基于多智能体强化学习的冷库群协同节能控制系统的制作方法

本发明涉及冷库群能源管理控制领域，尤其涉及基于多智能体强化学习的冷库群协同节能控制系统。

背景技术：

1、在由多个冷库组成的冷库群制冷中，各冷库通常通过共享压缩机组、共享制冷管路和共享配电获得制冷能力；当多个冷库的制冷需求在同一时间段内同时增加时，共享压缩机组运行负荷会迅速升高，冷库群总电功率也随之上升，容易形成明显的需量峰值；现有冷库控制根据冷库库温、制冷设备运行状态、制冷压力和设备运行边界进行压缩机调节、风门调节和除霜控制，能够依据当前运行状态调整单个冷库的制冷能力，但对于多个冷库之间的制冷资源协调能力有限，难以避免多个冷库在相近时段集中增加制冷负荷所导致的冷库群总电功率峰值；蒸发器风机作为冷库制冷的重要组成部分，轴承润滑脂在长期运行过程中受转速、电机电流、机械载荷、温度和润滑条件影响，会逐渐出现氧化、挥发和稠化，进入隐蔽的劣化状态，这种劣化状态难以测量，现有轴承振动监测方法虽然能够提取轴承特征频率和谐波特征，但是振动特征幅值同时受到运行工况变化和轴承机械缺陷干扰，容易将正常运行工况波动的振动增强误判为润滑脂劣化，降低润滑脂劣化状态识别的准确性；

2、现有技术在冷库群节能控制中只关注库温偏差、设备运行边界和当前能耗数据，缺少将设备健康状态和未来劣化趋势与冷库群共享能源状态统一纳入控制决策的手段；单个冷库独立进行节能控制时，各冷库之间缺乏协同，可能在相同时间段增加制冷负荷，造成共享制冷设备负荷叠加和冷库群总电功率峰值升高；轴承润滑脂劣化状态属于渐进性隐蔽退化变量，即使能够识别当前劣化程度，当不能结合历史退化轨迹预测未来变化趋势，也难以提前调整冷库制冷负荷和进行跨冷库负荷转移；所以需要建立一种能够根据蒸发器风机轴承振动数据识别润滑脂劣化状态，对劣化趋势进行预测，同时将设备健康状态、预测健康状态和冷库群共享制冷状态共同纳入多冷库协同决策的控制方式，实现冷库群需量约束下的节能运行。

技术实现思路

1、为了克服难以多冷库协同节能的缺点，技术问题为：提供基于多智能体强化学习的冷库群协同节能控制系统。

2、本发明的技术实施方案为：基于多智能体强化学习的冷库群协同节能控制系统，包括：

3、冷库群数据采集与需量计算模块，用于采集冷库群中各蒸发器风机的轴承振动加速度数据、蒸发器风机转速、蒸发器风机电机运行电流、冷库库温、冷库设定温度、冷库压缩机运行频率、冷库除霜状态、冷库风门开度、共享压缩机组吸气压力、共享压缩机组冷凝压力和冷库群总电功率，计算需量滑动窗口平均功率；

4、振动特征与健康基准计算模块，用于对轴承振动加速度数据进行高频带通滤波、包络解调、包络谱计算，根据蒸发器风机转速动态计算目标轴承特征频率并提取目标轴承特征频率幅值，经均方根平均计算获得代表性特征幅值和代表性特征能量指标；根据健康运行样本和当前运行工况计算健康振动参考基准，计算工况归一化特征能量比和机械缺陷抑制权重；

5、润滑脂劣化评估与预测模块，用于根据工况归一化特征能量比和机械缺陷抑制权重计算劣化贡献和综合退化量，构建轴承润滑脂劣化程度指数并进行有效性处理；根据有效轴承润滑脂劣化程度指数历史轨迹与历史轴承润滑脂退化轨迹进行相似匹配，获得预测轴承润滑脂劣化程度指数；

6、多智能体协同决策与安全约束模块，用于将有效轴承润滑脂劣化程度指数、预测轴承润滑脂劣化程度指数、冷库运行状态、蒸发器风机运行状态、共享制冷状态和冷库群功率状态形成冷库智能体状态；各冷库智能体根据冷库智能体状态输出连续控制动作和除霜控制动作，进行共享制冷资源协调和动作安全约束；

7、控制执行与状态更新模块，用于执行经过动作安全约束后的控制动作，更新冷库运行状态和冷库群能源状态，形成下一控制周期的输入。

8、优选地，所述采集冷库群中各蒸发器风机的轴承振动加速度数据、蒸发器风机转速、蒸发器风机电机运行电流、冷库库温、冷库设定温度、冷库压缩机运行频率、冷库除霜状态、冷库风门开度、共享压缩机组吸气压力、共享压缩机组冷凝压力和冷库群总电功率，计算需量滑动窗口平均功率，包括：通过设置在蒸发器风机轴承座上的振动加速度传感器、转速传感器或变频器反馈、电流传感器、冷库温度传感器、冷库控制器、风门位置反馈、共享压缩机组吸气侧压力传感器、共享压缩机组排气侧压力传感器和冷库群总进线电能计量装置，分别采集轴承振动加速度数据、蒸发器风机转速、蒸发器风机电机运行电流、冷库库温、冷库设定温度和除霜状态、冷库风门开度、共享压缩机组吸气压力、共享压缩机组冷凝压力和冷库群总电功率；根据冷库群总电功率计算需量滑动窗口平均功率，需量滑动窗口平均功率为冷库群总电功率在预设需量窗口长度内的平均值；所有采集数据按照统一时间戳进行时间同步。

9、优选地，所述对轴承振动加速度数据进行高频带通滤波、包络解调、包络谱计算，根据蒸发器风机转速动态计算目标轴承特征频率并提取目标轴承特征频率幅值，经均方根平均计算获得代表性特征幅值和代表性特征能量指标，包括：对轴承振动加速度数据进行连续采样并按照预设振动采样帧长度划分为个连续振动采样帧，为预设正整数；根据蒸发器风机轴承结构、振动加速度传感器频响范围和采样频率确定高频冲击频带，对每一个振动采样帧执行带通滤波得到高频冲击信号；对高频冲击信号计算解析信号，并将解析信号的模作为包络信号；对包络信号执行离散傅里叶变换得到包络谱；根据蒸发器风机转速和轴承结构参数动态计算目标轴承特征频率，所述轴承结构参数包括滚动体数量、滚动体直径、节圆直径和接触角；在包络谱中提取目标轴承特征频率幅值；在预设滑动时间窗口内对同一目标轴承特征频率的个振动采样帧幅值进行均方根平均，按公式计算代表性特征幅值；根据代表性特征幅值的平方得到代表性特征能量指标。

10、优选地，所述根据健康运行样本和当前运行工况计算健康振动参考基准，包括：预先建立健康运行样本数据库，用于存储轴承润滑脂处于正常状态且不存在明显机械缺陷时的运行数据；所述机械缺陷包括轴承外圈损伤、轴承内圈损伤和滚动体损伤；从健康运行样本数据库中选取健康运行状态下的蒸发器风机转速、蒸发器风机电机运行电流、冷库库温与冷库设定温度之差、冷库风门开度、共享压缩机组吸气压力和共享压缩机组冷凝压力作为对应参考值；将当前对应的六个运行参数分别除以对应参考值，得到六个运行工况无量纲变量，统一记为；从健康运行样本数据库中提取代表性特征幅值和对应运行工况无量纲变量，形成健康运行样本；根据健康运行样本拟合中心化运行工况无量纲变量与代表性特征幅值之间的关系，定义中心化运行工况变量，得到健康振动参考基准，公式为：，其中，为六个运行工况无量纲变量均取各自健康参考值时第个目标轴承特征频率对应的健康参考幅值，为第个目标轴承特征频率对应第个中心化运行工况无量纲变量的一次项模型参数，为第个目标轴承特征频率对应第个和第个中心化运行工况无量纲变量之间交互项的模型参数，为六个运行工况无量纲变量中的第个变量，为对应的中心化运行工况无量纲变量；为六个运行工况无量纲变量中的第个变量，为对应的中心化运行工况无量纲变量。

11、优选地，所述计算工况归一化特征能量比和机械缺陷抑制权重，包括：将代表性特征幅值与健康振动参考基准进行归一化，得到工况归一化特征能量比，公式为：，其中为预设的与代表性特征幅值量纲一致的极小正数；根据代表性特征能量指标计算机械缺陷特征集中程度，机械缺陷特征集中程度等于机械缺陷特征频率对应的代表性特征能量指标之和与全部目标轴承特征频率对应的代表性特征能量指标之和的比值，所述机械缺陷特征频率集合由所述机械缺陷对应的目标轴承特征频率构成；根据机械缺陷特征集中程度计算机械缺陷抑制权重，公式为：，其中为预设的机械缺陷抑制系数；当机械缺陷特征集中程度连续个控制周期大于或者等于预设机械缺陷判断阈值时确定蒸发器风机处于机械缺陷异常状态，其中为预设正整数。

12、优选地，所述根据工况归一化特征能量比和机械缺陷抑制权重计算劣化贡献和综合退化量，构建轴承润滑脂劣化程度指数并进行有效性处理，包括：根据工况归一化特征能量比和机械缺陷抑制权重计算每个目标轴承特征频率的劣化贡献，公式为：，其中为第个目标轴承特征频率的非线性敏感指数，；计算综合退化量，公式为：；其中、分别为第个和第个目标轴承特征频率权重，均满足非负且求和为1，为特征间非线性交互系数，为第个目标轴承特征频率的劣化贡献；根据综合退化量计算轴承润滑脂劣化程度指数候选值，公式为：，其中为预设的全局非线性指数；当蒸发器风机未处于机械缺陷异常状态时，将轴承润滑脂劣化程度指数候选值确定为有效轴承润滑脂劣化程度指数；当蒸发器风机处于机械缺陷异常状态时，对上一时刻有效轴承润滑脂劣化程度指数和当前轴承润滑脂劣化程度指数候选值按公式进行平滑更新，得到有效轴承润滑脂劣化程度指数；其中为平滑系数，为上一时刻有效轴承润滑脂劣化程度指数。

13、优选地，所述根据有效轴承润滑脂劣化程度指数历史轨迹与历史轴承润滑脂退化轨迹进行相似匹配，获得预测轴承润滑脂劣化程度指数，包括：连续记录每个蒸发器风机轴承个时间点的有效轴承润滑脂劣化程度指数，并同步记录与所述个时间点对应的运行工况无量纲变量，形成当前轴承润滑脂劣化程度指数历史轨迹；预先建立历史轴承润滑脂退化轨迹数据库，用于存储轴承润滑脂逐级退化过程中的轴承润滑脂劣化程度指数历史轨迹、对应运行工况历史轨迹和未来预设时间后的轴承润滑脂劣化程度指数；从历史轴承润滑脂退化轨迹数据库中获得h条历史轴承润滑脂退化轨迹，h为预设正整数，每条历史轴承润滑脂退化轨迹包含与当前轴承润滑脂劣化程度指数历史轨迹相同的变量、时间长度和归一化方式；计算当前轴承润滑脂劣化程度指数历史轨迹与每条历史轴承润滑脂退化轨迹之间的加权欧氏距离；根据加权欧氏距离计算相似度，其中为预设的相似度尺度参数；将每条历史轨迹对应的未来预设时间后的轴承润滑脂劣化程度指数按照相似度进行加权平均，得到预测轴承润滑脂劣化程度指数，公式为：，其中为预设的未来时间步长，为当前时刻之后的预测时刻，为预设的极小正数。

14、优选地，所述将有效轴承润滑脂劣化程度指数、预测轴承润滑脂劣化程度指数、冷库运行状态、蒸发器风机运行状态、共享制冷状态和冷库群功率状态形成冷库智能体状态，包括：将冷库群中的每一个冷库定义为一个冷库智能体；第个冷库智能体的局部观测包括冷库库温、冷库设定温度、冷库压缩机运行频率、冷库除霜状态、冷库风门开度、蒸发器风机转速、蒸发器风机电机运行电流、有效轴承润滑脂劣化程度指数和预测轴承润滑脂劣化程度指数；根据共享压缩机组冷凝压力与共享压缩机组吸气压力的比值取自然对数，按公式计算共享制冷压力状态，其中为共享压缩机组冷凝压力，为共享压缩机组吸气压力；根据冷库群总电功率与冷库群功率参考值的比值，按公式计算冷库群无量纲功率状态，其中为冷库群功率参考值，为冷库群总电功率；将各冷库智能体局部观测与共享制冷压力状态、冷库群无量纲功率状态、需量滑动窗口平均功率和需量超限量共同形成冷库智能体观测；在集中训练阶段，将各冷库智能体观测组合为全局状态。

15、优选地，所述各冷库智能体根据冷库智能体状态输出连续控制动作和除霜控制动作，进行共享制冷资源协调和动作安全约束，包括：每个冷库智能体输出冷库设定温度调节量、冷库制冷需求调节量和冷库风门开度调节量作为连续控制动作，输出除霜启动请求作为除霜控制动作；当多个冷库共用共享压缩机组时，各冷库智能体输出的冷库制冷需求调节量输入共享制冷资源协调，共享制冷资源协调根据各冷库制冷需求调节量、共享压缩机组吸气压力、共享压缩机组冷凝压力、共享制冷容量、各冷库库温安全裕度和冷库群功率状态确定共享压缩机组最终运行指令；对连续控制动作和除霜控制动作执行动作安全约束，动作安全约束包括冷库压缩机运行频率上下限、冷库风门开度上下限、冷库设定温度上下限、预测冷库库温上下限、共享压缩机组压力边界和共享制冷容量边界；当预测轴承润滑脂劣化程度指数大于或者等于轴承润滑脂劣化程度指数预警阈值且小于轴承润滑脂劣化程度指数临界阈值，且预测冷库库温接近冷库库温上限时，限制降低制冷能力的动作。

16、优选地，所述执行经过动作安全约束后的控制动作，更新冷库运行状态和冷库群能源状态，形成下一控制周期的输入，包括：将经过动作安全约束后的控制动作发送至冷库执行机构；控制动作执行后产生新的冷库库温、冷库设定温度、冷库制冷设备运行状态、冷库除霜状态、冷库风门开度、共享压缩机组吸气压力、共享压缩机组冷凝压力、冷库群总电功率和新的轴承振动加速度数据；根据新的冷库群总电功率、需量滑动窗口平均功率、冷库库温、预测轴承润滑脂劣化程度指数和控制动作幅度计算强化学习奖励，强化学习奖励按公式计算，其中需量超限量项，，为冷库群无量纲功率状态，、、为非负奖励权重，为预测性调节奖励；将新的运行数据和振动加速度数据作为下一控制周期的输入。

17、有益效果：本发明通过根据蒸发器风机实时转速动态计算轴承特征频率并提取目标轴承特征频率幅值，减少固定频率位置提取引起的频率漂移误差，使润滑脂劣化状态识别在变转速工况下保持稳定；通过利用蒸发器风机转速、电机电流、冷库库温与设定温度之差、风门开度和共享压缩机组吸排气压力建立随工况变化的非线性健康振动参考基准，将代表性特征幅值与参考基准进行归一化，降低正常工况波动对劣化程度判断的干扰；通过计算机械缺陷特征集中程度并形成指数型抑制权重，对轴承外圈、内圈和滚动体损伤引起的局部特征增强进行抑制，减少机械缺陷导致的润滑脂劣化误判；通过将多个目标轴承特征频率的工况归一化能量比转化为非线性劣化贡献并叠加特征间交互项，构建有界连续的轴承润滑脂劣化程度指数，使正常、预警和临界状态能够连续区分；通过将当前轴承润滑脂劣化程度指数历史轨迹与历史退化轨迹进行非线性相似匹配，获得未来预设时间后的预测值，使控制策略能够基于劣化趋势提前调整制冷负荷；通过将有效轴承润滑脂劣化程度指数、预测值、冷库运行状态、共享制冷状态和冷库群功率状态共同形成冷库智能体观测，采用共享制冷资源协调和动作安全约束，使多个冷库在满足温度、压力和需量约束下实现协同节能运行。