Tilastollisten mallien soveltaminen kaukolämpöjärjestelmän dynamiikan kuvaamiseen

Kaukolämpöjärjestelmää kuvaavia laskentamalleja käytetään uuden järjestelmän suunnitteluun sekä vanhan laajennusten suunnitteluun ja käyttötilanteiden simulointiin. Suunnittelutehtävissä käytetään yleensä staattisia malleja ja käyttötehtävissä simulointi- ja optimointimalleja. Tässä tutkimuksessa on tutkittu tilastollisia menetelmiä kaukolämpöverkon toiminnan kuvaamisessa. Esimerkkiverkkona käytettiin Vantaan Sähkö Oy:n kaukolämpöverkkoa. Kaukolämpöverkon muuttujien kesken tehtiin korrelaatiotarkastelu, joka osoitti muuttujien olevan voimakkaasti riippuvaisia toisistaan. Kaukolämpöverkon mittauksien perusteella määriteltiin eri muuttujien väliset riippuvuudet kuten lämpötila, paine, paine-ero ja virtaus. Verkosta ei tehty fyysistä mallia, vaan kaukolämpöverkon hallinta perustui mittauksista luotuun tietokantaan. Muuttujien väliset kuvaukset tehtiin neurolaskennalla, jossa opetusmateriaalilla opetettiin voimakkaasti korreloivien muuttujien keskinäiset riippuvuudet. Opetetulla neuroverkolla testattiin kuvauksen toimivuutta testimateriaalissa, jossa oli samoja arvoja kuin opetusmateriaalissakin. Lämpötilan viive määriteltiin korrelaation maksimointimenetelmllä, ja virtaus, paine ja paine-ero olivat viiveettömiä parametreja. Lämpötilan kuvaamiseen kahden pisteen välillä käytettiin neurolaskennan lineaarista kuvausta. Lämpötilan neurolaskentamalli toimi opetus- ja testimateriaalissa hyvin. Keskimääräinen lämpötilan virhe oli esimerkin opetusmateriaalissa 0,4 °C ja testimateriaalissa 0,6 °C. Virtaus ja paine kuvattiin neurolaskennan backpropagation-menetelmällä, jossa käytettiin Levenbergin-Marquardtin algoritmia epälineaarisen ilmiön kuvaamiseen. Lentokentän virtauksella saatiin testiaineistossa keskimäärin 2,8 1/s:n tarkkuus, joka vastaa n. 3 %:n tarkkuutta. Suurimmillaan virhe oli kuitenkin 15 1/s. Paine-ero meno-paluuputken välillä opetuspisteessä ja tarkkailupisteessä lentokentällä antoi testimateriaalin tarkkuudeksi 0,3 bar, joka vastaa n. 10 %:n kuvaustarkkuutta ko. testimateriaalissa. Kaukolämpöverkon mittauspisteistä voidaan luoda informaatioverkko, jolla kaukolämpöverkon tilaa hallitaan ja simuloidaan nykyhetkessä ja ennustetaan tulevia ilmiöitä. Informaatioverkon laskenta voi edetä syöttöpisteestä piste pisteeltä tai viuhkamaisesti suoraan syöttöpisteestä jokaiseen tarkkailupisteeseen. Siten informaatioverkon kuvauksilla hallitaan verkossa tapahtuvien ilmiöiden vaikutukset tuotannosta kuluttajalle ja päinvastoin.