大模型在大型城市集中供热系统中的应用研究

1. 引言

随着"双碳"战略深入推进，我国集中供热系统正面临能源结构转型与能效提升的双重挑战。统计数据显示，北方城镇供热能耗占建筑总能耗 21% 以上，其中因调控失当导致的能源浪费占比达 37% 。传统 SCADA 系统在应对复杂工况时存在三大瓶颈：热力工况预测精度不足；管网动态平衡调控滞后；多能耦合系统协同困难。本研究创新引入大模型技术，结合某热力公司工程实践，构建"感知-决策-执行"全链路智能系统，突破传统供热系统技术瓶颈。

2. 城市供热系统分类与技术演进

2.1 系统分类体系

依据《城镇供热系统分类标准》（GB/T 51161-2016），现代供热系统呈现三维度分类特征：

2.1.1 热源配置维度

以京能大同热力为例，该公司热源保障充足稳定。全面实行热电联产集中供热，与热源电厂密切沟通协调，深度合作，确保热源统一调度，供热量充足稳定。热源为 4座外购燃煤火力发电厂和1 座外购垃圾焚烧发电厂，无燃气锅炉。热源电厂具体为：

国电电力大同发电有限责任公司，位于大同市平城区魏都大道南光华街 1 号，全厂设计供热能力为1750MW。

山西大唐国际云冈热电有限责任公司，位于大同市云冈区老平旺，全厂设计供热能力 1131MW。

晋控电力同达热电山西有限公司，位于大同市云冈区泉运路南侧，全厂设计供热能力为 864MW。

大同富乔垃圾焚烧发电有限公司，位于大同市云冈区西韩岭乡马辛庄东北约 0.9 公里处，供热能力可达114MW。

内蒙古京隆发电有限责任公司，位于内蒙古自治区丰镇市工业园区，全厂设计供热能力为 1370MW。

2.1.2 管网拓扑维度

枝状管网：以某市老城区为例，主干管径DN1200，支线管径逐级递减至 DN200，水力失衡率常年在合理区间内。

环状管网：以某市为例，新建城区覆盖率 100% ，采用双环设计，主干管网形成闭合回路，配合智能调节阀实现压力波动控制在 ±5% 以内。

2.1.3 调控模式维度

中央集控式：基于 PLC 的经典控制策略，采用 PID 算法调节换热站阀门开度，时滞约 10-15 分钟。

分布式智能：边缘计算节点部署密度达5.8 个 /km² ，采用联邦学习技术实现本地数据不出域，决策响应时间缩短至3 秒。

数字孪生驱动：某供热项目实现 98% 物理设备数字化映射，每 30 秒更新一次全网状态，支持1000+并发工况模拟。

2.2 技术代际演进

2020 年后，Transformer 架构在时序预测领域的突破，使处理供热系统高维动态数据成为可能[1]。以 GPT-3 参数量级（1750 亿）为参照，供热大模型参数量控制在 120亿级别，在保持精度的同时降低算力需求。

3. 大模型技术架构

3.1 系统总体设计

系统采用"感知-决策-执行"三级架构，实现物理系统与数字空间的深度交互：

感知层 ：部署多类型传感器网络，包括高精度温度传感器、振动监测装置和声学采集设备，形成覆盖全网的神经末梢感知体系。决策层：核心大模型采用混合云架构，训练阶段使用NVIDIAA100 集群，推理阶段通过模型蒸馏技术适配边缘计算设备。执行层：开发自适应控制算法，可根据管网实时工况动态调整阀门开度，控制精度达0.5%FS。

3.2 核心算法创新

（1）时空特征提取技

针对供热管网拓扑动态变化特性，设计动态图神经网络架构。系统每5 分钟更新一次管网连接关系，通过注意力机制捕捉关键节点的影响权重。实验表明，该方法使流量预测误差降低至传统方法的1/3。

（2）物理规律嵌入学习

将热力学第一定律作为先验知识融入模型训练过程，约束神经网络输出符合能量守恒原则。在训练损失函数中引入传热方程残差项，确保模型在数据缺失场景下仍能保持合理输出。实际应用显示，该方法使小样本学习效率提升3 倍以上。

（3）多源异构数据融合

建立跨模态特征对齐机制，对温度场图像、振动频谱、压力波形等异构数据实施统一表征。采用特征级融合策略，通过可学习权重自动分配各模态贡献度。在泄漏诊断任务中，多模态融合使检测准确率提升。

图1 热网整体模型示意图

4.某大型城市供热系统实证研究

4.1 工程概况

实施范围：某市 5 个行政区，涵盖327 个换热站、1860 公里主干管网。

硬件部署：安装智能阀门 2180 台（德国西门子 SIPART PS2 系列），室温采集器12.6 万个，压力变送器 4500 台。

数据规模：日均处理数据量 1.2TB，特征维度达 257 维，包含气象数据（温度、风速、日照强度）、用户用热模式（24 小时负荷曲线）、设备状态（振动频谱、电流谐波）等。

4.2 系统实施细节

项目实施包含三大关键阶段：

阶段一：基础设施智能化改造

在 327 个换热站部署智能控制柜，集成 PLC 与边缘计算模块；主干管网每 200 米安装压力自平衡阀，配备LoRa 无线传输单元；用户侧升级为物联网温控阀，支持分钟级室温数据回传

阶段二：数据治理体系建设

构建数据质量评价指标体系，包含完整性、一致性、时效性等 7 个维度；开发时序数据修复算法，对缺失数据采用时空相关性插补；建立供热知识图谱，涵盖设备参数、故障案例、维修规程等 12 类实体。

阶段三：大模型训练优化

采用迁移学习策略，预训练阶段使用哈尔滨、沈阳等城市历史数据；微调阶段引入本地化特征，包括大同特殊地形（盆地气候）影响因子；部署在线学习机制，每日增量更新模型参数。

5. 技术突破与核心挑战

5.1 关键技术突破

本研究实现三项行业级技术革新（1）动态拓扑建模技术

针对供热管网结构时变特性，研发基于时空图神经网络的动态建模方法。通过实时捕捉阀门启闭、支线切换等拓扑变化，构建具有时间戳的邻接矩阵，使管网水力模型更新频率从小时级提升至分钟级。该技术成功解决传统静态模型在管网改造期间的失真问题，在 2023 年某管网扩建工程中，模型预测精度保持 91% 以上。

（2）多尺度协同优化算法

建立"秒级-小时级-日级"三级优化体系：秒级控制采用 PID 神经网络快速调节局部压力；小时级优化通过混合整数规划实现全网热力平衡；日级调度引入强化学习制定多能互补策略。该体系使系统整体能效提升，且保证优化过程满足供热安全的硬性约束。

（3）边缘智能推理引擎

开发面向供热场景的轻量化推理框架 HeatEdge，支持 TensorRT 加速与模型动态裁剪。在华为 Atlas 500 边缘设备上实现参数量压缩的同时，关键任务（如泄漏检测）推理延迟控制在 200ms 以内，满足工业现场实时性要求。

5.2 新型挑战应对

项目实施中暴露三大新兴挑战及应对策略：

（1）长尾数据难题

极端工况样本稀缺导致模型预测偏差。解决方案：构建物理仿真引擎生成 20 类罕见工况数据（如管网爆管、热源骤停），通过对抗生成网络（GAN）扩充训练集，使模型在 <5% 发生概率的异常场景中仍保持准确率。

（2）人机权责界定

智能系统与人工调控的职责边界模糊。应对措施：建立置信度分级机制，当模型输出置信度 290% 时自动执行； 80%9% 需值班工程师确认； <80% 则移交人工处置。该机制在 2023-2024 采暖季减少无效报警。

（3）跨系统兼容障碍

既有 DCS 系统与智能平台存在协议冲突。技术对策：开发多协议转换中间件，支持 Modbus、OPC UA、MQTT 等 12 种工业协议的实时转换，数据丢包率控制在 0.02% 以下，确保新旧系统无缝衔接。

6. 结论

本研究提出了大模型技术在热力公司未来应用的思路和方向，通过某项目预计可取得显著经济效益与社会效益。未来研究方向包括：

（1）研发供热大模型专用芯片：基于存算一体架构，设计 3D 堆叠存储器，算力密度提升至 10TFLOPS/W；

（2）探索"供热大脑"城市级部署：构建跨区域协调优化平台，实现 1000+ 换热站协同调控；

（3）构建跨区域能源协同平台：通过区块链技术实现热-电-气多能交易，预计提升综合能效。

参考文献

[1] 国家能源局. 2022 中国供热产业发展报告[R]. 北京: 中国建筑工业出版社,2023.