基于改进差分进化算法的工业园区蒸汽集中供热节能控制研究
边泽楠，雷苏雨，陶钧毅
（国能神华九江发电有限责任公司，江西省 九江市 332500）
Research on Energy-saving Control of Steam Centralized Heating in Industrial Parks Based on Improved Differential Evolution Algorithm
Bian Zenan,Lei Suyu,TaoJunYi
（CHN Energy ShenHua JiuJiang Power Generation CO.,LTD，JiangXi 332500）
ABSTRACT:Industrial parks require a large amount of thermal energy in the production process, but their supporting facilities have problems such as excessive energy consumption, which affects the production and operation of industrial parks. A energy-saving control method for steam centralized heating in industrial parks based on improved differential evolution algorithm is proposed to address this issue. Based on the characteristics of the steam centralized heating system in industrial parks, calculate the energy consumption of the heating source, steam pipeline, and heat users in sequence, and then calculate the total energy consumption of the heating system. Based on this, taking the minimum total energy consumption and maximum energy utilization rate of the heating system as the control objectives, multiple constraint conditions are set to establish an energy-saving control model for the heating system. Introducing an adaptive mechanism to improve the differential evolution algorithm, updating its mutation factor and crossover probability, and then using the fitness function to solve the energy-saving control model and output the optimal control result. The experimental results show that the designed energy-saving control method has an energy utilization rate of 96.72% in practical applications and good control performance.
Keywords:Improved differential evolution algorithm;Energy saving control;Park heating
摘要：工业园区在生产过程中需要大量的热能，但其配套设施存在能耗过大等问题，影响到工业园区的生产运营。针对这一问题，现提出基于改进差分进化算法的工业园区蒸汽集中供热节能控制方法。根据工业园区蒸汽集中供热系统的特点，依次计算供热系统的热源能耗、蒸汽管道能耗和热用户能耗，再计算出供热系统的总能耗。基于此，以供热系统总能耗最小和能源利用率最大为控制目标，设定多个约束条件，建立供热系统节能控制模型。引入自适应机制，对差分进化算法进行改进，对其变异因子和交叉概率进行更新，再利用适应度函数，对节能控制模型进行求解，输出最优的控制结果。实验结果表明，设计的节能控制方法在实际应用中的能源利用率为96.72%，控制性能较好。
关键词：改进差分进化算法；节能控制；园区供热
0 引言
工业园区作为现代工业发展的重要载体，集中了大量的生产制造企业和相关配套服务设施。这些企业在生产过程中往往需要大量的热能，为此，配置蒸汽集中供热系统，用于给企业的生产供汽。然而，在实际运行中，蒸汽集中供热系统往往存在能源利用效率不高、能耗过大等问题。这些问题的出现，不仅提高了企业的运行成本，系统在运行过程中产生的废气等污染物还给环境带来了一定的影响。现有的控制方法基于固定的数学模型和参数设置，难以适应蒸汽集中供热系统在实际运行中的复杂性和不确定性。
因此，在该研究背景下，不少研究学者针对节能控制展开了研究，并给出了自己的观点。文献[1]针对热电联供电厂的供热集中智能管控系统，开发了一种厂级供热集中智能管控系统。该系统通过实时监测热源、管网和用户的运行状态，利用智能算法优化供热分配，实现了供热系统的高效运行。然而，该系统对初始参数的设置较为敏感，若参数配置不当，可能会导致控制效果不佳。文献[2]针对供热系统的运行特性，建立供热系统逻辑模型，引入PID控制器，设定差异化阀门调度方式，再设计自适应机制，
对控制器参数进行调整，由此输出相应的控制结果。该方法设计的控制器参数较为敏感，若调整不当，将会直接导致方法的控制效果不佳。文献[3]对液压系统进行建模，并分析其能耗特性，针对其运行特点，设计多种控制模式，并针对不同的控制模式，设计流量再生回路，有效利用部分能量，实现对系统的节能控制。该方法对于大部分工况下的液压系统节能控制效果较好，但在极端工况下，可能会导致液压系统自身出现问题，其节能控制效果不佳。文献[4]提出了一种基于鸟群优化算法的机组多供热方式优化分配方法。该方法通过模拟鸟群的觅食行为，优化机组的供热分配策略，提高了供热系统的能源利用效率。但该方法的优化速度受初始种群的多样性影响较大，若初始种群的个体差异较小，可能会导致优化结果出现偏差。文献[5]通过建立余热回收装置与太阳能集热系统的协同运行模型，优化余热利用量与可再生能源补给比例，实现供热系统低碳化。该研究虽为工业供热提供了多能源耦合思路，但未针对电厂蒸汽集中供热的核心场景设计适配方案，且未考虑余热供应不稳定时对电厂主热源出力调整的影响，难以直接应用于工业园区蒸汽集中供热的节能控制，进而影响到方法的控制效果。
在以往研究的基础上，本文设计了基于改进差分进化算法的工业园区蒸汽集中供热节能控制方法。本研究可以进一步提高蒸汽集中供热系统的节能控制效果，为企业的节能减排提供新的技术手段和解决方案，还将促进节能减排技术的推广和应用，推动工业生产的绿色化和可持续发展。
1 工业园区蒸汽集中供热节能控制方法设计
1.1 工业园区蒸汽集中供热系统能耗分析
工业园区蒸汽集中供热系统作为一种高效的能源供应方式，其能够通过集中生产蒸汽[6]，并将生产的蒸汽传输到各个用能点，满足园区各个企业的供热需求。在对其进行能耗分析时，需要考虑多种因素的影响，如热源类型、蒸汽管道网络的效率、用户的用热水平等[7]。
其中，工业园区蒸汽集中供热系统热源能耗的具体计算公式如下所示：
式中，表示工业园区蒸汽集中供热系统热源能耗值，表示热源燃烧的质量，表示该热源在燃烧过程中散发的热量，表示锅炉的燃烧效率。
燃烧的热量通过蒸汽管道进行传输，由于多种因素的影响，会导致管道热损失和蒸汽泄露损失[8]。为此，计算蒸汽管道网络的能耗值。其具体计算过程如下所示：
式中，表示供热系统的蒸汽管道网络能耗值，L表示蒸汽管道的长度，D表示蒸汽管道的内径，表示蒸汽管道的传热系数，表示蒸汽管道内部和外部的温度差，表示蒸汽管道所用保温材料的热阻值，表示蒸汽管道泄漏损失。
在上述公式基础上，根据用户的用能时间和用能方式，计算供热系统的热用户能耗值[9]。其具体计算公式如下所示：
式中，表示供热系统的热用户能耗值，表示热用户的蒸汽流量，表示蒸汽的焓值，表示蒸汽压力变化值。
利用上述公式计算的蒸汽集中供热能耗值，计算其总能耗值。在计算时，需要考虑各部分能耗占比[10]。其具体计算过程如下所示：
式中，表示蒸汽集中供热系统的总能耗值，分别表示各部分能耗的权重占比。
根据计算的能耗值，实现对供热系统的能耗分析，为后续建立供热节能控制模型奠定基础。
1.2 工业园区蒸汽集中供热节能控制模型建立
根据上述工业园区蒸汽集中供热能耗分析结果，建立工业园区蒸汽集中供热节能控制模型。在构建模型时，需要先设定目标函数[11]。以园区蒸汽集中供热系统能耗最小和能源利用率最大为目标函数。其设定的目标函数具体如下所示：
式中，表示能源利用率，表示该供热系统产生的总热量，表示供热节能控制目标函数，表示最小能耗值对应的权重系数，表示最大能源利用率对应的权重系数。
根据设定的目标函数，为保证其节能控制性能，需要设定相应的约束条件[12]，确保供热系统在节能控制过程中能够稳定运行。其具体计算过程如下：
式中，分别表示蒸汽流量的最小值和最大值，表示蒸汽压力值，分别表示蒸汽压力的最小值和最大值，表示实际蒸汽温度，分别表示蒸汽温度的最小值和最大值，表示热源的实际出力值，分别表示热源出力的最小值和最大值。
根据上述设定的多目标函数，以及制约目标函数的约束条件，构建节能控制模型，为后续实现对供热系统的节能控制奠定基础。
1.3基于改进差分进化算法的节能控制模型求解
差分进化算法是一种启发式搜索算法，其能够通过多种操作，对输入的参数组合进行处理，筛选出全局最优解。在差分进化算法进行改进时[13]，需要引入自适应机制，差分进化算法中的多个参数进行自适应调整。在调整过程中，以算法中的变异因子和交叉概率两个参数为主。其具体调整过程如下所示：
式中，表示利用自适应机制，对算法中的变异因子的调整结果，表示原始变异因子的下限值，表示原始变异因子的上限值，表示算法在寻优过程中，其排序为较为靠前的个体适应度值，表示算法在寻优时，其最优个体的适应度值，表示单次迭代中，最差个体的适应度值，表示引入自适应机制后的交叉概率，表示随机更新常数，表示原始的交叉概率，表示算法中交叉概率的均值。
利用上述两个公式，对差分进化算法进行改进，将改进后的算法作为基础[14]，对构建的模型进行求求解。在这个过程中，根据构建模型的特点，设定初始化种群的数量和适应度函数，并根据初始的适应度值，对个体进行编码处理，再利用调整后的参数，对其进行交叉、变异等操作，生成新的个体。再对新个体进行评估。其具体评估过程如下所示：
式中，表示个体适应度评估函数，表示目标函数值，表示评估系数。
根据评估结果，对生成的个体和父代个体进行选择，保留当前最优的个体。重复上述各项操作，直到达到预设的迭代次数[15]。由此，输出最优的控制结果。至此，基于改进差分进化算法的工业园区蒸汽集中供热节能控制方法的设计完成。
2 实验测试
2.1 工业园区蒸汽集中供热系统概况
实验以某工业园区蒸汽集中供热系统为研究对象，该供热系统的具体结构如图1所示。
图1 供热系统的具体结构
Fig.1 Schematic diagram of the heating system
如图1所示，在该供热系统中，配置的锅炉为燃气锅炉，其额定蒸发量为25t/小时，热效率为95%。供热系统中的供热管网总长约为10km，其保温材料厚度为50mm，换热泵数量较多，其换热效率为97%。
2.2 算例分析
在如图1所示的供热系统中，开展实验测试。根据供电系统的历史运行数据，分析供电系统的能耗情况。在这个过程中，统计24h内供热系统各个结构能耗的具体情况，如图2所示。
图2 供热系统24h内的能耗变化
Fig.2 Energy consumption variation of the heating system over a 24-hour period
如图2所示，通过分析该供热系统的能耗变化，计算出供热系统的总能耗。将其作为控制目标之一，构建控制模型。在这个过程中，还需要设定与供热系统运行状态相关的约束条件，如供热系统的热源出力状况、蒸汽流量、蒸汽温度变化等，确保供热系统能够稳定运行。
基于上述构建的控制模型，引入改进后的差分进化算法，对其进行求解。在该过程中，需要引入自适应机制，利用公式（11）-（12）对差分进化算法进行改进，优化差分进化算法的性能，提高求解结果的可靠性。其改进后的差分进化算法的具体参数如表1所示。
表1改进差分进化算法参数
Tab.1 Parameters of the improved differential evolution algorithm
如表1所示，根据改进的差分进化算法参数，对节能控制模型进行求解。在求解过程中，利用公式（11）-（13），利用适应度函数，对构建的模型进行求解。其具体的适应度函数如图3所示。
图3 适应度函数
Fig.3 Fitness function
如图3所示，利用该适应度函数，对初始种群中的个体进行评估，筛选出最优的个体，并通过多次迭代，输出最优的控制结果。
利用本文设计的方法，对图1所示的供热系统进行节能控制，统计其控制结果。本文设计方法对供热系统的控制结果如图4所示。
图4 本文设计方法的能耗控制结果
Fig.4 Energy consumption control results of the proposed method
如图4所示，利用本文设计方法对供热系统进行控制后，其能耗值大幅降低，其能耗值最大下降量为5542.36kWh。由此可见，该方法的控制性能较好。
2.3 能源利用率对比分析
实验中，设计对比实验。其中，本文设计的控制方法为方法1，热电联供电厂厂级供热集中智能管控系统开发及应用研究方法为方法2，基于鸟群优化算法的机组多供热方式优化分配研究为方法3，基于工业余热与可再生能源耦合的赤峰市低碳供热研究为方法4。通过对比四种方法的应用效果，验证本文设计方法的控制性能。
以能源利用率为评价指标，对比四种方法的控制性能。其四种方法的控制结果如图5所示。
图5 四种方法的能源利用率对比分析
Fig.5 Comparative analysis of energy utilization rate among the four methods
如图5所示，方法1的能源利用率均在95%以上，其均值为96.72%，方法2的能源利用率为84.33%，方法3的能源利用率为87.56%，方法4的能源利用率为79.88%。由此可见，本文设计的方法能源利用率较高，其在实际应用中的控制性能较好。
3 结论
综上所述，该方法通过精确的数学模型与优化算法相结合，对供热过程中的关键参数进行动态调整，实现了热能利用效率的显著提升。其应用过程涉及对供热网络运行数据的深度分析，以及算法在复杂工况下的迭代优化，确保了控制策略既符合实际需求，又具备高度的自适应能力。在实际应用中，该方法不仅大幅度降低了蒸汽能耗，减少了碳排放，还有效提升了工业园区的整体能效水平。它促进了能源结构的优化，为构建绿色低碳的工业园区提供了有力支撑。此外，该方法的实施还增强了供热系统的稳定性和可靠性，保障了工业生产活动的连续性和高效性。
参考文献
[1] 曾海波，周传杰，肖波等. 热电联供电厂厂级供热集中智能管控系统开发及应用研究[J].中国电机工程学报,2024,44(04):1493-1501.
[2] 陈霞，陈恒波. 基于自适应PID的智能建筑供热系统节能控制方法 [J]. 自动化应用, 2024, 65 (10): 89-90+94.
[3] 刘国平，熊剑峰，陆振宇等. 液阻全桥网络负载口独立电液系统节能控制策略仿真 [J]. 重庆大学学报, 2024, 47 (05): 13-23.
[4] 张德利，庞春凤. 基于鸟群优化算法的机组多供热方式优化分配研究[J].汽轮机技术,2024,66(04):253-257.
[5] 方豪，黄伟，江亿等. 基于工业余热与可再生能源耦合的赤峰市低碳供热研究[J].暖通空调,2024,54(03):144-149.
[6] 邵玉侠，李海龙，刘传明等. 基于冷负荷需求预测的空调系统智能节能控制 [J]. 中国资源综合利用, 2024, 42 (04): 177-179.
[7] 石海啸，刘志锋. 基于FNN的城市景观照明智能节能控制方法仿真 [J]. 计算机仿真, 2024, 41 (04): 489-493.
[8] 唐杰，林进华. 基于Q-learning和自适应网络约束的空调节能控制方法研究 [J]. 家电科技, 2024, 31(02): 46-50.
[9] 邵海亮，董华刚,黑强虎等. 基于ZigBee网络和自适应PSD算法的路灯分布式节能控制方法 [J]. 计算技术与自动化, 2024, 43 (01): 56-60.
[10] 邱炎斌，覃卫. 基于模糊神经网络的高速公路隧道照明节能控制系统研究 [J]. 自动化与仪器仪表, 2024, 23(03): 149-152+157.
[11] 李扬，乔武，李翔等. 基于物联网技术与变分模态分解的大型制冷设备节能控制方法 [J]. 建筑节能(中英文), 2024, 52 (02): 116-121.
[12] 蒋进宁. 基于STM32单片机的工频空压机改造及其节能控制系统设计 [J]. 现代制造技术与装备, 2024, 60 (02): 95-98.
[13] 毛晓波，沈博文，於慧敏. 碳中和目标下炼钢用电炉节能减排自动控制方法 [J]. 自动化应用, 2023, 64 (23): 206-208.
[14] 齐芳平，石晔，崔志威等. 基于PWM在LED智能系统中的控制算法研究 [J]. 上海节能, 2023, (11): 1692-1697.
[15] 熊磊，苗雨润，范新舟，等. 一种利用改进麻雀搜索算法的中央空调系统节能控制方法 [J]. 上海交通大学学报, 2023, 57 (04): 495-504.
作者简介：
边泽楠（1983-），男，内蒙古自治区赤峰市，大学本科，高级工程师，研究方向：智慧电站、数字化转型
京公网安备 11011502004515号 
