一种混合整数非线性供冷优化方法及装置

摘要: 本发明涉及能源系统优化调度,具体涉及供冷系统的运行优化,尤其涉及一种混合整数非线性供冷优化方法及装置。背景技术:1、集中供冷系统是产业园区、数据中心、商业综合体...
一种混合整数非线性供冷优化方法及装置

本发明涉及能源系统优化调度,具体涉及供冷系统的运行优化,尤其涉及一种混合整数非线性供冷优化方法及装置。

背景技术:

1、集中供冷系统是产业园区、数据中心、商业综合体等区域的核心能源基础设施,通常由冷水机组、冷却塔、冷冻水泵、冷却水泵、输配管网以及可选的蓄冷装置构成。调度系统需要在满足末端冷负荷的前提下,依据分时电价确定设备启停组合与负荷分配,使运行费用最小。该调度问题以日内滚动优化的方式执行,通常每1至2分钟重新求解一次,其中设备启停状态为0-1整数变量,负荷分配、水泵频率与管网流量为连续变量,冷水机组能效比随负荷率与冷却水温度非线性变化,管网压降与流量呈平方关系,水泵功耗与流量呈立方关系,因而构成混合整数非线性规划问题。

2、常规的求解途径主要有两类。一类是遗传算法、粒子群算法等启发式算法,实现简单但不提供最优性保证,同一场景多次求解的结果不一致,问题规模增大后获得可用解所需的迭代时间容易超出滚动优化时间窗口。另一类是将非线性项在工作点附近分段线性化,把原问题转化为混合整数线性规划后以分支定界法求解;为控制线性化误差需要加密分段,整数辅助变量随之膨胀,且负荷与电价变化引起工作点偏移时需要重新线性化建模。

3、然而,上述最相关现有技术存在以下局限。第一,节点上的连续变量子问题直接包含冷水机组能效比曲面、管网压降与水泵功耗等非凸关系,子问题本身需要再做全局化处理,单次求解耗时随设备数量快速增长,致使在1至2分钟的时间窗口内只能完成少量节点探索,所得调度方案难以附带可信的质量凭据。第二,相邻滚动优化周期之间仅负荷预测值与分时电价小幅变化,但每个周期都从零开始求解,前一周期积累的可行解、有效割与分支历史被直接丢弃,收敛时间随周期大幅波动;一旦求解超时,调度系统缺乏可用方案,只能中断滚动优化或退回人工经验调度。

技术实现思路

1、针对现有供冷调度求解方法中节点子问题非凸导致时间窗口内难以获得带质量凭据的调度方案,以及逐周期冷启动求解浪费时序连续信息、超时时缺乏可用方案的问题,本发明提供一种混合整数非线性供冷优化方法及装置。

2、为解决上述技术问题,本发明提供一种混合整数非线性供冷优化方法,应用于供冷系统的日内滚动优化调度,包括:

3、基于负荷预测值与分时电价,构建供冷调度模型;

4、以凸包络不等式替代所述供冷调度模型的冷机能效比非线性项,对管网压降与水泵功耗非线性项进行二阶锥松弛,构建出混合整数二阶锥模型;

5、以上一滚动优化周期存入热启动档案的可行解、割池集合与分支历史,确定初始上界、初始割池与优先分支路径,输出所述供冷系统的热启动状态;

6、基于所述热启动状态对所述混合整数二阶锥模型执行分解,交替求解关于供冷设备启停状态的主问题与关于连续变量的子问题,以所述子问题的对偶信息生成割加入所述主问题,直至上下界间隙小于预设收敛容差,得到分解调度方案;

7、当求解时间达到切换时间阈值而分解未收敛时,以强化学习备用智能体输出的备用调度方案确定最终调度方案,否则以所述分解调度方案为所述最终调度方案;

8、利用所述最终调度方案进行所述供冷系统的日内滚动优化调度。

9、进一步地,所述以上一滚动优化周期存入热启动档案的可行解、割池集合与分支历史,确定初始上界、初始割池与优先分支路径,输出所述供冷系统的热启动状态,包括:

10、以所述可行解在当前的所述负荷预测值与所述分时电价下的总运行费用作为所述初始上界;

11、对所述割池集合执行增量更新,仅重新计算涉及所述负荷预测值或所述分时电价发生变化的割,得到所述初始割池;

12、在所述分支历史中选取与当前的所述负荷预测值及所述分时电价参数偏差最小的分支路径作为所述优先分支路径,并将候选节点加入当前滚动优化周期的待探索节点队列;

13、当所述初始上界与由所述初始割池及节点松弛下界确定的初始下界之间的间隙小于所述预设收敛容差时,直接以所述可行解为所述分解调度方案;

14、在当前滚动优化周期求解完成后,以当前滚动优化周期的分支定界树与所述最终调度方案更新所述热启动档案,输出所述供冷系统的热启动状态。

15、进一步地,所述对所述割池集合执行增量更新,仅重新计算涉及所述负荷预测值或所述分时电价发生变化的割,得到所述初始割池,包括:

16、所述割池集合中的割包括最优性割与可行性割,每一条所述割存储有生成所述割时的对偶乘子或对偶射线、对应的启停组合及所涉及的调度时段;

17、比较当前滚动优化周期与上一滚动优化周期的所述负荷预测值及所述分时电价,确定负荷变化时段集合与电价变化时段集合;

18、对所涉及的调度时段与所述负荷变化时段集合及所述电价变化时段集合均无交集的所述割,直接复用;

19、对所涉及的调度时段仅与所述负荷变化时段集合相交的所述最优性割,保持所述对偶乘子不变,以当前的所述负荷预测值重新计算所述最优性割的常数项;

20、对所涉及的调度时段与所述电价变化时段集合相交的所述最优性割,固定所述启停组合重新求解所述子问题,以重新求得的对偶乘子重建所述最优性割;

21、对所涉及的调度时段与所述负荷变化时段集合相交的所述可行性割,保持所述对偶射线不变,以当前的所述负荷预测值重新计算所述可行性割的常数项;

22、汇集直接复用、重新计算与重建后的所述割,得到所述初始割池。

23、进一步地,所述以凸包络不等式替代所述供冷调度模型的冷机能效比非线性项,对管网压降与水泵功耗非线性项进行二阶锥松弛,构建出混合整数二阶锥模型,包括:

24、按负荷率与冷却水温度将所述冷机能效比非线性项的定义域划分为多个细分区域,所述细分区域的划分粒度根据预设近似精度离线确定;

25、在每一所述细分区域上构造冷机能效比曲面的上包络仿射不等式与下包络仿射不等式,以所述上包络仿射不等式与所述下包络仿射不等式构成所述凸包络不等式;

26、引入表征所述管网支路流量平方的第一辅助变量,将管网压降表示为所述第一辅助变量的线性函数,并将所述第一辅助变量与所述管网支路流量之间的平方关系松弛为第一旋转二阶锥不等式;

27、引入表征水泵所在支路的所述管网支路流量平方的第二辅助变量,以所述第二辅助变量与所述水泵所在支路的所述管网支路流量构成第二旋转二阶锥不等式,以水泵功耗、所述水泵所在支路的所述管网支路流量与所述第二辅助变量构成第三旋转二阶锥不等式;

28、将所述供冷设备启停状态及启停逻辑约束划归所述主问题,将所述连续变量、所述凸包络不等式、所述第一旋转二阶锥不等式、所述第二旋转二阶锥不等式及所述第三旋转二阶锥不等式划归所述子问题,使所述子问题在所述供冷设备启停状态给定时为凸优化问题。

29、进一步地,所述供冷设备启停状态的主问题为benders主问题,所述连续变量的子问题为benders子问题,基于所述热启动状态对所述混合整数二阶锥模型执行分解,交替求解关于供冷设备启停状态的主问题与关于连续变量的子问题,以所述子问题的对偶信息生成割加入所述主问题,直至上下界间隙小于预设收敛容差,得到分解调度方案,包括:

30、按所述优先分支路径进行分支定界树搜索求解,得到候选启停组合与下界;

31、固定所述候选启停组合求解所述benders子问题,得到所述候选启停组合下的最优连续解,以所述benders子问题的最优值作为上界候选,并获取作为所述对偶信息的对偶乘子或对偶射线;

32、当所述benders子问题可行时,以所述最优值与所述对偶乘子构造最优性割;

33、当所述benders子问题不可行时,以所述对偶射线构造可行性割;

34、以所述初始上界及历次所述上界候选中的最小值为上界,计算所述上界与所述下界之差相对所述上界的比值作为所述上下界间隙;

35、当所述上下界间隙小于所述预设收敛容差时终止迭代,以所述上界对应的所述候选启停组合及所述最优连续解构成所述分解调度方案。

36、进一步地,所述当求解时间达到切换时间阈值而分解未收敛时,以强化学习备用智能体输出的备用调度方案确定最终调度方案,包括:

37、所述强化学习备用智能体以所述供冷设备启停状态与负荷分配比例相对上一滚动优化周期的调度方案的调整量为动作输出,将所述调整量叠加至上一滚动优化周期的调度方案,得到所述备用调度方案;

38、以负的总运行费用为奖励函数,以历史调度数据离线训练所述强化学习备用智能体,并以运行中获得的调度样本在线微调所述强化学习备用智能体;

39、在广义benders分解执行过程中实时监控所述求解时间与所述上下界间隙的收敛速率,所述切换时间阈值为滚动优化时间窗口与小于1的预设比例系数的乘积。

40、进一步地,所述以所述分解调度方案为所述最终调度方案,包括:

41、将所述备用调度方案中的供冷设备启停状态作为回注启停组合,固定所述回注启停组合求解所述子问题;

42、当所述子问题可行时,以所述回注启停组合与所述子问题的最优连续解构成修正备用方案,以所述修正备用方案的总运行费用作为回注上界更新广义benders分解的上界;

43、当所述子问题不可行时,以所述子问题的对偶信息生成可行性割加入所述主问题,并以所述分解调度方案作为所述修正备用方案;

44、计算所述滚动优化时间窗口的剩余时间,当所述剩余时间大于预设最小迭代时长时,基于更新后的所述上界继续执行所述主问题与所述子问题的交替求解,得到收紧后的分解调度方案;

45、以所述收紧后的分解调度方案与所述修正备用方案中所述总运行费用最小者作为所述最终调度方案。

46、进一步地,所述方法还包括:

47、将所述管网压降与所述管网支路流量的平方关系及所述水泵功耗与水泵所在支路的所述管网支路流量的立方关系,统一表征为指数次幂、且所述指数分别为2与3的幂律单项式;

48、汇集归一化流量变量所满足的支路流量上下界、节点流量平衡方程、阀门开度与流量的线性关联,以及所述供冷设备启停状态对流量上限的联动限制,构成多面体地集;

49、在所述多面体地集上对每一所述幂律单项式构造按松弛紧度依次递增的幂锥松弛、二阶锥松弛与半定松弛构成的松弛层级,并叠加由变量界约束与所述多面体地集的约束两两相乘生成的重构线性化割,以及对所述幂律单项式生成的重构透视化割;

50、对所述指数为2的单支路所述管网压降与所述管网支路流量构成的二维子结构,采用精确凸包替代所述松弛层级;

51、监测所述上下界间隙的收敛速率,当下界提升速率低于第一速率阈值时提升所述松弛层级,当剩余求解时间低于第一时间阈值时将所述松弛层级降至所述幂锥松弛,并将当前的松弛层级配置写入所述热启动档案。

52、本发明还提供一种混合整数非线性供冷优化装置,应用于供冷系统的日内滚动优化调度,包括:

53、构建模块,用于基于负荷预测值与分时电价,构建供冷调度模型;

54、二阶锥松弛模块,用于以凸包络不等式替代所述供冷调度模型的冷机能效比非线性项,对管网压降与水泵功耗非线性项进行二阶锥松弛,构建出混合整数二阶锥模型;

55、输出模块,用于以上一滚动优化周期存入热启动档案的可行解、割池集合与分支历史,确定初始上界、初始割池与优先分支路径,输出所述供冷系统的热启动状态;

56、分解模块,用于基于所述热启动状态对所述混合整数二阶锥模型执行分解,交替求解关于供冷设备启停状态的主问题与关于连续变量的子问题,以所述子问题的对偶信息生成割加入所述主问题,直至上下界间隙小于预设收敛容差,得到分解调度方案;

57、调度方案确定模块,用于当求解时间达到切换时间阈值而分解未收敛时,以强化学习备用智能体输出的备用调度方案确定最终调度方案,否则以所述分解调度方案为所述最终调度方案;

58、调度模块,用于利用所述最终调度方案进行所述供冷系统的日内滚动优化调度。

59、与现有技术相比,本发明具有以下有益效果。由于以凸包络不等式替代冷机能效比非线性项并对管网压降与水泵功耗非线性项进行二阶锥松弛,再将供冷设备启停状态与连续变量分别划归主问题与子问题交替求解,给定启停组合后的子问题成为可稳定求得全局最优的凸优化问题,每次求解的规模也被分解压缩,解决了节点子问题非凸导致时间窗口内难以获得带质量凭据的调度方案的问题,每个周期输出的上下界间隙为调度方案提供了可量化的质量凭据。由于以上一滚动优化周期存入热启动档案的可行解、割池集合与分支历史确定初始上界、初始割池与优先分支路径,并在求解时间达到切换时间阈值而分解未收敛时以强化学习备用智能体输出的备用调度方案确定最终调度方案,相邻周期之间的时序连续性转化为紧致的初始上下界与有效的搜索方向,解决了逐周期冷启动浪费历史信息、超时时缺乏可用方案的问题,使日内滚动优化呈现逐周期加速的特性,并保证每个周期均在时间窗口内给出可执行的调度方案。