一种综合能源系统的主动学习代理优化方法

本发明属于系统能源管理和机器学习交叉，具体涉及一种综合能源系统的主动学习代理优化方法。

背景技术：

1、高比例的可再生能源系统有助于实现气候目标、改善环境、促进经济增长和加强能源安全。遗憾的是，可再生能源如太阳能和风能不稳定，会随着天气变化而波动。将太阳能转化为燃料提供了一种储存能源的方法，为应对天气条件的不稳定性提供了一种解决方案。由于直接利用高温太阳能而无需其他能源转换，在理想条件下，太阳能驱动二氧化铈（ceo2）热化学循环制备氢气和天然气的能量转换效率可能高于其他燃料制备技术。

2、太阳能热化学燃料制备可用于供暖、发电、制冷和燃料电池汽车等多个领域。通过将其融入高比例的可再生能源系统，可满足各行各业的能源需求，确保能源资源的多元化利用。在实际应用中，为了提高系统的能源利用率、环境效益和经济效益，有必要协调系统中的各种能源，制定能源流的优化调度策略，确保系统稳定高效运行。

3、多目标优化方法常用于解决系统运行策略问题。能源系统经常受到重大不确定因素的影响，包括供需波动、多变的天气条件和不可预测的市场价格。然而，传统的多目标优化方法往往无法考虑这些不确定性及其对系统运行的影响。

4、大量研究集中于减少可再生能源波动和用户负荷变化的影响，以维持系统的稳定运行。要保持稳定高效的系统运行，迫切需要应用先进的控制算法和技术。这些算法和技术对于监测和调整能源系统的运行策略、使其能够适应负荷和能源供应的变化至关重要。

技术实现思路

1、为了减少计算时间和成本，本发明提出一种综合能源系统的主动学习代理优化方法，其为一种数据驱动的主动学习代理优化方法，用于确定能源调度策略以抵消负荷波动和能源供应不确定性对能源效率、经济收益和环境指标的影响。代理模型可以预测系统在不同运行策略下的性能，而主动学习则有助于有效地探索策略空间，找到最有效的策略。本发明涉及的综合能源系统整合了各种形式的能源，提供了一个更加灵活、可靠和高效的能源转换解决方案，以满足用户对电力、供暖、制冷、氢气和天然气等多种能源的需求。在综合能源系统中，本发明有助于优化储能管理、可再生能源整合和需求响应策略。

2、为达到上述目的，本发明采用的技术方案如下：

3、一种综合能源系统的主动学习代理优化方法，包括如下步骤：

4、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；

5、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；

6、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；

7、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；

8、步骤五、选择置信区间上限-超体积改进函数作为采集函数；

9、步骤六、基于已建立的集群极限学习机代理模型，根据当前运行数据并进行预测，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；

10、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系统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；

11、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。

12、与传统的多目标优化方法相比，本发明提出利用代理优化方法对能源系统进行主动调控，在确定最佳运行策略方面具有多项优势，本发明的有益效果为：

13、（1）集群极限学习机能够快速适应运行数据中的复杂模式，因此在能源系统调度方面具有很高的效率。

14、（2）集群方法结合了多个极限学习机模型，有助于减少预测误差，提高整体准确性，对于在能源系统管理中做出可靠的决策至关重要。

15、（3）贝叶斯优化方法能有效地搜索解空间，主动找到最优的能源调度策略。这对能源系统的多目标设置尤为有利，因为传统方法可能需要大量计算来探索运行策略空间。

16、（4）集群极限学习机与贝叶斯优化相结合，可在各种工况条件下提供稳健的能量调度方案，对能源系统的动态运行至关重要。

17、（5）本发明可根据系统运行数据和反馈进行调整，以适应能源系统运行条件的变化，从而增强其适应性。

18、（6）代理辅助优化能够最大限度地提高能源系统的运行效率和资源利用率，从而实现更有效和可持续的管理。

19、综上所述，本发明为集成太阳能热化学燃料制备技术的综合能源系统的发展提供了坚实的理论基础和实际应用的有价值见解。

技术特征：

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：

2.根据权利要求1所述的一种综合能源系统的主动学习代理优化方法，其特征在于，所述步骤一包括：

3.根据权利要求2所述的一种综合能源系统的主动学习代理优化方法，其特征在于，所述步骤一中，综合能源系统的系统运行策略的目标函数的约束条件为电能守恒、热能和冷量守恒、天然气和氢气守恒、内燃机发电和ceo2流量的盒子约束。

4.根据权利要求3所述的一种综合能源系统的主动学习代理优化方法，其特征在于，所述步骤二包括：

5.根据权利要求4所述的一种综合能源系统的主动学习代理优化方法，其特征在于，所述步骤五包括：

6.根据权利要求5所述的一种综合能源系统的主动学习代理优化方法，其特征在于，集群极限学习机代理模型通过以下方式建立：

7.根据权利要求6所述的一种综合能源系统的主动学习代理优化方法，其特征在于，置信区间上限-超体积改进函数使用预测平均值和方差确定综合能源系统的下一步的系统运行策略。

技术总结
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。

技术研发人员：任婷,李鑫,殷昊阳
受保护的技术使用者：中国科学院电工研究所
技术研发日：
技术公布日：2024/3/24