[發(fā)明專利]基于MPC的含儲(chǔ)熱的供熱系統(tǒng)雙層優(yōu)化調(diào)度方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202310301701.8
• 申請(qǐng)日: 2023-03-24
• 公開（公告）號(hào): CN116300755A
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 劉成剛;陳謝磊
• 申請(qǐng)（專利權(quán)）人: 浙江英集動(dòng)力科技有限公司
• 主分類號(hào): G05B19/418
• 分類號(hào): G05B19/418
• 代理公司: 鄭州博派知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 41137
• 代理人: 榮永輝

1.一種基于MPC的含儲(chǔ)熱的供熱系統(tǒng)雙層優(yōu)化調(diào)度方法，其特征在于，它包括：

采用機(jī)理建模和數(shù)據(jù)辨識(shí)的方法建立供熱系統(tǒng)數(shù)字孿生模型；所述供熱系統(tǒng)中的供熱機(jī)組至少包括可再生能源供熱機(jī)組和傳統(tǒng)供熱機(jī)組；

基于供熱系統(tǒng)數(shù)字孿生模型獲取供熱歷史運(yùn)行數(shù)據(jù)和室外氣象數(shù)據(jù)，采用機(jī)器學(xué)習(xí)算法建立供熱系統(tǒng)負(fù)荷預(yù)測(cè)模型和可再生能源供熱機(jī)組出力預(yù)測(cè)模型，獲得供熱系統(tǒng)總負(fù)荷需求和可再生能源供熱機(jī)組出力預(yù)測(cè)值；

建立第一層優(yōu)化調(diào)度模型：將模型預(yù)測(cè)控制策略引入配置儲(chǔ)熱裝置的供熱系統(tǒng)中，以可再生能源供熱機(jī)組出力預(yù)測(cè)值設(shè)置調(diào)度指令，以可再生能源供熱機(jī)組和儲(chǔ)熱裝置的共同出力跟蹤調(diào)度指令以及儲(chǔ)熱裝置動(dòng)作量最小為控制優(yōu)化目標(biāo)，通過(guò)模型預(yù)測(cè)控制策略對(duì)儲(chǔ)熱裝置進(jìn)行優(yōu)化，模型預(yù)測(cè)控制通過(guò)滾動(dòng)優(yōu)化和反饋校正環(huán)節(jié)進(jìn)行優(yōu)化求解，獲得儲(chǔ)熱裝置的動(dòng)作指令；

建立第二層優(yōu)化調(diào)度模型：通過(guò)可再生能源供熱機(jī)組和儲(chǔ)熱裝置的共同出力減少傳統(tǒng)供熱機(jī)組負(fù)荷，利用剩余負(fù)荷對(duì)傳統(tǒng)供熱機(jī)組進(jìn)行優(yōu)化，以調(diào)度時(shí)段內(nèi)傳統(tǒng)供熱機(jī)組運(yùn)行成本、可再生能源運(yùn)行成本和儲(chǔ)熱裝置運(yùn)行成本最小為目標(biāo)函數(shù)，通過(guò)智能優(yōu)化算法對(duì)傳統(tǒng)供熱機(jī)組出力進(jìn)行優(yōu)化，獲得傳統(tǒng)供熱機(jī)組的動(dòng)作指令。

2.根據(jù)權(quán)利要求1所述的供熱系統(tǒng)雙層優(yōu)化調(diào)度方法，其特征在于，所述采用機(jī)理建模和數(shù)據(jù)辨識(shí)的方法建立供熱系統(tǒng)數(shù)字孿生模型，包括：

對(duì)供熱系統(tǒng)中可再生能源供熱機(jī)組、傳統(tǒng)供熱機(jī)組、一級(jí)網(wǎng)、二級(jí)網(wǎng)、熱力站和末端建筑進(jìn)行物理模型、邏輯模型、仿真模型和數(shù)據(jù)模型的建立，并對(duì)物理模型、邏輯模型、仿真模型和數(shù)據(jù)模型之間進(jìn)行相互耦合和多層次、多尺度集成，將物理空間中的物理實(shí)體在虛擬空間進(jìn)行映射重構(gòu)后建立供熱系統(tǒng)數(shù)字孿生模型；

采用改進(jìn)的自適應(yīng)慣性權(quán)重粒子群優(yōu)化算法對(duì)供熱系統(tǒng)數(shù)字孿生模型參數(shù)進(jìn)行尋優(yōu)：將慣性權(quán)重非線性遞減更新策略和變異操作相結(jié)合引入到PSO算法中形成改進(jìn)的自適應(yīng)慣性權(quán)重粒子群優(yōu)化算法；確定供熱系統(tǒng)數(shù)字孿生模型要辨識(shí)的參數(shù)，設(shè)置各參數(shù)的取值范圍，每個(gè)參數(shù)優(yōu)化問(wèn)題轉(zhuǎn)化為粒子位置的尋優(yōu)問(wèn)題；引入位置變量，借助供熱系統(tǒng)中獲取的訓(xùn)練樣本數(shù)據(jù)對(duì)供熱系統(tǒng)數(shù)字孿生模型的偏差進(jìn)行求解，采用改進(jìn)的自適應(yīng)慣性權(quán)重粒子群優(yōu)化算法依據(jù)該偏差值的大小對(duì)粒子的最佳位置進(jìn)行選擇，獲得最優(yōu)供熱系統(tǒng)數(shù)字孿生模型參數(shù)；選擇均方根誤差和平均絕對(duì)百分比誤差作為衡量指標(biāo)，對(duì)供熱系統(tǒng)數(shù)字孿生模型性能進(jìn)行驗(yàn)證。

3.根據(jù)權(quán)利要求1所述的供熱系統(tǒng)雙層優(yōu)化調(diào)度方法，其特征在于，所述基于供熱系統(tǒng)數(shù)字孿生模型獲取供熱歷史運(yùn)行數(shù)據(jù)和室外氣象數(shù)據(jù)，采用機(jī)器學(xué)習(xí)算法建立供熱系統(tǒng)負(fù)荷預(yù)測(cè)模型，獲得供熱系統(tǒng)總負(fù)荷需求和可再生能源供熱機(jī)組出力預(yù)測(cè)值，包括：

基于供熱系統(tǒng)數(shù)字孿生模型獲取歷史可再生能源機(jī)組出力、傳統(tǒng)供熱機(jī)組出力、供熱系統(tǒng)負(fù)荷、熱力站運(yùn)行參數(shù)、室外溫度、濕度和末端建筑室內(nèi)溫度，作為供熱系統(tǒng)負(fù)荷預(yù)測(cè)模型訓(xùn)練樣本；獲取歷史可再生能源機(jī)組出力、熱力站運(yùn)行參數(shù)、室外溫度、濕度和末端建筑室內(nèi)溫度，作為可再生能源供熱機(jī)組出力預(yù)測(cè)模型訓(xùn)練樣本；

采用POA鵜鶘優(yōu)化算法對(duì)CNN-REGST模型參數(shù)進(jìn)行優(yōu)化后，采用優(yōu)化的CNN-REGST模型建立供熱系統(tǒng)負(fù)荷預(yù)測(cè)模型和可再生能源供熱機(jī)組出力預(yù)測(cè)模型：通過(guò)CNN卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)模型訓(xùn)練樣本進(jìn)行特征提取后，采用REGST堆疊回歸模型理論，將特征提取后的數(shù)據(jù)分別輸入至多個(gè)基礎(chǔ)學(xué)習(xí)器中，獲得多個(gè)供熱系統(tǒng)負(fù)荷預(yù)測(cè)值和多個(gè)可再生能源供熱機(jī)組出力預(yù)測(cè)值，再采用SVM模型作為元回歸器對(duì)多個(gè)預(yù)測(cè)值進(jìn)行計(jì)算獲得供熱系統(tǒng)負(fù)荷預(yù)測(cè)值和可再生能源供熱機(jī)組出力預(yù)測(cè)值。