[发明专利]供热系统优化调控的方法和装置

权利要求书

1.一种供热系统优化调控的方法，其特征在于，包括：

基于供热系统动态模型和建立的奖励函数，利用模型预测控制框架构建供热系统调控模型，所述奖励函数是根据供热系统的调控目标建立的，所述供热系统动态模型是基于训练数据特征集进行模型训练得到的，且所述训练数据特征集包括不同时刻供热系统的特征对，所述特征对由状态特征和动作特征构成；

将当前时刻供热系统的状态特征输入至所述供热系统调控模型以得到当前时刻的动作特征，并根据所述当前时刻的动作特征对供热系统进行调控。

2.根据权利要求1所述的方法，其特征在于，所述供热系统动态模型是通过以下方式得到的：

对供热系统的历史运行数据进行处理得到训练数据特征集；

使用深度神经网络模型基于所述训练数据特征集进行模型训练，得到所述供热系统动态模型。

3.根据权利要求1或2所述的方法，其特征在于，所述训练数据特征集包括不同时刻供热系统一次侧和二次侧的特征对；

所述供热系统动态模型在结构上包括一次侧部分和二次侧部分，且所述二次侧部分是基于所述一次侧部分进行构建的；

所述供热系统动态模型的损失函数，根据所述一次侧部分的第一损失函数和所述二次侧部分的第二损失函数来确定。

4.根据权利要求3所述的方法，其特征在于，对供热系统的历史运行数据进行处理得到训练数据特征集，包括：

对供热系统的历史运行数据进行数据清洗；

基于供热系统一次侧与二次侧的实际调控机理，对清洗后的历史运行数据进行特征提取得到训练数据特征集。

5.根据权利要求3所述的方法，其特征在于，使用深度神经网络模型基于所述训练数据特征集进行模型训练，得到所述供热系统动态模型，包括：

在供热系统一次侧，使用深度神经网络模型对所述一次侧的特征对进行学习，得到所述供热系统动态模型的一次侧部分；

在供热系统二次侧，将所述二次侧的特征对和所述一次侧部分的输出进行特征维度的拼接，使用深度神经网络模型对拼接后的特征对进行学习，得到二次侧部分；

由所述一次侧部分和所述二次侧部分构成供热系统动态模型。

6.根据权利要求1所述的方法，其特征在于，所述供热系统的调控目标包括：各个换热站的目标负荷、用户侧的目标室温和调控动作特征的波动程度；

所述奖励函数是通过以下方式建立的：

基于各个换热站的目标负荷建立第一代价函数；

基于用户侧的目标室温建立第二代价函数；

基于调控动作特征的波动程度建立第三代价函数；

根据所述第一代价函数、所述第二代价函数和所述第三代价函数建立奖励函数，所述奖励函数与所述第一代价函数、所述第二代价函数和所述第三代价函数负相关。

7.根据权利要求1所述的方法，其特征在于，将当前时刻供热系统的状态特征输入至所述供热系统调控模型以得到当前时刻的动作特征，包括：

将当前时刻供热系统的状态特征输入至所述供热系统调控模型，得到指定个数时刻的动作特征序列；

将所述动作特征序列中的第一个动作特征作为当前时刻的动作特征。