一种基于孪生模型的智能多模型预测控制方法及系统技术方案

本发明专利技术公开了一种基于孪生模型的智能多模型预测控制方法及系统

【技术实现步骤摘要】
一种基于孪生模型的智能多模型预测控制方法及系统


[0001]本专利技术属于工业过程控制
，具体地说是一种基于孪生模型的智能多模型预测控制方法及系统
。

技术介绍

[0002]在工业过程控制系统中，预测控制系统可以很好地解决过程控制系统的优化问题，但是对模型的要求较高，当系统有多个工况时，模型的变化对控制性能有较大的影响，需要一种适应全工况的智能多模型预测控制方法及系统
。
[0003]现有模型的预测控制对模型要求较高，当工况发生变化时，被控对象特性会发生较大变化，此时模型的预测控制性能下降较大
。

技术实现思路

[0004]本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于孪生模型的智能多模型预测控制方法及系统，其可在每个工况下进行精准控制，最终实现全工况优化控制，从而在线完成被控系统的诊断和优化
。
[0005]为此，本专利技术采用如下的技术方案：一种基于孪生模型的智能多模型预测控制方法，其包括：
[0006]以多个工况基础模型和线性插值块构造基础多模型预测控制器，在所述的基础多模型预测控制器中实现稳定控制并生成孪生模型；
[0007]以多个孪生模型和选择模块构造智能多模型预测控制器；
[0008]在智能多模型预测控制器中逐次进行多工况孪生模型匹配，最终实现全工况优化控制
。
[0009]进一步地，针对一个多工况被控系统，所述的智能多模型预测控制器最初只含有一个工况下的精确模型，进行优化控制
。
[0010]更进一步地，当智能多模型预测控制器检测到控制性能变差后，切换至基础预测控制，待多工况被控系统稳定，在控制指令处加入激励信号，在线记录闭环响应数据，辨识器的参数范围设置为基础多模型预测控制器中相邻各个模型的参数后进行在线闭环模型辨识；辨识完成后进行模型阶跃扰动仿真实验，完成后再进行针对实际对象的阶跃扰动试验
。
[0011]更进一步地，根据设定值和误差幅值进行系统稳态判断，若设定值未变且误差幅值在一定区间，则认为达到稳定状态
。
[0012]更进一步地，闭环辨识器可进行多个不同工况的基础模型辨识，记住每次的辨识参数，根据当前工况与各次辨识工况中最接近原则，切换至最新工况基础模型，其为在相应工况在线闭环辨识出的基础模型；基础预测控制切至智能预测控制进行优化控制，如果工况再次变化，控制性能再次变差，重复前述的激励和建模过程，生成对应工况的孪生模型；根据工况复杂情况，设立相应次数的孪生模型辨识
、
仿真与控制，当超过规定次数生成孪生
模型后，则认为完成了全工况的建模
。
[0013]更进一步地，性能判断模块根据误差的多个幅值阈值和延迟时间，判断控制性能是否合适
。
[0014]更进一步地，在多次生成孪生模型后，在每个工况下进行精准控制，实现全工况优化控制
。
[0015]本专利技术还提供一种基于孪生模型的智能多模型预测控制系统，其包括：
[0016]基础多模型预测控制器：以多个工况基础模型和线性插值块构造基础多模型预测控制器；
[0017]孪生模型：在所述的基础多模型预测控制器中实现稳定控制并生成孪生模型；
[0018]智能多模型预测控制器：以多个孪生模型和选择模块构造智能多模型预测控制器；
[0019]全工况优化控制单元：在智能多模型预测控制器中逐次进行多工况孪生模型匹配，最终实现全工况优化控制
。
[0020]本专利技术具有以下有益效果：本专利技术以多个工况基础模型和线性插值块构造基础多模型预测控制器，在基础多模型预测控制器中实现稳定控制并生成孪生模型，以孪生模型构造智能多模型预测控制器，可在每个工况下进行精准控制，在智能多模型预测控制器中逐次进行多工况孪生模型匹配，最终实现全工况的优化控制，从而在线完成被控系统的诊断和优化
。
[0021]下面结合说明书附图和具体实施方式对本专利技术作进一步说明
。
附图说明
[0022]图1为本专利技术一种基于孪生模型的智能多模型预测控制方法的流程图；
[0023]图2为本专利技术建立孪生模型并进行控制仿真运行曲线图
(
图中，1为设定值，2为被控量，3为仿真设定值，4为仿真模型输出，5为仿真控制量，6为实际控制量，7为辨识出的模型参数，8为工况变化值
)
；
[0024]图3为本专利技术为智能多模型预测控制器全工况运行曲线图
(
图中，1为设定值，2为被控量，3为控制量，4为工况数值
)。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0026]实施例1[0027]本实施例提供一种基于孪生模型的智能多模型预测控制方法，如图1所示，其以线性插值块和多个工况基础模型
(
先根据每个基础工况离线开环辨识，建立模型，再将各模型参数通过插值的方法形成多模型系统
)
构造基础多模型预测控制器，在基础多模型预测控制器中实现稳定控制并生成孪生模型，以孪生模型和选择模块
(
孪生模型在各工况点在线闭环辨识生成，选择模块根据不同工况自动选择相应的孪生模型
)
构造智能多模型预测控
制器，在智能多模型预测控制器中逐次进行多工况孪生模型匹配，最终实现全工况优化控制
。
[0028]所述的智能多模型预测控制器最初只采用一个孪生模型对多工况被控制系统进行优化控制，当系统工况变化后，控制系统性能变差，切入基础预测控制
。
图中性能判断模块根据误差的多个幅值阈值和延迟时间，判断控制性能是否合适，误差判断阈值越大，延迟时间越短，越容易触发切入基础预测控制
。
[0029]基础多模型预测控制器是基于线性插值的多模型控制，由于在典型工况点上的模型进行线性插值，基础多模型预测控制器的模型相对准确，在对多工况被控系统进行控制时能保证收敛
、
稳定
。
[0030]当判断基础多模型预测控制器稳定后，在控制指令处加入激励信号，对基础多模型预测控制器进行激励试验，同时在线记录闭环响应数据，辨识器的参数范围设置为基础多模型预测控制器中相邻各个模型的参数后进行在线闭环模型辨识，辨识完成后进行模型阶跃扰动仿真实验，完成后再进行针对实际对象的阶跃扰动试验
。
图中系统稳态判断根据设定值和误差幅值进行判断，若设定值未变且误差幅值在一定区间，则认为达到稳定状态
。
[0031]闭环辨识器产生的孪生模型，可进行多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于孪生模型的智能多模型预测控制方法，其特征在于，包括：以多个工况基础模型和线性插值块构造基础多模型预测控制器，在所述的基础多模型预测控制器中实现稳定控制并生成孪生模型；以多个孪生模型和选择模块构造智能多模型预测控制器；在智能多模型预测控制器中逐次进行多工况孪生模型匹配，最终实现全工况优化控制
。2.
根据权利要求1所述的一种基于孪生模型的智能多模型预测控制方法，其特征在于，针对一个多工况被控系统，所述的智能多模型预测控制器最初只含有一个工况下的精确模型，进行优化控制
。3.
根据权利要求2所述的一种基于孪生模型的智能多模型预测控制方法，其特征在于，当智能多模型预测控制器检测到控制性能变差后，切换至基础预测控制，待多工况被控系统稳定，在控制指令处加入激励信号，在线记录闭环响应数据，辨识器的参数范围设置为基础多模型预测控制器中相邻各个模型的参数后进行在线闭环模型辨识；辨识完成后进行模型阶跃扰动仿真实验，完成后再进行针对实际对象的阶跃扰动试验
。4.
根据权利要求3所述的一种基于孪生模型的智能多模型预测控制方法，其特征在于，根据设定值和误差幅值进行系统稳态判断，若设定值未变且误差幅值在一定区间，则认为达到稳定状态
。5.
根据权利要求3所述的一种基于孪生模型的智能多模型预测控制方法，其特征在于，闭环辨识器进行多个不同工况的基础模型辨识，记住每次的辨识参数，根据当前工况与各次辨识工况中最接近原则，切换至最新的工况基础模型，其为在相应工况在线闭环辨识出的基础模型；基础预测控制切至智能预测控制进行优化控制，如果工况再次变化，控制性能再次变差，重复前述的激励和建模过程，生成对应工况的孪生模型；根据工况复杂情况，设立相应次数的孪生模型辨识
、
仿真与控制，当超过规定次数生成孪生模型后，则认为完成了全工况的建模
。6.
根据权利要求5所述的一种基于孪生模型的智能多...

【专利技术属性】
技术研发人员：李泉，尹峰，张江丰，孙坚栋，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：