一种基于数字孪生的综合能源控制方法及系统技术方案

本发明专利技术属于数字孪生技术领域，公开一种基于数字孪生的综合能源控制方法及系统，所述方法，包括：基于综合能源物理系统构建综合能源系统数字孪生体；从综合能源系统数字孪生体进行数据同步并采样得到当前时刻可再生能源功率输出、综合能源负荷预测以及电池荷电状态，输入预先训练好的DQN模型，获得储能策略；输出所述储能策略给综合能源物理系统。本发明专利技术基于数据和机理融合的方式构建了综合能源系统的数字孪生体模型，为深度强化学习算法提供了与物理系统同步演化更新的学习环境，解决了传统综合能源系统运行所面临的模型简化、源荷不确定性所带来的优化决策困难问题。定性所带来的优化决策困难问题。定性所带来的优化决策困难问题。

【技术实现步骤摘要】
一种基于数字孪生的综合能源控制方法及系统


[0001]本专利技术属于数字孪生领域，涉及一种基于数字孪生的综合能源控制方法及系统。

技术介绍

[0002]数字孪生技术通过在数字空间构建与物理实体行为状态同步变化的数字孪生体模型，并利用神经网络等算法对孪生体模型开展行为预测分析，最后根据优化控制目标，选取人工智能等先进算法，利用上述孪生体模型预测演变分析结果，在数字空间中实现智能分析决策，反馈给物理实体执行，最终实现物理和数字双空间的共同趋优。
[0003]数字孪生技术充分体现了数字化革命的思想理念，具备强大的数字复刻能力，将传统的不可测、不可观等问题转化为可动态跟踪、实时演化、预测的问题，再赋以人工智能等先进算法引擎，并与物理实体紧密相连，共同发展进步。基于上述技术优势，数字孪生近些年发展的如火如荼。在能源电力领域，近三年来，已有大量学术文章发表，研究方向覆盖输配电系统仿真，实时在线安全稳定分析，综合能源系统能源管理，变压器、电缆、光伏发电系统、风力发电系统、储能等设备的多物理场建模以及以此为基础的健康评估和智能运维。
[0004]综合能源系统(integrated energy system，IES)融合冷、热、电、气多种能源形式，提升资源利用效率，满足社会生产生活多样化需求，是当前能源电力发展的重要举措。
[0005]综合能源系统由于涉及多种能源形式耦合，主要存在以下两大类问题：
[0006]1)由于多能流运行过程异常复杂，综合能源系统存在大量机理不明确，信息不完备难题。
[0007]2)各主体交互复杂，源荷随机性强，优化运行决策困难。

技术实现思路

[0008]本专利技术的目的在于提供一种基于数字孪生的综合能源控制方法及系统，以解决现有综合能源系统由于涉及多种能源形式耦合所存在的技术问题。
[0009]为了实现上述目的，本专利技术采用如下技术方案：
[0010]第一方面，本专利技术提供一种基于数字孪生的综合能源控制方法，包括：
[0011]基于综合能源物理系统构建综合能源系统数字孪生体；
[0012]从综合能源系统数字孪生体进行数据同步并采样得到当前时刻可再生能源功率输出、综合能源负荷预测以及电池荷电状态，输入预先训练好的DQN模型，获得储能策略；
[0013]输出所述储能策略给综合能源物理系统。
[0014]本专利技术进一步的改进在于：所述综合能源系统数字孪生体包括：可再生能源孪生体、能源耦合设备孪生体、储能设备孪生体和负荷孪生体。
[0015]本专利技术进一步的改进在于：可再生能源孪生体包括光伏孪生体、风机孪生体；
[0016]光伏孪生体的最终光伏功率输出结果P
pv
；
[0017]P
pv
＝P
pv
‑
LTSM
+P
correct
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0018]其中，P
pv
‑
LTSM
为光伏功率预测值；P
correct
为功率补偿值；光伏功率预测值P
pv
‑
LTSM
基
于采集太阳辐射强度、环境温度、湿度数据，输入预先训练好的LSTM神经网络获得；功率补偿值P
correct
通过相似日气象搜索算法得到；
[0019]风力发电机孪生体的输出功率为P
wind
。
[0020]本专利技术进一步的改进在于：能源耦合设备孪生体包括热电联产孪生体、燃气轮机孪生体；
[0021]热电联产孪生体的电功率输出为P
CHP
；电功率输出P
CHP
通过以下方法获得：将选择的输入特征输入BP神经网络拟合热电联产机组的电功率输出P
cHP
；所选择的输入特征包括：燃料特性、蒸汽质量、流量和温度、氮氧化物排放水平；
[0022]燃气轮机孪生体的输出电功率为P
gas
。
[0023]本专利技术进一步的改进在于：储能设备孪生体包括电储能孪生体、储热孪生体；
[0024]电储能孪生体的SOC预测值为S
soc
；SOC预测值S
soc
通过以下步骤获得：基于戴维南等效电路构建电池的动力学建模，并利用卡尔曼滤波器开展电池的参数估计；基于电池历史老化数据，利用LSTM神经网络构建电池储能系统的模型，并开展模型训练；将实时测量的电池电压、电流、环境温度数据，以及卡尔曼滤波器获取的系统估计参数，作为训练好的LSTM神经网络的输入，从而最终得到电储能孪生体的SOC预测值S
soc
；
[0025]储热孪生体通过统一机理方程构建：
[0026][0027]其中，H
ch
、H
dis
为储热设备充放能功率，η
ch
、η
dis
为储热设备充放能效率，Q为额定储热功率，S
t
为t时刻的储热设备状态，为t
‑
1时刻的储热设备状态；
[0028]负荷孪生体在考虑综合能源系统的电负荷L
e
、热负荷L
h
方面，采用基于深度神经网络的多任务方法实现综合能源系统多元负荷预测。
[0029]本专利技术进一步的改进在于：预先训练好的DQN模型的目标函数为：
[0030]以最小化能源成本作为综合能源系统优化调度的目标函数，包括外网取电费用与天然气购买费用；
[0031]F＝minC＝min(P
grid
c
e
+V
gas
c
g
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0032]其中，C为能源成本，P
grid
为外电网用电功率，V
gas
为天然气用量，通过耦合设备模型的输入量获得；c
e
为电价、c
g
为气价；
[0033]A)状态空间
[0034]状态空间包括可再生能源功率输出、综合能源负荷预测、电池荷电状态，均来自综合能源系统的数字孪生体模型：
[0035]S＝{P
pv
，P
wind
，L
e
，L
h
，S
soc
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0036]B)动作空间
[0037]其动作空间变量包括热电联产设备电功率P
CHP
、储能系统充放电功率P
ch
，P
dis
，即
[0038]A＝{P
CHP
，P
ch
，P
dis
} (5)
[0039]C)奖励函数
[0040]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的综合能源控制方法，其特征在于，包括：基于综合能源物理系统构建综合能源系统数字孪生体；从综合能源系统数字孪生体进行数据同步并采样得到当前时刻可再生能源功率输出、综合能源负荷预测以及电池荷电状态，输入预先训练好的DQN模型，获得储能策略；输出所述储能策略给综合能源物理系统。2.根据权利要求1所述的一种基于数字孪生的综合能源控制方法，其特征在于，所述综合能源系统数字孪生体包括：可再生能源孪生体、能源耦合设备孪生体、储能设备孪生体和负荷孪生体。3.根据权利要求2所述的一种基于数字孪生的综合能源控制方法，其特征在于，可再生能源孪生体包括光伏孪生体、风机孪生体；光伏孪生体的最终光伏功率输出结果P
pv
；P
pv
＝P
pv
‑
LTSM
+P
correct
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，P
pv
‑
LTsM
为光伏功率预测值；P
correct
为功率补偿值；光伏功率预测值P
pv
‑
LTSM
基于采集太阳辐射强度、环境温度、湿度数据，输入预先训练好的LSTM神经网络获得；功率补偿值P
correct
通过相似日气象搜索算法得到；风力发电机孪生体的输出功率为P
wind
。4.根据权利要求3所述的一种基于数字孪生的综合能源控制方法，其特征在于，能源耦合设备孪生体包括热电联产孪生体、燃气轮机孪生体；热电联产孪生体的电功率输出为P
CHP
；电功率输出P
CHP
通过以下方法获得：将选择的输入特征输入BP神经网络拟合热电联产机组的电功率输出P
CHP
；所选择的输入特征包括：燃料特性、蒸汽质量、流量和温度、氮氧化物排放水平；燃气轮机孪生体的输出电功率为P
gas
。5.根据权利要求4所述的一种基于数字孪生的综合能源控制方法，其特征在于，储能设备孪生体包括电储能孪生体、储热孪生体；电储能孪生体的SOC预测值为S
soc
；SOC预测值S
soc
通过以下步骤获得：基于戴维南等效电路构建电池的动力学建模，并利用卡尔曼滤波器开展电池的参数估计；基于电池历史老化数据，利用LSTM神经网络构建电池储能系统的模型，并开展模型训练；将实时测量的电池电压、电流、环境温度数据，以及卡尔曼滤波器获取的系统估计参数，作为训练好的LSTM神经网络的输入，从而最终得到电储能孪生体的SOC预测值S
soc
；储热孪生体通过统一机理方程构建：其中，H
ch
、H
dis
为储热设备充放能功率，η
ch
、η
dis
为储热设备充放能效率，Q为额定储热功率，S
t
为t时刻的储热设备状态，为t
‑
1时刻的储热设备状态；负荷孪生体在考虑综合能源系统的电负荷L
e
、热负荷L
h
方面，采用基于深度神经网络的多任务方法实现综合能源系统多元负荷预测。6.根据权利要求5所述的一种基于数字孪生的综合能源控制方法，其特征在于，预先训练好的DQN模型的目标函数为：以最小化能源成本作为综合能源系统优化调度的目标函数，包括外网取电费用与天然
气购买费用；F＝minC＝min(P
grid
c
e
+V
gas
c
g
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，C为能源成本，P
grid
为外电网用电功率，V
gas
为天然气用量，通过耦合设备模型的输入量获得；c
e
为电价、c
g
为气价；A)状态空间状态空间包括可再生能源功率输出、综合能源负荷预测、电池荷电状态，均来自综合能源系统的数字孪生体模型：S＝{P
pv
，P
wind
，L
e
，L
h
，S
soc
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)B)动作空间其动作空间变量包括热电联产设备电功率P
CHP
、储能系统充放电功率P
ch
，P
dis
，即A＝{P
CHP
，P
ch
，P
dis
} (5)C)奖励函数将综合能源系统模型目标函数的相反数作为每个智能体的即时奖励，即：R＝
‑
F＝
‑
(P
grid
c
e
+V
gas
c
g
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)DQN模型训练时，采用优化求解器方法获取一部分深度强化学习经验池；采用求解器的综合能源系统优化运行问题为混合整数非线性规划问题，在matlab平台采用yalmip工具箱调用Cplex求解器求解。7.根据权利要求1所述的一种基于数字孪生的综合能源控制方法，其特征在于，预先训练好的DQN模型的训练方法包括：步骤1：从综合能源数字孪生系统进行数据同步并采样得到当前时刻环境状态信息st，基于贪心策略π执行动作at；步骤2：根据奖励判断机制得到奖励得分rt，并获得下一时刻环境状态st+1；步骤3：将(st，at，rt，st+1)存储到经验池中；步骤4：从经验池中采样(si，ai，ri，si+1)；步骤5：目标值是rt+Q(si+1,π(si+1))；步骤6：更新Q的参数使得Q(si，ai)尽可能接近于步骤5中目标值；步骤7：每C次更新重置目标网络参数。8.一种基于数字孪生的综合能源控制系统，其特征在于，包括：构建模块，用于基于综合能源物理系统构建综合能源系统数...

【专利技术属性】
技术研发人员：赵琦，陈盛，王新迎，田捷，赵日晓，杨军，王佳蕊，
申请(专利权)人：国网吉林省电力有限公司国网吉林省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：