[发明专利]供热系统优化调控的方法和装置

说明书

本发明公开了一种供热系统优化调控的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：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，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供热系统调控模型以得到当前时刻的动作特征，并根据当前时刻的动作特征对供热系统进行调控。该实施方式能够降低建模难度，提升预测的准确度；利于热能有效利用率的提高。

技术领域

本发明涉及智能城市技术领域，尤其涉及产业数字化技术领域，具体涉及一种供热系统优化调控的方法和装置。

背景技术

目前，供热系统调控方法主要分为以下几类：基于运维人员操作经验的人工调节方式、简单的PID控制算法等传统控制方法；利用流体力学和传热学的机理方法建立真实管网系统的数字孪生模型，依据解析得到的系统运行状态参数进行供热系统的调控；基于大数据和人工智能技术，根据系统历史数据构建训练神经网络模型来预测未来控制量的开度。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1、传统的人工调节方式和PID控制方式对专业知识的依赖性强，通用性与泛化能力很差；

2、基于机理建模的方法需要流体力学与传热学等学科知识，涉及的管网系统的参数较多，建模难度较大，导致控制调整的时延过大，难以做出及时精准的控制；

3、基于深度神经网络建模的方法大多围绕热源或热网各部分独立进行模型的定制，导致热源负荷与热网中各换热站负荷匹配精度低、匹配不及时，不利于热能有效利用率的提高。

发明内容

有鉴于此，本发明实施例提供一种供热系统优化调控的方法和装置，能够减少控制过程对专业知识的依赖，增强控制方法在供热系统中应用的通用性；充分利用供热系统的数据特征，依据供热系统各环节上下游衔接的特点进行神经网络模型的结构设计，降低建模难度，考虑供热系统的整体协同并提升动态模型预测的准确度；基于系统动态模型进行控制策略的寻优，获得的控制策略充分考虑供热系统全网的协同与站点之间的耦合性，实现端到端联动的一体化调控策略，利于热能有效利用率的提高，且可应用于碳中和。

为实现上述目的，根据本发明实施例的一个方面，提供了一种供热系统优化调控的方法，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。

可选地，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。

可选地，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。。

可选地，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。