一种机理融合的能源系统多目标寻优方法及系统与流程

本技术涉及控制系统优化领域，尤其涉及一种机理融合的能源系统多目标寻优方法及系统。

背景技术：

1、区域能源站通过冷水机组、热泵、水泵及蓄能装置等机电设备的协同运行为城市片区供冷供热，设备运行参数的设定直接决定系统能效。实际运行中，负荷随室外环境与用户侧用能规律持续波动，各设备经冷热介质管路与电气连接形成强耦合关系，致使参数寻优成为高维非线性动态优化问题。现有运行调节中，不同设备的参数设定多由各自控制回路独立完成，缺乏在系统层面对多设备参数统筹调节的有效手段，系统整体能效往往偏离最优区间。

2、针对上述多设备耦合导致能效偏低的问题，已有技术提出了基于系统整体能量平衡模型的优化调节方法。该方法以整个能源站为对象，建立涵盖各设备输入输出关系的系统能量平衡方程，在给定边界条件下以系统总能耗最小为目标函数一次性求解所有设备参数设定值，将冷冻水出水温度、水泵频率、机组加载率及蓄能充放功率作为统一优化变量，并纳入设备安全边界与供需平衡约束，从而在理论上实现了多设备参数的协调确定。

3、然而，能源站的室外温湿度与用户负荷需求在日内呈大幅波动，而上述方法所依赖的设备能效特性参数（如机组性能系数随负荷率及温度的变化关系）通常基于名义工况下的铭牌数据固化于模型中。当边界条件偏离建模工况时，固化的能效参数与实际运行特性之间产生偏差，致使优化模型所求解出的参数设定值偏离真实最优工作点，降低了多设备协同优化在时变环境下的鲁棒性。

技术实现思路

1、本技术实施例提供一种机理融合的能源系统多目标寻优方法及系统，用于解决如何提高多设备协同优化在时变环境下的鲁棒性的技术问题。

2、第一方面，本技术实施例提供一种机理融合的能源系统多目标寻优方法，包括：

3、获取能源系统内各能源设备的多源运行数据及分时电价信息；

4、基于多源运行数据构建能源设备的能效机理模型，并基于各能效机理模型及各能源设备之间的能量流、信息流与控制流构建多设备耦合机理约束模型，多设备耦合机理约束模型包括系统级供需平衡约束、各能源设备间的能效机理关系、设备安全运行区间以及状态转移关系；

5、基于分时电价信息和能源系统的设备协同参数，构建包含能效项、成本项与设备项的综合效益回报函数；

6、基于当前时刻能源系统的系统状态空间，通过预训练的强化学习智能体以最大化综合效益回报函数的函数值为目标输出能源系统的初始动作变量；

7、将多设备耦合机理约束模型作为约束条件，对初始动作变量进行可行性校验，将违背约束条件的动作变量裁剪至可行域内，得到裁剪后的动作变量；

8、将裁剪后的动作变量下发至对应的能源设备执行，并接收各能源设备的反馈信息；

9、基于反馈信息更新系统状态空间，进入下一时刻的迭代寻优。

10、可选的，基于分时电价信息和能源系统的设备协同参数，构建包含能效项、成本项与设备项的综合效益回报函数，包括：基于能源系统的设备协同参数，将能源系统的系统供能量与总耗电功率的比值作为能效项；基于分时电价信息确定当前时刻对应的实时电价，将实时电价与总耗电功率的乘积减去当前时刻的需求响应收益，得到成本项；基于设备协同参数统计各能源设备在预设时间窗口的总启停次数，并基于预设单次启停损耗系数与总启停次数，计算能源系统的总启停损耗值；基于各能源设备的实际加载率与预设高效加载率区间，计算能源系统的总效率偏离损耗值；基于总启停损耗值与总效率偏离损耗值构建设备项；计算能效项与预设第一权重的第一乘积、成本项与预设第二权重的第二乘积以及设备项与预设第三权重的第三乘积；将第一乘积减去第二乘积与第三乘积，得到综合效益回报函数。

11、可选的，在基于当前时刻能源系统的系统状态空间，通过预训练的强化学习智能体以最大化综合效益回报函数的函数值为目标输出能源系统的初始动作变量之前，方法还包括：将多设备耦合机理约束模型作为仿真训练环境，由强化学习智能体基于当前时刻的仿真状态空间以最大化综合效益回报函数的函数值为目标输出训练动作变量；校验训练动作变量中各待调训练参数值是否落入对应能源设备的设备安全运行区间，若落入则保留，若超出则将待调训练参数值调整为设备安全运行区间的边界极值，生成初步训练裁剪动作；基于多设备耦合机理约束模型，计算按照初步训练裁剪动作运行时能源系统的供给能量与负荷需求之间的训练不平衡量；当训练不平衡量超出预设训练容差时，按照各能源设备的调节动作对训练不平衡量的敏感度由低到高的顺序，逐次降低对应能源设备的出力调节幅度，直至训练不平衡量落入预设训练容差内，得到裁剪后的训练动作变量；以预设最优能效为参照，构建用于评价系统状态演化的势函数；基于势函数，计算当前时刻的仿真状态空间的第一函数值与下一时刻的仿真状态空间的第二函数值；将第一函数值与第二函数值的函数差值叠加至综合效益回报函数上，生成塑形后的综合效益回报函数；基于塑形后的综合效益回报函数更新强化学习智能体，重复迭代直至策略收敛，得到预训练的强化学习智能体。

12、可选的，基于当前时刻能源系统的系统状态空间，通过预训练的强化学习智能体以最大化综合效益回报函数的函数值为目标输出能源系统的初始动作变量，包括：基于分时电价信息，识别当前时刻的电价时段；当电价时段为低价谷电时段时，以最大化综合效益回报函数的函数值为目标，输出第一协同调节参数，并将第一协同调节参数作为能源系统的初始动作变量，第一协同调节参数用于第一协同调节参数用于提升产能设备的加载率，使产能设备在满足当前负荷需求的基础上增加出力，并将增加出力后额外产能输入至蓄能装置以执行充能指令；当电价时段为高价峰电时段时，以最大化综合效益回报函数的函数值以及最小化成本项和设备项为目标，输出第二协同调节参数，并将第二协同调节参数作为初始动作变量，第二协同调节参数用于驱动蓄能装置执行释能指令以替代产能设备的部分实时产能，并降低产能设备的加载率；在释能指令下达期间，将未被替代产能的产能设备的加载率约束在预设高效加载率区间内。

13、可选的，将多设备耦合机理约束模型作为约束条件，对初始动作变量进行可行性校验，将违背约束条件的动作变量裁剪至可行域内，得到裁剪后的动作变量，包括：校验初始动作变量中各待调参数值是否落入对应能源设备的设备安全运行区间，若落入则保留，若超出则将待调参数值调整为设备安全运行区间的边界极值，生成初步裁剪动作；基于多设备耦合机理约束模型， 计算按照初步裁剪动作运行时能源系统的供给能量与负荷需求之间的不平衡量；当不平衡量超出预设容差时，按照各能源设备的调节动作对不平衡量的敏感度由低到高的顺序，基于预设裁剪步长裁剪对应能源设备的出力调节幅度，直至不平衡量落入预设容差内，得到裁剪后的动作变量。

14、可选的，在基于反馈信息更新系统状态空间，进入下一时刻的迭代寻优之前，方法还包括：从反馈信息中提取各能源设备的多源反馈数据，并基于能源设备的能效机理模型，计算多源反馈数据的机理预期性能系数与实际运行性能系数之间的偏差，得到运行偏差值；当运行偏差值在连续预设数量的采样周期内均超过预设的异常判定阈值时，判定对应的能源设备为运行异常设备，并触发针对运行异常设备的异常检测告警信号，根据运行偏差值超过异常判定阈值的程度确定告警等级；响应于异常检测告警信号，将触发异常检测告警信号的异常参数作为目标分析节点；基于多设备耦合机理约束模型中的能量流、信息流与控制流的传递方向，建立以目标分析节点为搜索起点的逆向因果溯源图；沿逆向因果溯源图的连接边向上游进行追溯，将各上游关联设备的多源反馈数据作为关联参数；计算各关联参数对目标分析节点偏离正常状态的贡献度，将贡献度超过预设贡献阈值的关联参数对应的节点作为根因节点，并构建物理故障传播路径；基于告警等级、根因节点的关联参数与物理故障传播路径，生成运行异常设备的故障可解释诊断报告。

15、可选的，基于反馈信息更新系统状态空间，进入下一时刻的迭代寻优，包括：从故障可解释诊断报告中提取运行异常设备的效率衰退特征量，并将效率衰退特征量映射为状态惩罚变量；将状态惩罚变量与反馈信息同步更新至下一时刻的系统状态空间中；在下一时刻的迭代寻优过程中，基于包含状态惩罚变量的系统状态空间，通过强化学习智能体动态降低运行异常设备在全局机组组合中的加载优先级；在满足多设备耦合机理约束模型约束的前提下，通过强化学习智能体重新分配正常能源设备的承载负荷，生成安全协同运行动作变量。

16、第二方面，本技术实施例提供了一种机理融合的能源系统多目标寻优系统，该机理融合的能源系统多目标寻优系统包括：一个或多个处理器和存储器；存储器与一个或多个处理器耦合，存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，一个或多个处理器调用计算机指令以使得机理融合的能源系统多目标寻优系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

17、第三方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在机理融合的能源系统多目标寻优系统上运行时，使得上述机理融合的能源系统多目标寻优系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

18、第四方面，本技术实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在机理融合的能源系统多目标寻优系统上运行时，使得上述机理融合的能源系统多目标寻优系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

19、综上所述，本技术提供的一个或多个技术方案，至少具有如下技术效果或优点：

20、1、通过预先训练强化学习智能体，并构建包含系统级供需平衡约束、设备能效机理关系、设备安全运行区间以及状态转移关系的多设备耦合机理约束模型，在智能体输出初始动作变量后以该模型作为约束条件进行可行性校验，将违背约束条件的动作变量裁剪至可行域内再下发执行，使得强化学习智能体输出的每一个控制指令在物理上均满足设备安全边界和系统供需平衡，克服了纯数据驱动方法在变工况下可能输出违背物理约束的参数设定的缺陷，提升了能源系统在宽时变运行条件下的鲁棒性。

21、2、通过构建包含能效项、成本项与设备项的综合效益回报函数，其中成本项基于分时电价计算用电成本，设备项以启停损耗与效率偏离损耗的加权和表征设备寿命衰减，并在训练过程中利用当前时刻与下一时刻仿真状态空间在势函数上的函数差值对回报函数进行奖励塑形，使训练过程中智能体的每一次探索动作均处于物理可行域内，同时势函数塑形将物理机理认知注入回报信号以加速策略向高效可行区域收敛，提升了强化学习策略训练的安全性、收敛速度与样本效率。

22、3、通过在在线部署阶段根据电价时段输出相应的协同调节参数，在谷电时段提升产能设备加载率并将额外产生的能量输入蓄能装置执行充能，在峰电时段驱动蓄能装置释能以替代产能设备部分实时产能并降低设备加载率，同时将未被替代的产能设备约束在预设高效加载率区间内，实现了蓄能套利收益与机组高效运行的协同优化，避免了因负荷被蓄能替代而导致剩余设备运行于低效区或频繁启停，降低了峰时高价电购入成本与设备机械损耗。

23、4、通过基于能效机理模型计算实际运行性能系数与机理预期性能系数之间的偏差以识别运行异常设备，根据偏差程度确定告警等级，并基于多设备耦合机理约束模型中的能量流、信息流与控制流传递方向追溯各上游关联参数对异常参数的贡献度，将贡献度超过阈值的参数对应节点作为根因节点并生成包含告警等级、根因参数与故障传播路径的可解释诊断报告，同时将异常设备的效率衰退特征量映射为状态惩罚变量并更新至下一时刻的系统状态空间中，使强化学习智能体自动降低异常设备的加载优先级并重新分配承载负荷，实现了故障诊断结果对控制策略的主动干预，克服了现有技术中诊断与控制相脱节、诊断结果仅用于告警而无法自动驱动策略调整的缺陷，提升了能源系统在设备性能退化条件下的自主适应能力。