基于仿真优化的建筑能源系统调度方法和调度装置

本发明属于建筑能源系统调度领域，具体涉及基于仿真优化的建筑能源系统的暖通空调调度方法和调度装置。

背景技术：

1、在建筑能源系统调度中，主要目标是在保持驻在人员舒适性的同时最大限度地减少能源成本。一方面，针对系统调度的优化算法可以使能量损失最小化，并有理论优化保证。另一方面，仿真软件能够以较高的精度对系统动态过程进行建模，从而避免了对驻在人员舒适性的破坏。因此，将仿真与优化方法相结合，有望在能源成本和驻在人员舒适性方面获得有效的策略。然而，仿真软件的非解析性阻碍了其与优化算法的集成。将优化与仿真相结合，并同时保持各自的优势，仍然是一个难点。

2、针对这一问题，目前已经有许多学者开展了将仿真与优化相结合的研究，其主要分为两种方法：策略迭代法和值迭代法。策略迭代法一般通过启发式算法直接改进策略，并将仿真软件视为一个黑箱。其通过与仿真软件直接交互，改进策略，降低能耗。但策略迭代法依赖于启发式算法，无法获得理论最优解，且往往需要大量的数据和计算量。

3、值迭代法一般通过仿真输出的数据构建替代模型，并基于替代模型采用优化算法来对问题进行求解。但是，值迭代法必须在替代模型的准确性和复杂性之间取得平衡简洁的替代模型可以与精确的算法一起使用，精确地最小化能源成本，但可能会牺牲一些准确性，导致在实际应用时违反驻在人员舒适性。相反，使用复杂的模型和智能算法，可以保持较高的精度，从而保证满足驻在人员舒适性，但不能充分降低能源成

技术实现思路

1、为了解决上述问题为了解决上述问题，本发明提供了基于仿真优化的建筑能源系统调度方法和调度装置，可以有效地降低建筑系统的能源成本和驻在人员不适。

2、基于仿真优化的建筑能源系统调度方法，包括以下步骤：

3、s1、收集模型相关数据集，基于所述相关数据集建立energyplus仿真模型；

4、s2、基于步骤s1建立的energyplus仿真模型，构造暖通空调优化调度的数学模型；

5、s3、针对步骤s2中的数学模型，利用拉格朗日松弛构建仿真优化方法框架；

6、s4、在步骤s3的仿真优化框架下，采用替代次梯度算法求解暖通空调优化调度的数学模型对应优化问题，得到决策变量；

7、s5、根据决策变量控制暖通空调调度系统。

8、进一步的，步骤s2包括以下步骤：

9、201、构建暖通空调调度的fcu控制模型，通过控制建筑中各区域及各时段不同fcu的工作模式来实现建筑系统的暖通空调调度；

10、s202、确定暖通空调优化调度模型的目标函数，所述目标函数包括暖通空调能耗成本和驻在人员的不适惩罚，以同时实现节约能耗和保证驻在人员舒适度；

11、s203、构建energyplus仿真模型的替代模型；

12、s204、基于s201的fcu控制模型，s202的目标函数以及s203的替代模型，构造暖通空调优化调度的数学模型。

13、进一步的，步骤s202中的目标函数使暖通空调能耗成本和驻在人员的不适惩罚数值之和最小。

14、进一步的，步骤s203中的替代模型为：

15、

16、

17、

18、

19、

20、其中，为在时间步k从fcu供给热区i的显冷量；cp,air和cp,steam分别为室内空气比热和水蒸汽比热；为在时间步k热区i的室内空气湿度，假定为常数；为在时间步k热区i的fcu对水循环系统的冷负荷；和是模型的线性系数，为简便起见，替代模型中的所有系数表示为ω，对应替代模型的可变参数。

21、进一步的，步骤s204中的暖通空调优化调度的数学模型的紧凑形式如下：

22、min j(u,z)

23、s.t.z＝f(u,ω)

24、z＝s

25、

26、

27、其中，f(u,ω)为s203所构建的替代模型的缩写形式，z为替代模型生成的状态变量；为决策变量u的可行域，即fcu模型的相关约束；为基于s1所建立的energyplus仿真模型而直接由energyplus仿真软件生成的状态变量的值域。

28、进一步的，步骤s3中，使用拉格朗日乘子将替代模型输出和在energyplus仿真模型下由仿真软件energyplus直接生成的输出相等的约束松弛，使替代模型近似eneigyplus仿真模型而不相等，降低优化问题求解的难度，所得到的对偶问题如下：

29、l(u，z，s，λ)＝j(u，z)+λt(z-s)

30、

31、s.t.z＝f(u，ω)

32、

33、

34、其中，l(u，z，s，λ)为所得到的对偶问题的拉格朗日函数，λ为拉格朗日函数对应的拉格朗日乘子。

35、进一步的，步骤s4包括以下步骤：

36、s401、初始化替代模型参数及energyplus仿真模型的输出，并赋予拉格朗日乘子初值，然后通过对拉格朗日函数求解，获得初始决策u0以及替代模型初始状态z0；

37、s402、按照下式更新拉格朗日乘子：

38、λl+1＝λl+slgl

39、gl＝zl-sl

40、

41、其中，l为迭代的回合数；λl为第l次迭代时的拉格朗日乘子，gl为第l次迭代时乘子更新的方向；sl为第l次迭代时乘子更新的步长；αl为第l次迭代时的系数，介于0到1之间；为对偶问题的最优解的近似值；ll为第l次迭代时的拉格朗日函数；

42、s403、将第l次迭代的决策ul输入在s1所建立的energyplus仿真模型下，所配置的仿真软件energyplus，从而获取第l+1次迭代的状态sl+1，即：

43、sl+1＝ep(ul)

44、其中，ep(ul)为所配置的仿真软件energyplus在决策ul下输出的状态；

45、s404、基于s403获取的状态sl+1以及当前的决策ul和替代模型参数ω，采用随机梯度下降法更新替代模型参数，即：

46、

47、其中，ωl为第l次迭代的替代模型参数；α为随机梯度下降法对应的学习率；

48、s405、基于s402更新的拉格朗日乘子λl+1，s403获取的状态sl+1以及s404所求的替代模型参数ωl+1，采用gurobi求解优化milp子问题，即：

49、

50、s.t.z＝f(u，ωl+1)

51、其中，通过对子问题的求解，获取第l+1次迭代的决策ul+1和替代模型状态zl+1；

52、s406、变量更新判断：当下式成立时，采纳s405的结果，对决策变量与替代模型参数进行更新，否则仍保持上一次迭代的结果：

53、ll+1＝l(ul+1，zl+1，sl+1，λl+1)≤l(ul，zl，sl，λl+1)

54、s407、当下式成立时，迭代停止，获得所求解：

55、||λl+1-λl||＜ε

56、其中，ε为事先给定的准确度要求。

57、一种基于仿真优化的建筑能源系统调度装置，包括：

58、信息感知分析模块，用于收集模型相关数据集，基于所述相关数据集建立energyplus仿真模型；

59、仿真优化框架计算模块，用于基于s1建立的energyplus仿真模型，构造并求解暖通空调优化调度的数学模型，得到决策变量；

60、执行器，用于根据决策变量控制暖通空调调度系统。

61、进一步的，仿真优化框架计算模块包括：

62、仿真模块101，用于基于建立的energyplus仿真模型，构造暖通空调优化调度的数学模型；

63、替代模型模块102，用于针对所述数学模型，利用拉格朗日松弛构建仿真优化方法框架；

64、ssg模块103，用于在所述仿真优化框架下，采用替代次梯度算法求解暖通空调优化调度的数学模型对应优化问题，得到决策变量。

65、一种电子设备，包括电连接的存储器和处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的方法的步骤。

66、与现有技术相比，本发明至少具有以下有益的技术效果：

67、该方法采用一种基于拉格朗日松弛(lr)的方法来弥合仿真和优化之间的差距，并建立线性替代模型来近似仿真，便于优化算法求解。此外，利用拉格朗日乘子放宽代理模型和仿真，可将仿真计算和优化计算分离开来，并采用随机梯度下降法(sgd)，在每次迭代中使用仿真结果更新替代模型，使得替代模型在局部达到接近仿真的精度。最后，采用替代次梯度(ssg)方法对乘子进行更新，可以得到原问题的至少一个下界解，保证松弛项的收敛性，同时解值不断提高以逼近最优解，从而获取近似最优的运行策略，实现在节约能耗的同时保证用户的舒适度。