一种低碳分布式供热的多阶段动态优化方法及相关产品与流程
本发明属于低碳供热,尤其涉及一种低碳分布式供热的多阶段动态优化方法及相关产品。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、在面向20年尺度的低碳分布式供热系统长期规划中,设备性能衰减、管网保温老化、电网碳强度演变三者具有显著不同的时间常数(分别约为5–15年、10–20年、5–25年),且这三条演化路径在同一规划期内并行推进。同时,低碳分布式供热系统运行中还穿插着保温层重做、设备报废更换等离散事件。上述多重时间常数与离散事件的耦合,使得传统基于静态平均参数的混合整数线性规划(milp)方法在规划末期产生严重失真。此外,单次规划缺乏反馈闭环,关键参数多依赖经验默认值,无法从历史数据中持续改进。
3、具体而言,现有方法在以下八个方面存在突出不足:
4、静态平均参数milp无法刻画规划期内的多时间常数耦合:主流优化方法通常将电价、气价、热泵能效系数(cop)、电网碳强度(gci)、补贴标准等关键参数在整个规划期内取为固定平均值;然而,实际系统中设备衰减、保温老化与gci下降的演化速率差异巨大,这种平均化处理无法真实反映各因素在不同阶段的交互影响,导致规划方案在后期明显偏离实际最优轨迹;
5、单阶段一次性求解忽视已安装设备与未来更替之间的边际关系:一次性求解所有设备的安装时机与选型,忽略了“既有设备何时退役、是否应以新技术替代”的阶段递进决策,这容易造成两种情况:一是在电网碳强度仍偏高时过早大量部署热泵,二是在碳强度已降至临界值后仍沿用燃气设备,均偏离经济与环保最优路径;
6、缺少适用于供热场景的五维状态向量定义与继承机制:已有状态变量(如水库库容、电力机组状态)无法覆盖供热系统的核心特征,供热规划的状态向量必须同时包含多型号设备(不同衰减规律的空源/地源热泵、电锅炉)的技术异构性、建筑保温改造的不可逆性、投资沉没成本、累计碳排放(与时变电网碳强度的离散积分耦合)、剩余寿命的时间衰减,若沿用其他领域状态定义,将丢失不可逆性维度,可能推导出“反复改造同一建筑”等不合理解;
7、离散事件触发与连续状态演化的非线性耦合未被有效处理:保温层重做(u值超阈值)、设备到期报废、政策调整等均为离散事件,而设备衰减、碳强度变化、排放累积等为连续过程,现有方法大多假设状态连续演化,未在阶段决策中实时检测离散触发条件与状态向量的交互影响;
8、物理回退与财务回退的双重耦合未被分别建模:即使部分方法提供回退机制,也通常仅考虑单一维度,供热场景中,已安装设备可继续服役(物理回退),但已投入资金不可收回(财务回退),两者在阶段间继承时应独立建模并协调处理,当前方法尚未实现;
9、关键参数依赖经验设定,缺乏数据驱动的自适应学习能力:设备衰减系数、保温老化速率、碳强度下降曲线等关键参数多沿用行业默认值或工程师经验,无法根据目标区域的实际运行数据进行动态校准;当实际规律与默认值偏差较大时,规划结果的准确性与鲁棒性显著下降;
10、纯数据驱动的参数学习方法缺乏物理约束保障:虽然部分研究尝试用深度学习拟合参数演化函数,但输出结果可能违反基本物理规律(如负能效系数、非单调衰减、能量不守恒等),无法直接用于实际供热系统的优化决策,缺乏对物理一致性的内置约束;
11、一次规划无反馈闭环,且触发-回退机制缺乏协调:现行模式多为“一次性规划、按序执行”,未引入执行偏差的反馈调整机制;即便在重新规划时,也未对物理回退(保留设备服役权)与财务回退(沉没成本)进行协同建模,导致规划缺乏动态适应能力。
技术实现思路
1、为了解决上述背景技术中存在的技术问题,本发明提供一种低碳分布式供热的多阶段动态优化方法及相关产品,将物理信息神经网络(pinn)与混合整数线性规划(milp)协同集成,pinn从历史运行数据学习符合物理约束的状态依赖参数演化函数,milp在物理参数与状态向量的联合输入下求解各阶段最优决策,使milp各阶段决策能够真实反映不同演化速率参数在规划期内的交互影响,显著降低规划末期的最优性偏差。
2、为了实现上述目的,本发明采用如下技术方案:
3、本发明的第一个方面提供一种低碳分布式供热的多阶段动态优化方法,其包括:
4、获取碳分布式供热系统的历史运行数据,训练物理信息神经网络从历史运行数据中学习状态依赖参数演化函数;
5、将规划期划分为多个阶段,对每个阶段,以阶段初状态与物理信息神经网络输出的状态依赖参数为输入,构造单阶段混合整数线性规划模型,并调用混合整数线性规划求解器求解单阶段混合整数线性规划模型,得到包括最优技术安装、节能改造、报废拆除与补贴的阶段决策;
6、按阶段间状态继承规则,将每个阶段末状态显式传递至下一阶段初状态;
7、按阶段顺序滚动求解所有单阶段混合整数线性规划模型,得到阶段决策序列;
8、根据阶段决策序列生成控制信号,控制分布式供热系统。
9、进一步地,还包括:接收传感器反馈数据,当实际值与优化预期的相对偏差超过阈值时触发滚动重优化,并实施物理回退与财务回退的双重耦合机制:物理回退保留已安装设备的服役权利,财务回退承认已投资部分不可收回。
10、进一步地,状态变量定义为:;其中,为已安装设备库,为已改造建筑库,为累计投资,为累计温室气体排放,为剩余寿命。
11、进一步地,所述状态依赖参数演化函数至少包括设备能效系数cop衰减函数、保温层传热系数u值衰减函数与电网碳强度gci学习曲线。
12、进一步地,所述物理信息神经网络的损失函数包括:预测与实测数据的均方误差、物理约束违反度和时间维度的平滑性正则化;
13、所述物理约束违反度包括单调性违反约束、非负性违反约束和能量守恒约束。
14、进一步地,所述单阶段混合整数线性规划模型的目标函数包括:阶段内的系统总成本贴现现值、阶段内的家庭年度能源账单和阶段内的全生命周期ghg排放;
15、所述单阶段混合整数线性规划模型的约束包括:阶段供热需求约束、设备寿命强制报废约束、状态依赖能效约束、阶段排放约束、阶段投资预算约束、保温重做触发约束和累计排放上限约束。
16、进一步地,所述状态继承规则包括:已安装设备库按新装与报废操作更新;已改造建筑库按新增改造操作更新;累计投资按阶段内新增投资累加;累计排放按阶段内离散时间步上能耗与电网碳强度之积加上燃气燃烧排放求和累加;剩余寿命按时间推移按年扣减。
17、本发明的第二个方面提供一种低碳分布式供热的多阶段动态优化系统,其包括:
18、状态依赖参数库模块,其被配置为:获取碳分布式供热系统的历史运行数据,训练物理信息神经网络从历史运行数据中学习状态依赖参数演化函数;
19、单阶段milp求解器模块,其被配置为:将规划期划分为多个阶段,对每个阶段,以阶段初状态与物理信息神经网络输出的状态依赖参数为输入,构造单阶段混合整数线性规划模型,并调用混合整数线性规划求解器求解单阶段混合整数线性规划模型,得到包括最优技术安装、节能改造、报废拆除与补贴的阶段决策;
20、阶段间状态继承模块,其被配置为:按阶段间状态继承规则,将每个阶段末状态显式传递至下一阶段初状态;
21、全期路径汇总模块,其被配置为:按阶段顺序滚动求解所有单阶段混合整数线性规划模型,得到阶段决策序列;
22、设备控制信号生成与下发模块,其被配置为:根据阶段决策序列生成控制信号,控制分布式供热系统。
23、本发明的第三个方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的一种低碳分布式供热的多阶段动态优化方法中的步骤。
24、本发明的第四个方面提供一种计算机设备,包括计算机可读存储介质、处理器及存储在计算机可读存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的一种低碳分布式供热的多阶段动态优化方法中的步骤。
25、与现有技术相比,本发明的有益效果是:
26、本发明将物理信息神经网络(pinn)与混合整数线性规划(milp)协同集成,pinn从历史运行数据学习符合物理约束的状态依赖参数演化函数,milp在物理参数与状态向量的联合输入下求解各阶段最优决策,使milp各阶段决策能够真实反映不同演化速率参数在规划期内的交互影响,显著降低规划末期的最优性偏差。
27、本发明通过将规划期划分为多阶段并显式继承设备库、剩余寿命及累计投资状态,使每个阶段的milp决策均基于既有设备剩余价值与新技术替代收益的边际比较,避免过早大规模部署热泵或过晚淘汰燃气设备,实现经济成本与碳排放的双维度动态最优折中。
28、本发明构建专用于供热场景的五维状态向量与不可逆继承规则:定义包含已安装设备库、已改造建筑库、累计投资、累计碳排放和剩余寿命的五维状态向量,并配套阶段间显式继承规则,完整覆盖技术异构性、改造不可逆性、沉没成本与排放累积效应,从根本上杜绝反复改造同一建筑等非物理可行解的出现。
29、本发明有效耦合离散触发事件与连续状态演化:在阶段滚动求解中,实时检测保温层u值超阈值、设备到期报废等离散条件,并将其与设备衰减、碳强度变化等连续过程联合建模,使规划方案能够主动响应突发性改造需求与政策调整,提高方案的工程可执行性。
30、本发明独立建模物理回退与财务回退的双重耦合:在滚动重优化中,明确区分已安装设备继续服役的物理回退权利与已投入资金不可收回的财务回退约束,二者分别继承并协同处理,使重规划结果既能保留既有资产价值,又避免重复计算沉没成本,提升资金利用效率。
31、本发明引入数据驱动与物理约束融合的自适应参数学习能力:pinn的损失函数同时包含实测数据拟合误差、物理约束违反度(单调性、非负性、能量守恒)及时间平滑正则项,使学习得到的参数演化函数既贴合实际运行规律,又严格满足热力学与排放核算基本法则,避免纯数据驱动方法输出非物理结果(如负cop、逆向衰减)。
32、本发明构建带有双重回退机制的反馈闭环滚动优化框架:打破一次性规划、按序执行的静态模式,引入传感器实时反馈与偏差触发阈值,在发生显著偏离时启动滚动重优化;同时,物理回退与财务回退的协同建模确保重规划不是从头再来,而是在既有投资与设备状态基础上的增量调整,极大提升规划对实际执行波动的动态适应能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com