园区制冷机组多时间尺度最优调度方法及系统技术方案

本发明专利技术提供一种园区制冷机组多时间尺度最优调度方法及系统，属于智能控制技术领域。该方法包括：获取园区制冷机组中的调度可控对象作为状态；构建制冷机组调度强化学习模型，确定强化学习奖赏函数和可选择的动作空间；分别利用制冷机组调度强化学习模型确定当前状态下选择不同的动作时多个时间尺度的回报值，回报值根据奖赏函数输出的奖赏值确定；根据多个时间尺度的回报值，确定当前状态下的最优动作；根据当前时刻园区制冷机组的状态和最优动作实施状态转移。本发明专利技术通过强化学习优化园区制冷机组的工作策略，使得园区制冷机组在实时满足制冷需求的情况下，最大程度降低功耗，实现低碳目标。现低碳目标。现低碳目标。

Multi time scale optimal scheduling method and system of refrigeration units in the park

【技术实现步骤摘要】
园区制冷机组多时间尺度最优调度方法及系统


[0001]本专利技术涉及智能控制
，具体涉及一种园区制冷机组多时间尺度最优调度方法及系统。

技术介绍

[0002]园区制冷机组在设计时未考虑制冷机组的动态特性，制冷机组的冷量负荷是时变的，但目前对机组的调控是非时变的，甚至是准静态的，由此在很大程度上影响了制冷系统冷量输配的效率。另外，制冷机组末端的冷量分配控制主要依靠手动完成，自动化程度偏低，阻碍了主动动态调控和人工智能运营技术的落地应用。最后，园区制冷机组设计时的假定工况往往和实际运行工况偏差较大，由此致使当前部分制冷机存在冷量供应不足，产生局部高温，而另一些制冷机出现冷量供应过剩，造成电能浪费，影响低碳目标的达成。

技术实现思路

[0003]因此，本专利技术实施例要解决的技术问题在于克服现有技术中的制冷机组需要手动控制、不能实时动态调节、易造成制冷需求不能得到满足和制冷过度导致电能浪费影响低碳目标的达成等缺陷，从而提供一种园区制冷机组多时间尺度最优调度方法及系统。
[0004]为此，本专利技术提供一种园区制冷机组多时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种园区制冷机组多时间尺度最优调度方法，其特征在于，包括以下步骤：获取园区制冷机组中的调度可控对象作为状态，所述调度可控对象包括制冷机组中的各个制冷机的各个功能部件的实际工作状态和工作功率，所述功能部件至少包括风机和压缩机；构建制冷机组调度强化学习模型，确定强化学习奖赏函数和可选择的动作空间；所述奖赏函数至少与所述制冷机组的实际能耗和制冷对象的温度相关联；分别利用所述制冷机组调度强化学习模型确定当前状态下选择不同的动作时多个时间尺度的回报值，所述回报值根据所述奖赏函数输出的奖赏值确定，所述动作为所述功能部件的工作状态的转换和/或实际工作功率的调整；根据多个时间尺度的所述回报值，确定当前状态下的最优动作；根据当前时刻所述园区制冷机组的状态和所述最优动作实施状态转移，以改变所述功能部件的实际工作状态和/或工作功率。2.根据权利要求1所述的方法，其特征在于，分别利用所述制冷机组调度强化学习模型确定当前状态下选择不同的动作时多个时间尺度的回报值，包括：将选择的所述动作实施后的各个所述功能部件的状态值和所述奖赏值输入至长短期记忆人工神经网络；根据所述长短期记忆人工神经网络的输出确定多个时间尺度的所述回报值。3.根据权利要求1所述的方法，其特征在于，所述根据多个时间尺度的所述回报值，确定当前状态下的最优动作，包括：获取多个时间尺度的所述回报值的加权求和值，时间尺度越短对应的权重值越大；根据所述加权求和值，确定当前状态下的最优动作。4.根据权利要求1所述的方法，其特征在于，所述构建制冷机组调度强化学习模型，包括：根据训练样本构建预测网络，...

【专利技术属性】
技术研发人员：王海，
申请(专利权)人：特斯联科技集团有限公司，
类型：发明
国别省市：