[发明专利]一种联合优化与学习的含氢建筑能源系统运行控制方法

说明书

本发明公开了建筑能源系统运行控制领域的一种联合优化与学习的含氢建筑能源系统运行控制方法，包括：建立含氢建筑能源系统的期望运行成本最小化问题模型，并转化为多个单时隙最优化子问题模型；将单时隙最优化子问题模型分解为上层子问题模型和下层子问题模型；对上层子问题模型采用凸优化方法进行求解，并根据上层子问题的求解结果计算得到燃料电池产热量；将燃料电池产热量作为下层子问题模型的输入状态；对下层子问题模型进行求解，得到热能子系统的最优控制策略；实现对含氢建筑能源系统的运行进行实时控制；本发明利用基于模型的凸优化方法和基于无模型的学习方法的双重优势，实现高热舒适性下的运行成本最小化。

技术领域

本发明属于建筑能源系统运行控制领域，具体涉及含氢建筑能源系统运行控制方法。

背景技术

建筑在全世界能源消耗和碳排放总量中占有很大的比重。在2019年，全球建筑消耗的能源占全球能源总量约30％，产生的碳排放占全球碳排放总量约28％。目前全球能源供给主要依赖化石燃料等不可再生能源，导致能源枯竭问题和环境污染问题日益严重。近年来，氢能因其具有清洁、可再生、来源广泛、储运方便、利用率高等优点受到了广泛关注，被公认为一种很有前景的化石燃料替代品。此外，氢能存储系统与其他储能系统(如热能存储系统、电能存储系统)的协调运行有助于提升建筑能量效率。因此，含氢建筑能源系统的运行控制值得深入研究。

现有研究提出了若干含氢建筑能源系统的运行控制方法，如随机规划、模型预测控制等。这些方法的目标是最小化系统运行成本(主要包括能量成本和碳排放成本等)。尽管现有研究取得了一定的进展，但均未考虑建筑热动态性，这意味着高建筑热惯性(即建筑室内温度由于初始激励(如突然停止加热)呈现弱化和延迟反应的现象)并未被充分利用以降低系统运行成本。

当将建筑热动态性考虑在含氢建筑能源系统中时，系统运行优化控制面临四个方面的挑战：(1)存在大量不确定性系统参数；(2)存在大量时间和空间耦合运行约束；(3)氢能存储系统中燃料电池同时产生电和热导致电能流和热能流之间存在耦合；(4)很难建立既准确又易于建筑控制的明确建筑热动态性模型。具体而言，单智能体深度强化学习的动作空间维度将随着热区域数量增大而急剧增加；多智能体深度强化学习由于面临的是异构智能体之间的协同，在智能体数量增加时，其有效学习面临困难。

发明内容

本发明的目的在于提供一种联合优化与学习的含氢建筑能源系统运行控制方法，利用基于模型的凸优化方法和基于无模型的学习方法的双重优势，实现高热舒适性下的运行成本最小化。

为达到上述目的，本发明所采用的技术方案是：

本发明第一方面提供了一种联合优化与学习的含氢建筑能源系统运行控制方法，包括：

根据含氢建筑能源系统的运行约束条件和参数不确定性，建立含氢建筑能源系统的期望运行成本最小化问题模型；利用李雅普诺夫最优化框架将期望运行成本最小化问题转化为多个单时隙最优化子问题模型；

将单时隙最优化子问题模型分解为与电-氢子系统对应的上层子问题模型以及与热能子系统对应的下层子问题模型；

对上层子问题模型采用凸优化方法进行求解，并根据上层子问题的求解结果计算得到燃料电池产热量；

将燃料电池产热量作为下层子问题模型的输入状态；基于马尔科夫博弈框架对下层子问题模型进行重新建模，并采用多智能体注意力深度确定性策略梯度算法进行求解，得到热能子系统的最优控制策略；

根据上层子问题模型的凸优化求解方法和热能子系统最优控制策略对含氢建筑能源系统的运行进行实时控制。

优选的，含氢建筑能源系统期望运行成本最小化问题模型，表达公式为：

s.t.电能子系统的运行约束、氢能子系统的运行约束和热能子系统的运行约束；