В рамках осуществления эксплуатации зданий и сооружений промышленного предприятия, в условиях отсутствия собственного источника генерации тепловой энергии, встает вопрос покупки тепловой энергии (далее - ТЭ) у стороннего источника выработки. В условиях высоких цен на энергетические ресурсы остро встает вопрос об повышении энергетической эффективности использования топливно-энергетических ресурсов.
В рамках данного проекта решается несколько вопросов:
✅ Сколько по нормативу должно потреблять здание?
✅ Сколько по факту здание потребляет?
✅ Каков коэффициент детерминации функции потребления ТЭ от температуры наружного воздуха?
✅ Насколько точно справляется система погодного регулирования? (Оценка экономического эффекта)
✅ Каково влияние ручного регулирования в индивидуальных тепловых пунктах (далее - ИТП) каждого здания?
На основании ежедневной выгрузки из автоматизированной системы технического учета тепловой энергии (далее - АСТУ) получаем данные по физическим показателям потребления (температуры теплоносителя, массы теплоносителя на входе и выходе из ИТП, давление и др.).
По каждому зданию первичная информация из АСТУ заносится в БД SQLite 'factoryheatdb.sqlite', в зависимости от типа ИТП производится выделение потребления на отопление и ГВС, т.к. нас интересует только отопление (CH_fact_heat_d.py). Рассчитываемые значения также заносятся в общую БД.(fact_heat_d.py)
Для каждого здания на основании характеристик рассчитывается удельно теплопотребление на проектируемую температуру наружного воздуха. Основными влияющими на теплопотребление аргументами являются объем здания, тип (цех/административное), свободная высота.
На основании характеристик здания и температуры наружного воздуха (парсится ежедневно с погодного ресурса) рассчитывается нормативное потребление ТЭ в отдельно взятый день по каждому зданию (spy_fact_temp.py) и заносится в общую БД.
pandas
numpy
BeautifulSoup4
pyromat (http://www.pyromat.org/)
✅ в случае отсутствия интернета для парсинга температуры наружного воздуха предлагается вводить данные вручную
✅ при занесении всех данных в БД проводится проверка на отсутствие задвоения путем проверки даты последнего занесения
✅ добавлены текстовые оповещения об наличии аномалий в импортируемых данных/об отсутствии новых данных (при попытке повторно загрузить имеющуюся информацию)
❎ часть проекта написана в условиях невозможности подключения библиотек, поэтому некоторые части кода могут выглядеть избыточными
🔲 для вычисления энтальпии теплоносителя (CH_fact_heat_d.py) использовалась "тяжелая" библиотека pyromat, которая является достаточно избыточной для данного проекта. Возможно замена ее созданием словаря по диапазону температур теплоносителя от 5 до 115 гр. Цельсия, что значительно ускорит быстродействия при незначительном снижении точности расчетов.
🔲 в случае добавления в АСТУ нового потребителя необходимо занести данные в bilds.xls сохранив в формате .csv для импорта через модуль bildings.py
🔲 необходимо добавить элемент статистического анализа полученных данных в union.py
🔲 отсутствует сигнализация в случае выхода датчика из строя (риск получения аномалий в данных)
🔲 добавление базовой GUI
🔲 адаптация для использования техническим персоналом без предустановленного Python
Данный расчет показывает большую точность и полученные сравнительные данные доводятся до технического персонала ежедневно для проведения мероприятий по корректировке теплопотребления
Все данные носят неинформативный характер и получены путем рандомизации, а также не имеют никакого отношения к реально эксплуатируемым объектам.