[发明专利]一种工业副产煤气系统长期调度方法

说明书

一种工业副产煤气系统长期调度方法，步骤如下：针对能源数据的波动特征划分信息粒度，形成数据样本的语义表示。以粒度化的数据特征作为输入，通过专家调度经验数据构建深度对比网络结构，分别采用定性和定量学习的方式构建不同调度状态下的知识表示；再建立全连接输出层拟合专家调度量，获得基于经验知识的初始调度策略。构建actor‑critic架构计算考虑长期调度表现的补偿策略。其中，critic部分以对比网络获得的知识表示作为状态空间，建立以调度事件为单位的评价值函数，并采用深度Q学习的方式实现策略评价；actor部分将当前的策略评价与期望目标值进行比对，基于评价反馈迭代计算补偿策略，得到最终的副产能源调度方案。

技术领域

本发明属于信息技术领域，涉及到知识自动化、数据驱动建模、强化学习等技术，是一种知识、数据与动态规划相融合的工业副产能源系统长期调度方法。首先采用粒度化方式和深度对比学习获得关于能源系统调度状态的知识表示，并计算出初始调度策略。在此基础上，结合actor-critic架构的动态规划过程，实现考虑长期调度表现的策略补偿。此方法能够满足工业现场对于长期柜位控制，能源预测和平衡调度需求，且计算效率符合实际应用要求，可帮助节约调度成本，实现副产煤气系统的节能减排。

背景技术

工业生产是高耗能和高排放的生产过程，随着煤炭、石油等一次能源的紧缺，充分利用生产过程中产生的二次能源不但可以提高企业节能降耗水平，还可减少煤气放散带来的环境污染。(金锋.基于因果模型的钢铁煤气优化调度方法与应用[D].(2020).大连理工大学)。副产煤气是工业生产过程中产生的重要二次能源，其特点是单次回收量较大，在回收阶段对能源管网平衡的冲击也较大。当出现设备检修、设备故障、生产计划变更等情况时，亦会导致管网出现供需失衡。为了更好地利用副产资源，现场调度人员需要根据当前煤气系统运行状态和生产计划对可调用户的负荷量进行调整，以保证系统的平衡运行。

随着工业信息化水平的逐步提高，各大企业积累了大量相关历史数据，为能源优化调度提供技术支持。现有的研究主要包括：基于贝叶斯网络进行建模和推理(J.Zhao,W.Wang,K.Sun,et al.(2014).A bayesiannetworks structure learning andreasoning-based byproduct gas scheduling in steel industry[J].IEEETransactions on Automation Science and Engineering,11(4):1149-1154)、预测建模和优化调度两阶段方法(Z.Han,J.Zhao,W.Wang,Y.Liu.(2016).A two-stage method forpredicting and scheduling energy in an oxygen/nitrogen system of the steelindustry[J].Control Engineering Practice,52,35-45)、因果关系建模(F.Jin,J.Zhao,Y.Liu,et al.(2021).A scheduling approach with uncertainties in generation andconsumption for converter gas system in steel industry[J].InformationSciences,2021,546:312-328)等。上述研究都是针对短时间内单次能源不平衡情况进行计算，而并没有综合考虑未来一段时间内诸如设备运行变化，生产计划调整等生产环境的动态特性对于调度策略的影响。针对工业能源系统的多时间尺度调度问题，主要包括采用启发式优化方法(R.Hemmati,H.Saboori,P.Siano.(2017).Coordinated short-termscheduling and long-term expansion planning in microgrids incorporatingrenewable energy resources and energy storage systems[J].Energy,134:699-708.)、混合整数规划优化方法(A.Bischi,L.Taccari,E.Martelli,et al.(2019).Arolling-horizon optimization algorithm for the long term operationalscheduling of cogeneration systems[J].Energy,184:73-90.)等。然而，上述文献大多采用静态的优化方式，在面对多阶段或具有多步策略的长期调度问题时，难以避免优化模型易陷入局部最优，进而影响包括设备运行、调度经济性等长期指标。