用于計算機輔助地控制和/或調(diào)節(jié)技術(shù)系統(tǒng)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及用于計算機輔助地控制和/或調(diào)節(jié)技術(shù)系統(tǒng)、尤其能量產(chǎn)生裝置的方 法。
【背景技術(shù)】
[0002] 在控制或調(diào)節(jié)技術(shù)系統(tǒng)時，經(jīng)常值得期望的是，通過執(zhí)行相應(yīng)的行動這樣地影響 技術(shù)系統(tǒng)的運行，使得技術(shù)系統(tǒng)的行為關(guān)于特定的準則被優(yōu)化。例如在運行燃氣輪機時有 意義的是，減少通過渦輪機產(chǎn)生的廢氣排放或者保持燃氣輪機的燃燒室的燃燒動力學(xué)(也 稱作燃燒室蜂鳴聲(Brennkammerbrummen))盡可能小。在此例如可能影響關(guān)于將氣體和空 氣輸送到燃氣輪機的燃燒室的參數(shù)。
[0003] 由現(xiàn)有技術(shù)已知計算機輔助的方法，利用所述方法確定行動選擇規(guī)則，據(jù)此對于 技術(shù)系統(tǒng)的相應(yīng)的相繼狀態(tài)確定行動，其中所述狀態(tài)通過系統(tǒng)的適當(dāng)?shù)臓顟B(tài)變量來表征， 所述行動鑒于優(yōu)化準則、諸如上面提及的低有害物質(zhì)排放或者低燃燒室蜂鳴聲是最優(yōu)的。 在文獻[1]和[2]中描述基于利用由已知狀態(tài)和行動組成的訓(xùn)練數(shù)據(jù)學(xué)習(xí)遞歸神經(jīng)網(wǎng)絡(luò)來 確定行動選擇規(guī)則。按照行動選擇規(guī)則，對于技術(shù)系統(tǒng)的當(dāng)前的狀態(tài)在考慮以前的狀態(tài)的 情況下根據(jù)優(yōu)化準則輸出行動序列。
[0004] 用于借助于遞歸神經(jīng)網(wǎng)絡(luò)確定行動選擇規(guī)則的已知的方法具有以下缺點：在學(xué)習(xí) 遞歸神經(jīng)網(wǎng)絡(luò)時，質(zhì)量標準形式的優(yōu)化準則一起注入(e i nf 1 i efien )。因此在技術(shù)系統(tǒng)的實 際運行中不能容易地對變化的優(yōu)化準則作出反應(yīng)，因為為此所述神經(jīng)網(wǎng)絡(luò)必須完全重新被 學(xué)習(xí)。

【發(fā)明內(nèi)容】

[0005] 因此本發(fā)明的任務(wù)是，實現(xiàn)用于計算機輔助地控制和/或調(diào)節(jié)技術(shù)系統(tǒng)的方法，所 述方法以簡單的方式確定按照優(yōu)化準則在技術(shù)系統(tǒng)處要執(zhí)行的行動。
[0006] 所述任務(wù)通過獨立專利權(quán)利要求解決。本發(fā)明的改進方案在從屬專利權(quán)利要求中 定義。
[0007] 按照本發(fā)明的方法用于計算機輔助地控制和/或調(diào)節(jié)技術(shù)系統(tǒng)。所述技術(shù)系統(tǒng)尤 其是能量產(chǎn)生裝置并且在一種特別優(yōu)選的實施方式中是燃氣渦輪，如此外在下面進一步描 述的。然而必要時，所述技術(shù)系統(tǒng)也可以是再生能量產(chǎn)生裝置形式、諸如風(fēng)力渦輪機的能量 產(chǎn)生裝置。技術(shù)系統(tǒng)的動態(tài)行為在按照本發(fā)明的方法中對于多個時間點分別地通過技術(shù)系 統(tǒng)的狀態(tài)和在該狀態(tài)下在技術(shù)系統(tǒng)處執(zhí)行的行動來表征，其中在各自時間點的各自行動通 向在下一時間點技術(shù)系統(tǒng)的新的狀態(tài)。行動序列在此表示一個或多個相繼地按時間順序在 技術(shù)系統(tǒng)處要執(zhí)行的行動。技術(shù)系統(tǒng)的狀態(tài)包括一個和優(yōu)選多個狀態(tài)變量，所述狀態(tài)變量 是技術(shù)系統(tǒng)的運行狀態(tài)或者影響技術(shù)系統(tǒng)的運行的參量。與此相對地，行動是一個或多個 行動變量的變化，其中所述行動變量必要時也可以是狀態(tài)變量，所述狀態(tài)變量可以在調(diào)節(jié) 或者控制技術(shù)系統(tǒng)的范圍中被改變。
[0008] 在按照本發(fā)明的方法中，可以為每個行動序列基于技術(shù)系統(tǒng)的、由執(zhí)行行動序列 的行動得出的狀態(tài)計算關(guān)于用于運行技術(shù)系統(tǒng)的優(yōu)化準則的質(zhì)量標準，其中所述質(zhì)量標準 越高，優(yōu)化準則越好地被滿足。優(yōu)化準則的概念在此可以被廣泛地理解，并且所述準則必要 時可以包括多個子準則或者分準則。
[0009] 按照本發(fā)明方法的步驟或者特征a)，提供技術(shù)系統(tǒng)的模擬模型，利用所述模擬模 型可以為各自的行動序列預(yù)測技術(shù)系統(tǒng)的由此得出的狀態(tài)。這樣的模擬模型自身由現(xiàn)有技 術(shù)是已知的。所述模擬模型可以例如是數(shù)據(jù)驅(qū)動式模型，所述模型基于技術(shù)系統(tǒng)運行的事 先確定的數(shù)據(jù)，或者利用所述數(shù)據(jù)學(xué)習(xí)。同樣地，所述模擬模型可以是技術(shù)系統(tǒng)的分析模型 和/或物理模型。
[0010] 在一種特別優(yōu)選的實施方式中，神經(jīng)網(wǎng)絡(luò)、尤其遞歸神經(jīng)網(wǎng)絡(luò)形式的數(shù)據(jù)驅(qū)動式 模型被用作模擬模型。所述神經(jīng)網(wǎng)絡(luò)在此基于已知的行動序列的訓(xùn)練數(shù)據(jù)利用技術(shù)系統(tǒng)的 已知的由此得出的狀態(tài)學(xué)習(xí)。在一種特殊實施方式中，在出版物[3 ]中描述的神經(jīng)網(wǎng)絡(luò)被使 用用于在按照本發(fā)明的方法的范圍中對技術(shù)系統(tǒng)的動態(tài)的行為進行建模。代替神經(jīng)網(wǎng)絡(luò)， 所述數(shù)據(jù)驅(qū)動式模型必要時也可以基于高斯過程和/或基于回歸樹和/或基于支持向量回 歸（Support Vector Regression)。
[0011] 在按照本發(fā)明的方法的步驟b)中，在來自相繼的預(yù)先給定的時間點序列的各自的 預(yù)先給定的時間點，借助于數(shù)字優(yōu)化方法確定具有盡可能高的質(zhì)量標準的行動序列，其中 所述優(yōu)化方法使用提供的模擬模型，以便為在數(shù)字優(yōu)化方法的范圍中產(chǎn)生的行動序列預(yù)測 技術(shù)系統(tǒng)的由此得出的狀態(tài)，并且接著利用所述預(yù)測的狀態(tài)確定所產(chǎn)生的行動序列的質(zhì)量 標準。所有在數(shù)字優(yōu)化方法范圍中處理的或者生成的行動序列并且不僅僅由數(shù)字優(yōu)化方法 確定的和最終輸出的行動序列屬于產(chǎn)生的行動序列概念。不同于其它方法，數(shù)字優(yōu)化方法 不需要事先執(zhí)行的學(xué)習(xí)步驟。
[0012] 在一種特別優(yōu)選的實施方式中，將非凸啟發(fā)式優(yōu)化方法和/或無梯度隨機搜索方 法用作數(shù)字優(yōu)化方法。特別優(yōu)選地，所述數(shù)字優(yōu)化方法是粒子群優(yōu)化（英語 ：PartiCle Swarm Optimization(粒子群優(yōu)化））和/或進化算法和/或遺傳算法和/或模擬退火 (Simulated Annealing)。所有這些方法自身由現(xiàn)有技術(shù)已知，并且因此不更詳細地予以描 述。
[0013] 在按照本發(fā)明的方法的步驟c)中，在步驟b)中確定的行動序列的行動的至少一部 分在技術(shù)系統(tǒng)處被執(zhí)行。換句話說，所確定的行動序列的第一行動和必要時還有其它之后 的行動被執(zhí)行。特別地，可以在步驟c)中僅執(zhí)行第一行動，其中直接緊接著步驟b)被重復(fù)用 于確定新的要執(zhí)行的行動。由此實現(xiàn)，所述行動非常好地滿足所使用的優(yōu)化準則。
[0014] 按照本發(fā)明的方法的特點在于，所使用的模擬模型以及數(shù)字優(yōu)化方法事先在學(xué)習(xí) 過程的范圍中均不需要所述質(zhì)量標準，如這例如在借助于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)行動選擇規(guī)則時是 這種情況。因此所述方法可以快速地適配在運行技術(shù)系統(tǒng)期間的變化的條件，其方式是:所 述質(zhì)量標準或者其計算適當(dāng)?shù)乇桓淖?。?yōu)選地在此在調(diào)節(jié)和/或控制技術(shù)系統(tǒng)時，設(shè)置用戶 接口，通過所述用戶接口用戶可以改變質(zhì)量標準。用戶可以因此在線地在運行技術(shù)系統(tǒng)期 間改變質(zhì)量標準。技術(shù)系統(tǒng)的運行為此不必被中斷。用戶可以通過用戶接口通過改變質(zhì)量 標準鑒于運行技術(shù)系統(tǒng)的最佳性而調(diào)整由其期望的重心。在燃氣渦輪形式的技術(shù)系統(tǒng)的情 況下，所述用戶可以例如在渦輪機的壽命消耗和效率之間進行權(quán)衡。在緊急情形下，可能有 意義的是，運行具有提高的壽命消耗的渦輪機，因為電流可以顯著更貴地被出售，并且補償 提尚的耗損。
[0015] 在另一特別優(yōu)選的實施方式中，所述數(shù)字優(yōu)化方法是粒子群優(yōu)化，其粒子分配給 各自的行動序列，所述行動序列在初始化粒子群優(yōu)化時隨機地被確定，并且在粒子群算法 優(yōu)化的范圍中迭代地借助于各自的速度向量被改變，其中各自的速度向量借助于適應(yīng)度函 數(shù)被確定，所述適應(yīng)度函數(shù)對應(yīng)于所述質(zhì)量標準。所述粒子群優(yōu)化可以因此在按照本發(fā)明 的方法中以簡單的方式通過以下方式被實現(xiàn)：即在此所使用的適應(yīng)度函數(shù)與質(zhì)量標準被看 成一樣的。
[0016] 在另一變型方案中，在粒子群優(yōu)化的范圍中在為各自的粒子計算速度向量時，按 照預(yù)先給定的拓撲結(jié)構(gòu)考慮多個相鄰粒子。所述拓撲結(jié)構(gòu)指定在粒子之間的邊，所述粒子 在該意義下對應(yīng)于節(jié)點。在此通過邊與各自的粒子(直接地)連接的所有粒子是各自粒子的 相鄰粒子。通過基于預(yù)先給定的拓撲結(jié)構(gòu)考慮相鄰粒子，借助于粒子群優(yōu)化通常找到更好 的解。
[0017] 在特殊的變型方案中，環(huán)形拓撲結(jié)構(gòu)被用作預(yù)先給定的拓撲結(jié)構(gòu)，其中所述粒子 通過邊這樣連接，使得粒子與邊構(gòu)成環(huán)。因此每個粒子在環(huán)上具有至少兩個相鄰粒子?？蛇x 地，對于各自的粒子可以設(shè)置一個或多個其它的邊，所述邊將各自的粒子與其它粒子連接， 所