CN103024037B - 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 - Google Patents
用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 Download PDFInfo
- Publication number
- CN103024037B CN103024037B CN201210536991.6A CN201210536991A CN103024037B CN 103024037 B CN103024037 B CN 103024037B CN 201210536991 A CN201210536991 A CN 201210536991A CN 103024037 B CN103024037 B CN 103024037B
- Authority
- CN
- China
- Prior art keywords
- user
- parameter
- system equipment
- satisfaction
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种用于泛能引擎的设备参数控制方法、装置和泛能引擎设备,所述方法通过将蚁群算法以及全局优化算法结合,同时考虑系统用户的选择,并将不同组别用户满意度、能效和能耗同时纳入优化目标,从而实现了对泛能网系统设备参数从系统层面进行优化调节,既满足提高能效、节能减排的需要,同时提高系统用户的满意度。
Description
技术领域
本发明涉及泛能网控制领域,具体涉及一种用于泛能引擎的设备参数控制方法、装置和泛能引擎设备。
背景技术
泛能网是一个信息、能量和物质通过协同耦合而融为一体的智能能源网络体系。泛能网技术是将信息网、能量网和物质网耦合成同一网络的智能协同技术,最大程度的体现了机机互感、人机互动和人人互智的网络化关系。该技术通过能效匹配系统、智能交互控制中心和智能云服务平台实现了能量空间、信息空间和物质空间的无缝连接,从而实现了能量的高级利用。
泛能网包括以传输泛能流的虚拟管道互联网络架构连接在一起的节点,在节点之间双向传输泛能流。节点包括系统能效控制器,以及连接至系统能效控制器的其他节点、能源生产装置、能源储存装置、能源应用装置和能源再生装置中的至少一个。其中,系统能效控制器控制其他节点、能源生产装置、能源储存装置、能源应用装置和能源再生装置的至少一个的泛能流的输入和输出,泛能流包括能量流、物质流、信息流相互耦合协同而形成的逻辑智能流。
对于泛能网硬件系统来说,其中包括热泵、空调等各种硬件能源设施,如何智能化的提供泛能网硬件系统设备的参数调节,达到节能同时满足系统用户需要的要求,是目前尚待解决的。
发明内容
本发明要解决的技术问题是提供一种用于泛能引擎的设备参数控制方法、装置和泛能引擎设备。所述的泛能引擎是用于对泛能网系统中的设备进行调节和控制的智能设备。提供对泛能网系统设备参数从系统层面进行优化调节,既满足提高能效、节能减排的需要,同时提高系统用户的满意度。
本发明公开了一种用于泛能引擎的设备参数控制方法,所述方法用于控制泛能网系统的设备参数,所述方法包括:
步骤100、对包括所有系统设备参数组合的策略空间分配信息素初始值;其中,所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个节点,每个连接图中起点和终点的路径对应于一组参数组合;
步骤200、根据系统用户所选择的系统设备参数组合以及信息素计算多个系统设备优化参数组合;
步骤300、分别计算所述多个系统设备优化参数组合对应的系统用户满意度以及系统总体耗能;
步骤400、根据所述系统用户满意度以及系统总体耗能更新所述多个优化系统设备参数组合对应的路径信息素;
步骤500、对策略空间中所有路径进行信息素挥发操作;
步骤600、判断是否满足迭代终止条件,如果未达到,则执行步骤200,否则执行步骤700;
步骤700、输出最优系统设备参数组合,所述最优系统设备参数组合是历次迭代计算得到系统设备优化参数组合中对应路径信息素最大的参数组合。
优选地,所述系统用户包括分为不同组别的用户,不同组别的用户的满意度根据该组别用户的关注参数计算,所述系统用户的满意度为不同组别用户的满意度的均值。
优选地,所述系统用户包括第一用户组、第二用户组和第三用户组,所述第一用户组的满意度根据泛能网系统设备所调节的环境参数计算,所述第二用户组的满意度根据泛能网系统设备的能效计算,所述第三用户组的满意度根据泛能网系统设备的能耗成本计算。
优选地,所述方法还包括:
步骤800、根据所述系统用户根据所述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同用户的奖惩值,将所述奖惩值反馈给系统用户。
优选地,所述判断是否达到计算终止条件包括:判断是否达到最大循环次数或本轮循环计算的系统设备优化参数组合与上轮迭代计算的相同。
优选地,所述步骤200包括以系统用户所选择的系统设备参数组合以及信息素作为约束条件分别利用序优化算法和遗传算法从策略空间中计算两组系统设备优化参数组合,使得所述的系统设备优化参数组合对应的路径的信息素最大化且与系统用户所选择的系统设备参数匹配。
优选地,所述多个系统设备优化参数组合中80%的结果根据序优化算法生成,20%的结果根据遗传算法生成。
优选地,步骤400中根据如下公式更新对应路径的信息素:Pm+1=d·g(c,μ,σ)-e+Pm,其中, Pm为第m轮迭代的信息素,Pm+1为第m+1轮迭代的信息素,d为预定权重系数,μ正态分布平均值,σ为正态分布方差,c为计算得到的用户满意度,e为系统总体耗能。
本发明还公开了一种用于泛能引擎的设备参数控制装置,所述装置用于控制泛能网系统的设备参数,所述装置包括:
初始化单元,用于对包括所有系统设备参数组合的策略空间分配信息素初始值;其中,所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个节点,每个连接图中起点和终点的路径对应于一组参数组合;
全局优化单元,用于根据系统用户所选择的系统设备参数组合以及信息素计算系统设备优化参数组合;
评价计算单元,用于分别计算系统设备优化参数组合对应的系统用户满意度以及系统总体耗能;
信息素更新单元,用于根据所述系统用户满意度以及系统总体耗能更新所述优化系统设备参数组合对应的路径的信息素;
信息素挥发单元,用于对策略空间中所有路径进行信息素挥发操作;
迭代终止单元,用于在满足迭代终止条件时停止迭代,否则,由全局优化单元、评价计算单元、信息素更新单元和信息素挥发单元进行迭代计算;
输出单元,用于停止迭代时输出最优系统设备参数组合,依据所述最优系统设备参数组合控制泛能网系统设备。
优选地,所述系统用户包括分为不同组别的用户,不同组别的用户的满意度根据该组别用户的关注参数计算,所述系统用户的满意度为不同组别用户的满意度的均值。
优选地,所述系统用户包括第一用户组、第二用户组和第三用户组,所述第一用户组的满意度根据泛能网系统设备所调节的环境参数计算,所述第二用户组的满意度根据泛能网系统设备的能效计算,所述第三用户组的满意度根据泛能网系统设备的能耗成本计算。
优选地,所述装置还包括奖惩值反馈单元,用于根据所述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同组别用户的奖惩值,将所述奖惩值反馈给系统用户。
优选地,所述迭代终止单元用于判断是否达到最大循环次数或本轮循环计算的系统设备优化参数组合与上轮循环计算的相同。
优选地,所述全局优化模块用于以系统用户所选择的系统设备参数组合以及信息素作为约束条件分别利用序优化算法和遗传算法从策略空间中计算两组系统设备优化参数组合,使得所述的系统设备优化参数组合对应的路径的信息素最大化且与系统用户所选择的系统设备参数匹配。
优选地,所述全局优化单元根据序优化算法生成所述多个系统设备优化参数组合中80%的结果,根据遗传算法生成所述多个系统设备优化参数组合中20%的结果。
优选地,所述信息素更新单元根据如下公式更新信息素:Pm+1=d·g(c,μ,σ)-e+Pm,其中, Pm为第m轮迭代的信息素,Pm+1为第m+1轮迭代的信息素,d为预定权重系数,μ正态分布平均值,σ为正态分布方差,c为计算得到的用户满意度,e为系统总体耗能。
本发明还公开了一种泛能引擎设备,包括:
数据接口,用于将所述控制设备连接到泛能网系统;
泛能服务模块,用于和泛能网系统设备的用户交互,获取用户认证信息和用户选择的系统设备参数组合,并将获取的用户选择的系统设备参数组合发送到用于泛能引擎的设备参数控制装置,并将用户认证信息发送到加密认证模块;
加密认证模块,用于对用户认证信息进行密钥认证,并根据认证结果触发控制用于泛能引擎的设备参数控制装置进行参数优化;
如上所述的用于泛能引擎的设备参数控制装置,用于进行泛能网系统设备参数控制。
优选地,所述设备还包括:
远程更新模块,用于对所述用于泛能引擎的设备参数控制装置中的数据进行更新。
优选地,其特征在于,所述设备还包括:
数据转换模块,连接在加密认证模块和泛能服务模块之间,用于将来自泛能服务模块的远程更新认证信息和更新数据分别发送到加密认证模块和远程更新模块;
而且,所述加密认证模块还用于在所述远程更新认证信息认证通过后发送使能信号控制所述远程更新模块进行数据更新。
本发明通过将蚁群算法以及全局优化算法结合,同时考虑系统用户的选择,并将不同组别用户满意度、能效和能耗同时纳入优化目标,从而实现了对泛能网系统设备参数从系统层面进行优化调节,既满足提高能效、节能减排的需要,同时提高系统用户的满意度。
附图说明
图1是本发明实施例的用于泛能引擎的设备参数控制方法的方法流程图;
图2是本发明实施例将策略空间映射为一个图的示意图;
图3是本发明实施例的用于泛能引擎的设备参数控制装置的结构框图;
图4是本发明实施例的泛能引擎设备的结构框图;
图5是本发明另一实施例的泛能引擎设备的结构框图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的步骤而非全部过程。
图1是本发明实施例的用于泛能引擎的设备参数控制方法的方法流程图。如图1所示,所述方法用于控制泛能网系统的设备参数,所述方法包括:
步骤100、对包括所有系统设备参数组合的策略空间分配信息素初始值;其中,所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个节点,每个连接图中起点和终点的路径对应于一组参数组合。
根据泛能网设备的参数分布建立策略空间,策略空间中包含所述设备参数组合的所有可能解,同时,为了通过蚁群算法来解决系统设备参数优化的问题,需要将策略空间映射为一个路径规划问题。由此,将系统设备的每一项参数映射为一列节点,将该参数的每一个可选值映射为组成该列节点的具体节点,图中的每一个节点与上一列的每一个节点和下一列的每一个节点之间包括路径,同时,在图中设置起点和终点,由起点到终点的每一条路径需要经过所有列节点,因此包含所有系统设备的参数项,从而代表一组系统设备参数的可能解。由此,计算由起点到终点的最佳路径即等同于计算最佳的系统设备参数组合,由此系统设备参数优化问题被映射为一个路径规划问题。策略空间建立完成后,需要对每一个路径分配信息素初始值,该信息素初始值可以是预定的相同的值。
图2示出了将策略空间映射为一个图的示意图。如图2所示,所述系统包括空调A、空调B、热泵A、热泵B等四个设备,每个设备仅包括一个调节参数,每个参数有4个可能的取值,由此,该系统的系统设备参数调节的策略空间可以映射为包括4*4节点矩阵的图。
显然,本领域技术人员可以理解图2内容仅用于进行举例说明,并不用于限制本发明,所述策略空间并不限制设备的种类、个数、每台设备参数的种类以及可选参数的数量。
步骤200、根据系统用户所选择的系统设备参数组合以及信息素计算多个系统设备优化参数组合。
在步骤200中,可以通过现有的各种优化算法来根据系统用户所选择的系统设备参数组合以及信息素计算多个系统设备优化参数组合。其中,系统用户所选择的系统设备参数组合可以是系统的唯一用户选定的参数组合,也可以系统中的多个用户选定的参数组合的均值,或根据多个不同用户的权重计算获得的基于权重的参数组合的均值。
在本发明的一个实施例中,可以将系统用户分为不同的组别,例如分为一般用户、能效关注用户和费用关注用户,一般用户关注其使用的泛能网系统所提供的环境参数,例如,温度、湿度、风速、空气颗粒物指数等等。同时,能效关注用户关注泛能网系统设备的能源利用效率,而费用关注用户关心泛能网系统的总体能耗。由此,可以为不同组别的用户设置不同的权重值,将其选定的参数与权重结合后,计算所有用户选定参数的均值,在进行优化时予以参考。
在进行优化时,可以参考系统用户所选择的系统设备参数组合和信息素构建优化目标函数。在本发明的一个实施例中,可以将信息素的更新公式构造成为与用户所选择的系统设备参数组合成线性关系,由此,可以仅以路径信息素作为优化目标函数。在另一个实施例中,也可以利用路径信息素和该路径与用户选定的系统参数组合的欧氏距离分别乘以权重后求和作为优化目标函数。
在本发明的一个实施例中,可以采用序优化算法进行全局优化,计算获得多个系统设备优化参数组合。
在本发明的另一个实施例中,可以采用遗传算法进行优化,计算获得多个系统设备优化参数组合。
在本发明的又一个实施例中,可以利用序优化算法产生一代个体中80%系统设备优化参数组合,以保证全局最优性。利用遗传算法产生一代个体中20%的系统设备优化组合,以加强学习进化。两部分合起来作为该次迭代计算获得的多个系统设备优化参数组合。
步骤300、分别计算所述多个系统设备优化参数组合对应的系统用户满意度以及系统总体耗能。
在本发明的一个实施例中,可以对所有的系统用户采用相同的满意度计算方式。在本发明的另一个实施例中,可以将系统用户按照其关注的方面划分为不同的组别,例如可分为一般用户、能效关注用户和费用关注用户并根据不同用户的关注度分别计算其满意度。
对于一般用户,其关心的环境舒适程度,因此,可以基于下式计算一般用户的满意度:
cA=(1.818t+18.18)(0.88+0.002h)+(t-32)/(45-t)-3.2v+18.2
其中cA为一般用户满意度,t为环境温度,h为环境相对湿度,v为环境风速。
对于能效关注客户,可以基于系统能效系数计算其满意度cB。能效系数计算公式为:其中ηBi为能效关注用户所使用的第i台设备的能效,EBi为能效关注用户所使用的第i台设备输出的有效能量,eBi为智能体B所能效关注用户所使用的第i台设备所耗能量。cB可以采用对系统能效系数乘以预定系数的方式获得。
对于费用关注用户,计算系统能耗总体经济成本,即各部门各设备所消耗的能源成本总合作为其满意度cC。
由此,可以以计算均值的方式计算所有系统用户的总体满意度,即:
其中,中cA为一般用户满意度,cB为满意度,cC为智能体C满意度。
当然,上述对用户的分组方式,以及用户满意度的计算公式并不用于限制本发明。本领域技术人员可以采用任意的用户分组方式,并结合用户分组方式拟定针对不同用户组别的用户满意度计算方法。
在将系统用户分为三个组别的前提下,系统总体能耗e可采用下式计算:
其中,e是各智能体总的耗能,eA是的一般用户的总耗能,eB是能效关注用户的总耗能,eC是费用关注用户的总耗能,eAi为一般用户所使用的第i种设备所耗能量,eBi为能效关注用户所使用的第i种设备所耗能量,eCi为费用关注用户所使用的第i种设备所耗能量。
步骤400、根据所述系统用户满意度以及系统总体耗能更新所述多个优化系统设备参数组合对应的路径的信息素;
在本发明的一个实施例中,可以按照如下公式进行第m+1次迭代的信息素更新:
Pm+1=d·g(c,μ,σ)-e+Pm
其中Pm为第m轮迭代的信息素,Pm+1为第m+1轮迭代的信息素,其中,
Pm为第m轮迭代的信息素,Pm+1为第m+1轮迭代的信息素,d为预定权重系数,μ正态分布平均值,σ为正态分布方差,c为计算得到的用户满意度,e为系统总体耗能。
步骤500、对策略空间中所有路径进行信息素挥发操作。
通过预定的信息素挥发系数对所有路径的信息素进行挥发操作,即:
Pm+1=(1-ρ)·Pm+1
其中,ρ为挥发系数。在本发明的一个实施例中,取ρ=0.1。当然,上述取值并不用于限制本发明,可以根据所希望的算法收敛速度来设置所述挥发系数为其它值。
步骤600、判断是否达到计算终止条件,如果未达到,则执行步骤200,否则执行步骤700。
所述判断是否达到计算终止条件包括:判断是否达到最大循环次数或本轮循环计算的系统设备优化参数组合与上轮循环计算的相同。
步骤700、输出最优系统设备参数组合,所述最优系统设备参数组合是历次迭代计算得到系统设备优化参数组合中对应路径信息素最大的参数组合。
在迭代结束后,步骤700比较历次迭代的获得的优化参数组合所对应的路径的当前信息素,选取信息素最大的路径所对应的参数组合作为最优系统设备参数组合输出,进行泛能网设备的系统设备参数控制。
在本发明的另一个实施例中,所述方法还包括一个反馈步骤,即根据所述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同组别用户的奖惩值,将所述奖惩值反馈给系统用户,从而通过奖惩值的反馈来影响不同用户对于参数的选择。所述奖惩值具有多种计算方式,例如,可以采用最优系统设备参数组合与某一具体用户选择的系统设备参数组合的欧氏距离的大小确定奖惩值,反映用户选择与最优选择之间的差距,通过奖惩值的反馈来引导用户合理用能。
图3是本发明实施例的用于泛能引擎的设备参数控制装置的结构框图。如图3所示,所述装置用于控制泛能网系统的设备参数,所述装置包括:
初始化单元,用于对包括所有系统设备参数组合的策略空间分配信息素初始值;其中,所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个节点,每个连接图中起点和终点的路径对应于一组参数组合;
局部优化单元,用于根据系统用户所选择的系统设备参数组合以及信息素计算系统设备优化参数组合;
评价计算单元,用于计算系统设备优化参数组合对应的系统用户满意度以及系统总体耗能;
信息素更新单元,用于根据所述系统用户满意度以及系统总体耗能更新所述优化系统设备参数组合对应的路径信息素;
信息素挥发单元,用于对策略空间中所有路径进行信息素挥发操作;
迭代终止单元,用于满足迭代终止条件时停止迭代,否则,由局部优化单元、评价计算单元、信息素更新单元和信息素挥发单元进行迭代计算;
输出单元,用于停止迭代时输出最优系统设备参数组合,依据所述最优系统设备参数组合控制泛能网系统设备。
在本发明的一个实施例中,所述装置还包括奖惩值反馈单元,用于根据所述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同组别用户的奖惩值,将所述奖惩值反馈给系统用户。
图4是本发明实施例的泛能引擎设备的结构框图。如图4所示,所述控制设备包括:
数据接口11,用于将所述控制设备连接到泛能网系统;
泛能服务模块12,用于将来自泛能网系统设备的用户交互,获取用户认证信息和用户选择的系统设备参数组合,并将获取的用户选择的系统设备参数组合发送到用于泛能引擎的设备参数控制装置,并将用户认证信息发送到加密认证模块;
加密认证模块13,用于对用户认证信息进行密钥认证,并根据认证结果触发控制用于泛能引擎的设备参数控制装置参数优化;
用于泛能引擎的设备参数控制装置14,其与如上所述各实施例中的用于泛能引擎的设备参数控制装置具有相同的结构。
所述控制设备可以设置以数据接口连接到泛能网系统,所述数据接口可以是USB接口或者其它通用接口。泛能服务模块获取来自数据接口数据的数据,所述数据包括系统用户选择的系统设备数据组合和用户认证信息。所述用于泛能引擎的设备参数控制装置根据用户选择的系统设备数据组合来进行泛能网系统设备的参数优化控制。
图5是本发明另一实施例的泛能引擎设备的结构框图。如图5所示,所述控制设备还包括远程更新模块16和数据转换模块15。所述远程更新模块16用于对所述用于泛能引擎的设备参数控制装置中的用户数据进行更新。所述数据转换模块15连接于加密认证模块13和泛能服务模块12之间,用于将来自泛能服务模块12的远程更新认证信息和更新数据分别发送到加密认证模块和远程更新模块。在远程更新的过程中,所述控制设备首先通过泛能服务模块12和数据转换模块15获得到算法更新的认证信息,加密认证模块13在认证通过所述算法更新的认证信息后,控制所述远程更新模块16从数据转换模块15获取更新的算法和参数信息对用于泛能引擎的设备参数控制装置14中的数据进行更新。
本发明通过将蚁群算法以及全局优化算法结合,同时考虑系统用户的选择,并将不同组别用户满意度、能效和能耗同时纳入优化目标,从而实现了对泛能网系统设备参数从系统层面进行优化调节,既满足提高能效、节能减排的需要,同时提高系统用户的满意度。
显然,本领域技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (19)
1.一种用于泛能引擎的设备参数控制方法,所述方法用于控制泛能网系统的设备参数,所述方法包括:
步骤100.对包括所有系统设备参数组合的策略空间分配信息素初始值;其中,所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个节点,每个连接图中起点和终点的路径对应于一组参数组合;
步骤200.根据系统用户所选择的系统设备参数组合以及信息素计算多个系统设备优化参数组合;
步骤300.分别计算所述多个系统设备优化参数组合对应的系统用户满意度以及系统总体耗能;
步骤400.根据所述系统用户满意度以及系统总体耗能更新所述多个优化系统设备参数组合对应的路径信息素;
步骤500.对策略空间中所有路径进行信息素挥发操作;
步骤600.判断是否满足迭代终止条件,如果未达到,则执行步骤200,否则执行步骤700;
步骤700.输出最优系统设备参数组合,所述最优系统设备参数组合是历次迭代计算得到系统设备优化参数组合中对应路径信息素最大的参数组合。
2.根据权利要求1所述的方法,其特征在于,所述系统用户包括分为不同组别的用户,不同组别的用户的满意度根据该组别用户的关注参数计算,所述系统用户的满意度为不同组别用户的满意度的均值。
3.根据权利要求2所述的方法,其特征在于,所述系统用户包括第一用户组、第二用户组和第三用户组,所述第一用户组的满意度根据泛能网系统设备所调节的环境参数计算,所述第二用户组的满意度根据泛能网系统设备的能效计算,所述第三用户组的满意度根据泛能网系统设备的能耗成本计算。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
步骤800.根据所述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同用户的奖惩值,将所述奖惩值反馈给系统用户。
5.根据权利要求1所述的方法,其特征在于,所述判断是否达到计算终止条件包括:判断是否达到最大循环次数或本轮循环计算的系统设备优化参数组合与上轮迭代计算的相同。
6.根据权利要求1所述的方法,其特征在于,所述步骤200包括以系统用户所选择的系统设备参数组合以及信息素作为约束条件分别利用序优化算法和遗传算法从策略空间中计算两组系统设备优化参数组合,使得所述的系统设备优化参数组合对应的路径的信息素最大化且与系统用户所选择的系统设备参数匹配。
7.根据权利要求6所述的方法,其特征在于,所述多个系统设备优化参数组合中80%的结果根据序优化算法生成,20%的结果根据遗传算法生成。
8.根据权利要求1所述的方法,其特征在于,步骤400中根据如下公式更新对应路径的信息素:Pm+1=d·g(c,μ,σ)-e+Pm,其中,Pm为第m轮迭代的信息素,Pm+1为第m+1轮迭代的信息素,d为预定权重系数,μ正态分布平均值,σ为正态分布方差,c为计算得到的用户满意度,e为系统总体耗能。
9.一种用于泛能引擎的设备参数控制装置,所述装置用于控制泛能网系统的设备参数,所述装置包括:
初始化单元,用于对包括所有系统设备参数组合的策略空间分配信息素初始值;其中,所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个节点,每个连接图中起点和终点的路径对应于一组参数组合;
全局优化单元,用于根据系统用户所选择的系统设备参数组合以及信息素计算系统设备优化参数组合;
评价计算单元,用于分别计算系统设备优化参数组合对应的系统用户满意度以及系统总体耗能;
信息素更新单元,用于根据所述系统用户满意度以及系统总体耗能更新所述优化系统设备参数组合对应的路径的信息素;
信息素挥发单元,用于对策略空间中所有路径进行信息素挥发操作;
迭代终止单元,用于在满足迭代终止条件时停止迭代,否则,由全局优化单元、评价计算单元、信息素更新单元和信息素挥发单元进行迭代计算;
输出单元,用于停止迭代时输出最优系统设备参数组合,依据所述最优系统设备参数组合控制泛能网系统设备。
10.根据权利要求9所述的装置,其特征在于,所述系统用户包括分为不同组别的用户,不同组别的用户的满意度根据该组别用户的关注参数计算,所述系统用户的满意度为不同组别用户的满意度的均值。
11.根据权利要求10所述的装置,其特征在于,所述系统用户包括第一用户组、第二用户组和第三用户组,所述第一用户组的满意度根据泛能网系统设备所调节的环境参数计算,所述第二用户组的满意度根据泛能网系统设备的能效计算,所述第三用户组的满意度根据泛能网系统设备的能耗成本计算。
12.根据权利要求9所述的装置,其特征在于,所述装置还包括奖惩值反馈单元,用于根据所述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同组别用户的奖惩值,将所述奖惩值反馈给系统用户。
13.根据权利要求9所述的装置,其特征在于,所述迭代终止单元用于判断是否达到最大循环次数或本轮循环计算的系统设备优化参数组合与上轮循环计算的相同。
14.根据权利要求9所述的装置,其特征在于,所述全局优化模块用于以系统用户所选择的系统设备参数组合以及信息素作为约束条件分别利用序优化算法和遗传算法从策略空间中计算两组系统设备优化参数组合,使得所述的系统设备优化参数组合对应的路径的信息素最大化且与系统用户所选择的系统设备参数匹配。
15.根据权利要求14所述的装置,其特征在于,所述全局优化单元根据序优化算法生成多个所述系统设备优化参数组合中80%的结果,根据遗传算法生成所述多个系统设备优化参数组合中20%的结果。
16.根据权利要求9所述的装置,其特征在于,所述信息素更新单元根据如下公式更新信息素:Pm+1=d·g(c,μ,σ)-e+Pm,其中,Pm为第m轮迭代的信息素,Pm+1为第m+1轮迭代的信息素,d为预定权重系数,μ正态分布平均值,σ为正态分布方差,c为计算得到的用户满意度,e为系统总体耗能。
17.一种泛能引擎设备,包括:
数据接口,用于将控制设备连接到泛能网系统;
泛能服务模块,用于和泛能网系统设备的用户交互,获取用户认证信息和用户选择的系统设备参数组合,并将获取的用户选择的系统设备参数组合发送到用于泛能引擎的设备参数控制装置,并将用户认证信息发送到加密认证模块;
加密认证模块,用于对用户认证信息进行密钥认证,并根据认证结果触发控制用于泛能引擎的设备参数控制装置进行参数优化;
如权利要求9-16任一所述的用于泛能引擎的设备参数控制装置,用于进行泛能网系统设备参数控制。
18.如权利要求17所述的设备,其特征在于,所述设备还包括:
远程更新模块,用于对所述用于泛能引擎的设备参数控制装置中的数据进行更新。
19.如权利要求18所述的设备,其特征在于,所述设备还包括:
数据转换模块,连接在加密认证模块和泛能服务模块之间,用于将来自泛能服务模块的远程更新认证信息和更新数据分别发送到加密认证模块和远程更新模块;
而且,所述加密认证模块还用于在所述远程更新认证信息认证通过后发送使能信号控制所述远程更新模块进行数据更新。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210536991.6A CN103024037B (zh) | 2012-12-12 | 2012-12-12 | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 |
PCT/CN2013/088988 WO2014090138A1 (zh) | 2012-12-12 | 2013-12-10 | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210536991.6A CN103024037B (zh) | 2012-12-12 | 2012-12-12 | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103024037A CN103024037A (zh) | 2013-04-03 |
CN103024037B true CN103024037B (zh) | 2015-12-09 |
Family
ID=47972161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210536991.6A Active CN103024037B (zh) | 2012-12-12 | 2012-12-12 | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103024037B (zh) |
WO (1) | WO2014090138A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024037B (zh) * | 2012-12-12 | 2015-12-09 | 新奥科技发展有限公司 | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 |
CN113378304B (zh) * | 2021-08-12 | 2021-11-23 | 江铃汽车股份有限公司 | 一种车辆性能目标的确定方法、装置、存储介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236343A (zh) * | 2010-04-30 | 2011-11-09 | 新奥科技发展有限公司 | 一种泛能网系统及其控制方法 |
CN102426663A (zh) * | 2011-05-20 | 2012-04-25 | 新奥科技发展有限公司 | 利用泛能流序参量控制泛能网的方法 |
CN102708277A (zh) * | 2012-04-06 | 2012-10-03 | 中国科学院对地观测与数字地球科学中心 | 基于蚁群算法的积雪深度反演设计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8331260B2 (en) * | 2010-09-16 | 2012-12-11 | National Yunlin University Of Science And Technology | Symbol detection method for MIMO systems based on path finding |
CN103024037B (zh) * | 2012-12-12 | 2015-12-09 | 新奥科技发展有限公司 | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 |
-
2012
- 2012-12-12 CN CN201210536991.6A patent/CN103024037B/zh active Active
-
2013
- 2013-12-10 WO PCT/CN2013/088988 patent/WO2014090138A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236343A (zh) * | 2010-04-30 | 2011-11-09 | 新奥科技发展有限公司 | 一种泛能网系统及其控制方法 |
CN102426663A (zh) * | 2011-05-20 | 2012-04-25 | 新奥科技发展有限公司 | 利用泛能流序参量控制泛能网的方法 |
CN102708277A (zh) * | 2012-04-06 | 2012-10-03 | 中国科学院对地观测与数字地球科学中心 | 基于蚁群算法的积雪深度反演设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103024037A (zh) | 2013-04-03 |
WO2014090138A1 (zh) | 2014-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sarker et al. | Progress on the demand side management in smart grid and optimization approaches | |
Cesena et al. | Integrated electricity–heat–gas systems: Techno–economic modeling, optimization, and application to multienergy districts | |
CN108599373B (zh) | 高比例可再生能源电力系统输配协调调度目标级联分析法 | |
Motalleb et al. | Providing frequency regulation reserve services using demand response scheduling | |
US10607303B2 (en) | Coordination of thermostatically controlled loads | |
Wang et al. | Predictive scheduling framework for electric vehicles with uncertainties of user behaviors | |
Tang et al. | Waiting time minimized charging and discharging strategy based on mobile edge computing supported by software-defined network | |
Liang et al. | A generalized Nash equilibrium approach for autonomous energy management of residential energy hubs | |
CN109711601A (zh) | 电-气-热综合能源系统分布式优化调度方法和装置 | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
CN103345657A (zh) | 云计算环境下基于遗传和蚁群的任务调度方法 | |
CN103457852B (zh) | 一种多播虚拟网络的抗毁性映射方法 | |
CN108988326B (zh) | 一种分布式智慧能量管理设备与网络 | |
Selvakumar | Civilized swarm optimization for multiobjective short-term hydrothermal scheduling | |
CN106651628A (zh) | 基于图论的区域冷热电综合能源优化配置方法及装置 | |
CN103714489A (zh) | 用于分配能量的方法和系统 | |
CN112036934A (zh) | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
Rayati et al. | An optimal and decentralized transactive energy system for electrical grids with high penetration of renewable energy sources | |
CN105550159A (zh) | 多核处理器片上网络的功率分配方法 | |
Amicarelli et al. | Optimization algorithm for microgrids day-ahead scheduling and aggregator proposal | |
Rajani et al. | A hybrid optimization based energy management between electric vehicle and electricity distribution system | |
CN103905227B (zh) | 一种服务器能耗控制方法及系统 | |
CN103024037B (zh) | 用于泛能引擎的设备参数控制方法、装置和泛能引擎设备 | |
CN106712116A (zh) | 完全分布式的电力系统机组投入配置方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |