模糊神經網絡在熱網遠程監控系統中的應用

田思慶 曹 宇 鄭家風

(佳木斯大學 a.信息電子技術學院；b.機械工程學院)

模糊神經網絡在熱網遠程監控系統中的應用

田思慶a,b曹 宇b鄭家風b

(佳木斯大學 a.信息電子技術學院；b.機械工程學院)

為了使二次管網供水相對均勻、穩定地分配給熱網用戶，設計了一個模糊神經網絡控制器，并以模糊神經網絡控制理論為基礎制定了熱網壓力、流量控制規則。仿真結果表明：系統輸出流量響應快、超調量小、穩定性高。

模糊神經網絡 熱網遠程監控系統 模糊化

我國北方地區冬季漫長，供暖成為居民冬季生活中的重要部分。隨著生活水平的不斷提高，人們對冬季供暖提出了越來越高的要求。而傳統的控制方法已經很難滿足現今熱網用戶對于室內溫度的要求。

模糊神經網絡是一個基于模糊系統和神經網絡發展而成的控制方法，具有計算誤差小、精確度高、可靠性高及控制性能優等特點，極其適用于熱網監控系統。

筆者根據熱網自身的特性，采用模糊神經網絡對熱網遠程監控系統進行控制，通過設計模糊神經網絡控制規則(以二次管網的壓力和流量為輸入，以調節閥開度為輸出)，以滿足不同熱網用戶對于壓力或流量的需求，當壓力或流量出現變動時，系統可以很方便地對設備進行處理[1]。在保證室內溫度的情況下，最大程度地實現節約資源、提高熱網自動化水平的目的。

1 熱網遠程監控系統工藝流程

熱網遠程監控系統工藝流程如圖1所示。系統按照功能可以分為3個區域：第1區域是熱網的供熱源，主要為熱網用戶提供充足的熱水；第2區域是溫控區，主要對熱水進行再次處理，然后分配到各個換熱站；第3區域是板式換熱器，主要給熱網用戶提供充足的熱水，使熱網用戶的房間溫度達到一個相對平衡的狀態。在此，筆者主要介紹第3區域[2]。

圖1 熱網遠程監控系統工藝流程

在第3區域中，控制器根據二次管網上的調節閥制定模糊控制規則，并通過變頻器改變二次管網的熱水流量，以保證熱源供應的穩定性。供熱區工作流程如圖2所示。

2 熱網模糊神經網絡控制器設計

熱網系統是一個較為復雜的被控對象，為此筆者采用高斯型隸屬度函數作為熱網遠程監控系統的隸屬度函數。高斯函數是連續且處處可微的函數，適用于自適應、自學習模糊控制隸屬度函數的修正，其表達式為：

圖2 供熱區工作流程

(1)

式中n——隸屬度的中心值；

δ——隸屬度的寬度。

通常，n和δ的初始參數值可以憑經驗給出。如果經驗不足，初始參數值可以根據模糊規則來確定[3]。

3 熱網遠程監控系統的模糊神經網絡控制

熱網遠程監控系統中，輸入量為壓力誤差和流量誤差。設系統的設定壓力、設定流量分別為L1、L2，壓力傳感器和流量傳感器的實測值分別為S1、S2，則壓力誤差X1=L1-S1、流量誤差X2=L2-S2。然而，模糊控制器的輸入量需要經過模糊化處理才能使用。

3.1 模糊化

根據系統的實際情況和要求，將壓力誤差yw分為7個模糊集，即{HD，HS，HX，TS，ZX，ZZ，ZD}，對應的物理狀態分別為{壓力采樣值超低于設定范圍下限差值巨大，壓力采樣值遠低于設定范圍下限差值較小，壓力采樣值微低于設定范圍下限差值最小，壓力采樣值在設定范圍內無誤差，壓力采樣值微高于設定范圍上限差值最小，壓力采樣值遠高于設定上限差值較大，壓力采樣值超高于設定上限差值巨大}。壓力誤差yw域定義為{-6，-4，-2，0，2，4，6}。

將流量誤差lw分為7個模糊集，即{HD，HS，HX，TS，ZX，ZZ，ZD}，對應的物理狀態分別為{流量偏差采樣值超低于設定范圍下限差值巨大，流量偏差采樣值遠低于設定范圍下限差值較小，流量偏差采樣值微低于設定范圍下限差值最小，流量偏差采樣值在設定范圍內無誤差，流量偏差采樣值微高于設定范圍上限差值最小，流量偏差采樣值遠高于設定上限差值較大，流量偏差采樣值超高于設定上限差值巨大}。流量誤差lw域定義為{-6，-4，-2，0，2，4，6}。

將輸出量即調節閥的開度k為5個模糊集{QK，DK，BK，XK，FB}，對應的物理狀態分別為{調節閥全開，調節閥大開，調節閥半開，調節閥小開，調節閥封閉}。調節閥開度U的論域定義為{0.0，0.5，1.0,1.5，2.0}

3.2 熱網模糊神經網絡控制器的結構

熱網模糊神經網絡控制的拓撲圖如圖3所示[4]。

圖3 熱網模糊神經網絡控制的拓撲圖

在此，n的取值為{-6，-4，-2，0，2，4，6}，δ的取值1.2。得到流量誤差lw的隸屬度函數如圖4所示。

圖4 流量誤差lw的隸屬度函數

調節閥開度k的隸屬度函數如圖5所示。

圖5 調節閥開度k的隸屬度函數

通過參考大量文獻并根據現場人員的實際操作經驗[5]，將控制過程中可能出現的情況進行匯總，共得到了49條控制規則。用“if then”形式的語句加以描述，其中的部分語句如下：

if(ywis HD)and(lwis HD)then(kis QK)

if(ywis HS)and(lwis HS)then(kis BK)

if(ywis HX)and(lwis HX)then(kis XK)

if(ywis TS)and(lwis TS)then(kis FB)

if(ywis ZX)and(lwis ZX)then(kis XK)

if(ywis ZZ)and(lwis ZZ)then(kis QK)

if(ywis ZD)and(lwis ZD)then(kis QK)

4 模糊神經網絡訓練

為了便于在工程中使用，模糊神經網絡控制器模型可描述為：

輸入變量的論域分別為：

壓力誤差X1=[-E,E]=[-3,3]

流量誤差X2=[-E,E]=[-5,5]

設壓力量化因子Kyw=2，流量量化因子Klw=1.2，學習率η=0.3，平滑因子α=0.8。

5 仿真結果與分析

根據筆者設計的模糊神經網絡控制器對系統流量控制特性進行仿真研究，經過4 000次訓練，得到的流量仿真結果如圖6所示，可以看出，系統響應時間快，具有較好的穩定性和較小的超調量。

圖6 模糊神經網絡控制的流量仿真結果

6 結束語

筆者針對熱網遠程監控系統存在的不足，設計了一個模糊神經網絡控制器。對二次管網供水進行模糊量設計，使用高斯函數來實現模糊神經網絡控制器輸出量的模糊化。仿真結果表明：系統輸出具有超調量小、反應時間快、振蕩小及穩定性好等優點，證實筆者設計的模糊神經網絡控制器是有效的，模糊神經網絡控制可以在較大程度上改善城市熱網監控系統的性能，具有一定的實用性。

[1] 劉金琨.先進PID控制Matlab仿真[M].北京:電子工業出版社,2011:270～297.

[2] 田思慶,魏強,吳桂云,等.火電廠主汽溫度串級模糊控制系統應用研究[J].化工自動化及儀表,2014,41(11):1273～1276.

[3] 孫靈芳,董學曼,姜其鋒.模糊控制的現狀與工程應用關鍵問題研究[J].化工自動化及儀表,2016,43(1):1～5.

[4] 徐奔騰,林勇,溫陽東.鍋爐汽包水位的變論域模糊PID控制[J].化工自動化及儀表,2016,43(5):467～470.

[5] 戴珂,段善旭.三相電壓型整流器/逆變器的功能建模仿真方法[J].電力電子技術,2002,36(5):60～64.

ApplicationofFuzzyNeuralNetworkinHeatingNetworkRemoteMonitoringSystem

TIAN Si-qinga, b, CAO Yub, ZHENG Jia-fengb
(a.CollegeofInformationScienceandElectronicTechnology; b.CollegeofMechanicalEngineering,JiamusiUniversity)

TH865

A

1000-3932(2017)09-0861-04

2017-04-24，

2017-05-23)

(Continued on Page 872)

佳木斯大學應用重點項目(12Z2201526)；佳木斯大學科技創新團隊建設計劃項目(Cxtdpy-2016-03)。

田思慶(1965-)，教授，從事自動化與電氣化的教學與研究。

聯系人曹宇(1991-)，碩士研究生，從事農業電氣與自動化的研究，1315766172@qq.com。