【技术实现步骤摘要】
基于多优先级约束放松的混合优化算法
[0001]本专利技术涉及计算机辅助设计
，特别涉及基于多优先级约束放松的混合优化算法。
技术介绍
[0002]基于模型的约束优化方法已成为各领域智能决策，提高效益的核心技术。在化工、电力、金融等领域广泛存在一类广义系统，这类系统运行过程中存在决定经济效益的关键变量，即输出变量，如化工系统中有限周期内的产率和单位能耗/物耗变量。
[0003]在现有技术中，通常通过计算机技术和优化算法，确定系统中可操纵变量，即输入变量，如装置中温度、压力等工况条件的设定值，从而影响关键变量的演化过程并使其满足经济效益和系统约束的需求。
[0004]然而，由于关键变量、操纵变量间存在动态因果关系，现有多数优化算法通过求解优化问题实现系统运行优化；优化问题中包含了描述变量间因果关系的预测模型、描述系统效益，即定义在关键变量上的优化目标、系统演化过程所需满足的实际物理约束、和为保证优化性能的算法约束。
[0005]尽管现有策略已为所述系统的优化提供了基本思路，其在执行时仍具有诸多限制，主要表现在实际系统存在复杂的物理约束和算法约束时，优化算法在线实施过程出现约束集为空集，算法不可行的问题，进而导致系统性能退化。
[0006]因此，如何实现含复杂约束系统具有可行性保证的在线实时优化，最小化约束放松对系统性能影响成为本领域技术人员急需解决的技术问题。
技术实现思路
[0007]有鉴于现有技术的上述缺陷，本专利技术提供基于多优先级约束放松的混合优化算法，结合
【技术保护点】
【技术特征摘要】
1.基于多优先级约束放松的混合优化算法；其特征在于，包括如下步骤：步骤1、动态因果关系数学描述；在数据集中选取与系统的效益和物理约束条件相关的n
v
个输入变量组成输入向量v
t
，n
s
个输出变量组成输出向量s
t
，及n
z
个中间变量组成状态向量z
t
；利用机器学习方法、机理建模或者参数辨识方法获得所述系统的状态方程模型z
t+1
＝Az
t
+Bv
t
，s
t
＝Cz
t
；其中，为非负整数集合；为n维实数列向量空间；为n行m列实数矩阵空间；I
n
为n行n列单位矩阵，满足0
n
为n行n列零矩阵，满足t为采样时刻，满足v
t
为t时刻可操纵的n
v
维输入变量取值，满足s
t
为t时刻决定效益的n
s
维输出变量取值，满足z
t
为t时刻n
z
维状态变量取值，满足A为状态转移矩阵，满足B为输入矩阵，满足C为输出矩阵，满足根据所述状态方程模型，引入与输出向量具有相同维数的增广变量d
t
，得到增广线性模型如下：其中，d
t
为t时刻n
z
维增广变量取值，满足B
d
为增广输入矩阵，满足C
d
为增广输出矩阵，满足且所述增广线性模型的可观测条件为矩阵满秩；步骤2、系统效益数学描述；根据经济指标l
e
(s
t
,v
t
)，设定最优或次优的期望稳态点(s
*
,v
*
)，使得指标l
e
(s
*
,v
*
)的取值尽可能大；当输入变量设定值恒为v
*
时，输出变量维持在最优点s
*
以保证在某段时间内累积效益最优，即性能指标累积值的取值尽可能大；
步骤3、所述系统的硬约束；所述硬约束具体如下：L
v
≤v
t
≤H
v
，L
dv
≤Δv
t
≤H
dv
，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，Δv
t
:＝v
t
‑
v
t
‑1，表示输入向量在相邻采样间隔内的增量；是输入变量v
t
的约束限制；是输入向量增量的约束限制；是输出向量的约束限制；对于不存在硬约束的变量，向量H
v
,L
v
中对应行设定为足够大(或小)的常数；步骤4、所述系统的软约束；所述软约束包括两类；第一类所述软约束为关于期望输出稳态点s
*
的等式约束形式，第二类所述软约束为关于受限制状态变量的不等式约束形式；第一类所述软约束对应步骤2中所设定的期望稳态点(s
*
,v
*
),按照输出向量s
t
中n
s
个变量的重要程度，设定第1优先级至第p
eq
优先级；其中p
eq
＝n
s
，优先级序号越小，重要程度越高，且步骤3中硬约束的优先级为0，具体如下：R
p
s
t+N
＝R
p
(s
*
+δ
p,t
)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，p∈[1,p
eq
]且p为整数是优先级索引；R
p
＝[0...0 1 0...0]是n
s
维行向量，仅在第p优先级约束相关列为1，其余列为0；R
p
s
t+N
表示输出向量s
t+N
中应满足第p优先级约束的变量；δ
p,t
是n
s
维松弛向量，该变量是算法中的待优化变量；t+N中N为算法的预测时域；表示在t时刻的算法执行中，该约束仅对所预测的未来第t+N时刻输出向量起作用，通过算法随时间的滚动和迭代，最终使系统输出转移至期望的稳态点(s
*
,v
*
)邻域；第二类所述软约束为对应状态向量z
t
中共有p
in
个变量受所述限制，按重要程度设定为第p
eq
+1至第p
eq
+p
in
优先级；其中0≤p
in
≤n
z
，优先级序号越小，重要程度越高，具体如下：S
p
z
t
≤E
p
(h+ε
p,t
),
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，p∈[p
eq
+1,p
eq
+p
in
]是优先级索引；S
p
＝[0...0 1 0...0]是n
z
维行向量，仅在第p优先级约束相关列为1，其余列为0；S
p
z
t
表示状态量z
t
中应满足第p优先级约束的变量；是p
in
维向量，该向量中的元素h
p
表示第p优先级约束上界；ε
p,t
是p
in
维松弛向量，该变量是算法中的待优化变量；E
p
＝[0...0 1 0...0]是p
in
维行向量，仅在第p优先级约束相关列为1；步骤5、混合优化算法的状态观测阶段；在线执行时...
【专利技术属性】
技术研发人员：邬晶，龙承念，董弋荻，叶军，聂明，王强杰，邓宇，孙雷，肖礼，高杨杨，
申请(专利权)人：上海交通大学，
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。