申请/专利权人：淮阴工学院

申请日：2023-08-30

公开（公告）日：2024-06-28

公开（公告）号：CN116954086B

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明公开了一种抽水蓄能机组调节系统智能预测控制方法及装置，所述方法包括以下内容：首先，获取抽水蓄能机组调节系统运行数据，其次，建立时域卷积‑双向长短期神经网络TCN‑BiLSTM对系统未来状态趋势进行迭代预测，并作为深度智能预测控制DeepMPC的预测模型；然后，通过梯度下降算法实时优化模型和实际过程输出的误差在线实时调整TCN‑BiLSTM预测模型的参数，使其与被控对象保持一致；最后，采用改进的人工鱼群算法设计非线性预测控制器，加速预测控制律的求解。本发明能够满足不同工况下的抽水蓄能调节系统非线性预测控制，从而提高抽水蓄能机组抑制转速和功率波动的调控能力。

主权项：1.一种抽水蓄能机组调节系统智能预测控制方法，其特征在于，包括以下步骤：1收集抽水蓄能机组调节系统运行数据，并对数据进行预处理；2构建时域卷积-双向长短期神经网络TCN-BiLSTM，采用过去的抽水蓄能机组状态和控制输入对系统未来状态趋势进行迭代预测；3构建深度智能预测控制模型DeepMPC，所述DeepMPC包括数据输入模块、预测模型TCN-BiLSTM、滚动优化模块和反馈校正模块；TCN-BiLSTM对步骤1的运行数据进行离线预测；4通过自适应梯度下降算法实时优化TCN-BiLSTM的参数，确保预测对象是对应工况下的抽水蓄能调节系统；5利用改进的人工鱼群算法实时求解滚动优化模块中的最优控制律，并将最优控制律的第一个控制量U*k作用于当前工况下的抽蓄机组调节系统；步骤2所述采用过去的抽水蓄能机组状态和控制输入对系统未来状态趋势进行迭代预测实现过程如下：抽水蓄能机组调节系统，其非线性动态特性用以下形式表达： 将前k个时刻的抽水蓄能机组调节系统的输入和输出作为TCN-BiLSTM的输入：X＝{Uk,Uk-1,…,Uk-l+1,Yk,Yk-1,…,Yk-s+1}2预测第k+1时刻抽水蓄能调节系统的输出：Y＝{Yk+1}3式中，Yk＝{y1k,y2k,…,ynk}为n维抽水蓄能调节系统输出，Uk＝{u1k,u2k,…,umk}为m维抽水蓄能调节系统输入，fi为非线性映射函数，l∈Z和s∈Z为系统某一阶次，k表示当前时刻；步骤3所述预测模型TCN-BiLSTM，包括输入层、时域卷积网络层、双向短期记忆网络预测层；所述输入层对数据进行归一化和滑动窗口处理；所述时域卷积网络层对于序列中的元素s的空洞卷积运算F被定义为： 式中，x是输入值，d是膨胀因子d＝O2i；k是卷积核大小；s-d·i表示从s时刻向过去平移d·i时刻；在时域卷积网络层引入残差连接使网络深度很深的情况下依旧稳定，其残差模块由网络Γ和输入x组成：o＝Γx-x5所述时域卷积网络层的输出向量作为BiLSTM的输入；所述双向长短期记忆网络预测层由正向和反向LSTM叠加而成： it＝σWt·[ht-1,xt]+bi7ft＝σWf·[ht-1·xt]+bf8 ot＝σW0·[ht-1,xt]+b010 其中，ft表示遗忘门；it表示输入门；ot表示输出门；xt表示当前时刻的输入信息；ht-1和ht分别表示上一时刻和当前时刻的细胞输出值；ct-1和ct分别表示上一时刻和当前时刻的记忆单元；σ表示sigmoid激活函数；W和b分别代表权重矩阵和偏置项；正向和反向LSTM网络分别对正向输入和逆向输入的值进行计算，得到隐藏层状态输出，将正向和反向的隐藏层状态输出的向量进行拼接得到BiLSTM网络层的最终输出： 其中，H为BiLSTM网络层的最终输出；为正向的隐藏层状态输出；为反向的隐藏层状态输出；所述步骤5实现过程如下：引入Gauss混沌映射，设优化的第k个控制分量为uk，则uk+1的计算方式为： 其中，mod为求余函数，[]代表取整；在“觅食行为”中引入“对数惯性权重”策略：迭代前期，惯性权重提高鱼群全局搜索能力，使鱼群个体能够更快地搜寻到最优个体；迭代后期，惯性权重增大，使算法在后期局部开发过程中更容易跳出局部极值，从而寻找到最优值：w＝tMax-iter×lgwmaxlgwmin-lgwmax20Xt+1＝Xt+w*rand21式中，t为当前迭代次数；Max-iter为最大迭代次数；wmax表示惯性权重最大值，wmin表示惯性权重最小值；权重将随着迭代次数增加而增加；rand函数产生0～1的随机数；Xt为第t次迭代的一组最优预测控制律,Xt＝{U*k,U*k+1,…,U*k+M-1}；在DeepMPC的每个采样周期中，TCN-BiLSTM使用种群中一条鱼的位置生成控制序列迭代计算状态和输出；以输出预测误差和控制量加权的二次型性能指标最小为目标计算出每条鱼的适应度，记录下最优人工鱼状态，即最优控制序列。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种抽水蓄能机组调节系统智能预测控制方法及装置

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