[发明专利]用于对技术系统、尤其是燃气轮机进行计算机辅助的调节和/或控制的方法

说明书

技术领域

本发明涉及一种用于对技术系统、尤其是燃气轮机进行计算机辅助的调节和/或控制的方法以及一种相应的计算机程序产品。 

背景技术

在控制复杂的技术系统时通常所期望的是，对要在该技术系统处执行的改变进行选择，使得获得该技术系统的所期望的有利的动态行为。但是，在复杂技术系统中通常不能容易地预测该动态行为，从而需要相应的计算机辅助的预测方法，以便估计该技术系统的未来行为并与之相应地选择合适的动作来调节或控制该技术系统。 

通常，技术系统的状态不能容易地被测量，并由于系统行为的随机成分而只能从统计上加以描述。因此，在调节这样的技术系统时，通常不存在用于进行相应的调节的额定值或指令量，以及也不存在相应的目标量，在这些目标量的映射上能够训练相应的仿真模型(比如神经网络)。因为复杂技术系统的不同测量量与调节量之间的可能的相关性通常是不清楚的，所以只能困难地或通过对该技术系统的动态行为进行极长时间的观察来为该系统开发最佳的自动调节。 

由现有技术公知了用于调节或控制并且用于优化技术系统的工作点的不同的方法。这些方法要么使用用于描述该技术系统的分析模型，要么基于该技术系统的过去的测量数据或基于以关于该系统的知识为基础的对该技术系统的建模，其中该建模例如借助于贝叶斯网络(Bayes-Netz)或模糊神经网络(Neuro-Fuzzy-Netzen)来实现。 

所述公知的用于调节或控制技术系统的方法所具有的缺点是，所述方法为了对技术系统进行建模通常需要大量的测量数据，且事先也不清楚所述方法是否适于该被专门使用的技术系统。 

文献EP 1016981A1示出一种用于学习代理(Agent)的装置，其中利用多种基于强化学习的学习模块来学习要在技术系统处执行的动作。根据所确定的预测误差，各个学习模块的动作被相应地加权并彼此组合。 

从文献US 5485545A中公知了一种用于控制技术系统的方法，在该方法中基于递归神经网络对控制进行学习。对供电系统的电压的控制作为应用情况被说明。 

发明内容

因此，本发明的任务是：提供一种用于对技术系统进行计算机辅助的调节和/或控制的方法，该方法使得能够根据少量的测量数据对该技术系统进行有效且准确的调节或控制。 

该任务通过独立权利要求来解决。本发明的改进方案在从属权利要求中被限定。 

在本发明方法中，在步骤a)中，基于该技术系统的所测量的、在时间上彼此相继的状态来建立该技术系统的仿真模型。紧接着，在步骤b)中，将多种学习方法和/或优化方法应用于所建立的仿真模型，其中所述学习方法和/或优化方法分别提供所学习的参数以及状态与分配给所述状态的动作的序列作为结果，且分配给状态的动作导致状态与动作序列中的新的状态。最后，在步骤c)中，根据所述多种学习方法和/或优化方法的结果，按照预先给定的标准从所述多种学习方法和/或优化方法中选出一种学习方法和/或优化方法，其中根据这些预先给定的标准，所选出的方法适于调节和/或控制该技术系统。在此，在步骤c)中学习方法和/或优化方法的选出根据评价来进行，该评价由该仿真模型输出和/或依赖于相应的学习方法或优化方法的结果。最后，在步骤d)中利用所选出的学习方法和/或优化方法来调节和/或控制该技术系统，其中所述调节和/或控制根据该技术系统的状态来说明随后要在该技术系统处执行的动作。 

利用本发明方法，根据少量测量数据就已经能够建立仿真模型，然后利用该仿真模型确定哪种学习方法或优化方法特别适于控制或调节该系统。因此，所述学习方法和/或优化方法不是直接在实际的技术系统处、而是事先在仿真模型处被选出和学习。以这种方式来保证在对该实际的技术系统进行实际调节或控制以前提取出特别适合的学习方法。因此，在对该技术系统进行实际的通常花费非常高的调节或控制时避免错误。在此，该方法非常灵活，并且尤其是能够以简单的方式通过在该方法的步骤b)中所考虑的新颖的学习方法或优化方法来补充。发明人也能够通过相应的实验来证明该方法非常好地适于调节或 控制燃气轮机。