CN111373423A - 多代理流量控制系统的分散式计划、调度与控制 - Google Patents

多代理流量控制系统的分散式计划、调度与控制 Download PDF

Info

Publication number
CN111373423A
CN111373423A CN201880060130.0A CN201880060130A CN111373423A CN 111373423 A CN111373423 A CN 111373423A CN 201880060130 A CN201880060130 A CN 201880060130A CN 111373423 A CN111373423 A CN 111373423A
Authority
CN
China
Prior art keywords
agent
flow control
values
control system
local
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.)
Pending
Application number
CN201880060130.0A
Other languages
English (en)
Inventor
宋震
吴小凡
桑吉乌·斯里瓦斯塔瓦
谢利·内帕尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN111373423A publication Critical patent/CN111373423A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0715—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a system implementing multitasking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G06Q50/163—Property management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25011—Domotique, I-O bus, home automation, building automation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2625—Sprinkler, irrigation, watering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

提供用于为流量控制系统中的多个部件(535、545、540、555)生成流量控制计划的系统和方法。分散式多代理控制框架被用来独立地为每个代理(550)计划和调度，而不需要中央处理器(101)。多代理控制框架的每个代理(550)根据一个或多个参数的值分别地优化系统的本地部分。代理(535、545、540、555)与其他连接的代理通信，共享参数值。通信为共享参数的值提供协商和一致性，代理(550)使用该共享参数的值来重新计算系统本地部分的优化参数值。

Description

多代理流量控制系统的分散式计划、调度与控制
相关申请的交叉引用
本申请要求在2017年7月18日提交的美国临时申请第62/533,718号的权益，该申请的全部内容以引用方式并入本文。
技术领域
各实施例涉及一种分散式流量控制系统，诸如用于水分配的控制系统。
背景技术
流量控制系统通常用于许多不同的研究或应用环境(包括过程控制、电力网络、辅助系统和供水系统等)中。流量控制被广泛用于各种工业应用(包括发电、石化、食品加工和制造)中。流量控制系统的主要目标是在系统运行期间保证稳定性、能效和良好性能。
例如，应精确控制液体和气体变量，诸如流速、压力、温度、液位和密度。在许多系统中，重要的基本参数之一是流速控制。该流速可以适用于任何事物，即水、蒸汽、汽油、柴油、气体等。为了使过程平稳进行并获得更好的质量结果，需要保持期望的流速。
对于水流量系统，流量控制系统的目标是在每个分支上获取真实和反馈的流量数据，以将水流分配到不同的位置。例如，在船上的供水系统中，水流被最佳地分配以向关键负荷提供足够的冷却剂，以减少能量损失，最重要的是，避免因过热而导致的机械系统失灵和故障。在楼宇的供水系统中，问题在于使得制冷需求最大化，同时将能源成本保持在最低水平。
发明内容
作为介绍，下面描述的优选实施例包括方法和系统，其用于：
在第一方面，提供一种分散式流量控制系统，其包括用于执行本地流量控制任务的多个部件。多个部件中的每个包括被配置为调节一个或多个流量的至少一个机械元件、被配置为检测一个或多个流量的至少一个传感器、被配置为机械地调节至少一个机械元件的至少一个执行器、被配置为与多个部件中的至少一个其他部件通信的通信接口、以及部件处理器。部件处理器被配置为基于来自至少一个传感器的数据来计算本地优化的流量计划，将本地优化的流量计划传送到多个部件中的至少一个其他部件，以与多个部件中的其他部件协商优化的系统流量计划，并通过至少一个执行器实施优化的系统流量计划。
在第二方面，提供一种用于由流量控制系统中的多个代理生成流量控制计划的方法。代理为由该代理控制的部件的一个或多个本地参数计算值。代理在该代理与多个代理中的连接的代理之间协商一个或多个共享参数的值。代理基于协商的值调节一个或多个本地参数的值。代理使用调节的值来生成本地流量控制计划。代理执行本地流量控制计划。
在第三方面，提供一种用于在楼宇控制系统中控制智能水泵的装置。该装置包括存储器、通信接口和处理器。存储器被配置为存储配置数据和优化数据。通信接口被配置为与一个或多个其他装置通信一个或多个共享参数的值。处理器被配置为基于配置数据和优化数据来计算本地参数和共享参数的值。处理器被配置为与一个或多个其他装置协商共享参数的值。处理器被配置为根据协商的共享参数来重新计算本地参数的值，并根据重新计算的值和协商的共享参数来生成流量控制计划。
本发明由所附权利要求限定，并且本部分中的任何内容均不应被视为对这些权利要求的限制。下面结合优选实施例讨论本发明的其它方面和优点，并且之后可以独立地或组合地要求保护。
附图说明
部件和附图不一定按比例绘制，而是将重点放在说明本发明的原理上。
而且，在附图中，相同的附图标记表示在整个不同视图中的相应部件。
图1A和1B描绘示例流量控制系统。
图2描绘示例水流量控制系统。
图3描绘根据一个实施例的多代理流量控制系统。
图4描绘根据一个实施例的一种用于为流量控制系统中的多个部件生成流量控制计划的示例方法。
图5描绘根据一个实施例的一种用于为流量控制系统中的多个部件生成流量控制计划的系统。
具体实施方式
具有流量控制系统动态拓扑的分散式多代理控制框架用于独立地计划和调度每个代理而无需中央处理器。多代理控制框架的每个代理根据一个或多个参数的值分别地优化系统的本地部分。代理与其他连接的代理通信，共享参数值。通信为共享参数的值提供协商和一致性，其被代理用来重新计算系统本地部分的优化参数值。本地优化和共享一致性的结合提供了可扩展、容错和高效的流量控制系统。
当前的流量控制系统可以分为两种类型：集中式或分布式。图1A描绘一种集中式控制系统。图1B描绘一种分布式控制系统。在图1A中，系统控制器101从传感器、执行器、故障处理机、用户界面和解算器收集信息，并计算系统中每个部件的控制动作，以提供满足目标的最佳流量。在图1B中，过程或设备由分布式部件控制。部件(协调器102和处理器103)分布在整个系统中，但是有中央操作员监控控件101。例如，部件协调器102可以向部件协调器102所连接的下级处理器103提供指令。中央系统控制器101向指导其下级的每个部件协调器102提供指令。分布式控制系统可以包括由另一个系统控制器101控制的多个集中式控制系统。分级结构减轻了单个处理器的故障。如果部件协调器102发生故障，则它可能仅影响过程的一部分，而不是可能影响整个过程的中央系统控制器101的故障。分布式控制系统可以通过在最终过程或设备附近本地化控制功能来提高可靠性并降低安装成本，并实现对过程的远程的监测和监督控制。
图2将示例流量控制图描绘为示例水控制系统的图形表示。图2包括多个泵201、多个阀203和多个负荷205。每个部件之间的连接被描绘为边缘207。图2中的系统可以例如在发电模块、配电模块、空调装置和蒸汽冷凝器中使用。在一个示例中，图2中的系统可以用于在船上分配冷却水。冷却水系统主要用于隔室和设备的冷却。冷却水来自冷却机。这些设备产生冷却水以用于在整个船上循环。可以使用其他装置、其他部件和/或其他环境。
在图2的示例中，对于集中式解决方案，每个装置都可以由集中式系统控制器101控制。集中式控制算法依靠系统控制器101从所有装置收集数据，并为执行器计算最佳配置和控制动作，并将信息发送回至每个装置。在此集中式控制示例中，每个部件与集中式系统控制器之间存在其他连接。集中式控制系统可能易于管理，因为所有数据和决策都在单个位置进行。然而，集中式可能不能容错。如果集中式系统控制器101出现故障或损坏，则不会有退路或恢复的能力。整个系统可能有单错误的风险。可以备份系统的形式提供冗余。然而，备份系统会增加系统成本，并且可能仍然容易出现故障。另外，通信可以为集中式的，例如，每个装置仅被配置为与集中式处理器通信。如果通信线路损坏，则装置可能具有状况不佳的通信拓扑，本文称为孤立边缘。集中式系统可能还存在尺寸设置和距离的问题。时间延迟可能会使分布在较大区域的超大型系统复杂化。
由于某些网络的复杂性和庞大的规模，此类系统的控制可能无法以集中式的方式完成，在该集中式的方式中，单个控制器从单个位置操作整个网络。控制是通常分散在几个本地控制代理中，其中每个代理控制网络的特定部分，而不是从整个系统中收集测量并从单个位置确定动作。
分布式控制系统类似于集中式控制系统，因为它具有集中式控制结构。然而，在分布式控制系统中，存在提供一些冗余并将控制系统分为不同方面的附加层。例如，一个监督处理器可以控制一种类型的过程，而另一个监督处理器可以控制不同的过程。两个监督处理器都从协调处理器或中央处理器接受指令。在分布式控制系统的另一示例中，在如上所述的大型网络中，可以将大型网络划分为单独运行的系统。分布式控制系统可能比集中式控制系统具有更高的容错能力，但仍包含许多缺点。某些通信或控制装置的冗余会增加成本。分布式控制系统可能难以更改或添加。例如，添加新装置可能需要对控制系统进行全面检修。通信路径还容易受到单个故障点的影响。
在许多控制系统中，部件或装置不相互通信。当一个部件需要更多资源时，操作员可以手动进行更改。在其他系统中，更改很复杂，实现起来可能效率低下。例如，可能需要工程师来调节某些部件。在一个示例中，关于流速，如果一个部件需要更多的负荷，则工程师可能必须重新计算整个系统的流速。在工程师基于建模确定期望值之后，工程师仍然需要登录到流量控制系统的控制系统并更改每个部件的参数或参数的值，这可能是效率低下的过程。
各实施例包括分散式多代理控制系统，其自动调节以适应系统的变化。在一个水冷却设备的示例中，分散式多代理控制系统将系统分为多个代理，以最佳地为关键热负荷提供冷却，自动检测水管故障，并快速重新配置系统，以适应实时故障和/或失效。分散式多代理控制系统包括可扩展和可展开的软件体系结构，其可以同时适应集中式和分散式控制体系结构。该系统提供了两层软件体系结构，以使系统灵活且可展开。如果用户更改冷却水网络的配置，则无需更改集中式优化的源代码。通过适度的软件开发工作，用户可以调节当前的优化解算器或将其替换为另一个。
分散式多代理控制框架提供了灵活且可展开的控制系统。系统中的每个代理对于由单个代理控制的本地装置都有各自的目标。另外，代理在整个流量系统中竞争共享资源。分散式多代理控制框架以最小的成本解决了分布式优化问题，因此，分散式多代理控制框架使系统的总利用率最大化。基于模型的推理和代理的结合为复杂分布式系统的自主控制提供了一种有效的机制。
许多建筑物通过复杂的分布式系统(诸如冷却水设备)进行冷却。冷却水设备产生冷却水，其被泵送到空气处理机以冷却楼宇的空气。冷却水设备的冷却器、空气处理机和其他部件被配置为在特定冷却水进水和出水温度下运行。冷却水的流量可以由流量控制系统控制。其他楼宇系统，诸如供暖、通风和空调(HVAC)系统，也可以使用流量控制系统。HVAC系统中空气处理单元的运行使用风扇速度、压力、功率输入和流量。流量控制系统还可以用在需要对复杂分布式系统的自主控制的其他环境中。
对于建筑集群供水系统，中央冷却器为多座楼宇提供冷却水。每个楼宇都有泵将冷却水抽到其屋顶单元(RTU)或空气处理单元(AHU)。每个楼宇都可以由单独的楼宇自动化系统(BAS)控制，在该系统中，泵具有单独的压力设定点。如果设定点不协调，则多座楼宇可能会竞争供水管上的冷水，从而导致能源浪费和舒适感损失。由于所有楼宇的泵设定点都已联接，因此每次更改一个楼宇的运行点时，都有可能破坏整个建筑集群。为了避免该问题，每次调节系统配置时，工程师都需要调节泵的设定点。此外，如果更改了设定点，工程师可能需要再次调节控制器参数(诸如，PID控制器参数)。为避免设置冲突，应将每个楼宇的设定点一起调节。此过程很耗时。最新的解决方案是使用集中式软件来调节泵的设定点和控制参数。以下描述的实施例提供了用于建筑集群供水系统的分散式多代理控制系统和分布式多代理控制系统。在供水系统中，代理是每个泵上的嵌入式软件模块。
图3描绘用于图2的系统的流量控制的示例分散式多代理控制系统。多代理控制系统包括多个装置，每个装置都由一个代理控制。如图2所示，装置可以包括可以在流量控制系统中使用的任何机械、电气或物理装置。例如，装置203可包括一个或多个阀203A-203J。例如，每个阀203A-203J可以包括被配置为调节一个或多个流量的至少一个机械元件、被配置为检测一个或多个流量的至少一个传感器、以及被配置为机械地调节至少一个机械元件的至少一个执行器。类似地，每个装置201A-D(例如，泵)可以包括被配置为调节一个或多个流量的至少一个机械元件、被配置为检测一个或多个流量的至少一个传感器、以及被配置为机械地调节至少一个机械元件的至少一个执行器。如图2中一样，图3还描绘将受控物质(例如，液体或气体)输送到其的一个或多个负荷205A-F。
在图3中，描绘了四个代理(A、B、C和D)。在图3中，每个代理控制一个泵201A-D和一个或多个其他装置(203、205)。在一个实施例中，每个代理可以位于各自的泵内或其上。代理可以位于面板或其他处理装置中。多代理控制系统中的每个代理可以包括处理器，该处理器被配置为基于来自至少一个传感器的数据来计算本地优化的流量计划，将该本地优化的流量计划传送给多个部件中的至少一个其他部件以协商优化的系统流量计划，并通过至少一个执行器实施优化的系统流量计划。每个代理还可以包括被配置为与至少一个其他代理进行通信的通信接口。代理可以控制控制系统中的一个或多个装置。每个装置只能由一个代理控制。例如，在图3中，代理被配置为控制相应虚线内的装置。
每个代理可以用硬件或软件配置。在一个实施例中，代理包括位于系统中的装置处(例如位于泵上)的微处理器和存储器。代理的装置之间的物理连接在图3中由示意图的边缘207描绘。代理可以直接或间接地彼此通信。直接通信可以为有线、无线或任何其他类型的连接。间接通信可以包括经由互联网、广域网或通过云计算网络进行通信。在一个实施例中，每个代理只能与包括共享资源的其他代理通信。例如，在上面描绘的代理通过线209的通信连接中，例如，代理A与代理B和C通信。代理B与代理A和D通信。代理C与代理A和D通信。代理D与代理A和C通信。可以使用其他通信安排，诸如一个代理仅与一个其他代理通信或与所有其他代理通信。
代理可以为智能的，例如其能够适应不同的情况。为了变得智能，可以将代理配置为及时响应其环境中的更改，并基于更改和配置该代理的功能而采取一些动作。智能代理可以进一步被配置为以其自身利益来动作。例如，智能代理可以表现出目标导向的行为。目标导向的行为意味着代理可以改变其行为以实现其目标。例如，如果一个代理与另一个代理失去通信，而该代理需要其服务以实现该代理的目标，则该代理将搜索提供相同服务的另一个代理。另外，智能代理可以被配置为与其他智能代理交互。代理之间的交互可能不仅包括在不同软件和硬件实体之间的简单数据传输。相反，智能代理可以被配置为以协作方式进行协商和交互。
系统中的每个代理都可以被配置为在代理控制下为装置并行计算最佳运行参数值。某些参数值可以在代理之间共享。例如，由两个不同代理控制的两个装置可以共享一个电源。每个代理根据优化本地环境独立计算电源的参数值。代理将各自的最佳参数值传递给它们连接的相邻代理。优化解算器算法可用于计算每个代理的参数值。优化解算器还可用于协商系统的全局优化解决方案。在代理交换共享装置的参数值后，该代理再次使用优化解算器计算本地优化。代理将新的最佳参数值传送给其连接的相邻代理，重复此过程，直到系统已达成如何做的一致性。例如，在由优化解算器和当前系统状态所确定的代理之间存在最佳的资源分配。一致性也可以称为收敛(convergence)(协定(agreement))。
代理之间的数据交换由物理网络和通信网络定义。通信网络，例如可以将代理的电子–有线或无线数据传输配置为容错且易于升级。上面在集中式解决方案或分布式解决方案中描述的两个主要缺点是容错性和适应性。
每个代理可以被配置为存储并执行优化算法。每个代理可以被配置为求解该代理的最佳状态、与其他代理的共享参数值，以及例如整个系统的最佳状态。例如，仅一部分数据可供代理使用。例如，如图3所示，向代理B报告数据的传感器可能不会向代理A报告数据。例如，在图3的情况下，代理A可能不会从装置203D或203F接收数据。代理A可以被配置为在给定共享参数值的情况下为本地环境，而不是整个系统，计算优化的参数值。在许多系统中，任何给定时间的资源都是有限的。系统中每个装置的总需求可能超出供应。为了发挥最佳功能，系统会分配资源以实现一个或多个目标。目标可以包括，例如，维护安全的运行环境、为大多数装置提供最大的利益、最大化结果、最小化成本等。目标可以由用户输入并编程到优化解算器中。这样的优化解算器可以被配置为优化系统的特定方面，同时保持诸如安全性或舒适性的其他标准。为了提供对于本地和全局环境均最佳作用的全局解决方案，代理A将本地优化的参数值传送给其他代理。给定每个代理拥有的信息，每个代理使用存储的优化解算器进行求解，以获得优化的解决方案。在计算本地优化解决方案后，代理将其共享的值传送给连接的代理。在多次迭代之后，给定每个代理的输入(以及这些输入中某些输入的共享性质)，代理可以针对整个系统的最佳状态达成一致性。使用一个或多个优化解算器在代理之间确定一致性或收敛。
优化解算器可以使用不同的方法来求解优化解决方案。解算器可以被配置为求解不同类型的结果。例如，一个解算器可能会试图生成优化结果，同时保持一定的安全性。另一个解算器可能会试图在保持一定水平的运行的同时，实现优化的成本节省。在用于HVAC的一个示例中，某些区域可能需要保持低于或高于特定温度。其他区域可能会有不同的标准。在计算解决方案时，解算器可能会考虑每个需求或目标。求解一致性的一种方法是使用交替方向乘子法(ADMM)。ADMM是一种通过将凸优化问题分解为较小部分且每个较小部分都更易于处理的求解凸优化问题的算法。ADMM可以使用拉格朗日算法来查找受等式约束的函数局部最小值和最大值。可能包括增广拉格朗日乘子法的方法也已被用于分布式优化。增广拉格朗日乘子法是用于求解约束优化问题的一类算法。增广拉格朗日乘子法与惩罚方法的相似之处在于，该方法用一系列无约束问题代替了约束优化问题，并向目标添加惩罚项。增广拉格朗日乘子法增加了另一项，其旨在模拟拉格朗日乘子。
可以使用其他方法来达成一致性，诸如梯度和次梯度法，包括其增量版本。这些方法可以在每个节点上提供计算简便性，并保证理论上的鲁棒性。其他方法可能包括使用解算器，诸如ECOS(用于计算二次曲线优化问题的解决方案的软件包)、GLPK(GNU线性编程工具包)(用于求解大规模线性编程(LP)、混合整数编程(MIP)以及其他相关问题的软件包)、IPOPT(用于连续系统的大规模非线性优化的软件库)，等等。
在一个实施例中，可以使用中央优化器来协调代理的优化问题。每个代理可以计算本地优化，并将解决方案发送到中央优化器。中央优化器可以为系统识别优化的解决方案。
在发生故障的情况下，由于代理的分散性，整个系统可能被配置并恢复。例如，如果泵201B发生故障，则代理B可以识别问题并调节其参数值。泵201B的故障也会影响代理A的阀203B的运行。如果共享的泵或装置失效，则每个代理在计算本地优化时都会考虑该失效。然后，在确定一致性时，可以将失效或故障传送给其他代理。在泵201B发生失效的示例中，代理B首先优化本地环境，然后将共享参数值的值发送给其他代理。在这种情况下，代理B会通知代理A没有分配来自泵201B的流量。然后，代理A将使用来自代理B的数据来调节其环境。
每个代理可以被配置为通过耦合物理网络和通信网络来检测系统故障和设计缺陷，诸如孤立边缘。孤立边缘被定义为两个代理之间的物理链路，而这两个代理不在通信层中交换信息。因此，当系统中存在孤立边缘时，如果没有额外的通信工作，则更难以达成一致性和同步。代理可以自动识别孤立边缘的存在和位置，并重新配置通信系统以应用多跳协议，以即使存在孤立边缘也可以保证系统的同步和/或一致性以及最佳运行。检测到故障后，代理会自动确定是否可以使用当前系统配置来处理故障。如果引入了其他孤立边缘，则将进行重新配置。
分散式多代理控制系统可以按各种间隔计算优化状态。例如，分散式多代理控制系统可以每秒、每5秒、每分钟、每小时等自动确定最佳状态。确定最佳状态的频率可以取决于传感器收集的数据和系统要求的精度。例如，在楼宇环境中，供水系统的需求变化可能比需要不断调节的电力系统的需求变化慢。对于AC系统，可以每五到十分钟调节一次楼宇的温度和水需求，以确保系统与内部和外部环境因素保持一致。在发生故障时，可以立即重新优化系统。
在一个实施例中，可以将其他装置或代理引入流量控制系统中。每个代理都可以包括配置层的副本，该副本识别系统的频繁更改的设置。系统的频繁更改的设置可以被存储在例如文本文件(例如，初始化文件)中。用户可以轻松地更改设置，而无需花费时间来了解算法的源代码。配置层可以包括不同种类的设置，例如静态和动态设置。静态设置可能包括问题的算法参数和静态变量，诸如用于优化解算器的变量、部件优先级的权重、网络拓扑连接等。动态设置包括通过一个或多个传感器测量的关于系统的信息。动态设置用作优化层的输入。该信息包括有关泵、管道、阀、水槽(负荷)、故障等的测量。可在代理之间传送配置层和所包含的信息，以便每个代理维护静态和/或动态参数的最新列表。为了添加装置或代理，将使用新装置或代理的设置来更新配置层。
每个代理还可以包括优化层。优化层包括用于优化控制系统的一个或多个模块。优化层可以包括问题形成器模块，其从配置层输入信息，然后使用数学建模语言模块来形成问题(目标函数和约束)。数学建模语言模块可以为由数学建模语言(例如CVXPY(基于Python的数学建模语言))提供的优化库。使用数学建模语言的好处在于使系统可以灵活地使用不同的解算器。由于每个解算器都有专有的输入数据格式和特定的问题形成，而没有数学建模语言，因此可能需要大量的软件开发工作来更改解算器。CVXPY可用作将高级问题形成转换为解算器特定数据格式的编译器。该问题可以被形成为集中式问题或分散式问题。然后将形成的问题传送给优化器模块。优化器模块可以访问一组优化解算器，例如ECOS和GLPK解算器。
为了添加或删除装置，用户可以例如通过添加新泵，来更改初始化文件中的设置。系统可以自动调节优化解算器以包括来自装置的新输入。例如，新的负荷或泵可为优化解算器添加待求解的另一个参数值，但不能更改优化解算器的目标。
图4描绘使用图3的分散式多代理控制系统进行流量控制的一种示例方法。该动作由图3、图5的系统或其他系统执行。可以提供附加的、不同的或更少的动作。这些动作以所示顺序(例如，从上到下)或其他顺序执行。可以重复图4的工作流程的步骤。分散式多代理控制系统的输出，例如一组参数值或指令可以使用并行协调方案来完成，在该并行协调方案中，对多个控制器执行以下步骤：(A110)所有控制器并行或按顺序计算其最佳参数值；(A120)控制器将互连输入和输出变量的最佳参数值传送给其邻居；(A130)控制器基于接收到的变量值更新其参数值并将该变量值传送给它们的邻居。重复执行A110-A130，直到达成收敛(协定)。
分散式多代理控制框架的代理解决了本地问题，与其他代理通信其解决方案，并基于收到的新信息重复本地解决过程。代理同意一种通用解决方案，该解决方案可在满足本地约束的同时，优化整个多代理系统的某些性能标准。与集中式范例相比，这种分布式优化方案节省了计算和通信量。
图3的本地装置，例如智能泵可以配置有本地代理，该代理控制泵和其他连接的部件。在一个替代实施例中，代理和/或本地控制器可以控制多个装置或泵。
在动作A110，通过多个代理中的一个代理来优化一个或多个本地参数值。一个或多个本地参数可以为，例如，流速、温度、最小供水、最大供水、最小响应时间、压力、体积等。可以从附接到装置的一个或多个传感器获取用于计算值的输入。例如，每个泵可包括测量泵的流速的流速传感器。另外，附接到泵的一个或多个装置可以请求或要求一定水平的流量，例如，负荷。例如，AC单元在白天而非晚上运行时可能需要额外的水。AC单元还可以包括一个或多个传感器，该传感器确定所要求(或请求)的负荷。传感器数据可以被发送到泵处理器或代理，并存储在动态设置中。限制或其他运行参数是已知的、已测量或已计算的。
可以使用一种或多种优化算法来确定本地参数值的优化。可以使用任何算法来确定本地参数的优化值。代理可以输入从一个或多个传感器接收到的多个变量。代理可以接收一个或多个请求(例如，一定体积或流量的水)的数据。代理可以接收一个或多个供应通道的数据，例如，可用体积或流量的数量。代理还可以与其他代理共享一个或多个输入或变量。例如，一个源可以供应两个泵，一个由第一代理控制，而另一个由第二代理控制。由第一代理控制的其他装置可以取决于例如分配给第一代理而不是第二代理的水的量。第一代理与第二代理(和其他代理)通信以确定分配。
在动作A120，给定多个代理中的每个代理的一个或多个优化的本地参数值，多个代理协商以确定最优的共享解决方案。代理可以与其他代理共享装置的各个方面(供应，需求等)。每个代理都为该代理控制下的装置提供请求分配。分配请求可能不匹配。例如，如果两个代理共享单个供应，则两个代理可能会请求100％的供应，以优化本地环境。存储在每个代理中的优化解算器基于共享请求和本地参数值来识别优化解决方案。优化的解决方案包括新的参数值，然后将新的共享参数值发送到连接的代理。在动作A130，一个或多个本地参数的值由代理根据优化的共享解决方案重新优化。每个代理都像A110中那样计算最佳参数值，但现在也考虑待优化的在A120确定的互连变量，并且现在使用共享参数的固定值。可以重复执行A120和A130的动作，例如，代理会优化本地环境，然后与其他代理协商以识别新的共享参数，这些参数会更改本地环境，然后重新优化。
每个代理被配置为根据其本地观点向其邻居代理传送一组互连变量的优选值。例如，对于共享参数，代理可能试图为其自身利益最大化该参数。在用于楼宇的水控制系统的情况下，代理可能希望试图最大化其自己的AC单元用水量，而不管请求分配是否等于其他控制器(此时，每个代理在该代理试图最大化本地环境时均独立运行而不考虑整个系统)。来自代理的初始请求可能与来自另一个代理的请求不兼容，因为每个代理都试图最大化自己的环境。代理一起来确定如何使用共享资源的一致性。最终，每个共享参数的值进行协商以达到收敛，例如，在该收敛中，将为整个系统得出最大或最佳利益。例如，当共享参数不变时，可以达成一致性。某些装置或代理的权重可能更高，例如在确定代理之间对共享资源的使用达成一致性时，相比于权重更低的装置，优先考虑权重更高的。
可以通过使用优化解决方案更新共享参数的值(例如，使用ADMM时的拉格朗日乘子)，然后重复优化直到共享参数值不再从一个迭代变化到下一个迭代(相对于较小的数字公差)来获得收敛。在子网络模型约束的目标函数和线性度的凸性假设下，以这种方式解决分布式控制问题将产生考虑整个网络的集中式控制问题的最优解决方案。
在动作A140，由代理利用重新优化的一个或多个本地参数值来实施流量控制计划。实施方式可以包括将一个或多个命令、设定点或指令发送到由代理控制的装置。例如，流量控制计划可以将一定量的资源分配给一个装置。代理基于流量控制计划调节装置和任何其他装置，以允许该一定量的资源流向该装置。流量控制计划可以定期更新，或者在发生故障或系统发生更改时进行更新。
用于代理的通信网络可以被配置为具有故障弹性。当配置哪些代理控制哪些装置以及哪些代理与其他代理通信时，可能会禁止或绕开孤立边缘。孤立边缘是两个代理之间的物理链路，其中这两个代理无法在通信层中交换信息。当系统中存在孤立边缘时，在没有额外的通信工作情况下，更难以达成一致性和同步。在流量控制系统和通信网络的配置期间，可以确定孤立边缘的存在和位置。可以将通信系统重新配置为应用多跳协议，以确保即使存在孤立边缘也可以保证系统的同步/一致性和最佳运行。
在系统的设置或配置期间，可以确定关于哪个物理和/或通信链路很重要的信息。可以通过假设在每个边缘发生故障来完成离线设计过程。可以运行仿真来实现并识别故障结果。如果故障没有引入额外的孤立边缘并且没有触发系统的重新配置，则该边缘将不被视为重要边缘。对于重要的边缘，系统可以被配置为包括其他通信路径或冗余。这样，配置过程可以更有效并且提供更鲁棒的系统。
另外，在设置或配置期间，弹性度量计算方法可被用于计算用例的弹性度量。例如，对于在异常(故障、损坏等)事件期间冷却系统为热负荷提供冷却的船舶，船舶的弹性以数字度量的形式进行量化，并在重新配置期间在客观形成中被用来识别通信路径。该系统对物理和通信系统中的故障和不稳定性具有更大的弹性，从而降低了维护成本。
在运行期间，如果检测到故障，则控制系统可以自动确定是否可以使用当前系统配置来处理故障。如果引入了额外的孤立边缘，则系统可以重新配置通信网络。基于整个系统弹性的性能评估，每个代理可以调整控制动作以维持稳定性余地。结合故障检测功能，降低系统成本，因为可以减少紧急备用装置的数量，并且安全监测系统也可以在很慢的时间范围内运行。
图5描绘分散式多代理控制系统中的代理的一个实施例。该系统包括多个代理(代理550、代理B 535、代理C 545、…代理X 555)、流量控制装置515和传感器525。代理550为处理器530、存储器520和通信接口540。可以提供附加的、不同的或更少的部件。例如，其他装置可以由代理550附接或控制。多个代理中的每个代理可以维持与彼此和其他装置的物理和通信连接。可以提供其他输入，诸如用于收集环境数据的传感器。可以提供具有用户界面的工作站，以供操作员输入数据。
流量控制装置515可以为泵。传感器525可以被配置为从流量控制装置515或系统中的其他装置获取信息。代理550被配置为控制流量控制装置515的运行。代理550可以从流量控制装置515、传感器525或其他代理接收输入数据。代理550可以进一步例如由操作员或工程师从用户界面接收输入。
存储器520可以为图形处理存储器、视频随机存取存储器、随机存取存储器、系统存储器、高速缓冲存储器、硬盘驱动器、光学介质、磁性介质、闪存驱动器、缓冲器、数据库、其组合，或其他现在已知或以后开发的用于存储数据的存储装置。存储器520为服务器550的一部分、与处理器530相关联的计算机的一部分、数据库的一部分、另一系统的一部分或独立装置。存储器520可以存储用于代理550的配置数据和优化数据。存储器520可以存储被配置为实现解算器算法的指令集或计算机代码。
存储器520可以存储配置层的副本，该副本识别系统的频繁更改的设置。系统的频繁更改的设置可以被存储在例如文本文件(例如，初始化文件)中。用户可以轻松地更改设置，而无需花费时间来了解算法的源代码。配置层可以包括静态和动态的各种设置。静态设置包括算法参数和问题的静态变量，诸如解算器的选项、网络拓扑连接、部件权重等。动态设置包括通过一个或多个传感器测量的有关系统的信息。动态设置用作优化层的输入。该信息包括有关泵、管道、阀、水槽(负荷)、故障等的度量。可在代理之间传送配置层和所包含的信息，以便每个代理550维护静态和/或动态参数值的最新列表。
为了添加或删除装置，用户可以例如通过添加新泵来更改初始化文件中的设置。代理550可以自动调节优化算法，该算法提取包括有关新泵的数据的数据，因此系统保持稳定。
存储器520或其他存储器可替代地或另外地为非暂时性计算机可读存储介质，其存储表示可由编程处理器530执行以优化系统中的一个或多个参数值的指令的数据。在非暂时性计算机可读存储介质或存储器(诸如，高速缓存、缓冲器、RAM、可移动介质、硬盘驱动器或其他计算机可读存储介质)上提供了用于实现本文讨论的过程、方法和/或技术的指令。非易失性计算机可读存储介质包括各种类型的易失性和非易失性存储介质。响应于存储在计算机可读存储介质中或计算机可读存储介质上的一组或多组指令，执行附图中所示或本文描述的功能、动作或任务。功能、动作或任务独立于特定类型的指令集、存储介质、处理器或处理策略，并且可以由单独地或组合地操作的软件、硬件、集成电路、固件、微代码等执行。同样，处理策略可以包括多处理、多任务、并行处理等。
在一个实施例中，指令存储在可移动介质装置上，以供本地或远程系统读取。在其他实施例中，指令被存储在远程位置，以通过计算机网络或通过电话线传输。在又一个实施例中，指令被存储在给定的计算机、CPU、GPU或系统内。
处理器530可以被配置为基于配置数据和优化数据来计算本地参数和共享参数的值。处理器可以进一步被配置为与一个或多个其他代理协商共享参数的值。处理器被配置为根据协商的共享参数来重新计算本地参数的值。处理器被配置为根据重新计算的值和协商的共享参数来生成流量控制计划。处理器530可包括用于优化控制系统的一个或多个模块。优化模块可以包括问题形成者模块，其从存储在存储器520中的配置层输入信息，然后使用数学建模语言模块来形成问题(目标函数和约束)。数学建模语言模块可以为由数学建模语言(例如CVXPY)提供的优化库。该问题可以形成为集中式问题或分散式问题。然后将形成的问题传送给优化器模块。优化器模块可以访问一组优化解算器，例如ECOS和GLPK解算器。
处理器530为通用处理器、中央处理单元、控制处理器、图形处理器、数字信号处理器、三维渲染处理器、图像处理器、专用集成电路、现场可编程门阵列、数字电路、模拟电路及其组合，或其他现在已知或以后开发的用于生成流量控制计划的器件。处理器530为单个器件或串行、并行或分开运行的多个器件。处理器530可以为位于流量控制系统中的泵或部件中或其附近的微处理器。处理器530由指令、设计、硬件和/或软件配置为执行本文讨论的动作。
尽管上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下可以做出许多改变和修改。因此，旨在将前述详细描述视为说明性的而非限制性的，并且应当理解，旨在限定本发明的精神和范围的为包括所有等同物的所附权利要求。

Claims (20)

1.一种分散式流量控制系统，包括用于执行本地流量控制任务的多个部件(535、545、540、...555)，其中，所述多个部件(535、545、540、...555)中的每个包括：
至少一个机械元件(515)，其被配置为调节一个或多个流量；
至少一个传感器(525)，其被配置为检测一个或多个流量；
至少一个执行器(515)，其被配置为机械地调节至少一个所述机械元件(515)；
通信接口(540)，其被配置为与所述多个部件(535、545、550、...555)中的至少一个其他部件通信；以及
部件处理器(535)，其被配置为基于来自至少一个传感器(525)的数据来计算本地优化的流量计划，将所述本地优化的流量计划传送到所述多个部件(535、545、550、...555)中的至少一个其他部件(535、545、...555)，以与所述多个部件(535、545、...555)中的其他部件协商优化的系统流量计划，并通过所述至少一个执行器(515)实施所述优化的系统流量计划。
2.根据权利要求1所述的分散式流量控制系统，其中，所述流量控制系统是楼宇供水系统。
3.根据权利要求2所述的分散式流量控制系统，其中，所述机械元件(515)是泵。
4.根据权利要求1所述的分散式流量控制系统，还包括：部件存储器(520)，其被配置为存储包括用于所述流量控制系统的运行的一个或多个值的初始化数据。
5.根据权利要求4所述的分散式流量控制系统，其中，所述部件处理器(530)使用所述初始化数据来计算本地优化流量。
6.根据权利要求1所述的分散式流量控制系统，其中，所述部件处理器(530)通过执行一致性函数来协商所述优化的系统流量计划。
7.根据权利要求6所述的分散式流量控制系统，其中，所述一致性函数包括交替方向乘子法。
8.根据权利要求6所述的分散式流量控制系统，其中，所述一致性函数包括增广拉格朗日乘子法。
9.根据权利要求1所述的分散式流量控制系统，其中，在检测到故障之后，所述部件处理器(530)考虑所述故障来计算新的优化流量计划。
10.一种用于在流量控制系统中由多个代理(535、545、540、...555)生成流量控制计划的方法，所述方法包括：
由所述多个代理(535、545、540、...555)中的一个代理(550)计算(A110)由该代理控制的部件的一个或多个本地参数的值；
在所述代理(550)与所述多个代理中的连接的代理之间协商(A120)一个或多个共享参数的值；
由所述代理(550)基于协商的值来调节(A130)一个或多个本地参数的值；
由所述代理(550)使用调节的值生成本地流量控制计划；以及
由所述代理(550)实施(A140)所述本地流量控制计划。
11.根据权利要求10所述的方法，其中，所述本地参数至少包括流速和温度。
12.根据权利要求10所述的方法，其中，协商(A120)包括：使用增强广拉格朗日乘子法来确定所述一个或多个共享参数的值的一致性。
13.根据权利要求10所述的方法，其中，重复协商(A120)，直到针对所述一个或多个共享参数的值确定所述多个代理(535、545、540、...555)之间的一致性为止。
14.根据权利要求10所述的方法，还包括：
检测由所述代理(550)控制的部件的故障；
由所述代理(550)根据所述故障来计算由所述代理(550)控制的部件的一个或多个本地参数的更新值；
在所述多个代理(535、545、540、...555)的连接的代理之间协商一个或多个共享参数的更新值；
基于协商的值调节一个或多个本地参数的更新值；
使用经调节的更新值生成本地流量控制计划；以及
实施所述本地流量控制计划。
15.一种用于控制楼宇控制系统中的智能水泵的装置(550)，所述装置包括：
存储器(520)，其被配置为存储配置数据和优化数据；
通信接口(540)，其被配置为与一个或多个其他装置(535、545、540、...555)通信一个或多个共享参数的值；以及
处理器(530)，其被配置为基于所述配置数据和优化数据来计算本地参数和共享参数的值；所述处理器(530)被配置为与所述一个或多个其他装置(535、545、540、...555)协商所述共享参数的值；所述处理器(530)被配置为根据协商的共享参数来重新计算本地参数的值；所述处理器(530)被配置为根据重新计算的值和协商的共享参数来生成流量控制计划。
16.根据权利要求15所述的系统，其中，所述处理器(530)被配置为使用一致性函数来协商值。
17.根据权利要求16所述的系统，其中，所述一致性函数包括交替方向乘子法。
18.根据权利要求15所述的系统，其中，所述其他装置包括所述楼宇控制系统中的其他智能水泵。
19.根据权利要求18所述的系统，其中，所述配置数据包括静态设置和动态设置。
20.根据权利要求19所述的系统，其中，所述静态设置包括优化问题的算法参数和静态值，并且所述动态设置包括通过与所述智能水泵连接的一个或多个传感器测量的数据。
CN201880060130.0A 2017-07-18 2018-04-03 多代理流量控制系统的分散式计划、调度与控制 Pending CN111373423A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762533718P 2017-07-18 2017-07-18
US62/533,718 2017-07-18
PCT/US2018/025877 WO2019018015A1 (en) 2017-07-18 2018-04-03 DECENTRALIZED PLANNING, PROGRAMMING, AND CONTROL OF A MULTI-AGENT STREAM CONTROL SYSTEM

Publications (1)

Publication Number Publication Date
CN111373423A true CN111373423A (zh) 2020-07-03

Family

ID=62063211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880060130.0A Pending CN111373423A (zh) 2017-07-18 2018-04-03 多代理流量控制系统的分散式计划、调度与控制

Country Status (7)

Country Link
US (1) US11467552B2 (zh)
EP (1) EP3639212A1 (zh)
KR (1) KR102363303B1 (zh)
CN (1) CN111373423A (zh)
CA (1) CA3070224C (zh)
SG (1) SG11202000459VA (zh)
WO (1) WO2019018015A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116150930A (zh) * 2023-04-20 2023-05-23 天津智云水务科技有限公司 基于3d地图信息的供水管网水力模型节点流量初始化方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210157925A1 (en) * 2019-11-26 2021-05-27 International Business Machines Corporation Selective runtime activation of anti-rop defense
CN113093555B (zh) * 2021-04-14 2022-07-15 江南大学 一种多智能体全局一致性控制方法及系统
CN113204193B (zh) * 2021-05-06 2022-10-25 北京航空航天大学 飞行器故障容错控制方法、装置和电子设备
WO2023195971A1 (en) * 2022-04-05 2023-10-12 Siemens Aktiengesellschaft Prioritization between agents in agent-based process automation

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374060A (zh) * 2014-11-04 2015-02-25 清华大学 一种基于无中心网络的水泵系统控制方法
CN105045225A (zh) * 2015-06-09 2015-11-11 邻元科技（北京）有限公司 基于无中心网络的水泵系统、水泵控制器及控制方法
CN106340890A (zh) * 2016-09-27 2017-01-18 东南大学 用于协调配电网储能系统充放电效率的分布式控制方法
CN106886603A (zh) * 2017-03-03 2017-06-23 东南大学 一种需求响应资源组合优化的分层分布式体系架构和方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5248577A (en) * 1990-08-13 1993-09-28 Eastman Kodak Company Reactant concentration control method and apparatus for precipitation reactions
FI123590B (fi) * 2005-09-06 2013-07-31 Bosch Gmbh Robert Venttiilijärjestelmän vikojen havaitseminen ja vikasietoinen ohjaus
US7630944B2 (en) 2006-03-17 2009-12-08 Novell, Inc. Method for consensus decision making in a distributed system
CN101970030B (zh) * 2007-12-17 2014-04-16 新世界药品有限公司 整合的真皮内递送、诊断和通讯系统
US8594852B2 (en) * 2010-02-22 2013-11-26 Eaton Corporation Device and method for controlling a fluid actuator
SG189175A1 (en) * 2010-10-13 2013-05-31 Weldtech Technology Shanghai Co Ltd Energy-saving optimized control system and method for chiller plant room
SG10201604285TA (en) * 2011-12-21 2016-07-28 Deka Products Lp System, method, and apparatus for dispensing oral medications
WO2015065920A1 (en) 2013-10-28 2015-05-07 Huawei Technologies Co., Ltd System and method for joint power allocation and routing for software defined networks
WO2015164292A1 (en) 2014-04-22 2015-10-29 Siemens Aktiengesellschaft Flexible control architecture for microgrid resiliency
US11181564B2 (en) 2014-06-29 2021-11-23 International Business Machines Corporation Distributed control of electric power grids
US20150379542A1 (en) * 2014-06-30 2015-12-31 Battelle Memorial Institute Transactive control framework for heterogeneous devices
US20160054712A1 (en) * 2014-08-22 2016-02-25 Siemens Industry, Inc. Combined statistical and physics based model control and performance method and system
US9746199B1 (en) * 2017-01-05 2017-08-29 Johnson Controls Technology Company Integrated smart actuator and valve device
US10712032B2 (en) * 2017-02-21 2020-07-14 Johnson Controls Technology Company Building automation system with microservices architecture

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374060A (zh) * 2014-11-04 2015-02-25 清华大学 一种基于无中心网络的水泵系统控制方法
CN105045225A (zh) * 2015-06-09 2015-11-11 邻元科技（北京）有限公司 基于无中心网络的水泵系统、水泵控制器及控制方法
CN106340890A (zh) * 2016-09-27 2017-01-18 东南大学 用于协调配电网储能系统充放电效率的分布式控制方法
CN106886603A (zh) * 2017-03-03 2017-06-23 东南大学 一种需求响应资源组合优化的分层分布式体系架构和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116150930A (zh) * 2023-04-20 2023-05-23 天津智云水务科技有限公司 基于3d地图信息的供水管网水力模型节点流量初始化方法

Also Published As

Publication number Publication date
US11467552B2 (en) 2022-10-11
KR20200029553A (ko) 2020-03-18
EP3639212A1 (en) 2020-04-22
KR102363303B1 (ko) 2022-02-14
CA3070224C (en) 2023-08-29
CA3070224A1 (en) 2019-01-24
SG11202000459VA (en) 2020-02-27
US20200166902A1 (en) 2020-05-28
WO2019018015A1 (en) 2019-01-24

Similar Documents

Publication Publication Date Title
CA3070224C (en) Decentralized planning, scheduling and control of multi-agent flow control system
US10809675B2 (en) HVAC system using model predictive control with distributed low-level airside optimization and airside power consumption model
US11067955B2 (en) HVAC system using model predictive control with distributed low-level airside optimization
US11209184B2 (en) Control system for central energy facility with distributed energy storage
Maasoumy et al. Model predictive control approach to online computation of demand-side flexibility of commercial buildings hvac systems for supply following
CN106066077B (zh) 具有预测成本优化的hvac控制器
Negenborn et al. Multi-agent model predictive control for transportation networks: Serial versus parallel schemes
US11789415B2 (en) Building HVAC system with multi-level model predictive control
US11385605B2 (en) Building control system with features for operating under intermittent connectivity to a cloud computation system
US10459412B2 (en) Convergence structure for control and data analytics systems
Maljaars et al. Actuator allocation for integrated control in tokamaks: architectural design and a mixed-integer programming algorithm
Baranski et al. Comparative study of neighbor communication approaches for distributed model predictive control in building energy systems
US10731871B2 (en) Retrofit smart components for use in a fluid transfer system
Petri et al. Ensemble-based network edge processing
Lavaei et al. Guest editorial distributed control and efficient optimization methods for smart grid
Tahersima An integrated control system for heating and indoor climate applications
US20230369859A1 (en) A system and method for managing different applications using cloud services
JP7145766B2 (ja) 建物の暖房・換気または空調（ｈｖａｃ）システム、および建物ｈｖａｃシステムのエネルギー費用を最適化する方法
Maturana et al. Agent-based water\waste water control system architecture
Müller et al. From Design to Operation: Mixed-Integer Model Predictive Control Applied to a Pumping System
US20230088808A1 (en) Building hvac system with multi-level model predictive control
Kane et al. Development of a scalable distributed model predictive control system for hydronic networks with bilinear and hybrid dynamics
Kotina et al. Multi-agent control system for a municipal water system
Rovas et al. A Sense-Think-Act methodology for Intelligent Building Energy Management
SE1651667A1 (sv) Method and cooling system for cooling server racks in a datacentre

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination