區域能源智能物聯網平臺開發

謝林鴻,李 慧

(山東建筑大學熱能工程學院，山東 濟南 250100)

0 引言

“十四五”是我國能源行業轉型的關鍵期。為實現2030年碳達峰目標，一個有效的解決方案是構建以可再生能源為主體的區域能源系統[1]。區域能源系統是集中生產“冷、熱、電”等能源商品的綜合能源系統。區域能源系統根據區域內能源分布的結構及特點，因地制宜、統籌互補地利用多種傳統能源和可再生能源，實現優化能源結構的目的[2-3]。

隨著多種能源的開發利用，對區域能源系統的能源協調管理造成了很大的壓力。為了提高供能服務水平，需要加強傳統能源管理平臺的信息化、智能化應用。物聯網是新一輪信息技術革命的產物，其本質是“物物相聯”。物聯網通過感知層設備互相聯網，實現人與物、物與物之間的信息交換，能夠實時掌握能源系統的運行狀態。同時，物聯網能夠結合建筑信息模型(building information modeling，BIM)、云計算、大數據、人工智能等信息技術，實現管理平臺的智能化運行[4-5]。

隨著多種能源系統集成至物聯網管理平臺，需要根據能源的特性和背景來設計具體的物聯網平臺功能應用。對于能源系統而言，在能源生產消費過程中，其綜合優化調度是一個基本問題[6-7]。為實現能源的合理調度，需要獲取預測負荷、機組數據、氣象參數等關鍵參數。其中，對能源負荷的預測是確保優化過程中負荷供需平衡的關鍵[8]。

本文以一個多種可再生能源系統的區域能源系統為研究對象，基于Niagara框架技術搭建物聯網平臺，在實現物聯網平臺的基礎功能上引入人工智能算法，通過軟件編程實現區域能源的負荷預測及優化調度。

1 能源系統介紹

本文研究的區域能源系統對象包括三個子系統，分別是太陽能輔助空氣源熱泵系統、地源熱泵系統及天然氣分布式系統。能源系統結構如圖1所示。

圖1 能源系統結構

三個子系統的輸入側能源包括電能及天然氣。其中:電能通過電網輸入或者天然氣微燃機系統自發電；天然氣通過城市天然氣管道輸入。輸入側能源經過熱泵、天然氣微燃機、吸收式冷溫水機等機組設備，利用太陽能、空氣能及淺層地熱能三種清潔能源，生產冷、熱、電等能源商品。

太陽能輔助空氣源熱泵系統利用的是太陽能以及空氣能。該系統易受氣象條件的限制。在低溫環境下，空氣源熱泵機組的能效比 (coefficient of performance，COP)會下降，甚至出現機組冷凝器結霜現象。在陰雨天氣時，太陽集熱器的輔助制熱性能下降。但是該系統易于搭建及管理運行，適用于解決能源負荷需求較小且對于供能穩定性要求不太高的場景。

地源熱泵系統利用的是地下的淺層地熱能。該系統需要在地下敷設地埋管道，施工復雜，并且管理運行較空氣源熱泵系統有更高的要求，需要投入更多的初期投資及運維費用。得益于地下溫度場在全年內都較為穩定的優勢，地源熱泵系統運行不易受到氣象條件的限制。因此，地源熱泵系統適用于對能源負荷有穩定需求，且有施工條件的大型系統。

天然氣分布式系統利用的是由城市管網引入的天然氣。該系統使用天然氣微燃機燃燒發電。煙氣型冷溫水機利用微燃機排出的高溫煙氣制冷(熱)。由于天然氣由城市管網供應，因此該系統運行穩定。但由于天然氣價格相對較為昂貴，對于區域能源而言，天然氣不應該作為常規能源使用。

由此可見，三種形式的能源系統有著不同的長處及短板，因此需要對能源系統進行綜合管理，以充分利用不同能源的優勢。本文最終確定的能源方案大致思路為：空氣源熱泵系統和地源熱泵系統常規使用；當供暖季期間室外溫度過低導致空氣源熱泵系統COP值過低時，使用天然氣微燃機進行調峰。但在不同負荷、不同氣象條件下，需要具體分析優化調度方案。

2 區域能源物聯網平臺

區域能源系統為多種能源系統耦合，對于能源的管理需要獲取大量的能源系統運行數據。物聯網技術能夠解決能源管理數據的獲取難題。應用物聯網技術的能源管理平臺能夠監控能源系統底層機組設備的運行狀態，實現不同能源系統之間的集成管理。本文基于Niagara框架技術，搭建了區域能源物聯網平臺。

2.1 硬件框架

區域能源物聯網平臺的硬件框架可以分為三層，從下到上依次是感知層、傳輸層和應用層。區域能源物聯網平臺硬件框架如圖2所示。

圖2 區域能源物聯網平臺硬件框架

感知層位于平臺的底層，負責采集能源系統實際運行參數以及對設備進行控制。電表用于監測回路的電負荷。熱表用于監測管網的流量、熱(冷)負荷。I/O模塊用于連接溫度變送器、壓力變送器等傳感器，以監測溫度、壓力；同時也連接水泵、閥門等執行器，以控制啟停及開度?？刂瓢逵糜谶h程控制機組啟停和讀取機組參數。變頻器用于對循環水泵進行變頻。氣象儀用于監測溫度、輻射強度等環境氣象參數。

傳輸層位于平臺的中間層，是感知層和應用層之間數據通信的橋梁。JACE8000是一款用于連接多個設備和子系統，實現集成、監控、數據記錄、報警、時間表和網絡管理功能的嵌入式網絡控制器。本文的三個能源子系統分別使用一臺JACE8000網絡控制器，向下通過RS-485總線，以Modbus RTU協議與感知層設備通信，向上通過RJ45網線以TCP/IP協議與監控主機和用戶設備通信。數據終端連接氣象儀向上通過4G網絡以消息隊列遙測傳輸(message queuing telemetry transport，MQTT)協議與云平臺通信。監控主機訂閱云平臺的主題(Topic)獲取數據。

應用層位于平臺的頂層，包括監控和管理系統。本文以Niagara Workbench軟件管理平臺為基礎進行開發。Workbench軟件管理平臺框架如圖3所示。該軟件具有自定義儀表盤、數據標簽系統、身份驗證等功能。開發人員可以在配套軟件中進行模塊化編程[9]。用戶僅需使用支持標準Web瀏覽器的設備即可通過前端網頁訪問平臺，無需安裝特定的軟件或者瀏覽器插件。

圖3 Workbench軟件管理平臺框架

2.2 軟件功能

本文設計的區域能源物聯網平臺的軟件功能主要如下。

①能源系統網絡集成。

JACE8000控制器通過Modbus網絡監控三個能源子系統的感知層設備，并通過Niagara網絡實現站點之間的網絡通信。三個能源子系統的運行數據與統一管理平臺實時交互，實現能源系統的網絡集成。

②云平臺數據遠傳。

數據終端和監控主機通過標準MQTT協議接入阿里云平臺，以云平臺作為消息代理，傳輸氣象儀的監測參數。數據的遠程傳輸解決了氣象儀在安裝部署時對供電線、通信線的依賴。

③數據可視化。

可視化的前端網頁通過Px視圖進行界面設計，以文本、圖表及動態圖片的形式實時展示各設備及儀表的狀態和運行參數，并能在界面中對設備參數、狀態進行修改，控制能源系統運行。

④能耗數據分析。

能耗數據分析根據不同能源子系統的技術原理，按COP、電效率、熱效率、綜合能源利用率、可再生能源消納率等技術性指標進行統計分析。分析結果存儲為歷史曲線，便于能源管理、預測及研究。

⑤區域負荷預測。

區域能源系統的負荷預測基于人工智能算法，根據物聯網平臺采集的氣象、負荷等參數，預測區域能源系統次日逐時的區域負荷。預測負荷將作為系統優化調度的重要參數。

⑥能源系統優化調度。

區域能源系統的優化調度基于人工智能算法，以經濟性、環保性、可再生能源利用率為目標，根據能源物聯網平臺采集的機組、設備、負荷、氣象等數據，優化調度各能源子系統次日逐時啟停狀態。

3 物聯網平臺人工智能算法

目前，物聯網技術已經廣泛應用于建筑、工業、能源、醫療等行業領域，但其系統運行仍然以遠程人工操作為主，智能化水平依舊較低。本文以區域能源系統的實際需求為目標，借助物聯網平臺開發人工智能算法，并通過軟件編程實現具體功能應用。

3.1 區域負荷預測算法

冷(熱)負荷預測方法可以分為基于單位面積指標的靜態估算法、基于數據的分析算法以及基于數值模擬的建模方法[10]。區域能源系統是一個多變量、非線性的動態對象，而物聯網平臺又具有存儲大量實際運行數據的優勢。因此，本文采用基于數據驅動的在線學習預測的神經網絡方法對區域負荷進行預測。

神經網絡預測模型如圖4所示。

圖4 神經網絡預測模型

本文選取小腦模型神經網絡(cerebellar model articulation controller，CMAC)作為神經網絡模型。CMAC是一種局部逼近的神經網絡，具有學習速度快、適合在線學習的特點。選擇的輸入參數應該是物聯網平臺容易獲得并且與預測負荷具有強耦合性的[11]?；诖艘?，選取氣象預測數據、歷史負荷數據和日期數據作為輸入參數。

區域能源負荷預測算法流程如圖5所示。

圖5 區域能源負荷預測算法流程

在線預測模型通過讀取物聯網平臺一定周期的存儲數據完成訓練后，就可以按照讀取的輸入參數，根據向量歸一化、輸入空間超閉球化、高斯函數激活的步驟對預測負荷進行CMAC神經網絡計算。

在線預測模型具有在線修正功能，即隨著系統運行時間的增加，由于建筑本體特性或建筑功能的變化，模型精度降低。當測負荷數據和實際負荷預測的偏差累計值在規定周期中超出閾值時，根據物聯網平臺存儲的歷史數據重新學習更新模型權值[12]。

負荷預測算法使用Python軟件編程實現，主要分為以下四個部分。

①讀取氣象預測數據。

氣象預測數據通過調用氣象平臺的網絡應用程序接口獲取平臺發布數據。平臺數據為JSON數組類型，獲取后在Python軟件中遍歷查詢，解析具體的氣象參數。

②讀取歷史負荷數據。

歷史負荷數據通過讀取Niagara 4平臺存儲的歷史數據獲得。Python軟件通過oBIX庫，以開放樓宇信息標準(open building information exchange，oBIX)協議訪問Niagara 4平臺，根據時間戳讀取存儲的代理點歷史數據。

③預測負荷CMAC神經網絡計算。

負荷預測算法的神經網絡模型使用Numpy(Numerical Python)科學計算庫搭建。負荷預測算法的計算過程包括矩陣空間生成、函數計算、矩陣計算、迭代循環等步驟。

④輸出預測負荷數據。

負荷預測算法的輸出結果數據以oBIX協議寫入Niagara 4平臺中的代理點，并在前端界面進行可視化交互。前端頁面中包含次日氣象及預測負荷數據。數據以圖表、動態圖片、文本等多種形式展示。

3.2 區域能源優化調度算法

區域能源系統的輸出功率隨著能源負荷需求變化，調整氣象條件的冷熱變化、光照輻射強弱，以及建筑冷(熱)負荷的峰谷時段等狀況。能源系統機組設備的運行方案根據調整情況進行優化。同時，由于冷熱負荷的滯后性，這種優化調度方案應該是提前規劃的。

算法首先讀取氣象預測數據、負荷預測數據及機組設備參數作為輸入參數；然后羅列機組搭配運行的方案，并根據能源系統的冷(熱)供需平衡、機組設備容量限制、水泵流量限制對方案進行約束優化；最后以可再生能源利用率為主要優化目標進行優化(即優先使用可再生資源，不可再生資源作為調峰使用)，同時考慮經濟性及環保性的需求，輸出優化后的最優方案。

本文設計的能源系統優化調度算法流程如圖6所示。

圖6 能源系統優化調度算法流程

能源調度算法同樣使用Python軟件進行編程，主要分為以下四個步驟。

①讀取數據。

該部分以和負荷預測算法同樣的方式獲取氣象以及負荷數據，機組、設備參數數據則提前寫入Excel表格，使用openpyxl庫進行讀取。

②判斷約束條件。

能源系統的機組搭配方案在Python軟件中通過計算約束優化，確保至少滿足區域冷(熱)負荷的供需平衡、機組的最大容量限制，以及最小流量需求水泵運行的最大流量限制。

③優化調度方案。

對步驟②中滿足約束條件的機組搭配方案進行技術性、經濟性及環保性指標的計算(例如可再生能源利用率、運行費用、碳排放值等指標)，并對各類指標賦權以計算優化最佳方案。

④輸出方案。

本文以次日12時的預測方案輸出為例。預測方案對機組設備進行啟?？刂迫鐖D7所示。在Python軟件中用JSON類型數組表示優化輸出方案，數組內包含三個能源系統對應的機組設備的狀態值和時刻值。JSON數組通過oBIX協議寫入Niagara 4平臺中的字符串點rlt。字符串點rlt的Out輸出連接到DiaoDu組件的In輸入，對數組進行數據解析。解析后，在Diaodu組件得到控制三臺機組設備啟停的布爾值輸出。根據機組設備啟停狀態的寄存器地址，添加對應的布爾值點到連線編程頁面中。進一步采用Link功能將解析的布爾值輸出管腳與機組設備啟停狀態布爾值點的輸入管腳連接，就能通過預測方案的布爾值輸出控制機組設備的啟停。同時，全天的優化方案將在前端頁面以時間表的形式進行展示。

4 結論

本文基于能源轉型和萬物互聯的背景，以區域能源系統為研究對象，采用Niagara物聯網框架技術搭建區域能源系統物聯網平臺。該平臺實現了區域能源系統集成、數據可視化、能耗分析、云平臺交互等功能。

同時，本文進一步以基于數據驅動的神經網絡方法編寫區域能源預測算法，能夠精確預測次日能源系統的逐時負荷；以可再生能源利用率為主要目標編寫區域能源優化調度算法，能夠優化區域能源系統的運行策略。算法通過軟件編程實現，在區域能源物聯網平臺上得到應用，在提高可再生能源利用率的同時降低了系統運行費用。