CN102707622B - 用于优化的图形语言和使用 - Google Patents

Abstract

提供一种用于优化的图形语言和使用。提供了用于以图形方式建模、显示以及与用来优化和控制工业工厂和企业的参数混合模型交互的新型技术。特别地，用于控制工厂或企业的控制/优化系统的图形建模工具被配置为将图形用户接口发送到用户，其中，图形用户接口基于用户的安全性访问级别实现与多个参数混合模型有关的多个命令输入。图形用户接口可以作为连接用于连接节点的网络的节点显示参数混合模型。用户可以根据用户的访问级别，通过图形方式操纵与参数混合模型相关联的节点和连接以修改模型网络的优化约束，或者实际上修改参数混合模型运作的方式(例如，参数混合模型的输入、输出、参数等)。

Description

用于优化的图形语言和使用

技术领域

本发明总体上涉及用于工业工厂和企业的优化和控制的建模。更具体地，本发明涉及用于以图形方式对参数混合模型进行建模、显示参数混合模型、以及与参数混合模型交互的系统和方法，该参数混合模型用来优化和控制工业工厂和企业的操作和/或它们的部件中的一些部件的操作。

背景技术

工业设施(诸如，制造厂、炼油厂、发电厂、或者甚至大学校园中的公用工厂)中的操作的当前状况将计划、调度和控制(人工或自动)作为分开的规范对待。具体地，现行实践将计划和调度视为用作到工厂的在线(即，在操作期间)部件的输入(即，操作员或控制系统动作)的离线(即，未在工厂的操作期间)活动。

这种分开会引入对操作的健壮性、成本效益、以及环境足迹(environmentalfootprint)的显著挑战，并且工厂操作人员和管理者、以及企业管理人员早已认识到这一点。然而，该挑战的解决方案证明了是难以捉摸的。尽管有在感测和控制基础设施、数据库系统、以及商业管理软件方面的显著投入，但是创建满足企业的“当前”财务目标和遵守工厂操作约束的生产日程仍然是艰巨挑战。

对工厂操作常给出不可行或者未最优考虑工厂的当前操作条件的日程。当面对该挑战时，由于将用于调度的模型视为对工厂操作的“黑盒”，所以工厂操作无法有助于过时日程的修改。模型通常涉及整个工厂，模型的知识基础因而遍及工厂分布，从而添加了复杂性。根据遍及工厂的专门知识的分布式集合对相关模型的一致修改证明是显著挑战。此外，调度问题设定和执行也是所需要的专门知识未广泛可用的麻烦过程。

附图说明

当参照附图阅读以下详细描述时，本发明的这些和其它特征、方面、以及优点将会变得更好理解，在附图中，相似的附图标记表示相似的部件，其中：

图1是示例性商业或工业能量系统的示意图；

图2是图示了各种互连的、图1的能量系统的示例性部件的框图；

图3是用于对图1的能量系统进行建模的示例性参数混合模型的框图；

图4是图2的示例性蒸发制冷器块的框图；

图5是图2的示例性锅炉块的框图；

图6是表示与布置成网络的图1的系统的部件有关的多个参数混合模型的图形建模工具的图形用户接口(即，图形表示)的示例；

图7是用于控制图1的系统的企业整合的参数混合模型实现控制系统的框图；

图8是图示了对用户可用的部件块库的图形建模工具的图形用户接口(即，图形表示)的示例；

图9是图示了用户选择优化标签时的优化视图的图形建模工具的图形用户接口(即，图形表示)的示例；

图10是图示了用户提交了命令输入并更新了图1的系统的优化解决方案时的优化视图的图形建模工具的图形用户接口(即，图形表示)的示例；

图11是非线性和非凸优化问题以及该问题的两个凸逼近的示例；

图12是使用参数混合模型的优化求解方程的解决方案图的示例；以及

图13是用于使用图形用户接口与参数混合模型交互的方法的示例。

具体实施方式

如上所述，在工厂的总体离线(即，未在操作期间)计划和调度活动与工厂的总体在线(即，在工厂的操作期间)控制和操作活动之间常常存在不连续性。本文中描述的实施例解决促成该缺陷的持久性的三个主要挑战。首先，本文中描述的实施例提供了一种用于表示整个工厂和实际上包括一个或更多个工厂的整个企业的通用建模框架。现有建模框架通常：(a)由于它与企业的经济目标有关而无法捕捉工厂操作的相关细节，(b)在给定表示工厂的模型中包括的部件的数目的情况下无法避免禁止的复杂性，以及(c)无法维持模块性以使得在物理工厂/过程的部件与模型部件之间存在直观对应。本文中描述的实施例通过采用诸如美国专利申请第10/842,147号中公开的参数混合建模框架来解决这些挑战，该美国专利申请的全部内容通过引用并入本文。

其次，本文中描述的实施例解决与表示工厂的模型的离线交互(例如，模型建立、计划、调度交互)、以及与模型的在线交互(例如，控制和操作交互)的传统分开。具体地，在传统系统中，部署的模型未对所有用户透明。换言之，由于将模型部署到在线环境，所以不可以容易地测量或访问模型和它们的部件的质量。在这些传统系统中，模型的修改通常是离线运用，用于修改模型的专门知识通常是高度集中的。然而，实际上，有资格修改模型的一个部件的人可能没有用以修改模型的另一部件的资格，这些不同的人常常在物理上处于不同地点中。总体而言，模型部件的异步修改是不可能的，修改频率根据模型类型、操作场景等而变化较大。本文中描述的实施例通过采用透明模型部署策略解决这些挑战。

再次，本文中描述的实施例提供了一种消除优化软件与终端用户(工厂操作员、会计部、财务部等)之间的通信障碍的图形优化语言。具体地，用于优化的图形语言使得较低级别的胜任力能够实施和/或部署优化解决方案。换言之，并非需要具有优化背景的博士，具有过程知识的工厂管理者将能够拥有优化解决方案。另外，图形语言提供了分布式开发、部署、以及维护能力，以使得可以通过相关的利益相关者在它们的正常操作设置中的输入进行优化问题和对优化问题的后续修改的合成。

本文中描述的实施例使得能够按照具有对底层模型的目标、优先级、以及约束的完全透明性的系统方式进行操作的各个方面的处理(例如，关键部件的调度维护的调节、关于可用容量或供应链中的中断的健壮性、操作的能量效率和低环境足迹、对市场价格压力的响应性等)。具体地，本文中描述的实施例使得能够按照可以通过用以作为信息和事务的看守者的、不需要集中权力的利益相关者的分布式集合同时管理工厂范围和/或企业范围的优化解决方案的方式进行大规模(潜在地，非线性)优化问题的图形设定、执行、以及报告。为了取得此目标，本文中描述的实施例包括核心使能算法概念、以及软件实施方法。

如上所述，本文中描述的实施例具有许多潜在的应用场景。例如，本文中描述的实施例有利于工业工厂中的操作的改进的计划和调度。诸如向复杂能量用户(例如，石化联合体、大学校园、大型住宅联合体等)提供蒸汽、制冷水和电的复杂应用涉及工厂操作人员进行的持续判定，诸如，应当使用哪些资源、应当设置资源的什么设置点(例如，容量)、资源应当操作多久、应当避免什么已有或即将发生的约束等。在这种应用中做出的判定的复杂性证实了对系统优化解决方案的需要，但是上述挑战迄今为止阻碍了全功能解决方案的开发。

另外，本文中描述的实施例还有利于工业工厂中的多单元优化。从乳品厂中的奶粉烘干至发电厂中的锅炉操作的范围内的复杂过程固有地是多单元操作，其可以从用以改进例如操作的能量效率、降低对过程干扰的响应的成本、改进用以盈利地响应市场条件改变的能力等的原理优化策略获益。

此外，本文中描述的实施例有利于给定可接受配方替选的情况下的产品合成物的优化。许多制造操作涉及生产可以经由替选配方(例如，在乳品厂中制造的奶酪)达到的成品。本文中描述的实施例包括制造过程的最佳调度的原理方法，以使得在任何给定时间，通过配料的最佳集合做出具有预定质量规范的成品。

本文中描述的实施例还有利于优化电网上的工业工厂的购买和/或出售判定。电的许多大的消费者(如，工业工厂或大学校园)具有内部发电能力。内部发电相对于从电网购置的经济性正变得越来越较复杂，这是由于公用公司放弃了固定定价以使它们的利润最大化。电网上的每个节点可以作为源(即，电力的提供者)和散热器(即，电力的消费者)这二者执行的智能电网中的当前趋势进一步使判定做出过程复杂。原理优化解决方案可以协助这种消费者在给定他们的优先级和目标的情况下在任何给定时间做出最有利的判定。

本文中描述的实施例包括使得能够进行上述应用的数个方面。例如，本文中描述的实施例提供对模型质量和性能的在线透明性。在没有用以调查模型质量(各单元的、以及使用这些单元建立的网络的)的能力的情况下，无法维持模型保真度。例如，利用纯经验建模范例，不可以查明质量退化的源，所以不会完全取得模型的在线可见性。详细的基于第一原理的模型会遭受透明性的此缺失。另外，用以在不迫使模型失效的情况下修改部署模型的标的部件的能力是非常期望的。此实施例中的透明模型的在线修改包括和不限于参数调整的在线修改，并且包含新参数化模型的内涵以替换早先表现不佳的参数化模型。因此，本文中描述的在线透明性通常改进了模型质量和性能。

另外，本文中描述的实施例通过分布式的用户组提供问题公式化的异步创作能力。优化问题的大规模、以及工厂操作员和工程师的责任和胜任力的有限范围使得问题叙述的分布式异步创作是期望的(和常常必要的)。例如，在公用工厂中，制冷水环路和蒸汽环路以操作方式耦合。了解制冷水环路的专家通常对于蒸汽环路操作知道得很少，以及最有可能不被允许和/或不想承担蒸汽环路操作的责任，反之亦然。分布式创作能力还应当应用于优化解决方案的结果。工厂范围和/或企业范围的优化解决方案(例如，公用工厂的制冷器的操作日程的甘特图表)的结果对用户(例如，操作员、工厂管理者等)的分布式集合是可呈现的。另外，使得授权的利益相关者能够在没有产生不一致的情况下编辑提出的日程。此外，使得分布式用户能够以一致方式更新操作约束和请求重新调度。

本文中描述的实施例还提供分布式的用户组对问题公式化的图形创作能力。在没有图形编辑能力的情况下，通常的工厂操作员将不会能够直接有助于模型维护。另外，在没有用于定义优化问题或解释解算器判定的图形语言的情况下，通常的工厂操作员或工程师将不会能够有助于优化问题的有意义定义。本文中描述的图形创作能力还应用于整体优化问题的结果。工厂范围和/或企业范围的优化解决方案(例如，制冷器的操作日程的甘特图表)的结果对用户(例如，操作员、工厂管理者等)的分布式集合是可呈现的。授权的利益相关者可以在没有产生不一致的情况下以图形方式编辑提出的日程。另外，分布式的用户组可以通过一致方式以图形方式更新操作约束和请求重新调度。图形创作能力的直观性增强了优化解决方案的可用性和正常运行时间。

另外，本文中描述的实施例将来自工厂地面和/或商业系统的实时测量和信息合并。在工厂范围和/或企业范围的优化中，网络常常包括大量部件模型、复杂网络连接性、操作条件的动态集合、约束、以及目标。从遍及企业分布、以及常常是具有本地自主性的功能的源获得保持此“问题公式化”最新需要的信息。需要集中信息处理的解决方案会变得站不住脚。具体地，实时测量影响问题公式化中的模型(例如，效率曲线常常基于设备的当前操作条件改变)。用以取得与实时测量整合的能力可以是对工厂范围的优化解决方案成功采用的障碍。模型透明性由于所有相关的利益相关者可以查看改变而有利于实时信息的成功结合。

现在转到附图，图1是示例性商业或工业能量系统10的示意图。如下面更详细描述的，图1的能量系统10是可以从本文中描述的图形建模框架获益的工厂类型的示例。图1图示了商业和工业能量系统中典型的各种能量生成和消耗部件。例如，图1包括锅炉12，其被配置成接收燃料并生成用作能量系统10的其它部件中的动力源的蒸汽。例如，在特定实施例中，废能发电单元(cogenerationunit)14可以使用由锅炉12产生的蒸汽来驱动发电机16，发电机16生成可以由能量系统10的部件消耗和/或可以向电网18出售的电能。另外，在特定实施例中，热回收蒸汽生成(HRSG)系统20可以通过蒸汽的生成用于热量的二次回收，其也可以用于驱动发电机16以生成电能。除了向电网18出售电之外，能量系统10还可以从电网18购买电。能量系统10在任何特定时间点从电网18购买还是向电网18出售取决于能量系统10的当前电供给、能量系统10的当前电需求、能量系统10的电储存容量、从电网18购买/向电网18出售的价格、能量系统10的日/夜周期、连接到电网18的其它发电系统的可用性和容量等。

如所示出的，能量系统10可以包括消耗电能、制冷水、和/或蒸汽中一些的过程单元22和建筑物24。另外，在特定实施例中，能量系统10可以包括可与热量储存池30相关联的电制冷器26和蒸汽制冷器28，并且可以消耗能量以生成制冷水，制冷水可以通过泵32抽吸到过程单元22和建筑物24用于冷却，诸如用于建筑物冷却、工业过程冷却等。另外，可以使来自例如制冷器26、28的加热的水循环经过冷却塔34和相关联的热交换器36和泵38，其中将加热的水冷却用于稍后使用。

因此，总的来说，各种部件可以在典型的商业或工业能量系统10中产生能量(即，称作源)和/或消耗能量(即，称作散热器(sink))。实际上，图1中示出的部件对可以包括典型的商业或工业能量系统10的部件仅是示例性的。如图1所示，能量系统10的各种部件可以被配置成基于不同技术消耗和/或产生能量。在特定实施例中，能量系统10的部件的相互依存会极其复杂。另外，各种外部部件(诸如，电网18)会添加能量系统10的复杂性。再者，图1中示出的能量系统10对可以使用本文中描述的图形建模框架的复杂工厂和企业的类型仅是示例性的。

图2是图示了各种互连的、图1的能量系统10的示例性部件的框图。具体地，图2描绘了商业和工业能量系统10中典型的各种能量环路。例如，关键能量环路包括燃料环路40、电环路42、冷凝器环路44(例如，冷却塔水)、蒸发器环路46(例如，制冷器水)、以及蒸汽环路48。图2中示出的各种能量环路40、42、44、46、48仅是示例性的且并非旨在限制。在其它实施例中，可以使用其它能量环路来对能量系统10进行建模。

每个能量环路40、42、44、46、48包括作为各个能量环路40、42、44、46、48的输入和输出的一组定义变量。例如，燃料环路40包括t^G、p^G、f^G和r，其中，t^G是燃料温度，p^G是燃料压力，f^G是燃料流动速率，r是燃料环路40的热因子。电环路42包括作为提供的电量的kw。冷凝器环路44包括ts^C、tf^C和f^C，其中，ts^C是进入冷却塔的水的温度，tf^C是从冷却塔排出的水的温度，f^C是冷凝器环路44中水的流动速率。蒸发器环路46包括ts^E、tf^E和f^E，其中，ts^E是离开制冷器的制冷水的温度，tf^E是回到制冷器的制冷水的温度，f^E是制冷水流动速率。蒸汽环路48包括t^S、p^S和f^S，其中，t^S是蒸汽温度，p^S是蒸汽压力，f^S是蒸汽流。再者，图2中示出的能量环路40、42、44、46、48的变量中的所有变量仅是示例性的且并非旨在限制。在其它实施例中，可以使用其它变量定义能量环路40、42、44、46、48。

如所示出的，能量环路40、42、44、46、48耦合到如下部件块：其表示通常向能量环路40、42、44、46、48提供能量或消耗来自能量环路40、42、44、46、48的能量的能量系统10的实际能量相关设备组。例如，锅炉块50耦合到燃料环路40和蒸汽环路48二者，发电机块52耦合到燃料环路40、电环路42、以及蒸汽环路48，蒸发制冷器块54耦合到电环路42、冷凝器环路44、以及蒸发器环路46，吸收制冷器块56耦合到蒸发器环路46和蒸汽环路48。再者，图2中示出的各个部件块50、52、54、56仅是示例性的且并非旨在限制。在其它实施例中，其它部件块可以耦合到各个能量环路40、42、44、46、48。

公开的实施例有利于图1和图2的能量系统10的计划/调度和控制/操作。更具体地，如下面更详细描述的，本文中描述的实施例包括使得具有广泛不同领域的专门知识的分布式用户的不同集合能够与能量系统10的各部件块(例如，设备组)的参数混合模型交互的图1和图2的能量系统10的图形语言和接口以及透明建模框架。实际上，应当理解，虽然将本文中描述的实施例呈现为与能量系统10的能量高效操作有关，但是在其它实施例中，可以将本文中描述的实施例的图形语言和接口以及透明建模框架扩展到其它应用，诸如化学制造、油和气处理等。

公开的实施例的目的是对解决了对能量系统10的许多不同能量相关部件进行建模(包括用于发电单元、锅炉、制冷器、泵和风扇等的各个参数混合模型、以及用于约束和目标的参数混合模型)的计算复杂性挑战的图1和图2的能量系统10进行优化。另外，公开的实施例经由图形语言和接口以及透明建模框架提供了通过分布式用户的不同集合进行的模型结构和/或参数的在线修改。

可以建立参数目标函数以反映能量系统10的操作的经济目标。可以建立参数约束集合以反映能量系统10的操作的约束(例如，对冷却容量的约束、对允许排出的约束等)。如下面更详细描述的，即使对底层参数混合模型的访问限于特定用户(例如，建模专家)，本文中描述的图形语言也使得能量系统10中的所有利益相关者能够与参数混合模型、参数目标函数、以及参数约束集合的参数交互。还可以建立能量负荷模型以预测操作时间范围中的负荷简档。负荷模型可以包括例如制冷水需求、蒸汽需求、电需求等。基于全部这些模型和目标，随后可以解决能量系统10的优化问题以确定服从于参数约束集合的能量系统10的操作条件的最优简档。

由于典型的商业和工业能量系统10的复杂性，本文中描述的混合技术提供了独特的优点。混合技术针对由于基本理解的缺乏而未被准确建模的现象，利用(leverage)从利用经验建模技术的基本过程建模或多或少可得的已知的基本关系(例如，已知的动能模型等)。因为通常针对密集操作独特地设计和开发工业规模能量设备，所以利用具体设计的经验建模技术对公布或可用的基本建模的显著校准或调节提供了更准确的能量模型。继而，更准确的能量模型使得能够实现基于更高度执行的模型的优化和控制解决方案。因此，理想建模解决方案将调节或校准成与能量系统10的变化操作阶段中采集的能量设备测量/性能数据最佳匹配的最佳可用基本模型和经验模型合并。根据参数混合模型的准确性，可以识别和使用线性(例如，单一值)参数或非线性(例如，随测量的能量变化的动能参数)变量。

图3是用于对能量系统10和/或更具体地为能量系统10的各部件块50、52、54、56进行建模的示例性参数混合模型58的框图。如所示出的，参数混合模型58可以接收来自能量系统10的能量变量输入u_k。能量变量输入u_k例如可以包括上述能量环路40、42、44、46、48的变量。经验模型60可以使用能量变量输入u_k生成经验模型输出w_k。经验模型输出w_k可以是能量变量输入u_k和经验模型参数ρ的函数。可以将经验模型输出w_k和能量变量输入u_k这二者引导到参数混合模型58的参数模型62中。来自参数模型62的基本模型参数θ_k可以是能量变量输入u_k和经验模型输出w_k的函数。应当注意，基本模型参数θ_k的长度和参数向量的值这二者可以作为能量变量输入u_k和经验模型输出w_k的函数变化。在特定实施例中，基本模型参数θ_k可以包括经验模型输出w_k，或者可以以它们最简单的形式简单地与经验模型输出w_k相同。可以将基本模型参数θ_k引导到可以是稳态或动态模型的参数第一原理模型64中。另外，参数第一原理模型64可以接收来自能量系统10的能量变量输入u_k。参数第一原理模型64可以对测量或未测量的能量状态变量x_k和能量变量输出y_k进行建模。能量状态变量x_k可以是能量变量输入u_k、先前能量状态变量x_k、以及基本模型参数θ_k的函数。能量变量输出y_k可以是能量变量输入u_k、当前能量状态变量x_k、以及基本模型参数θ_k的函数。可以从参数混合模型58引导能量变量输出y_k作为输出。因此，定义参数混合模型58的通常公式包括：

w_k＝f₁(u_k，ρ)；

θ_k＝f₂(u_k，w_k)；

x_k＝F_k(u_k，x_k-1，θ_k)；以及

y_k＝G_k(u_k，x_k，θ_k)；

其中，u_k是时间k上能量变量输入的向量，ρ是经验模型参数的向量，w_k是时间k上经验模型输出的向量，θ_k是时间k上基本模型参数的向量，x_k是时间k上测量或未测量的能量状态变量的向量，y_k是时间k上能量变量输出的向量。

参数混合模型58对于实时优化和控制计算而言是极其高效的。此计算效率对优化能量系统10的性能的基于模型的优化和控制策略的成功实施是关键的。使用动态优化方法来计算能量系统10的操作期间的最佳动态轨迹以整体上优化能量系统10的效率。具体地，可以针对能量系统10的部件块50、52、54、56的各部件计算轨迹，并且基于与以上被列出为同各能量环路40、42、44、46、48相关联的输入和输出变量密切有关、但并不与所述输入和输出变量相同的参数将轨迹优化为时间上的目标。更具体地，如图3所示，由参数模型62生成的基本模型参数θ_k可以是不与能量变量输入u_k或者能量变量输出y_k直接相似的一套参数。而是，即使在能量系统10的性能变量不可直接测量时，也可以使用能量系统10的操作过程中的能量系统10的某些得出的测量(例如，参数)来生成与能量系统10的性能变量强烈相关的轨迹。

例如，无法在能量系统10的操作期间测量锅炉的效率，并且锅炉的效率可以用作与锅炉部件块50的能量变量输入和输出u_k、y_k相关但不相同的参数。因此，可以利用参数混合模型58在能量系统10(更具体地，锅炉部件块50的部件)的操作期间计算该参数，并且可以在计算到锅炉的输入(例如，锅炉的燃烧速率)的最佳轨迹的过程中使用此参数。这允许能量系统10的操作期间的较好实时控制，以使得可以更密切标的和维持能量系统10的中间性能。在特定实施例中，可以通过求解如下方程确定最佳轨迹函数：

服从于：

w_k＝f(u_k，ρ)；

θ_k＝f(u_k，w_k)；

x_k＝F_k(u_k，x_k-1，θ_k)；

y_k＝G_k(u_k，x_k，θ_k)；以及

L＜u_k＜H；

其中，Γ()是能量变量输出上定义的目标函数，是能量变量输出 是期望能量变量轨迹的显式或隐式表示。另外，约束(例如，以上L和H)可以是轨迹函数。通过对判定变量u_k(例如，能量变量输入)的调整取得以上目标函数的最小化。注意，以上优化问题仅是示例性的且并非旨在限制。例如，可以将目标函数Γ()定义为包括判定变量u_k的罚。

可以使用各种方法实施上述动态优化。参数混合模型58中包括的细节的级别可以根据可以实时处理的复杂性的级别而变化。换言之，参数混合建模允许在模型准确性与运算复杂性之间折衷的系统方式，因此提供用以处理使复杂性的级别变化的能量系统10的灵活性。更具体地，任何给定参数混合模型58的复杂性是被建模的系统的复杂性以及使得实时计算易处理所需要的参数混合模型58的简单性这二者的函数。如此，参数混合模型框架提供用于最佳地均衡模型准确性相对于运算效率的系统框架。在定义参数混合模型58的过程中，在特定实施例中，可以使用简捷模型(例如，在参数第一原理模型64中)。这些简捷模型可以是线性或非线性的、动态或稳态的等。参数混合模型框架利用能量系统10的实时操作条件仍然是当前的，并允许并非能量系统10的直接输入或输出的模型参数的在线修改，所以判定引擎(例如，优化和控制)总是具有作为判定基础的有效模型。

参数混合模型58无论行为在增益和/或动力在能量系统10的操作期间变化的情况下针对关键变量是线性还是非线性，均对能量系统10的过程的稳态和非稳态行为这二者进行建模。能量系统10的优化和/或控制的优化问题公式化具有：(1)能量系统10的部件的参数混合模型58；(2)这些部件如何连接在一起以定义能量系统10的参数混合模型58；(3)性能目标是什么的参数混合描述；以及(4)约束是什么的参数混合描述。应当注意，参数混合模型/描述在简单情形下可以被简并为常量。表明能量系统10(或能量系统10的各部件)的性能的变量(例如，本文中描述的参数)中的一些变量不可测量或甚至不可容易地测量。使用参数混合模型58也对这些变量(例如，本文中描述的参数)进行建模。随后，优化器可以对于到能量系统10的哪些输入应当给出系统模型/目标/约束做出判定。如此，参数混合模型框架在尽可能快速地解决优化问题(即，做出判定)的情况下，允许模型中的所有模型仍然是当前的。取得这两个目标使得最佳能量管理系统能够基于在能量系统10的操作期间能量系统10基本上实时地实际上正发生什么连续做出最佳判定。

如以上针对图2所述，每个部件块50、52、54、56可以与有助于部件块50、52、54、56的操作的能量环路40、42、44、46、48相关联。另外，每个部件块50、52、54、56将包括实际能量相关设备部件。再者，可以如以上针对图3所述通过参数混合模型58对每个部件块50、52、54、56进行建模。例如，图4是图2的示例性蒸发制冷器块54的框图。如所示出的，蒸发制冷器块54可以包括冷凝器66、压缩器68、蒸发器70、以及阀72。如此，蒸发制冷器块54可以与冷凝器环路44(例如，冷凝器66)、电环路42(例如，压缩器68)、以及蒸发器环路46(例如，蒸发器70)相关联。

相应地，冷凝器环路44、电环路42、以及蒸发器环路46的变量将与蒸发制冷器块54相关联。更具体地，变量ts^C、tf^C、f^C、kw、ts^E、tf^E、以及f^E包括蒸发制冷器块54的输入和输出能量变量u_k、y_k。然而，可以建立如下这种参数混合模型58：结合冷凝器66、压缩器68、蒸发器70、以及阀72的基本模型(例如，在参数模型62中)，与冷凝器66、压缩器68、蒸发器70、以及阀72有关的经验数据(例如，在经验模型60中)，以及蒸发制冷器块54的参数第一原理模型64。据此，蒸发制冷器块54的参数混合模型58将会对蒸发制冷器块54的关键参数θ_k进行建模。这些关键参数θ_k与蒸发制冷器块54的输入和输出能量变量u_k、y_k不同。然而，它们与蒸发制冷器块54的性能标准相关。例如，蒸发制冷器块54的关键参数可以包括熵产生和热阻抗。这些参数与蒸发制冷器块54的输入和输出能量变量u_k、y_k(例如，ts^C、tf^C、f^C、kw、ts^E、tf^E、以及f^E)良好相关，但并不等于所述输入和输出能量变量u_k、y_k。

作为另一实例，图5是图2的示例性锅炉块50的框图。如所例示的，锅炉块50可以包括炉74、节能器76以及蒸汽包78。这样，锅炉块50可以与燃料环路40(例如，炉74和节能器76)和蒸汽环路48(例如，蒸汽包78)相关联。相应地，燃料环路40和蒸汽环路48的变量将会与锅炉块50相关联。更具体地，变量tG、pG、fG、r、t^S、p^S以及f^S包括锅炉块50的输入和输出能量变量u_k、y_k。然而，可以建立如下这种参数混合模型58：合并炉74、节能器76以及蒸汽包78的基本模型(例如，在参数模型62中)，与炉74、节能器76以及蒸汽包78有关的经验数据(例如，在经验模型60中)，以及锅炉块50的参数第一原理模型64。据此，锅炉块50的参数混合模型58可以生成锅炉块50关键参数θ_k的模型。这些关键参数θ_k与锅炉块50的输入和输出能量变量u_k、y_k不同。然而，它们与锅炉块50的性能准则相关。例如，锅炉块50的关键参数可以包括炉的效率。该参数与锅炉块50的输入和输出能量变量u_k、y_k(例如，tG、pG、fG、r、t^S、p^S以及f^S)良好相关，但不相等。

因此，可以对于能量系统10的各种部件块50、52、54、56建立参数混合模型58。部件块50、52、54、56的部件可以包括发电单元，诸如燃气轮机、风轮机、太阳能板等。如上所述，电网18也可以作为发电源考虑，并可以使用参数混合模型58进行建模。可以建模的部件块50、52、54、56的其它部件包括制冷器(例如，诸如图4中示例的)、锅炉(例如，诸如图5中示例的)、冷却塔、泵、风扇、马达、热储存单元等。另外，可以对负荷(诸如蒸汽负荷、经制冷的水负荷、电负荷等)开发参数混合模型58。此外，可以对各种发电源和耗电部件开发其它参数混合模型58。另外，不仅可以对部件块50、52、54、56(诸如图2中示例的)开发参数混合模型58，而且还可以开发部件之间的互连(例如，能量环路40、42、44、46、48)的参数混合模型58。

参数混合模型58将捕获能量系统10的操作的性能和经济学、能量系统10的操作约束、关于能量系统10的操作的现有知识，以及能量系统10的操作的目标。可以使用适当解算器(例如，最佳解的算法搜索)经由系统优化问题确定能量系统10的最佳操作条件。然而，在其它实施例中，可以使用启发式搜索、基于规则的推理、模糊逻辑等确定能量系统10的最佳操作条件。公开实施例的另一方面是用以基于关于能量系统10的新操作条件的更新数据修改定义能量系统10的参数混合模型58的参数的能力。

下面描述用于应用参数混合模型58的系统和方法的各种实施例。在该途径中，可以把定义能量系统10的参数混合模型58作为整合模型合并在基于参数混合模型的系统管理器/控制器中。在其它内容中，该系统可以基于整合参数混合模型58和包括例如近来操作条件和/或状态值以及可以从包括其它参数混合模型58的很多源获得的天气/负荷的预测等的近来历史数据预计或预测将会在能量系统10中发生什么。可以基于能量系统10的约束、指定目标和/或接收当前信息更新或偏置该预计或预测。可以使用优化算法估算对模型输入的最佳当前和未来控制调整以实现能量系统10的期望响应。设置目标，并可以把整合参数混合模型输出与输出如何表现相比较，以维持整合参数混合模型58的期望准确性。

如上所述，可以对系统的部件块(例如，上述能量系统10的部件块50、52、54、56)中的任何部件块开发参数混合模型58。另外，可以把参数混合模型58链接在一起以形成以工厂范围或企业范围方式彼此交互的参数混合模型58的网络。如此，不仅参数混合模型58对系统10各部件块的复杂操作进行建模，而且各参数混合模型58之间的交互形成具有参数混合模型58之间复杂数据流和约束的网络。

可以使用图形建模工具定义参数混合模型58之间的关系和数据流。更具体地，图形建模工具可以被配置为表示系统的部件之间的关系(例如，部件之间的空间关系、部件之间的流体流、部件之间的产品流、部件之间的能量流等)，其中，使用参数混合模型58对由图形建模工具表示的部件进行建模。例如，图6是表示与布置成网络84的系统10的部件有关的多个参数混合模型58的图形建模工具82的图形用户接口80(即，图形表示)的实例。特别地，在示例的实例中，系统10包括：用作四个制冷器部件块88(即，EC.0、EC.1、EC.2以及EC.3)电源的电网部件块86(即，P.0)，以及用作四个制冷器部件块88的散热器的制冷水部件块90(即，CW.0)。部件块86、88、90中的每一个被如上所述作为参数混合模型58进行建模，并且以图形方式表示为可以经由也作为参数混合模型建模的连接94连接到其它节点92(即，其它部件块86、88、90)的节点92。

定义与部件块86、88、90和部件块86、88、90的连接94有关的节点92中的每一个，使得图6中的示例性网络84明确定义适定的优化问题。如此，通过优化问题中的判定变量和参数表征节点92和连接94中的每一个。因此，在优化问题的图形表示中，节点92捕获判定变量如何影响目标函数。这随着仿真场景中节点之间的连接反映作为到另一节点的输入的一个节点的输出的物理影响，而把优化问题(网络84中示例的)的图形表示与通常用来对过程进行仿真的图形表示区分开。完全从判定变量提取去往和来自网络84中节点92的这些更通常的输入和输出流。因此，部件94中的每一个包括向通过图形语言构建和维持的优化问题的直接转译(translate)。这允许建模专家开发参数混合模型58和参数混合模型58之间的连接94，但允许系统10的、任何具有对图形建模工具82的访问并被授权查看和/或修改与图形部件有关的参数混合模型58的用户能够查看图6中例示的图形部件。

图7是用于控制和优化图1的系统10的企业整合参数混合模型实现控制/优化系统96的框图。如下面更详细描述的，控制/优化系统96包括使得能够把图6中示例的图形用户接口80显式给控制/优化系统96的用户的图形建模工具82。更具体地，具有对控制/优化系统96的访问的用户可以在任何兼容电子装置上显示图形用户接口80，以与表示系统10的部件的参数混合模型58交互。如图7中所示例的，控制/优化系统96直接连接到系统10。更具体地，在特定实施例中，控制系统96可以包括连接到系统10的各部件102(即，物理设备)的多个传感器98和致动器100。总体而言，传感器98被配置为接收与系统10的部件102的操作信息有关的信号，且致动器100被配置为接收用于控制部件102操作(即，阀设置、泵和压缩机速度等)的由控制系统96发送的信号。

如此，控制/优化系统96是用于控制系统10操作的计算机系统。控制/优化系统96可以包括根据本文中描述的各种实施例执行软件程序104的各种类型的计算机系统或计算机系统的网络中的任何内容。软件程序104可以执行系统10的建模、预测、优化和/或控制的各个方面。控制/优化系统96可以进一步提供用于使用优化解算器(solver)做出最佳判定和进行这些判定(例如，以控制系统10)的环境。特别地，控制/优化系统96可以实施系统10的参数混合模型控制。更具体地，可以运用与系统10的部件102有关的参数混合模型58实现系统10的参数混合模型控制。

另外，控制/优化系统96被配置为生成和向控制/优化系统96的远程用户106发送图6中描绘的图形用户接口80。更具体地，控制/优化系统96被配置为在通信网络108上把图形用户接口80发送给可以位于系统10远程的电子装置110。例如，在特定实施例特定实施例中，通信网络108可以包括局域网(LAN)。然而，在控制/优化系统96作为用以生成和向位于任何地方的电子装置110发送图形用户接口80的服务器的情况下，通信网络108还可以包括互联网。电子装置110可以是桌面计算机，膝上型计算机，智能电话，或者能够在电子装置110的显示器112上显示图形用户接口80、并且能够经由电子装置110的接口114接收来自电子装置110用户106的输入的任何其它电子装置。把控制/优化系统96设计成用以使得参数混合模型58总是在恰当整体性检查之后把来自本地或远程用户106的潜在异步输入合并到在线模型中。当定义这些模型时把这些整体性检查嵌入在参数混合模型58内。

控制/优化系统96包括存储软件程序104、与参数混合模型58有关的数据、系统10的操作数据(实时和历史的)等的非临时性存储介质116。术语“存储介质”旨在包括各种类型的存储器或存储，包括：安装介质(例如，CD-ROM或者软盘)，诸如DRAM、SRAM、EDORAM、RambusRAM等的计算机系统存储器或随机存取存储器，或者诸如磁介质(例如，硬盘驱动器)或者光学存储的非易失性存储器。存储器介质116也可以包括其它类型的存储器，或者其组合。执行来自存储器介质116的代码和数据的处理器118包括用于根据本文中描述的方法创建和执行软件程序104的部件。控制/优化系统96可以采取包括个人计算机系统、大型计算机系统、工作站、网络设施、互联网设施或者其它装置的各种形式。通常，可以把术语“计算机系统”广泛定义为涵盖处理器118(或处理器)执行来自存储器介质116(或存储媒体)的指令的任何装置(或装置的集群)。

控制/优化系统96的用户106可以具有可以在用户106向电子装置110中录入登录证书时确定，或者可以使用其它方法(诸如使访问权限存储在电子装置110上等)确定的变化的安全性访问级别。例如，如图7中所例示，控制/优化系统96的用户106可以包括管理者级别用户120和工程师级别用户122(例如，工厂工程师或操作员)。如下面更详细描述的，管理者级别用户120可以具有对仅对工程师级别用户122可用的特征(例如，命令输入)子集的访问。例如，可以允许管理者级别用户120修改表示系统10的部件102的参数混合模型58的优化约束，而可以允许工程师级别用户122修改参数混合模型58的优化约束以及还修改底层参数混合模型58。如此，向用户106发送的图形用户接口80中实现的命令输入将会依据特定用户106的安全性访问级别而变化。

当用户106提交命令输入(例如，点击节点92或连接94以与节点92或连接94交互)时，将会基本上实时(例如，在系统10的操作期间)把命令输入通知控制系统96的其它用户106。换言之，将把命令输入从用户106正使用的电子装置110发送给控制/优化系统96，并将把所处理命令输入的作用推送(即，广播)给其它用户106正在使用的其它电子装置110。如此，与参数混合模型58发生的交互将对控制系统96的所有用户106透明。用户106还可以通过把所有改变理解为对特定用户106是本地的和没有对在线应用的影响的沙箱(sand-box)模式与控制/优化系统96交互。该沙箱模式允许每个用户106执行如果-会怎样分析，例如，在不干扰在线应用的情况下使用系统10的最当前状态。虽然可以本地(例如，在电子装置110上)记录仿真如果-会怎样场景，但在特定实施例特定实施例中，对控制/优化系统96的改变的任何递交会经过授权过程。例如，工程师级别用户122会需要在递交它们之前许可如果-则场景。

此外，作为可以向多个电子装置110供应多个请求的服务器业务部署每个模型。这使得所有用户106能够在系统10的操作期间调查参数混合模型58的运作。更具体地，随着模型被部署和运行，每个节点92(例如，与系统10的部件102有关的部件块)能够经由图形用户接口80向用户106提供信息。如此，用户106能够在系统10的操作期间查看与模型的准确性有关的数据。另外，同样部署的模型将会能够提供其它业务，诸如用于在控制/优化系统96正运用它的同时计算关键性能指示器。

如上所述，传统上把模型验证视作离线活动。然而，本文中描述的实施例内置数据过滤的逻辑和参数识别(例如，作为封闭形式的解)和优化的算法作为部署参数混合模型58的属性，并创建模型质量测量作为参数混合模型58的参数。更具体地，再次地，图形建模工具82用作服务器业务，允许部署的在线模型(即，参数混合模型58的网络84)在计算模型质量测量时避免性能劣化。在特定实施例特定实施例中，把模型质量映射到模型参数，以使得模型质量信息对控制系统96的用户106可用。例如，使用参数混合模型58，模型误差可以容易地与模型参数相关联(例如，通过定义参数的可接受范围)，用户106可以响应于模型质量劣化采取具体动作。

透明参数混合模型58的部署策略使得能够进行部署模型的分布式和异步验证和修改。这因为模型的部件遍及工厂和/或企业分布而特别有益。另外，透明性是双向的。换言之，在模型质量对控制系统96的任何授权用户106可访问的情况下，任何授权用户106进行的任何修改对所有授权用户106透明。此外，模型的参数本性使得能够进行模型质量的图形表示(例如，模型参数上的边界，其中，参数的当前值落在边界内等)。

因为透明参数混合模型58包括具有部件102相应所有者和利益相关者的潜在分布式部件102，所以通过高效所有权建模确保部署模型的整体性。例如，模型所有权(例如，具体参数混合模型58等的)是部署模型的固有属性。使用具体参数混合模型58的所有权属性作为可以认证和实施参数混合模型58访问和修改的密钥。换言之，如果用户106并非特定参数混合模型58的所有者，或者没有对参数混合模型58的充分访问权限，则可以阻止用户106与参数混合模型58交互。换言之，经由电子装置110呈现给用户106的图形用户接口80只通过用户106具有访问的动作(即，命令输入)呈现用户106。所有权属性应用于工厂和/或企业的模型网络84的节点92和连接94这二者，因此，所有权属性用于参数混合模型58任何图形操纵的验证(例如，参数混合模型58向和从模型网络84的增加和删除)。

另外，某些用户106执行的参数混合模型58的某些图形操纵(即，命令输入)可以在实施之前接受其它用户106进行的许可。例如，在特定实施例特定实施例中，管理者级别用户120执行的命令输入可以在实施之前接受工程师级别用户122进行的许可。图形建模工具82的透明本性因为基本上实时向连接到控制系统96的其它装置110的图形用户接口80推送控制系统96的任何用户106执行的命令输入而使得能够进行此许可机制。

例如，现在回到图6，图形建模工具82的用户106只需要经由图形用户接口80与图形信息交互。例如，如果用户106希望增加或修改系统10的约束，则用户106只需要点击带来使得用户106能够增加约束信息的对话框的节点92或连接94。另外，图形建模工具82的用户106可以从图形用户接口80增加和/或删除部件块。换言之，经由图形用户接口80以任何给定网络84表示的部件块无需表示正在建模和优化的实际系统10的各物理部件102中的全部。而是，用户106可以只关注(或访问)系统10的物理部件102的特定集合。如此，用户106可以个性化图形用户接口80以包括对用户106关注的部件块。

例如，图8是例示要向图形用户接口80增加的对用户106可用的部件块的库124的图形建模工具82的图形用户接口80(即，图形表示)的实例。例如，用户106可以把库124中列出的部件块中的任何部件块拖动和放入到图形用户接口80中。在特定实施例特定实施例中，图形建模工具82将会自动创建和/或去除用户106经由用户106正查看的图形用户接口80增加和/或删除的部件块(即，节点92)之间的适当连接94。另外，将会理解，可以根据需要保存和重新打开用户106创建的个性化图形用户接口80的设置。

如此，系统10的任何特定图形表示可以根据涉及图形表示的上下文向用户106传送不同信息。例如，如果用户106选择图形建模工具82的模型标签126，并点击四个制冷器部件块88(即，EC.0、EC.1、EC.2、以及EC.3)中的一个与制冷水部件块90之间的连接94，则发起对话框，以例如显示离开制冷器部件块88的经制冷的水的流动速率、温度以及压力。然而，如果用户选择图形建模工具82的网络标签128(假定用户具有对网络标签128的访问)，并点击制冷器部件块88与制冷水部件块90之间的连接94，则发起对话框，以例如显示制冷器部件块88产生的经制冷的水吨位。

换言之，表示部件块的参数混合模型58的判定变量或约束(例如，参数)在选择网络标签128时(即，在网络模式中时)对用户可访问。然而，当选择网络标签128时(即，在网络模式中时)不显示描述特定设备的实际物理输入和输出。而是，只在选择模型标签126时(即，在建模或操作模式中时)把描述特定设备的实际物理输入和输出显示给用户。如此，在特定实施例特定实施例中，只有具有表示部件块的参数混合模型58的深入知识的用户106(例如，工程师级别用户122)可以具有对模型标签126的访问。因此，只有这些用户106将会能够与特定设备的实际物理输入和输出交互。相反地，系统10的具有对网络标签128的访问的任何用户106会能够与系统10约束的判定变量交互以便执行系统10优化和控制的目的。

网络84中的每个节点92可以表示系统10优化和控制的目标函数。这可以在要经由图形用户接口80以图形方式操控多个操作目标的情况下特别有益。各种目标会能够经由图形用户接口80交互，如此，用户106可以通过图形方式修改系统10的优化问题。例如，在特定实施例特定实施例中，图形建模工具82可以为用户106呈现可以修改特定参数混合模型58优化约束的值的范围。换言之，在不需要工程师级别用户122进行的许可的情况下，图形用户接口80可以允许管理者级别用户120修改系统10控制的可行值的边界范围内的优化约束。

用户106提交的任何和所有命令输入可以重新定义系统10的优化目标。例如，可以通过用户106经由图形用户接口80提交的命令输入，优化接收电能并产生经制冷的水的制冷器网络(例如，图6和8中示例的网络84)，以产生能量使用最小的制冷水负荷，或者使给定最大可用电能的制冷水生产最大化。例如，当选择优化标签130时，用户106可以与网络84的优化约束交互。

例如，图9是例示由用户106选择优化标签130时的优化视图132的图形建模工具82的图形用户接口80(即，图形表示)的实例。更具体地，利用选择的优化标签130，图9例示用户106何时点击制冷水部件块90。如此，图9中描绘的优化视图132例示制冷水部件块90的预计制冷水需求的时间序列134。另外，制冷水部件块90的优化视图132包括连接到制冷水部件块90的四个制冷器部件块88中每一个的时间日程136。更具体地，时间日程描绘了何时将制冷器部件块88中的每一个调度为操作以实现制冷水部件块90的预计制冷的水需求。

假定授权用户106与制冷水部件块90交互，则用户106可以经由图形用户接口80的优化视图132修改制冷水部件块90的优化约束。例如，图10是例示用户106提交了命令输入(即，修改了优化约束)并更新了系统10的优化解决方案时的优化视图132的图形建模工具82的图形用户接口80(即，图形表示)的实例。更具体地，在图10中描绘的实例中，用户106修改了制冷水部件块90的预计制冷水需求的时间序列134，并更新了四个制冷器部件块88的时间日程136。特别地，控制系统96的模型更新了系统10的优化问题，以确定应当在16:00与18:00之间关断制冷器部件块EC.0并应当在16:00与18:00之间开启制冷器部件块EC.2。如图10中所例示的，把所递交修改的成本呈现给用户106(例如，在图形用户接口80的底部)。在特定实施例特定实施例中，引入优化约束的成本可以被报告给所有用户106，并以适当格式进行记录(例如，在例如驻留在控制/优化系统96内的数据库中)引导。可以对由图形用户接口80显示的网络84的部件块(即，参数混合模型58)中的任何部件块执行优化约束的此类型修改。由于控制/优化系统96中的全局优化策略，计算和如图10中所示向用户立即示出遵守用户106新定义约束的成本。用以通过图形方式变化负荷简档(profile)(例如，时间序列134)并立即看到各种负荷简档下成本/节省的能力是通过本文中呈现的用于优化的图形语言实现的独特能力。

部件块是参数混合模型58，以及如此，通常并非线性模型(即使在线性模型是参数混合模型58的退化(degenerate)形式的情况下)。因此，包括参数混合模型58的网络84类似地并非要成为线性优化问题。相应地，当用户106修改参数混合模型58的优化约束时，适定修改的优化问题的确定有些复杂。用于确定图形优化语言的修改优化问题的优选方法是使用网络模型84中每一个参数混合模型58的轨迹上的数据驱动凸逼近。通过定义，函数f在如下这种情况下是凸的：

f(λx+(1-λ)y)≤λf(x)+(1-λ)f(y)，

$\∀x,y\∈D_f,\∀\mathrm{\λ}\∈\left[\mathrm{0,1}\right]$

此外，如果f和g是凸函数，则所以是：

αf+βg，

$\∀\mathrm{\α},\mathrm{\β}\≥0$

于是，表示网络模型84的总体模型将会是凸的。凸函数的任何局部最小值也是全局最小值。非凸优化问题从紧凑、凸下估算子获益。假定f是二次可微函数，则f在如下这种情况下和只在如下这种情况下是凸的：

${\▿}^{2}f\left(x\right)>0,$

$\∀x\∈D_f$

在优化问题(例如，图8中示出的网络模型84)的图形表示中，每个节点92暴露优化问题的判定变量。每个连接94确定两个节点92中的判定变量如何相关(例如，被约束)。因此，图形表示具有向优化问题叙述的直接转译。可以通过线性矩阵操作捕获网络拓扑、以及经由与网络84的图形交互(例如，增加节点92、去除连接94)对网络拓扑的任何修改。因此，将会在利用凸函数逼近网络84中的每个部件的情况下把优化问题的图形表示转译成适定优化问题。本文中公开的图形语言中此凸化的优选方法是使用网络部件沿着预测操作轨迹的自动数据驱动凸逼近。参数混合建模范例允许具有期望程度准确性的该凸逼近。因此，可以使用可以通过局限到可行区域的迭代执行可行区域连续凸化的凸逼近来解决系统10模型的优化问题。例如，图11是两个变量140、142相对于彼此的非线性和非凸函数138的实例。如所示例的，两个凸逼近144、146提供准确性不同的凸下逼近符(underapproximator)。

另外，在特定实施例中，未以确定性方式确信对优化问题138的解决方案。换言之，不是独立于开始确定的点确定优化解决方案。而是，可以通过考虑先前优化解决方案确定优化解决方案。例如，回到针对图10描述的优化约束的修改实例，在此时间段期间操作制冷器部件块EC.0、制冷器部件块EC.1以及制冷器部件块EC.3是优化解决方案的假设下开始16:00与18:00之间优化解决方案的更新。如此，所修改的优化解决方案仅改变调度次数136，使得在此时间段期间操作制冷器部件块EC.2而非制冷器部件块EC.0。换言之，模型试图尽可能贴近先前优化解决方案地(即，以非确定性方式)达到优化解决方案。

作为实例，可以通过以下函数定义调度问题公式：

最小化 $\underset{i\∈M}{\mathrm{\Σ}}{\mathrm{\β}}_i{f}_i+\underset{i\∈M}{\mathrm{\Σ}}{\mathrm{\σ}}_i{g}_i+\underset{j\∈N}{\mathrm{\Σ}}{\mathrm{\κ}}_j{r}_j,$ 使得

$\∀i\∈M$

f+Hp-g＝0

Zp≥δ

μ_iy_i≤p_i≤ξ_iy_i $\∀i\∈M$

y_i∈{0，1} $\∀i\∈M$

其中，M是单元操作的集合，N是输入的集合，β、σ以及κ分别是与产品的进口、产品的出售以及资源的购买相关联的成本，r是给定资源输入，p是特定单元操作生成的产品，A和B把单元操作模型Γ制约为输入和产品的子集，是给定模型的拟合参数的集合，μ和ξ是单元操作边界，H、f以及g允许产品进口和出口，Z和δ设置需求需要，y是单元状态的二值变量。用户106可以定义线性网络模型约束H和Z(例如，通过经由图形用户接口80点击参数混合模型58)。另外，用户106还可以定义离散(或二值)判定变量y_i。此外，用户106还可以定义约束参数δ、f、g、β、σ以及κ。

图12是上述优化解决方案等式的解决方案图148的实例。可以把解决方案图148称作定向树D＝(V，E)，其中，V是单元操作模型、产品以及资源V＝(Γ，p，r，f，g)的集合，E是连接E＝(H，Z)的集合。通常，单元操作模型V的集合与参数混合模型58(即，网络模型84的节点92)相似，E与网络模型84的连接94相似。图12清楚证明了通过非线性单元操作模型Γ，优化问题的适定性并非微不足道的，解决方案图的图形操纵并非轻松可管理的。连续数据驱动凸化是用以绘制能够以图形方式管理的这种解决方案图的优选途径。

图13是用于运用图形用户接口80与本文中描述的参数混合模型58交互的方法150的实例。在步骤152中，可以在用户106向远程电子装置110录入登录证书时确定、或者可以使用其它方法(诸如具有电子装置110上存储的访问权限等)确定用户106的访问级别。例如，如上所述，当用户106登录到电子装置110中时，图形建模工具82可以确定用户106是管理者级别用户120或工程师级别用户122。然而，可以使用可以实现授权和功能性的更精细的级别的其它访问级别。

在步骤154中，从控制/优化系统96的图形建模工具82使得图形用户接口80对电子装置110可用。图形用户接口80实现与参数混合模型58(即，与工厂和/或企业的实际物理部件有关的参数混合模型)有关、并且与用户106的访问级别相对应的多个命令输入。例如，假定用户106具有对特定参数混合模型58的适当访问权限，则可以经由图形用户接口80实现用于修改参数混合模型58的优化约束(例如，预测负荷简档)的命令输入。另外，再次假定用户106具有对特定参数混合模型58的适当访问权限，则可以经由图形用户接口80实现用于修改参数混合模型58如何运作(例如，参数混合模型58的输入、输出、参数等)的命令输入。

此外，如以上更详细描述的，图形用户接口80实现作为模型网络84的节点92表示的多个参数混合模型58的显示，以及被表示为模型网络84的节点92之间的连接94的多个参数混合模型58的多个输入和输出。图形用户接口80使得用户106能够从模型网络84增加或删除节点92和连接94，以创建授权用户106进行交互的参数混合模型58的个性化显示。

在步骤156中，控制/优化系统96的图形建模工具82从图形用户接口80接收命令输入。如上所述，在特定实施例中，可以经由其它电子装置110把命令输入发送(即，广播)给控制系统96的其它用户106。然后，在步骤158中，图形建模工具82根据递交命令输入的用户106的访问级别处理命令输入。例如，在特定实施例特定实施例中，可以在系统10的操作期间确定参数混合模型58中一个或更多参数混合模型58的模型质量。如上所述，用以询问系统10的操作期间模型质量的能力是由于图形建模工具82的透明本性。另外，在特定实施例特定实施例中，在假定用户106具有用以做出这种请求的授权且请求可行的情况下，控制系统96可以在系统10的操作期间自动重新调整模型网络84的优化问题。然而，在特定实施例特定实施例中，命令输入还可以在由控制系统96执行以前，接受由工程师级别用户122进行的许可、接受边界约束(例如，可以只允许特定范围内的改变)等。

无论如何，可以使用所有命令输入，以经由控制/优化系统96在系统10的操作期间修改系统10的控制。例如，使用以上针对图10描述的实例，如果用户修改参数混合模型58之一的优化约束，并且发现修改通过控制系统96可行(例如，经由图形建模工具82)，则控制/优化系统96可以自动实施所得优化解决方案。例如，可以按照修正优化解决方案致动系统10的部件102的致动器100。再次地，使用针对图10描述的实例，控制系统96可以自动控制系统10，以在16:00与18:00之间关断制冷器部件块EC.0，并在16:00与18:00之间启动制冷器部件块EC.2。

请注意：本发明可以如下构造：

1.一种企业整合参数混合模型系统控制器/优化器，包括具有编码于其上的计算机指令的非临时性计算机可读介质，其中，计算机指令包括用于进行下述内容的指令：

将图形用户接口发送到远程电子装置，其中，图形用户接口实现被表示为网络的节点的多个参数混合模型的显示以及与其的交互，并且实现连接网络的节点的参数混合模型的多个输入和输出，并且其中，参数混合模型与企业工厂的物理部件和物理部件之间的互连有关；

接收与由图形用户接口显示的网络的一个或更多节点或者连接有关的一个或更多命令输入；以及

根据操作电子装置的用户的访问级别处理一个或更多命令输入。

2.如项1的系统控制器/优化器，其中，处理一个或更多命令输入包括：控制和/或优化工厂的操作。

3.如项1的系统控制器/优化器，其中，接收一个或更多命令输入包括：接收用以经由图形用户接口从显示增加或删除节点或连接的一个或更多命令输入。

4.如项1的系统控制器/优化器，其中，用于发送图形用户接口的计算机指令包括：用于实现与用户的访问级别相对应的多个命令输入的指令。

5.如项1的系统控制器/优化器，其中，接收一个或更多命令输入包括接收来自企业的一个或更多工程师级别用户的一个或更多命令输入，且处理一个或更多命令输入包括修改参数混合模型中的一个或更多参数混合模型。

6.如项5的系统控制器/优化器，其中，基于授权级别保护来自一个或更多工程师级别用户的一个或更多命令输入，且其中，一个或更多命令输入的影响对所有用户是可见的。

7.如项1的系统控制器/优化器，其中，接收一个或更多命令输入包括接收来自企业的一个或更多管理者级别用户的一个或更多命令输入，且处理一个或更多命令输入包括修改企业的优化约束或目标。

8.如项7的系统控制器/优化器，其中，基于授权级别保护来自一个或更多管理者级别用户的一个或更多命令输入，且其中，一个或更多命令输入的影响对所有用户是可见的。

9.如项1的系统控制器/优化器，其中，计算机指令包括：用于从另一适当地授权的用户接收对由用户递交的参数混合模型的修改的许可的指令。

10.如项1的系统控制器/优化器，其中，计算机指令包括用于基于修改的参数混合模型或修改的优化约束和/或目的来自动修改企业的优化解决方案的指令，其中，所递交修改的成本被呈现给用户。

11.如项8的系统控制器/优化器，其中，自动修改优化解决方案包括：使用数据驱动凸逼近确定优化解决方案；或者将优化约束限制在企业控制的可行值范围内。

12.一种方法，包括：

确定操作电子装置的用户的访问级别；

将图形用户接口发送到电子装置，其中，图形用户接口实现被表示为网络的节点的多个参数混合模型的显示以及与其的交互，并且实现连接网络的节点的参数混合模型的多个输入和输出，并且其中，参数混合模型与工厂的物理部件和物理部件之间的互连有关；

接收与由图形用户接口显示的网络的节点或连接有关的命令输入；以及

根据用户的访问级别处理命令输入。

13.如项12的方法，其中，接收命令输入包括：接收用以经由图形用户接口从显示增加或删除节点或连接的命令输入。

14.如项12的方法，其中，发送图形用户接口包括：实现与用户的访问级别相对应的多个命令输入。

15.如项12的方法，其中，接收命令输入包括：接收来自工厂的工程师级别用户的命令输入，且处理命令输入包括修改参数混合模型中的一个或更多参数混合模型。

16.如项12的方法，其中，接收命令输入包括接收来自工厂的管理者级别用户的命令输入，且处理命令输入包括修改工厂的优化约束。

17.如项16的方法，包括：在基于所修改的优化约束修改工厂的优化解决方案以前从企业的工程师级别用户接收所修改的优化约束的许可。

18.如项16的方法，包括：基于所修改的优化约束自动修改工厂的优化解决方案，其中，自动修改优化解决方案包括使用凸逼近确定优化解决方案。

19.如项18的方法，其中，自动修改优化解决方案包括将优化约束限制在工厂控制的可行值范围内。

20.一种具有编码于其上的计算机指令的非临时性计算机可读介质，其中，计算机指令包括用于进行下述内容的指令：

确定操作电子装置的用户的访问级别；

将图形用户接口发送到电子装置，其中，图形用户接口实现被表示为网络的节点的多个参数混合模型的显示以及与其的交互，并且实现连接网络的节点的参数混合模型的多个输入和输出，其中，图形用户接口实现与用户的访问级别相对应的多个命令输入，并且其中，参数混合模型与工厂的物理部件和物理部件之间的互连有关；

接收与由图形用户接口显示的网络的节点或连接有关的命令输入；以及

根据用户的访问级别处理命令输入。

虽然在本文中只示例和描述了本发明的某些特征，但将会对本领域技术人员而言出现许多修改和改变。因此应该理解，所附权利要求意在如落在本发明的真实精神内一样覆盖所有这种修改和改变。

Claims (17)

1.一种企业整合系统优化器，包括：

用于将包括节点和连接的互连网络的适定优化问题的图形表示发送到远程电子装置的装置，其中，所述优化问题与企业整合系统相关且包括参数目标函数、一个或更多判定变量以及一个或更多参数约束，其中，所述节点的至少之一包括输出是所述参数目标函数中的判定变量的参数混合模型，至少一个连接包括描述对所述优化问题中的至少一个判定变量的参数约束的参数混合模型，并且所述优化问题的图形表示使得能够利用与节点或连接的交互来从图形上修改所述优化问题的所述参数目标函数、判定变量和参数约束中的至少之一，其中，针对节点或连接的所述参数混合模型包括：

经验模型，被配置为至少部分地基于输入到所述节点或连接的变量来生成参数模型输入；

参数模型，被配置为至少部分地基于所述参数模型输入和变量输入来生成基本模型参数；以及

参数第一原理模型，被配置为至少部分地基于所述变量输入和所述基本模型参数来生成所述节点或连接的变量输出；

用于接收与所述优化问题的所述图形表示中的节点或连接相关的用户命令输入的装置；

用于处理所述用户命令输入的装置，其中，处理所述用户命令输入包括修改所述优化问题；以及

用于以所修改的优化问题来执行所述优化器以确定用于在所述企业整合系统中实现的当前和未来的判定变量值的装置。

2.如权利要求1的系统优化器，其中，以所修改的优化问题来执行所述优化器包括：修改至少一个判定变量以调整所述企业整合系统的操作。

3.如权利要求1的系统优化器，其中，接收所述用户命令输入包括：接收用以增加或删除节点或连接的用户命令输入。

4.如权利要求1的系统优化器，其中，修改所述优化问题包括：修改节点参数混合模型、连接参数混合模型，或其二者，其中，所述节点参数混合模型被配置为对所述企业整合系统中的部件进行建模，并且所述连接参数混合模型被配置为对所述优化问题中的约束进行建模。

5.如权利要求1的系统优化器，还包括用于确定用户的访问级别的装置，其中，接收所述用户命令输入包括接收来自企业的工程师级别用户的用户命令输入，并且处理所述用户命令输入包括修改所述参数混合模型中的一个或更多参数混合模型。

6.如权利要求1的系统优化器，还包括用于确定用户的访问级别的装置，其中，接收所述用户命令输入包括接收来自企业的管理者级别用户的用户命令输入，并且处理所述用户命令输入包括修改所述优化问题的约束。

7.如权利要求1的系统优化器，还包括用于确定用户的访问级别并且从另一适当地授权的用户接收对由所述用户递交的所述优化问题的修改的许可的装置。

8.如权利要求1的系统优化器，其中，以所修改的优化问题来执行所述优化器包括：沿着所述企业整合系统修改所述优化问题的预测操作轨迹自动地修改至少一个参数混合模型，以调整所述企业整合系统的操作，其中，呈现调整操作的成本。

9.如权利要求1的系统优化器，其中，以所修改的优化问题来执行所述优化器包括：至少部分地基于先前的优化解决方案来确定优化解决方案。

10.如权利要求1的系统优化器，其中，处理所述用户命令输入包括：确定所述企业整合系统中的部件的一个或更多模型的模型质量。

11.一种用于优化企业整合系统的方法，包括：

将包括节点和连接的互连网络的适定优化问题的图形表示发送到远程电子装置，其中，所述优化问题与所述企业整合系统中的工厂相关且包括参数目标函数、一个或更多判定变量以及一个或更多参数约束，其中，所述节点的至少之一包括描述判定变量如何影响所述参数目标函数的参数混合模型，至少一个连接包括描述对连接的节点中的判定变量的参数约束的参数混合模型，并且所述优化问题的所述图形表示使得能够利用与节点或连接的交互从图形上修改所述优化问题的所述参数目标函数、判定变量以及参数约束中的至少之一，其中，针对节点或连接的所述参数混合模型包括；

经验模型，被配置为至少部分地基于输入到所述节点或连接的变量来生成参数模型输入；

参数模型，被配置为至少部分地基于所述参数模型输入和变量输入来生成基本模型参数；以及

参数第一原理模型，被配置为至少部分地基于所述变量输入和所述基本模型参数来生成所述节点或连接的变量输出；

接收与所述优化问题的所述图形表示中的节点或连接相关的用户命令输入；

处理所述用户命令输入，其中，处理所述用户命令输入包括修改所述优化问题；以及

以所修改的优化问题来执行所述优化以确定用于在所述工厂中实现的当前和未来的判定变量值。

12.如权利要求11的方法，其中，接收所述用户命令输入包括：接收用以增加或删除节点或连接的用户命令输入。

13.如权利要求11的方法，其中，修改所述优化问题包括：修改节点参数混合模型、连接参数混合模型，或其二者，其中，所述节点参数混合模型被配置为对所述工厂中的部件进行建模，并且所述连接参数混合模型被配置为对所述优化问题中的约束进行建模。

14.如权利要求11的方法，包括确定用户的访问级别，其中，接收所述用户命令输入包括：接收来自所述工厂的工程师级别用户的用户命令输入，并且处理所述命令输入包括修改所述参数混合模型中的一个或更多参数混合模型。

15.如权利要求11的方法，包括确定用户的访问级别，其中，接收所述用户命令输入包括接收来自所述工厂的管理者级别用户的用户命令输入，并且处理所述用户命令输入包括修改所述优化问题的约束。

16.如权利要求15的方法，包括：在修改所述优化问题的优化解决方案以前从企业的工程师级别用户接收所修改的约束的许可。

17.如权利要求11的方法，其中，以所修改的优化问题来执行所述优化包括：至少部分地基于先前的优化解决方案来确定优化解决方案。