申请/专利权人：中国科学院电工研究所

申请日：2024-02-19

公开（公告）日：2024-03-22

公开（公告）号：CN117744894A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0631;G06Q50/06;G06N3/045;G06N3/086;G06N3/091;G06N3/0985;G06F18/214;G06F18/21

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开一种综合能源系统的主动学习代理优化方法，属于系统能源管理和机器学习交叉技术领域，本发明基于数据驱动的集成主动学习和代理优化建模的方法，采用自举抽样法和集群极限学习机模拟运行策略、能源节约率、运行成本和二氧化碳排放之间的非线性关系，通过求解不断更新的代理模型，主动选择最优能源流管理策略。本发明显著提高了能源系统的效率，降低了二氧化碳排放量和运行成本。

主权项：1.一种综合能源系统的主动学习代理优化方法，其特征在于，包括如下步骤：步骤一、确定主动调节综合能源系统的系统运行策略的目标函数，包括最大化能源节约率、最小化运行成本和最小化二氧化碳排放，并确定目标函数的约束条件；步骤二、采用Bootstrap自举抽样法获得训练样本，即系统运行策略和能源节约率、运行成本、二氧化碳排放的样本对，建立集群极限学习机代理模型，模拟真实的综合能源系统的运行行为，预测各种系统运行策略对综合能源系统的能源节约率、运行成本和二氧化碳排放的影响；步骤三、优化开始前，收集初始数据点，所述初始数据点包括内燃机发电量和CeO2流量、综合能源系统的能源节约率、运行成本和二氧化碳排放；步骤四、根据初始数据点构成的初始数据集，采用非支配排序遗传算法获得帕累托前沿近似集；步骤五、选择置信区间上限-超体积改进函数作为采集函数；步骤六、基于已建立的集群极限学习机代理模型，根据当前运行数据进行预测，提高优化效率；利用模式搜索法求解采集函数，确定下一步最佳的系统运行策略并进行评估，以提高综合能源系统的能源节约率，降低运行成本和二氧化碳排放；步骤七、将新确定的综合能源系统的最佳的系统运行策略纳入集群极限学习机代理模型的训练数据集，并更新集群极限学习机代理模型，提高其逼近综合能源系统的运行策略与能源节约率、环境影响和经济收益复杂关系的准确度；循环迭代，直到达到特定的迭代次数或获得一个满意的帕累托前沿解集；步骤八、利用主动学习代理优化方法求解系统运行策略后，根据帕累托前沿解集得出综合能源系统运行的最优策略，然后应用最优策略主动调节实际的综合能源系统，以实现预期目标。

全文数据：

权利要求：

百度查询： 中国科学院电工研究所 一种综合能源系统的主动学习代理优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD