离触发比例系数,为小于1的正数;
66、将每个智能控制节点在当前协同控制周期内的当前数据可信度评分与动态隔离阈值进行比较,若当前数据可信度评分持续在第一预设时长内小于动态隔离阈值,判断该智能控制节点为待隔离异常节点,自动触发隔离操作;
67、根据历史可信度指数和预设的恢复触发比例系数计算出每个智能控制节点在当前协同控制周期内的动态恢复阈值:
68、;
69、其中,表示为第i个智能控制节点在时刻t的动态恢复阈值,表示为预设的恢复触发比例系数,为大于等于1的正数;
70、在隔离期间,持续监测隔离异常节点的后续数据可信度评分,若后续数据可信度评分持续在第二预设时长内大于等于动态恢复阈值,自动触发恢复操作。
71、通过上述技术方案,本发明取得如下有益效果:
72、通过在换热站现场部署多个智能控制节点并构建无中心的全分布式对等控制网络,消除了传统集中式控制架构中单一主控器故障导致全站瘫痪的风险,显著提升了系统的可靠性和容错能力。进一步地,每个智能控制节点在本地通过边缘计算生成初始调控指令,无需将海量数据上传至云端或中心控制器,极大降低了通信延迟和对骨干网络的依赖,提升了系统的实时性和自主性。进一步地,以热舒适性与系统节能为综合优化目标生成调控指令,并通过分布式协商与冲突消解算法对多节点的初始指令进行联合优化,在保障用户室内温度舒适的前提下最大化降低能源消耗,实现了全局能效最优。进一步地,当任一智能控制节点的后续运行数据可信度低于阈值时,自动切入自治安全模式实施降级闭环控制,有效防止了单点异常引发连锁故障,保障了整个换热站的安全稳定运行。
73、通过为每一台受控设备配置一个专属智能控制节点并通过标准工业电气接口一一连接,实现了设备级的独立控制粒度,避免了多个设备共享一个控制器导致的资源竞争和故障耦合,便于故障的快速定位与隔离。进一步地,各智能控制节点之间通过冗余通信介质进行互联,当主通信链路出现故障时可快速切换至备用链路,显著提高了分布式控制网络在恶劣工业环境下的通信可靠性和抗干扰能力。
74、通过将机理子模型与数据驱动补偿子模型相结合,既保留了物理模型的确定性可解释性,又通过数据驱动方式在线补偿了机理模型的建模偏差,使设备状态预测和热负荷需求预测更加精准。进一步地,每个智能控制节点在生成本地优化问题并求解后,将初始局部调控指令及关键运行数据通过全分布式网络发送至其他节点,在保留本地自主决策能力的同时,为后续分布式协同提供了充分的信息基础,实现了自治与协同的有机统一。
75、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
76、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com