本发明专利技术公开了一种工业系统多机组运行优化方法、装置、系统及计算机可读存储介质，该方法包括：采集工业系统中各机组的当前工况信息；从当前工况信息中提取出当前边界条件；依据当前边界条件以及预先建立优化结果数据集，确定出与当前边界条件对应的当前最优运行参数；其中，优化结果数据集包括多个边界条件及各自对应的最优运行参数；本发明专利技术中能够实时根据工艺系统内各机组的实际工况确定出最优运行参数，以便根据该最优运行参数对各机组的运行状况进行调控，有利于实现整体辅助服务效益最大化。最大化。最大化。
【技术实现步骤摘要】
工业系统中多机组运行优化方法、装置、系统及存储介质
[0001]本专利技术涉及工业
，特别是涉及一种工业系统多机组运行优化方法、装置、系统及计算机可读存储介质。
技术介绍
[0002]目前，以动力、化工、航天和环境工程为代表的工业系统是现代社会的重要基础，设法改善、提高其运行性能是进一步提高现有能源利用效率的有效途径，具有重要的经济与社会意义。然而，工业场景下设备/机组通常受外界负荷、大气环境和燃料变化等因素的影响，其实际运行状态时常偏离设计工况，机组未必总能达到最优状态，因此，寻求变工况下实时经济性的最优运行点是工业界的共同关注点。现有技术中针对多设备或多机组间的协同运行，通常采用人工经验控制的方式对机组工况进行调控，难以实现整体辅助服务效益最大化。
[0003]鉴于此，如何提供一种解决上述技术问题的工业系统多机组运行优化方法、装置、系统及计算机可读存储介质成为本领域技术人员需要解决的问题。
技术实现思路
[0004]本专利技术实施例的目的是提供一种工业系统多机组运行优化方法、装置、系统及计算机可读存储介质，在使用过程中有利于实现整体辅助服务效益最大化。
[0005]为解决上述技术问题，本专利技术实施例提供了一种工业系统多机组运行优化方法，包括：
[0006]采集工业系统中各机组的当前工况信息；
[0007]从所述当前工况信息中提取出当前边界条件；
[0008]依据所述当前边界条件以及预先建立优化结果数据集，确定出与所述当前边界条件对应的当前最优运行参数；其中，所述优化结果数据集包括多个边界条件及各自对应的最优运行参数。
[0009]可选的，所述优化结果数据集的建立过程为：
[0010]获取各所述机组的历史工况信息；
[0011]基于各个所述历史工况信息建立优化神经网络模型；
[0012]采用所述优化神经网络模型预设的各个边界条件进行预测，得到与每个所述边界条件各自对应的最优运行参数；
[0013]基于每个所述边界条件及各自对应的最优运行参数建立优化结果数据集。
[0014]可选的，所述基于各个所述历史工况信息建立优化神经网络模型的过程为：
[0015]对每个所述历史工况信息进行清洗处理，得到清洗后的各个稳态历史工况信息；
[0016]对每个所述稳态历史工况信息进行辨识处理，得到每个所述机组的特征参数；
[0017]基于每个所述机组的特征参数对每个所述稳态历史工况信息进行优化处理，得到与每个所述稳态历史工况信息各自对应的优化结果；
[0018]将每个所述优化结果作为数据集训练神经网络，得到优化神经网络模型。
[0019]可选的，所述依据所述当前边界条件以及预先建立优化结果数据集，确定出与所述当前边界条件对应的当前最优运行参数的过程为：
[0020]判断所述优化结果数据集中是否存在与所述当前边界条件对应的目标最优运行参数，若存在，则将所述目标最优运行参数作为所述当前边界条件的当前最优运行参数；若不存在，则从所述优化结果数据集中筛选出与所述当前边界条件相邻的多组目标边界条件及对应的目标最优运行参数；
[0021]对各组所述目标边界条件及对应的目标最优运行参数进行N维线性插值处理，得到与所述当前边界条件对应的当前最优运行参数；其中，所述N为边界条件的维度。
[0022]可选的，当所述优化结果数据集中不存在与所述当前边界条件对应的目标最优运行参数时，还包括：
[0023]根据与所述当前边界条件对应的当前最优运行参数对每组所述目标边界条件对应的目标最优运行参数进行修正，得到与每个所述目标边界条件各自对应的、修正后的最优运行参数；
[0024]采用所述修正后的最优运行参数对所述优化结果数据集中相应的目标边界条件的最优运行参数进行更新存储。
[0025]可选的，所述从所述当前工况信息中提取出当前边界条件的过程为：
[0026]对所述当前工况信息进行清洗处理，得到当前稳态工况信息；
[0027]从所述当前稳态工况信息中提取出当前边界条件。
[0028]可选的，还包括：
[0029]依据当前最优运行参数对各个所述机组的运行参数进行调控。
[0030]本专利技术实施例还提供了一种工业系统多机组运行优化装置，包括：
[0031]采集模块，用于采集工业系统中各机组的当前工况信息；
[0032]提取模块，用于从所述当前工况信息中提取出当前边界条件；
[0033]匹配模块，用于依据所述当前边界条件以及预先建立优化结果数据集，确定出与所述当前边界条件对应的当前最优运行参数；其中，所述优化结果数据集包括多个边界条件及各自对应的最优运行参数。
[0034]本专利技术实施例还提供了一种工业系统多机组运行优化系统，包括：
[0035]存储器，用于存储计算机程序；
[0036]处理器，用于执行所述计算机程序时实现如上述所述工业系统多机组运行优化方法的步骤。
[0037]本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述工业系统多机组运行优化方法的步骤。
[0038]本专利技术实施例提供了一种工业系统多机组运行优化方法、装置、系统及计算机可读存储介质，该方法包括：采集工业系统中各机组的当前工况信息；从当前工况信息中提取出当前边界条件；依据当前边界条件以及预先建立优化结果数据集，确定出与当前边界条件对应的当前最优运行参数；其中，优化结果数据集包括多个边界条件及各自对应的最优运行参数。
[0039]可见，本专利技术中预先建立包括多个边界条件与各自对应的最优运行参数的优化结果数据集，然后在采集到工业系统各机组的当前工况信息后，从当前工况信息中提取出当前边界条件，然后从优化结果数据集中确定出与该当前边界条件对应的当前最优运行参数，本专利技术中能够实时根据工艺系统内各机组的实际工况确定出最优运行参数，以便根据该最优运行参数对各机组的运行状况进行调控，有利于实现整体辅助服务效益最大化。
附图说明
[0040]为了更清楚地说明本专利技术实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本专利技术实施例提供的一种工业系统多机组运行优化方法的流程示意图；
[0042]图2为本专利技术实施例提供的一种优化结果数据集的建立流程示意图；
[0043]图3为本专利技术实施例提供的一种优化神经网络模型的建立过程示意图；
[0044]图4为本专利技术实施例提供的一种工业系统多机组运行优化装置的结构示意图。
具体实施方式
[0045]本专利技术实施例提供了一种工业系统多机组运行优化方法、装置、系统及计算机可读存储介质，在使用过程中有利于实现整体本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工业系统多机组运行优化方法，其特征在于，包括：采集工业系统中各机组的当前工况信息；从所述当前工况信息中提取出当前边界条件；依据所述当前边界条件以及预先建立优化结果数据集，确定出与所述当前边界条件对应的当前最优运行参数；其中，所述优化结果数据集包括多个边界条件及各自对应的最优运行参数。2.根据权利要求1所述的工业系统多机组运行优化方法，其特征在于，所述优化结果数据集的建立过程为：获取各所述机组的历史工况信息；基于各个所述历史工况信息建立优化神经网络模型；采用所述优化神经网络模型预设的各个边界条件进行预测，得到与每个所述边界条件各自对应的最优运行参数；基于每个所述边界条件及各自对应的最优运行参数建立优化结果数据集。3.根据权利要求2所述的工业系统多机组运行优化方法，其特征在于，所述基于各个所述历史工况信息建立优化神经网络模型的过程为：对每个所述历史工况信息进行清洗处理，得到清洗后的各个稳态历史工况信息；对每个所述稳态历史工况信息进行辨识处理，得到每个所述机组的特征参数；基于每个所述机组的特征参数对每个所述稳态历史工况信息进行优化处理，得到与每个所述稳态历史工况信息各自对应的优化结果；将每个所述优化结果作为数据集训练神经网络，得到优化神经网络模型。4.根据权利要求2或3所述的工业系统多机组运行优化方法，其特征在于，所述依据所述当前边界条件以及预先建立优化结果数据集，确定出与所述当前边界条件对应的当前最优运行参数的过程为：判断所述优化结果数据集中是否存在与所述当前边界条件对应的目标最优运行参数，若存在，则将所述目标最优运行参数作为所述当前边界条件的当前最优运行参数；若不存在，则从所述优化结果数据集中筛选出与所述当前边界条件相邻的多组目标边界条件及对应的目标最优运行参数；对各组所述目标边界条件及对应的目标最优运行参数进行N...
【专利技术属性】
技术研发人员：陈曦，王超，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。