通过利用BP神经网络技术建立供热负荷预测模型，依托实际工程项目，结合大数据分析技术来预测区域供热负荷，同时利用3D+GIS技术，构建了一种基于神经网络技术来构建区域的智慧供热管控系统，对区域供热分布进行可视化应用分析。结果表明：该智慧供热管控系统可为供热行业信息化发展提供新思路和新方法。
前言
随着中国经济发展和科技的不断进步，国民物质水平在有了长足的提高，集中供热已成为北方城市居民冬季生活中必不可少的一部分。中国冬季集中供热区主要分布在“秦淮线”以北。随着供热需求的快速提高，供热行业开始面临因供热面积大、供热用户多等引起的供热管控不力、安全把控不足和技术水平有待提高，以及供热信息共享不够等问题，现有供热水平已经不能完全满足整个社会生产、生活的需求，亟需在供热系统管控方面进行革新。同时，互联网技术的飞速发展推动着各行业的快速升级，供热行业也不例外，实现供热产业的信息化管控、智慧化管理是大势所趋。
利用云计算、机器学习、大数据以及3D+GIS等新兴技术构建智慧管控系统是实现供热系统信息化、数字化、科学化管理的重要途径和手段，也是优化提升供热能力和管控模式的当务之急。近年来，已有不少学者就供热系统信息化建设做了大量的相关研究工作。
针对我国工业热力供应存在耗能高、效率低、污染排放量大等问题，柴春蕾等人利用云、边、管、端协同方式开发了信息系统与物理系统深度融合的智慧供热系统。
针对渭源县地区供热系统缺少一个集信息监测与处理于一体的管控平台，无法实现各级热网实时监测，不能反映供热管网实时运行工况，更难以做到供热量远程调控和管网热量平衡调控等问题，康金霞提出了利用物联网技术来构建渭源县的智慧供热体系，用以实现热量的合理分配。
针对供热管网数量大、分布广而散、难以集中统一监控管理的难题，李光明等指出可以利用OPC技术和LabVIEW软件进行多通道数据采集和分析管理，进而实现供热系统的实时监管。
但以上系统主要是对传统供热方式的信息化升级改造，智慧化水平有所欠缺，难以做到对区域供热负荷的前瞻预测，供热管理可视化、信息共享和调度优化能力不足。
本文利用BP神经网络技术建立供热负荷预测模型，结合大数据分析技术来预测区域供热负荷，同时利用3D+GIS技术，构建一种基于神经网络技术来构建区域的智慧供热管控系统，对区域供热分布进行可视化分析，实现区域热源生产数据的汇集管理和信息共享，进而通过智慧管控全面提升供热质量和供热的应急调度能力。
1
智慧供热管控系统构建
一般情况下，供热负荷主要受建筑内外环境条件和建筑自身保温性能影响。对于城市的同一个供热片区来讲，建筑自身保温性能应该符合建筑节能工程施工质量验收标准，整体保温性能差异较小；建筑内部环境主要受电器热量和人体辐射等因素影响，波动较小；而建筑外部环境随季节变化较大。
因此，为实现对供热负荷准确的预测，分析建筑外部环境条件如太阳辐射、室外温度、湿度、风速等对供热负荷的影响，利用BP神经网络建立供热负荷预测模型，并结合3D+GIS技术实现区域供热分布的空间可视化分析，帮助区域供热管理者更好地掌握区域的供热情况，实现合理供热分配，使其可以对供热质量和安全进行把控。
1.1基于BP神经网络的供热预测模型设计
1.1.1BP神经网络
BP算法是人工神经网络中一种较为典型的学习算法，主要由输入层、一个或多个隐含层、输出层组成，各层由若干个神经元节点构成，利用输入值、作用函数和阈值来预测确定输出值。单个隐含层的BP神经网络结构如图1所示。
图1BP神经网络的网络结构
在供热预测中，建筑外部环境条件数据从输入层经隐含层传向供热负荷输出层，如果在输出层计算的供热负荷与实际情况不符或者未达到预期值，则会通过计算误差进行反向传播，将误差信号沿原来通路返回，通过不断迭代学习修改隐含层各神经元的权值，使得误差信号最小。每个神经元节点都对应着一个激活函数f(x)和阈值α。在本文中采用的激活函数是非线性的Sigmoid型函数，见式(1)：
假设有N对样本(xk~Qk)(k=1，2，3，…，n)，其中xk为输入；Qk为期望输出；xk经BP神经网络计算输出结果为yk，此时yk与Qk之间的均方误差可利用式(2)进行计算：
式中：M为输出层节点数；yk，p为第k样本对第P因素分量的实际输出；Ok，p为第k样本的期望输出，因此整个样本集的总误差为：
再利用梯度下降法计算E的最小值，经过迭代使其满足预设误差阈值，得到能够满足供热预测的BP神经网络模型。
1.1.2建立模型变量
本次供热预测模型以对供热负荷影响较大的太阳辐射、室外温度、空气湿度、自然风风速这4个建筑外部环境条件为自变量，以供热负荷量为因变量，研究建筑外部环境条件变化对供热负荷的影响。
1.1.3构建热负荷预测模型
将4个建筑外部环境条件的实测数据作为输入量，供热负荷作为输出量，利用BP神经网络构建供热负荷预测模型。通过设置误差和学习次数、输入训练数据、前向传播、反向过程等步骤对供热预测模型进行完善直至其计算数据符合误差要求，使模型误差最小，更精确地预测供热负荷。
1.2基于3D+GIS的供热分布空间可视化分析
利用开源的3D+GIS框架，结合热源、一级网、换热站、二级网、各社区、企业以及供暖建筑分布等信息，开展供热分布空间可视化研究，根据区域的供热工程特性与地理空间分布，划分供热区域，分析区域的供热情况，实现区域的合理供热。
1.2.1供热BIM模型构建
依据Revit平台的采暖建模系统，分别建立供热工程的地质、主体结构、暖通管线的各专业模型，其中具体包括绘制供、回水管，布设换热站、散热器及阀件等。在此基础上集成并整合各专业模型，形成完整的综合供热BIM模型，供热BIM模型管线排布如图2所示。
图2供热BIM模型管线排布
1.2.2多图层服务和BIM+3D+GIS可视化
由于供热数据繁杂，为能充分地展示各种信息数据，更好利用各类数据信息，本系统采用多图层服务和BIM+3D+GIS可视化服务，将不同种类的数据信息以图层形式进行空间可视化展示，可实现图层之间数据的对比、历史数据的演化对比，也可利用系统提供的鹰眼视图和地图书签等进行视图控制。同时，数据也可以通过共享模块实现对外共享。
1.2.3要素查询定位
利用3D+GIS的空间分析特点，实现信息的基本查询功能，分类查询，可以快速查询定位片区实时状况及各项设施设备、巡检人员等相关信息。实现设施设备的静态空间和属性信息的综合查询，将查询结果的属性信息以图形或图表的形式显示系统中，能够实时反映区域的供热情况，及时对供热状况进行调整，使其分配更加合理。
1.2.4区域划分与监测分析
通过3D+GIS可视化展示，结合不同供热数据信息，根据供热的工程特性及地理特性划分空间区域，对空间信息进行修正，简化信息量以便于数据的操作，并动态生成不同区域的供热变化数据，直观地预测供热系统未来运行情况。
2
智慧供热管控系统构建
智慧供热管控系统建设以工程数据中心建设为基础，通过智能化数据汇集传输、网络化大数据分析决策，最终实现供热系统的智慧化管控。利用智慧供热管控系统进行数据整合、分析和可视化展示，从而达到安全供热、平衡供热、节能降耗、降低漏损的目的，提高供热服务水平和业务管理水平。
2.1智慧供热管控系统架构
基于“一体化、系统化、标准化、开放性、先进实用”的设计原则，采用分层和面向服务的设计思路，构建智慧供热管控系统，系统框架分为感知层、网络层、数据层、应用层、用户层、展示层共6个层级，如图3所示。
感知层：由室温采集设施、供热计量装置等各类感知设施设备构成，满足供热感知需求，为生产提供长效的数据支撑，并利用覆盖供热输配系统(热源、一次网、二次网等)的数据信息系统，为供热运行情况的应急管理决策提供依据支撑。
网络层：感知层的建设实现了智慧供热一体化平台运维数据的智能采集，各种类型的数据需要回传到云计算中心层进行相应的存储和分析，网络传输通道必不可少。结合供热管理不同业务、不同场景及不同应用终端网络需求，将综合应用运营商4G/5G通讯网络、主干光纤环网、监测自动化组网、物联网通信链路和Wi-Fi网络等形成多网融合的统一网络平台，以满足不用的业务需求。
图3系统架构
数据层：数据层主要由5部分组成，即地理信息数据库、在线监测数据库、运行管理数据库、文档多媒体数据库及业务管理数据库。其中地理信息系统主要存储热力管线、供热设施、监测设备等要素，同时空间信息根据要素进行分层的图层方式进行组织管理；在线监测数据库主要存储在线监测仪器所采集得到的热源、管网、换热站、末端计量等实时数据。各类数据均依照统一的数据标准进行存储、整合、调用、分析、管理和共享。
应用层：按照智慧供热的不同业务，将功能服务层划分为在线监测系统、供热运行监控系统、供热运行分析系统、供热负荷预测系统、供热调度优化系统、安全预警系统、设备管理系统、客服管理系统和收费系统十大业务子系统。其中，在线监测系统主要是实时监测热源、管网、设备等整体运行情况，实现“GIS一张图”可视化在线监测数据；供热运行监控系统主要是接入换热站监控系统及各前端监测设备数据，实现统一管理及多系统联动。以供热运行状态的全面感知、信息的即时传达为基础，借助云、大、物、移、智等前沿信息技术，实现对供热生产运行维护各个环节进行全方位的高效管控。
用户层：用户层主要体现智慧供热管控一体化平台的各类用户，包括电投热力企业、热用户、运维人员等。
展示层：展示层主要包括PC端、移动端和大屏。PC端主要用于日常运维人员进行生产办公，移动端主要用信息收发、流程审批、用户缴费和运维信息上传等，大屏主要用来集中展示供热运行实况及宏观数据。基于统一数据中心开发适用于不同业务场景下的终端应用，方便不同角色人员在不同环境下应用，从而提高生产管控效率。
2.2智慧供热管控系统应用
智慧供热管控一体化平台内容包括在线监测系统、供热运行监控系统、供热运行分析系统、供热负荷预测及专家系统、供热调度优化系统、安全预警系统、设备管理系统、客服管理系统、收费系统等子系统建设。
2.2.1在线监测系统
在线监测系统可实时监测热源、管网、设备等整体运行情况，同时展示当前数据与历史数据比对分析结果，实现“GIS一张图”可视化在线监测数据，在线监测子系统如图4所示。
图4在线监测子系统
2.2.2供热运行监控系统
供热运行监控系统主要包括实时数据的监控及远程控制两大功能，实现供热运行工况的实时全面展示，可用于监视不利工况点的压差，保障区域供暖系统安全合理地运行，并联动换热站监控系统实现远程控制，供热运行监控子系统如图5所示。
图5供热运行监控子系统
2.2.3供热运行分析系统
供热运行分析系统可对热源、管网、换热站等在内的供热系统数据进行实时分析比对，通过与历史数据的大数据比对分析，可以更好地对供热系统进行精细化监管，供热运行分析系统示意如图6所示。
图6供热运行分析子系统
2.2.4供热负荷预测及专家系统
基于供热负荷预测模型，在建筑外部环境条件变化时，对热源、换热站、公共建筑、热用户的供热负荷进行预测，并对供热系统进行节能潜力分析和评价，在此基础上由专家系统对供热系统的节能运行提供专业的合理化建议，辅助制定节能运行的控制策略，并联动二次网智能平衡系统，快速实现热量供需平衡，保证日供热负荷，供热负荷预测专家子系统如图7所示。
图7供热负荷预测专家子系统
2.2.5供热调度优化系统
供热调度优化系统可通过底层提供的温度及流量等数据，经过供热负荷模型的优化计算，筛选出最优调度方案。节能减排同时也提升了供暖质量，供热调度优化系统如图8所示。
图8供热调度优化子系统
2.2.6安全预警系统
安全预警系统可以将实时监测数值与设定的安全数值进行对比，当监测数值超出系统设定的阈值时将发出预警信息，安全预警系统如图9所示。
图9安全预警子系统
2.2.7设备管理系统
设备管理系统通过建立设备台账管理信息，对设备的出厂、维修、配件更换等记录进行全面记录，同时对临近检修期的设备发出设备检修的提醒，实现对设备的全生命周期管理，设备管理系统如图10所示。
图10设备管理子系统
2.2.8客服管理系统
客服管理子系统见图11。客服管理系统实现流程化跟踪和管理各项服务的内容，包括用户的报修服务、投诉等进行管理，可以按照住址或用户名称查询相关维修、投诉等综合信息，并详细记录为用户提供的各项服务和服务中发生的各项费用。让客服人员了解用户的全部信息，掌握沟通主动权，及时处理用户提出的服务申请。提供包括语音服务、人工服务和互联网服务等多种形式综合性信息服务。实现用户报修、业务受理、咨询、投诉、催费、查询和回访等具体业务，提高用户满意度。
图11客服管理子系统
2.2.9收费管理系统
收费管理系统可显示末端用户缴费信息，可计量、收集末端用户用热信息；具备开放接口，可扩展收费管理功能。
3
结语
本文依托实际供热工程项目构建智慧供热管控一体化平台，该平台采用云大物移智、GIS及智能模型等先进技术，实现用热单位及居民室内温度、管网压力、流量、热媒温度、换热站和热源厂等生产数据的汇集管理，实现供热数据、能耗可视化分析，优化供热调度，提升安全预警能力，并实现系统内各种业务数据互通，实现信息共享，消除信息孤岛，向各业务提供数据服务，为管理者提供决策支持，同时开通用户网上缴费服务，更加精细、动态管理供热系统的整个生产、管理和服务流程。
