引言在碳达峰、碳中和背景下，构建智慧化供热系统迫在眉睫。智慧化供热是基于供热物理网[1-2]，采用物联网、人工智能、大数据等技术的供热方式，兼具供热系统的智慧管理与调节功能。近年来，许多学者为构建智慧化供热系统、创新供热调节方法[3-6]开展了大量的研究工作，以实现按需分配、精准供热。针对智慧化供热的现实要求，文中构建用户热负荷计算与预测模型，通过数据采集和多项式拟合生成用户舒适温度曲线，并通过此特征参数曲线对用户供热进行自主变流量调节，根据供热系统热平衡时的运行数据，基于案例进行分析及调查研究，对该供热调节方法的精准度、响应速度、社会效益、用户满意度进行分析。1个性化数据模型获得精准、个性化的用户热负荷数据是供热系统实现智慧化供热调节的前提。现有供热系统使用的热负荷数据主要有两种，分别是基于住宅供热标准的热负荷设计数据和基于供热系统实际运行数据和住宅环境参数的热负荷预测数据[4]。第一种热负荷数据是静态的，不能适应住宅类型、住宅结构、天气状态[7]等住宅环境参数的变化；第二种热负荷数据是动态预测数据，能够根据住宅环境参数变化及时做出反应，但具有以下缺陷：第一，住宅环境参数数量庞大、种类混乱，无统一的参考标准。这会造成处理算法的设计困难和数据系统的冗杂，浪费计算力。第二，只考虑住宅环境参数的影响，忽视了人的主观用热意愿，该用户热负荷数据不够精准化、个性化。因此，文中提出智慧供热特征参数——用户舒适温度，通过用户舒适温度这单一主观变量衡量住宅环境参数变化的影响，既能简化数据系统及处理算法，又能为智慧化供热系统提供更加精准化、个性化的用户热负荷数据。1.1用户舒适温度用户舒适温度是在具体住宅环境下用户主观选择的室内舒适供热温度，是受住宅环境参数影响、由个人主观意愿决定的供热特征参数，是精准化、个性化的供热调节目标参数。考虑住宅环境参数的冗杂性，将具体住宅环境分为住宅状态和天气状态两大类，住宅状态分为住宅层次和住宅结构两小类，天气状态也可根据室外温度、风速进行划分。具体住宅环境划分方式如图1所示。10.3969/j.issn.1004-7948.2023.10.018.F001图1具体住宅环境划分方式另外，考虑用户在住宅环境参数变化的影响下，其主观的用热意愿受个人温度喜好、经济水平、身体素质等综合因素的影响。这种动态发展的用热需求能够很好地体现在用户舒适温度的变化中。用户舒适温度作为精准化、个性化的供热调节参数，满足了供热客观因素和用户主观要求的统一。采集及预测模型：智慧化供热需要针对规定时刻下用户舒适温度进行数据采集。数据采集方式分为主动采集和被动采集，主动采集是供热系统对用户舒适温度主观调节数据的采集；被动采集是对固定时刻下用户室内温度的采集。主动采集与被动采集频率对比如图2所示。10.3969/j.issn.1004-7948.2023.10.018.F002图2主动采集与被动采集频率对比从采集频率角度分析，用户对舒适温度的主观调节是离散的，时间分布不均匀，用户舒适温度调节多集中在早晨至睡前范围内，当日主观采集次数不固定。用户室内温度的采集也是离散的，但时间分布均匀，间隔2 h一次，被动采集次数固定为12次/d。智慧化供热的数据采集应尽量结合两种采集方式，消除用户舒适温度误差，以此生成精准化、个性化的变住宅环境下24 h用户舒适温度曲线。某住宅环境下的用户舒适温度曲线如图3所示。10.3969/j.issn.1004-7948.2023.10.018.F003图3某住宅环境下的用户舒适温度曲线用户舒适温度曲线可以根据采集数据通过多项式拟线性拟合生成，其拟合公式为：Tt=n1+n2t+n3t2+...+nntn-1 (1)其中，Tt——用户舒适温度，为目标变量；t——时间，为自变量；n——多元线性方程中的系数。随着采集的用户舒适温度数据增多，所求解的拟合曲线阶数越高、精度越高。另外，智慧化供热系统可对未来的用户舒适温度曲线进行预测，其预测方法有两种。第一，通过相关用户舒适时刻温度采集数据的重新组合，构建适用于未来预测住宅环境下的24 h舒适温度曲线。第二，若相关时刻下的用户舒适温度数据缺乏，可从智慧化供热系统云端下载相似住宅环境下的用户舒适温度数据作为补充，以构建适用于未来的住宅环境24 h舒适温度预测曲线。1.2用户热负荷热负荷数据可按使用目的分为用户热负荷、末端热负荷两类。其中，末端热负荷是同一供热区域内用户热负荷之和。用户热负荷可用于衡量具体用户的热量使用情况，为其供热系统及房屋改造提供数据支持，并可作为计费单元[8]，实现精准化供热缴费。末端热负荷作为整个供热系统散热的主体，可用于指导热源端的燃料采购、热量生产，为节能减耗提供依据。计算及预测模型：智慧化供热系统基于用户舒适温度完成变流量调节[9]后，室内温度与用户舒适温度逐渐达到一致，此时根据供热运行数据对用户热负荷进行计算。瞬时用户热负荷Qt为：Qt=cmtΔTt (2)式中：c——水的比热容，取4.2×103 J/(kg·℃)；mt——用户供热管道内热水的瞬时流量；ΔTt——用户供热管道瞬时供回水温差。mt=α1+α2t+α3t2+...+αntn-1 (3)ΔTt=β1+β2t+β3t2+...+βntn-1 (4)mt与ΔTt均随时间变化，是时间的函数，其函数多项式可通过线性拟合生成。对式(1)进行时间积分，获得当日用户热负荷Qd。Qd=∫t1t2cmtΔTtdt (5)t1与t2间隔24 h。同一供热区域内当日用户热负荷的累加可得供热系统的当日末端热负荷。Q=∑Qd (6)因瞬时用户热负荷与所在住宅环境和时间下的用户舒适温度数据一一对应。根据对应关系，智慧化供热系统可以参考供热系统历史或云端运行数据对未来的用户热负荷、末端热负荷进行预测，用于规范热源的燃料采购、热量生产、节能减耗。2智慧化系统及调节2.1智慧化供热系统智慧化供热调节的研究基于智慧供热用人机交互系统进行。此人机交互系统包括调控模块、显示模块、控制模块、传感模块、执行模块五大工作模块。调控模块通过无线或有线传输的方式，将调节信息发送至控制模块，调节信息是受住宅环境客观因素影响，由温度喜好、身体素质、计费意向等主观因素决定的用户舒适温度数据。显示模块用于显示用户舒适温度、用户室内温度、供热费用信息等信息。控制模块具有获取云端信息、存储供热运行数据、生成和预测用户舒适温度和热负荷数据、核算供热费用的功能，在具体住宅环境下，其通过查找自身数据库内用户室内温度-阀门开度曲线和用户舒适温度-时间曲线生成当前室内温度控制信息和未来舒适温度预测信息。另外，控制模块也可以根据传感信息-供热运行数据对用户热负荷、供热费用进行核算。传感模块为控制模块提供室内温度信息和入室供热管道流量、供回水温差和阀门开度信息。执行模块接收并执行控制模块的控制信息-阀门开度数据。该智慧化调节系统在充分尊重用户的主观调节意向的基础上，通过人机交互的方法实现了室内温度的调节、未来舒适温度预测、供热费用的核算等功能，不仅能够满足用户精准化、个性化用热，还能够充分发挥优势，对热端的燃料采购、热量生产、节能减耗进行预测和优化，解决市政集中供热模式下的冷热分配不均、能源消耗大、热力浪费严重等问题，提升智慧供热系统的稳定性，减少系统的冗杂性。2.2供热调节方法智慧化供热调节的核心是按需分配，即按照用户主观用热需求合理分配热负荷。受住宅环境影响下的用户主观供热需求可利用智慧化供热特征参数（用户舒适温度）衡量，使用此供热特征参数作为调节信息，基于PID控制，对用户供热管道的阀门开度进行自主调节，通过改变供热管内热水流量使用户室内温度与舒适温度逐渐趋于一致。智慧化供热调节方法如图4所示。10.3969/j.issn.1004-7948.2023.10.018.F004图4智慧化供热调节方法该智慧化供热调节方法具有针对性强、操作简单等优点，可以有效提高热负荷的合理分配，精准满足用户的热需求，促进节能减碳，增加社会经济效益。3案例分析3.1案例简介大连某供热区域换热站并网面积25.3万m²，实供面积21.5万m²。2021至2022年期间，以智慧化供热控制方法进行了多次试验，为系统的精准度与响应速度、社会效益与个人满意度分析提供数据支持。3.2精准度与响应速度精准度是评价智慧化供热调节方法的关键。在供热系统完成温度调节且达到稳定后，对调节后的室内温度与用户舒适温度进行相似性衡量，其相似性越高，说明该调节方法的精准度越高，提供的实际室内温度越接近用户需求。某试验住宅的室内温度与舒适温度对比如图5所示。在用户舒适温度调节信息发出后，智慧化供热系统经调节时间T1完成对室内温度的调节，此时室内温度达到稳定，并逐渐与舒适温度趋于一致，直至下次用户舒适温度调节。该智慧化调节方法的精准度较高，调节后的实际室内温度接近用户舒适温度。10.3969/j.issn.1004-7948.2023.10.018.F005图5某试验住宅的室内温度与舒适温度对比另外，在智慧化供热调节过程中，用户室内温度存在震荡阶段，该阶段为智慧化供热系统的调节时间t1。调节时间可以反映智慧化调节方法的相响应速度。响应速度受住宅面积S、调节温差ΔT影响。调节温差指用户舒适温度与实际室内温度的差值。住宅面积、调节温差与调节时间的关系曲线如图6所示。住宅面积、调节温差越大，智慧化供热系统所需要的调节时间越长，调节方法的响应速度越慢。但在上述住宅面积、调节温差范围内，其响应速度仍十分客观，多数集中在≤30 min范围内。该智慧化供热调节方法具有较为可观的响应速度。10.3969/j.issn.1004-7948.2023.10.018.F006图6住宅面积、调节温差与调节时间的关系曲线3.3社会效益与个人满意度该智慧化供热调节方法的社会效益可从调节后的末端热负荷出发，考察其对节能减碳的影响。某试验供热区域原末端热负荷与现末端热负荷对比如图7所示。在供热初寒期（11月4日至12月20日）、严寒期（12月21日至次年2月1日）和末寒期（2月2日至3月15日）3个阶段，智慧化调节后的现末端热负荷均要小于原末端热负荷，尤其在供热初寒期及末寒期差距较大。经计算，在满足用户供热需求的条件下，初寒期、严寒期和末寒期分别节能7.03%、1.79%、4.60%左右。此试验供热区域距离热源较远，整个供热系统的实际节能效果应相对更高。该智慧化供热调节方法具有较好的节能减耗作用。10.3969/j.issn.1004-7948.2023.10.018.F007图7某试验供热区域原末端热负荷与现末端热负荷对比对智慧化供热调节方法的用户满意度及认可原因进行预调研，样本数量为100户，结果如图8和图9所示。10.3969/j.issn.1004-7948.2023.10.018.F008图8智慧化供热调节方法的用户满意度10.3969/j.issn.1004-7948.2023.10.018.F009图9智慧化供热调节方法的认可原因由图8和图9可知，多数调查用户对此智慧化供热调节方法有着较高的评价，占总数的83%。用户认可此供热调节方法的主要原因为个性化调节，次要原因为精准化供热，分别占据总数的54%、33%。该智慧化供热调节方法的用户满意度高，具有一定应用推广价值。4结语文中提出一种基于热用户主观用热需求的人性化、精准化、智慧化集中供热调节方法。该调节方法通过数据采集和多项式拟合生成用户舒适温度曲线，构建用户热负荷计算模型，并能够根据历史数据或云端数据完成未来某住宅环境和时刻下的舒适温度与热负荷预测。该调节方法使用用户舒适温度作为调节信息，并基于PID控制，对用户供热管道的阀门开度进行自主调节，通过改变供热管内热水流量使用户室内温度与舒适温度逐渐趋于一致。基于具体案例和调研，对该供热调节方法的响应速度和精准度、节能减耗、用户满意度进行分析。研究结果如下：该智慧化供热调节方法精准度较高，调节后的实际室内温度接近用户舒适温度；调节响应速度十分客观，多集中在≤30 min范围内。该智慧化供热调节方法具有较好的节能减耗作用，初寒期、严寒期和末寒期分别节能7.03%、1.79%、4.60%；并有不错的用户满意度，具有一定应用推广价值。