基于神经网络的蓄热式区域冷却系统实时优化控制论文阅读分享

最新推荐文章于 2024-09-27 20:57:01 发布

I_GOT_CODE

最新推荐文章于 2024-09-27 20:57:01 发布

阅读量294

点赞数 1

文章标签：神经网络论文阅读 matlab 能源

本文链接：https://blog.csdn.net/qq_62072987/article/details/128789451

版权

本文介绍了一种结合神经网络（NN）模型预测控制（MPC）策略和遗传算法（GA）的蓄热式区域冷却系统优化方法。通过实时预测控制，该策略能在分时电价和实时电价下降低运营成本。实验证明，这种方法在8月份可将成本分别降低约16%和13%。未来研究将扩展到多个月份和季节，以进一步优化控制效果。

摘要由CSDN通过智能技术生成

摘要：

当采用分时（TOU）定价或实时定价（RTP）时，热能存储可作为能源系统中的有效组件，以最大限度地节约成本。本研究提出了一种新的方法，该方法可以有效地预测区域冷却系统中热能储存（即冰储存）的性能并确定控制策略。所提出的方法利用基于神经网络（NN）的模型预测控制（MPC）策略与遗传算法（GA）优化器相结合，并检查将NN模型用于蓄冰区域冷却系统的有效性。NN提供了具有给定外部输入的区域冷却系统的相对快速的性能估计。为了模拟所提出的MPC控制器，首先开发并验证了区域冷却系统的基于物理的模型，以作为控制器的虚拟工厂，实时传达系统状态。接下来，在冷却期间开发和训练电厂的神经网络模型，以便在RTP和TOU定价下测试控制策略。由于区域冷却网络的开/关控制，该模型使用遗传算法进行了优化。最后，通过考虑MPC方案中的1小时离散化，集成热负荷预测算法以在理想天气输入和天气预报下进行测试。结果表明，在8月份，最优控制方案可以有效地适应不同的负荷和不同的价格，从而在分时电价和RTP下分别有效地将区域冷却网络的运营成本降低约16%和13%。

参考文献：