DE102019215262A1 - Method for the parameter identification of a black box model for one or more energy systems of an energy system - Google Patents

Method for the parameter identification of a black box model for one or more energy systems of an energy system Download PDF

Info

Publication number
DE102019215262A1
DE102019215262A1 DE102019215262.7A DE102019215262A DE102019215262A1 DE 102019215262 A1 DE102019215262 A1 DE 102019215262A1 DE 102019215262 A DE102019215262 A DE 102019215262A DE 102019215262 A1 DE102019215262 A1 DE 102019215262A1
Authority
DE
Germany
Prior art keywords
data set
box model
measured values
black box
energy
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.)
Ceased
Application number
DE102019215262.7A
Other languages
German (de)
Inventor
Arvid Amthor
Oliver Dölle
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
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
Priority to DE102019215262.7A priority Critical patent/DE102019215262A1/en
Priority to PCT/EP2020/072015 priority patent/WO2021063568A1/en
Publication of DE102019215262A1 publication Critical patent/DE102019215262A1/en
Ceased 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Es wird ein Verfahren zur Parameteridentifikation (S) eines Black-Box-Modells für wenigstens eine energietechnische Anlage eines Energiesystems vorgeschlagen, welches wenigstens die folgenden Schritte umfasst:
- (S0) Bereitstellen eines ersten Datensatzes, der Messwerte bezüglich der Anlage über einen Teilbereich des Arbeitsbereiches der Anlage umfasst;
- (S1) Bereitstellen eines Grey-Box-Modells für die Anlage mit wenigstens einer Ausgangsgröße und Eingangsgröße, wobei das Grey-Box-Modell über den Arbeitsbereich der Anlage validiert ist;
- (S2) Erzeugen eines zweiten Datensatzes, der mittels des Grey-Box-Modells berechnete, synthetische Messwerte der Ausgangsgröße und/oder Eingangsgröße über den Arbeitsbereich der Anlage umfasst; und
- (S4) Parameteridentifikation des Black-Box-Modells mittels des ersten und zweiten Datensatzes.
Weiterhin betrifft die Erfindung ein Energiesystem.

Figure DE102019215262A1_0000
A method for parameter identification (S) of a black box model for at least one energy-related installation of an energy system is proposed, which comprises at least the following steps:
- (S0) providing a first data set which comprises measured values relating to the system over a sub-area of the working area of the system;
- (S1) providing a gray box model for the system with at least one output variable and input variable, the gray box model being validated over the working area of the system;
- (S2) Generating a second data set which comprises synthetic measured values of the output variable and / or input variable calculated using the gray box model over the working range of the system; and
- (S4) Parameter identification of the black box model using the first and second data sets.
The invention also relates to an energy system.
Figure DE102019215262A1_0000

Description

Die Erfindung betrifft ein Verfahren gemäß dem Oberbegriff des Patentanspruches 1 sowie ein Energiesystem gemäß dem Oberbegriff des Patentanspruches 13.The invention relates to a method according to the preamble of claim 1 and an energy system according to the preamble of claim 13.

Energiesysteme umfassen typischerweise mehrere energietechnische Anlagen, insbesondere Energiewandlungsanlagen, Verbrauchsanlagen und/oder Speicheranlagen. Multimodale Energiesysteme sind Energiesysteme, die mehrere Energieformen erzeugen und/oder bereitstellen. Insbesondere stellt ein multimodales Energiesystem eine oder mehrere Energieformen für einen Energieverbraucher, beispielsweise ein Gebäude, eine Industrieanlage oder private Anlagen, bereit, wobei die Bereitstellung insbesondere durch eine Umwandlung verschiedener Energieformen, durch einen Transport verschiedener Energieformen und/oder durch gespeicherte Energieformen erfolgen kann. Mit anderen Worten werden die verschiedenen Energieformen, beispielsweise Wärme, Kälte oder elektrische Energie, mittels des multimodalen Energiesystems bezüglich ihrer Erzeugung, ihrer Bereitstellung und/oder ihrer Speicherung gekoppelt.Energy systems typically include several power engineering systems, in particular energy conversion systems, consumption systems and / or storage systems. Multimodal energy systems are energy systems that generate and / or provide several forms of energy. In particular, a multimodal energy system provides one or more forms of energy for an energy consumer, for example a building, an industrial plant or private facilities, whereby the provision can take place in particular by converting different forms of energy, by transporting different forms of energy and / or via stored forms of energy. In other words, the various forms of energy, for example heat, cold or electrical energy, are coupled by means of the multimodal energy system with regard to their generation, their provision and / or their storage.

Die Anlagen eines Energiesystems werden typischerweise mittels einer heuristischen Betriebsführung gesteuert. Allerdings ist eine effiziente Steuerung und Koordination des Energiesystems beziehungsweise dessen Anlagen mit einer heuristischen Betriebsführung kaum möglich, sodass hierzu übergeordnete modellbasierte Steuerungen, das heißt Energiemanagementsysteme, verwendet werden.The plants of an energy system are typically controlled by means of a heuristic management system. However, efficient control and coordination of the energy system or its systems with heuristic management is hardly possible, so that higher-level model-based controls, i.e. energy management systems, are used for this purpose.

Bei einer modellbasierten Steuerung des Energiesystems, beispielsweise einer modellprädikativen Regelung, werden die Komponenten des Energiesystems, insbesondere seine energietechnischen Anlagen, durch ein mathematisches Modell abgebildet, welches das Verhalten der Komponenten und des gesamten Energiesystems modelliert.In the case of a model-based control of the energy system, for example a model predictive control, the components of the energy system, in particular its energy-related systems, are mapped by a mathematical model that models the behavior of the components and the entire energy system.

Hierbei ist eine Identifikation der Parameter des Modells (Parameteridentifikation) sowie eine Validierung des Modells erforderlich. Typischerweise werden die Parameter des Modells mittels eines Messdatensatzes, das heißt mittels eines Datensatzes der Messwerte umfasst, ermittelt. Die Validierung ist ein Verfahren, welches das parametrisierte Modell mittels Messdaten testet, die nicht zur Identifikation der Parameter des Modells, das heißt zur Parameteroptimierung oder Parametrisierung verwendet wurden. Mit anderen Worten müssen, um die Korrektheit des Modells sicherzustellen, neben der grundsätzlichen Festlegung der Modellstruktur die Parameter des Modells genau bestimmt werden. Hierzu kann eine manuelle Parameteridentifikation erfolgen, die jedoch mit großem Aufwand verbunden ist und insbesondere die Kosten bei einer Inbetriebnahme der Anlage und/oder des Energiesystems deutlich erhöht. Zur Lösung sind aus dem Stand der Technik automatisierte Parameteridentifikationen bekannt. Diese ermitteln basierend auf Messwerten beziehungsweise basiert auf einen Messwertdatensatz die Parameter des Modells.This requires identification of the parameters of the model (parameter identification) and validation of the model. Typically, the parameters of the model are determined by means of a measurement data record, that is to say by means of a data record containing the measured values. Validation is a method that tests the parameterized model using measurement data that was not used to identify the parameters of the model, that is, for parameter optimization or parameterization. In other words, in order to ensure the correctness of the model, the parameters of the model must be precisely determined in addition to the basic definition of the model structure. For this purpose, manual parameter identification can take place, which, however, is associated with great effort and, in particular, significantly increases the costs when commissioning the installation and / or the energy system. To solve this, automated parameter identifications are known from the prior art. These determine the parameters of the model based on measured values or based on a measured value data set.

Zur Steuerung und Koordination von Energiesystemen beziehungsweise von deren Anlagen werden modellbasierte Steuerungen, das heißt modellbasierte Energiemanagementsysteme, verwendet, die eine Zielfunktion des Energiesystems möglichst optimieren, das heißt minimieren oder maximieren. Dies wird als (mathematische) Optimierung bezeichnet und typischerweise mittels Optimierungsalgorithmen durchgeführt. Die Zielfunktion weist Parameter und Variablen auf. Das Ergebnis der Optimierung sind die Werte der Variablen. Die Anlagen des Energiesystems beziehungsweise das Energiesystem wird dann gemäß der Lösung des Optimierungsproblems (Werte der Variablen) wenigstens für einen bestimmten Zeitraum betrieben. Nach diesem Zeitraum kann eine erneute Optimierung erfolgen.To control and coordinate energy systems or their systems, model-based controls, that is to say model-based energy management systems, are used that optimize, that is, minimize or maximize, a target function of the energy system as much as possible. This is called (mathematical) optimization and is typically carried out using optimization algorithms. The objective function has parameters and variables. The result of the optimization are the values of the variables. The installations of the energy system or the energy system are then operated at least for a certain period of time in accordance with the solution to the optimization problem (values of the variables). After this period, a new optimization can take place.

Die Parameter sind bei der Optimierung fest und parametrisieren die für das System spezifische Zielfunktion, das heißt das Modell der Anlage beziehungsweise des Energiesystems. Typischerweise wird kein exaktes Minimum oder Maximum der Zielfunktion erreicht, sondern es ist ausreichend, diesem, beispielsweise durch ein Festlegen eines Schwellenwertes, ausreichend nahe zu kommen. Weiterhin erfolgt die Optimierung typischerweise unter einer Berücksichtigung mehrerer Nebenbedingungen.The parameters are fixed during the optimization and parameterize the target function specific to the system, i.e. the model of the installation or the energy system. Typically, no exact minimum or maximum of the objective function is achieved, but it is sufficient to come sufficiently close to this, for example by setting a threshold value. Furthermore, the optimization is typically carried out taking several secondary conditions into account.

Beispielsweise charakterisiert die Zielfunktion die Gesamtkohlenstoffdioxidemission des Energiesystems. Die Gesamtkohlenstoffdioxidemission umfasst die einzelnen Kohlenstoffdioxidemissionen der Anlagen des Energiesystems. Jede der Anlagen kann eine bestimmte elektrische Leistung für eine spezifische Kohlenstoffdioxidmenge bereitstellen. Somit sind hierbei die elektrischen Leistungen die Variablen der Zielfunktion und die Kohlenstoffdioxidmengen pro erzeugte elektrische Leistung (spezifische Kohlenstoffdioxidmenge) die Parameter der Zielfunktion. Die genaue Abhängigkeit wird durch das Modell der Anlage beziehungsweise die Modelle der Anlagen beschrieben. Durch die Optimierung wird die Gesamtkohlenstoffdioxidemission (Zielfunktion) minimiert. Dadurch kann das Energiesystem möglichst optimal bezüglich seiner Kohlenstoffdioxidemission ausgelegt und/oder betrieben werden.For example, the objective function characterizes the total carbon dioxide emissions of the energy system. The total carbon dioxide emission comprises the individual carbon dioxide emissions from the facilities in the energy system. Each of the systems can provide a specific electrical output for a specific amount of carbon dioxide. Thus, the electrical powers are the variables of the objective function and the amounts of carbon dioxide per generated electrical power (specific amount of carbon dioxide) are the parameters of the objective function. The exact dependency is described by the model of the system or the models of the systems. The optimization minimizes the total carbon dioxide emission (target function). As a result, the energy system can be designed and / or operated as optimally as possible with regard to its carbon dioxide emissions.

Die Zielfunktion charakterisiert somit eine Eigenschaft oder eine physikalische Größe des Energiesystems, deren Wert minimiert oder maximiert werden soll, beispielsweise die Kohlenstoffdioxidemission des Energiesystems oder die Betriebskosten des Energiesystems. Zur Festlegung oder Bestimmung der Zielfunktion ist somit ein Modell der Anlage beziehungsweise ein Modell des Energiesystems erforderlich.The objective function thus characterizes a property or a physical variable of the energy system, the value of which is to be minimized or maximized, for example the carbon dioxide emission of the energy system or the Operating costs of the energy system. A model of the installation or a model of the energy system is therefore required to establish or determine the target function.

Typischerweise ist eine solche Optimierung rechenintensiv. Um die Rechenzeit möglichst gering zu halten, sollten die verwendeten Modelle der jeweiligen Anlagen, die in die Zielfunktion eingehen, möglichst eine lineare Abhängigkeit bezüglich der zu optimierenden Variablen aufweisen.Such an optimization is typically computationally intensive. In order to keep the computing time as short as possible, the models used for the respective systems that are included in the target function should have as linear a dependency as possible with regard to the variables to be optimized.

Grundsätzlich können hierbei White-Box-Modelle, Grey-Box-Modelle und Black-Box-Modelle unterschieden werden.Basically, a distinction can be made between white box models, gray box models and black box models.

White-Box-Modelle bezeichnen Modelle die typischerweise vollständig aus Vorkenntnissen und/oder physikalischen und/oder chemischen Gesetzmäßigkeiten konstruierbar sind. White-Box-Modelle werden ebenfalls als Strukturmodelle bezeichnet.White box models denote models that can typically be constructed entirely from previous knowledge and / or physical and / or chemical principles. White box models are also known as structural models.

Black-Box-Modelle bezeichnen Modelle, für die keinerlei physikalischer Einblick verfügbar ist. Black-Box-Modelle sind somit nur durch ihr Eingangs-Ausgangs-Verhalten charakterisiert. Der dem Eingangs-Ausgangs-Verhalten zugrundeliegende Prozess ist einer direkten Analyse, beispielsweise aufgrund seiner Komplexität, nicht zugänglich. Black-Box-Modelle werden daher auch als Verhaltensmodelle bezeichnet.Black box models describe models for which no physical insight is available. Black box models are thus only characterized by their input-output behavior. The process on which the input-output behavior is based is not accessible to direct analysis, for example because of its complexity. Black box models are therefore also referred to as behavior models.

Grey-Box-Modelle bezeichnen Modelle, die Eigenschaften eines White-Box-Modells und eines Black-Box-Modells aufweisen. Sie stellen somit eine Mischform aus White-Box-Modell und Black-Box-Modell dar. Beispielsweise ist der dem Modell zugrundliegende Prozess einer direkten Analyse teilweise zugänglich, aber durch weitere komplexe Prozesse wenigstens teilweise überlagert.Gray box models denote models that have the properties of a white box model and a black box model. They thus represent a hybrid form of white box model and black box model. For example, the process on which the model is based is partially accessible to direct analysis, but is at least partially overlaid by further complex processes.

White-Box-Modelle und Grey-Box-Modelle sind typischerweise nichtlinear in den Variablen der Optimierung. Dadurch sind diese für eine effiziente Anwendung meist zu komplex. Somit werden typischerweise Black-Box-Modelle verwendet. Diese bilden dann ohne Kenntnis der genauen Struktur des Prozesses das Ein- und Ausgangsverhalten, das heißt die Abhängigkeit wenigstens einer Ausgangsgröße von einer oder mehreren Eingangsgrößen, der zugrundeliegenden Anlage ab.White box models and gray box models are typically non-linear in the variables of the optimization. As a result, these are usually too complex for efficient use. Thus, black box models are typically used. These then map the input and output behavior, i.e. the dependence of at least one output variable on one or more input variables, of the underlying system without knowledge of the exact structure of the process.

Ein Black-Box-Modell, beispielsweise ein Polynom höherer Ordnung, weist typischerweise einen oder mehrere Parameter, beispielsweise die Koeffizienten des genannten Polynoms, auf. Die Parameter des Black-Box-Modells werden mittels Messwerten bestimmt. Die Messwerte können hierzu aufbereitet sein. Die Messwerte werden für bestimmte oder an bestimmten Arbeitspunkten der Anlage erfasst. Somit kann ein Black-Box-Modell typischerweise nicht in sinnvollerweise auf einen von den betrachteten Arbeitspunkten abweichenden Arbeitspunkt extrapoliert werden.A black box model, for example a higher-order polynomial, typically has one or more parameters, for example the coefficients of the polynomial mentioned. The parameters of the black box model are determined using measured values. The measured values can be processed for this purpose. The measured values are recorded for specific or at specific operating points of the system. Thus, a black box model typically cannot be extrapolated in a meaningful way to an operating point that deviates from the operating points under consideration.

Allerdings erfordern Energiemanagementverfahren beziehungsweise Energiemanagementsysteme eine genaue Kenntnis des Systemverhaltens, insbesondere über den vollständigen Arbeitsbereich der Anlagen. Das ist deshalb der Fall, da im Vergleich zu einer herkömmlichen Betriebsführung die Arbeitspunkte der Anlagen deutlich stärker schwanken und insbesondere häufig in den Extrema des Arbeitsbereiches liegen.However, energy management processes or energy management systems require precise knowledge of the system behavior, in particular over the entire working range of the systems. This is the case because, compared to conventional operational management, the operating points of the systems fluctuate significantly more and, in particular, are often in the extremes of the work area.

Ein weiterer Nachteil von Black-Box-Modellen ist, dass diese typischerweise eine hohe Anzahl von zu identifizierenden Parametern aufweisen. Somit haben Black-Box-Modelle eine höhere Parameterunsicherheit. Dadurch sind deutlich mehr Messwerte für die verschiedenen Arbeitspunkte der Anlage erforderlich. Typischerweise weisen die Anlagen eines Energiesystems keinen umfassenden Stelleingriff auf, sodass die zur Parameteridentifikation erforderliche Zeit deutlich erhöht ist, da ausreichend viele Messwerte erfasst werden müssen.Another disadvantage of black box models is that they typically have a large number of parameters to be identified. Thus, black box models have a higher parameter uncertainty. This means that significantly more measured values are required for the various operating points of the system. Typically, the systems of an energy system do not have extensive control intervention, so that the time required for parameter identification is significantly increased, since a sufficient number of measured values must be recorded.

Der vorliegenden Erfindung liegt die Aufgabe zugrunde, eine verbesserte Parameteridentifikation bereitzustellen.The present invention is based on the object of providing an improved parameter identification.

Die Aufgabe wird durch ein Verfahren mit den Merkmalen des unabhängigen Patentanspruches 1 sowie durch ein Energiesystem mit den Merkmalen des unabhängigen Patentanspruches 13 gelöst. In den abhängigen Patentansprüchen sind vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung angegeben. The object is achieved by a method with the features of independent patent claim 1 and by an energy system with the features of independent patent claim 13. Advantageous configurations and developments of the invention are specified in the dependent claims.

Das erfindungsgemäße Verfahren zur Parameteridentifikation eines Black-Box-Modells für wenigstens eine energietechnische Anlage eines Energiesystems ist wenigstens durch die folgenden Schritte gekennzeichnet:

  • - Bereitstellen eines ersten Datensatzes, der Messwerte bezüglich der Anlage über einen Teilbereich des Arbeitsbereiches der Anlage umfasst;
  • - Bereitstellen eines Grey-Box-Modells für die Anlage mit wenigstens einer Ausgangsgröße und Eingangsgröße, wobei das Grey-Box-Modell über den Arbeitsbereich der Anlage validiert ist;
  • - Erzeugen eines zweiten Datensatzes, der mittels des Grey-Box-Modells berechnete, synthetische Messwerte der Ausgangsgröße und/oder Eingangsgröße über den Arbeitsbereich der Anlage umfasst; und
  • - Parameteridentifikation des Black-Box-Modells mittels des ersten und zweiten Datensatzes.
The method according to the invention for parameter identification of a black box model for at least one energy-technical installation of an energy system is characterized at least by the following steps:
  • - Provision of a first data set which comprises measured values relating to the system over a sub-area of the working area of the system;
  • - Providing a gray box model for the system with at least one output variable and input variable, the gray box model being validated over the working area of the system;
  • - Generating a second data set containing the synthetic measured values of the output variable and / or calculated by means of the gray box model Includes input variable over the working area of the system; and
  • - Parameter identification of the black box model using the first and second data set.

Bevorzugt werden der erste und der zweite Datensatz zu einem dritten Datensatz kombiniert. Die Parameteridentifikation des Black-Box-Modells erfolgt dann mittels des erzeugten dritten Datensatzes. Die Kombination liegt somit in dem Sinne schon vor, wenn der erste und zweite Datensatz zur Parameteridentifikation verwendet werden. Im Folgenden werden daher der erste und zweite Datensatz als dritter Datensatz bezeichnet.The first and the second data set are preferably combined to form a third data set. The parameter identification of the black box model then takes place by means of the third data set that is generated. The combination is therefore already present in the sense that the first and second data records are used for parameter identification. In the following, the first and second data records are therefore referred to as the third data record.

Das erfindungsgemäße Verfahren kann teilweise oder vollständig computergestützt sein. Weiterhin können die einzelnen Schritte des Verfahrens wenigstens teilweise oder vollständig computergestützt sein.The method according to the invention can be partially or completely computer-aided. Furthermore, the individual steps of the method can be at least partially or completely computer-aided.

Gemäß der vorliegenden Erfindung erfolgt die Parameteridentifikation des Black-Box-Modells der Anlage mittels eines Grey-Box-Modells. Hierzu werden mittels des Grey-Box-Modells, welches auf den gesamten Arbeitsbereich der Anlage validiert ist, synthetische Messwerte (zweiter Datensatz) berechnet, die mit den erfassten physikalischen Messwerten (erster Datensatz) grundsätzlich einen neuen dritten Datensatz bilden. According to the present invention, the parameter identification of the black box model of the system takes place by means of a gray box model. For this purpose, synthetic measured values (second data set) are calculated using the gray box model, which is validated for the entire working area of the system, which basically form a new third data set with the recorded physical measured values (first data set).

Diese können auch tatsächlich zu einem dritten Datensatz kombiniert werden. Der erzeugte dritte Datensatz (erster und zweiter Datensatz) weist dadurch Messwerte über den gesamten Arbeitsbereich auf, obwohl physikalische, tatsächliche beziehungsweise reale Messwerte lediglich im genannten Teilbereich des Arbeitsbereiches der Anlage tatsächlich erfasst worden sind und somit bereitgestellt werden. Dadurch kann vorteilhafterweise die Zeit oder Rechenzeit für die Parameteridentifikation deutlich reduziert werden, da nicht für jeden Arbeitspunkt des Arbeitsbereiches tatsächlich unmittelbar Messwerte erfasst werden müssen.These can actually be combined into a third data set. The generated third data set (first and second data set) thus has measured values over the entire working area, although physical, actual or real measured values have only actually been recorded in the named sub-area of the working area of the system and are thus made available. In this way, the time or computing time for the parameter identification can advantageously be significantly reduced, since measured values do not actually have to be recorded directly for each working point of the working area.

Weiterhin können gemäß der vorliegenden Erfindung parametrisierte Black-Box-Modelle für im Wesentlichen alle Anlagen verwendet werden. Dies führt vorteilhafterweise zu verbesserten Ergebnissen der Parameteridentifikation, da insbesondere Black-Box-Modelle aufgrund ihrer größeren Anzahl an Freiheitsgraden das Verhalten der Anlage (Systemverhalten) typischerweise besser abbilden.Furthermore, according to the present invention, parameterized black box models can be used for essentially all systems. This advantageously leads to improved results of the parameter identification, since black box models in particular typically better map the behavior of the installation (system behavior) due to their greater number of degrees of freedom.

Die vorliegende Erfindung ermöglicht durch die Verwendung des Grey-Box-Modells eine robustere und bezüglich des Arbeitsbereiches weitreichendere Validierung des Black-Box-Modells. Das ist zum einen deshalb der Fall, da die Parameter aufgrund ihrer physikalischen Interpretierbarkeit deutlich besser auf logische/physikalische Konsistenz geprüft werden können. Dementsprechend stellt der Vergleich des Ein- und Ausgangsverhaltens des Grey-Box-Modells und Black-Box-Modelles ein zusätzliches Validierungskriterium dar.By using the gray box model, the present invention enables a more robust validation of the black box model that is more extensive in terms of the working range. On the one hand, this is the case because the parameters can be checked much better for logical / physical consistency due to their physical interpretability. Accordingly, the comparison of the input and output behavior of the gray box model and black box model represents an additional validation criterion.

Das erfindungsgemäße Energiesystem umfasst wenigstens eine energietechnische Anlage, eine Messvorrichtung zur Erfassung von Messwerten wenigstens einer Ausgangsgröße und/oder Eingangsgröße der Anlage, und eine Steuervorrichtung zur Steuerung der Anlage. Das erfindungsgemäße Energiesystem ist dadurch gekennzeichnet, dass die Steuervorrichtung zur Durchführung eines Verfahrens gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen ausgebildet ist.The energy system according to the invention comprises at least one energy-related installation, a measuring device for recording measured values of at least one output variable and / or input variable of the installation, and a control device for controlling the installation. The energy system according to the invention is characterized in that the control device is designed to carry out a method according to the present invention and / or one of its configurations.

Es ergeben sich zum erfindungsgemäßen Verfahren gleichartige und gleichwertige Vorteile und Ausgestaltungen.Similar and equivalent advantages and configurations result for the method according to the invention.

Weiterhin kann das erfindungsgemäße Verfahren Bestandteil eines Energiemanagementsystems, eines Energiemanagementverfahrens und/oder einer modellprädikativen Regelung für die Anlage beziehungsweise für das Energiesystem sein. Mit anderen Worten umfasst ein erfindungsgemäßes Energiemanagementverfahren ein Verfahren gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltung, ein erfindungsgemäßes Energiemanagementsystem ist zur Durchführung eines Verfahrens gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen ausgebildet und eine erfindungsgemäße Regelung umfasst ein Verfahren gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen.Furthermore, the method according to the invention can be part of an energy management system, an energy management method and / or a model predictive control for the installation or for the energy system. In other words, an energy management method according to the invention comprises a method according to the present invention and / or one of its refinements, an energy management system according to the invention is designed to carry out a method according to the present invention and / or one of its refinements, and a control according to the invention comprises a method according to the present invention and / or one of its configurations.

Vorliegend umfasst der Begriff des Steuerns ein Regeln.In the present case, the concept of controlling includes regulating.

Gemäß einer vorteilhaften Ausgestaltung der Erfindung erfolgt eine Validierung des durch die Parameteridentifikation parametrisierten Black-Box-Modells.According to an advantageous embodiment of the invention, the black box model parameterized by the parameter identification is validated.

Dadurch ist vorteilhafterweise sichergestellt, dass den mittels des dritten Datensatzes identifizierten Parameter vertraut werden kann, das heißt, dass das parametrisierte Black-Box-Modell über den gesamten Arbeitsbereich der Anlage ausreichend genaue und richtige Ergebnisse bereitstellt.This advantageously ensures that the parameters identified by means of the third data set can be trusted, that is to say that the parameterized black box model provides sufficiently accurate and correct results over the entire working area of the system.

Die Validierung der Parameter (Beurteilung der Qualität der identifizierten Parameter) ist vorteilhaft, da dadurch die Korrektheit der identifizierten Parameter und somit des Black-Box-Modells sichergestellt ist.The validation of the parameters (assessment of the quality of the identified parameters) is advantageous, since this ensures the correctness of the identified parameters and thus of the black box model.

Bei bekannten Parameteridentifikationen erfolgt die Validierung durch einen Abgleich des Modells mit weiteren Messdaten oder Messwerten, wobei dieser Abgleich mittels des mittleren quadratischen Fehlers (englisch: Root-Mean-Squared Error; abgekürzt RMSE) durchgeführt werden kann.If the parameter identifications are known, the validation is carried out by comparing the Model with further measurement data or measurement values, whereby this comparison can be carried out using the root-mean-squared error (abbreviated RMSE).

Weiterhin wird in der noch nicht veröffentlichten Patentanmeldung DE 102019207059.0 ein besonders vorteilhaftes Validierungsverfahren vorgestellt.Furthermore, in the as yet unpublished patent application DE 102019207059.0 a particularly advantageous validation procedure is presented.

In einer besonders vorteilhaften Ausgestaltung der Erfindung werden die Schritte des Verfahrens gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltung iteriert, das heißt mehrfach wiederholt.In a particularly advantageous embodiment of the invention, the steps of the method according to the present invention and / or one of its embodiments are iterated, that is to say repeated several times.

Dadurch wird vorteilhafterweise die Genauigkeit des Black-Box-Modells der Anlage weiter verbessert. Das ist deshalb der Fall, da hierdurch der dritte Datensatz (erster und zweiter Datensatz) immer mehr reale oder tatsächliche Messwerte und immer weniger synthetisch erzeugte Messwerte umfasst. Insbesondere ist das dann der Fall, wenn wiederholt Messwerte erfasst werden, wobei hierzu die Anlage über die Iterationen über ihren Arbeitsbereich abgefahren wird. Die synthetischen Messwerte werden dann für die Bereiche, für welche erfasste Messwerte vorhanden sind, nicht erzeugt und/oder bei der Kombination des ersten und zweiten Datensatzes gelöscht. Die Messwerte können während des Abfahrens des Arbeitsbereiches der Anlage stetig, periodisch und/oder kontinuierlich erfasst werden. Diese bilden dann jeweils einen ergänzten und/oder aktualisierten ersten Datensatz aus.This advantageously further improves the accuracy of the black box model of the system. This is the case because the third data set (first and second data set) comprises more and more real or actual measured values and fewer and fewer synthetically generated measured values. This is particularly the case when measured values are recorded repeatedly, for this purpose the system is run through the iterations over its working range. The synthetic measured values are then not generated for the areas for which recorded measured values are available and / or are deleted when the first and second data record are combined. The measured values can be recorded continuously, periodically and / or continuously while the work area of the system is being traversed. These then each form a supplemented and / or updated first data record.

Hierbei ist es besonders bevorzugt, wenn die Iteration derart häufig erfolgt, bis der dritte Datensatz ausschließlich Messwerte, das heißt tatsächlich erfasste oder reale Messwerte, umfasst.It is particularly preferred here if the iteration takes place so often that the third data set comprises exclusively measured values, that is to say actually recorded or real measured values.

Vorteilhafterweise ist dadurch sichergestellt, dass die Parameteridentifikation schlussendlich ausschließlich basierend auf erfassten Messwerten erfolgen kann. Insbesondere wird die Iteration dann gestoppt, wenn Messwerte über den gesamten Arbeitsbereich der Anlage erfasst wurden, das heißt durch den ersten Datensatz umfasst sind. Dadurch wird insgesamt die Parameteridentifikation des Black-Box-Modells verbessert.This advantageously ensures that the parameter identification can ultimately take place exclusively on the basis of recorded measured values. In particular, the iteration is stopped when measured values have been recorded over the entire working range of the system, that is to say are included in the first data record. As a result, the parameter identification of the black box model is improved overall.

In einer vorteilhaften Ausgestaltung der Erfindung wird für jede der Iterationen der erste Datensatz durch erfasste Messwerte ergänzt und/oder aktualisiert.In an advantageous embodiment of the invention, the first data record is supplemented and / or updated by recorded measured values for each of the iterations.

Dadurch wird vorteilhafterweise ein stets aktueller erster Datensatz zur Parameteridentifikation des Black-Box-Modells herangezogen.As a result, a first data set that is always up-to-date is advantageously used for parameter identification of the black box model.

Gemäß einer vorteilhaften Ausgestaltung der Erfindung wurde das Grey-Box-Modell mittels des ersten Datensatzes parametrisiert.According to an advantageous embodiment of the invention, the gray box model was parameterized using the first data set.

Das Grey-Box-Modell wird gemäß der vorliegenden Erfindung bereitgestellt. Hierbei ist erforderlich, dass das Grey-Box-Modell über den Arbeitsbereich der Anlage validiert ist. Weiterhin ist grundsätzlich eine Parametrisierung des Grey-Box-Modells erforderlich. Diese Parametrisierung beziehungsweise Parameteridentifikation kann bevorzugt mittels den erfassten Messwerten, das heißt mittels des ersten Datensatzes, erfolgen. Dadurch sind vorteilhafterweise keine zusätzlichen Messungen beziehungsweise Messwerte erforderlich. Weiterhin kann das Grey-Box-Modell bevorzugt nichtlinear sein und/oder als lineares oder nichtlineares White-Box-Modell ausgebildet sein.The gray box model is provided in accordance with the present invention. Here it is necessary that the gray box model is validated over the working area of the system. Furthermore, a parameterization of the gray box model is fundamentally necessary. This parameterization or parameter identification can preferably take place by means of the recorded measured values, that is to say by means of the first data set. As a result, no additional measurements or measured values are advantageously required. Furthermore, the gray box model can preferably be non-linear and / or be designed as a linear or non-linear white box model.

In einer vorteilhaften Ausgestaltung der Erfindung wird der zweite Datensatz mittels einer äquidistanten Verteilung von Trainingswerten, mittels Latin Hypercube Sampling und/oder mittels eines Informationsmaßes erzeugt.In an advantageous embodiment of the invention, the second data set is generated by means of an equidistant distribution of training values, by means of Latin hypercube sampling and / or by means of an information measure.

Mit anderen Worten werden die synthetischen Messwerte mittels einer oder mehreren der genannten Methoden über den Arbeitsbereich der Anlage erzeugt. Dadurch wird vorteilhafterweise sichergestellt, dass für im Wesentlichen alle relevanten Arbeitspunkte des Arbeitsbereiches wenigstens ein synthetisch erzeugter (repräsentativer) Messwert vorliegt, das heißt durch den zweiten Datensatz umfasst ist.In other words, the synthetic measured values are generated using one or more of the methods mentioned over the working area of the system. This advantageously ensures that there is at least one synthetically generated (representative) measured value for essentially all relevant working points of the working area, that is to say is included in the second data set.

Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird der dritte Datensatz aus einer Kombination des ersten und zweiten Datensatzes erzeugt, wobei Werte des zweiten Datensatzes, die den kleinsten euklidischen Abstand zu einem der Messwerte des ersten Datensatzes aufweisen, nicht durch die Kombination umfasst werden.According to an advantageous embodiment of the invention, the third data set is generated from a combination of the first and second data set, whereby values of the second data set that have the smallest Euclidean distance to one of the measured values of the first data set are not included by the combination.

Dadurch wird vorteilhafterweise die Parameteridentifikation verbessert. Alternativ oder ergänzend zum euklidischen Abstand können weitere Maße/Normen, beispielsweise der durch die p-Normen induzierte Abstand (Metrik), vorgesehen sein.This advantageously improves the parameter identification. As an alternative or in addition to the Euclidean distance, further dimensions / norms, for example the distance (metric) induced by the p norms, can be provided.

In einer vorteilhaften Ausgestaltung der Erfindung werden die Messwerte des ersten Datensatzes aufbereitet und/oder gefiltert.In an advantageous embodiment of the invention, the measured values of the first data set are processed and / or filtered.

Dadurch wird vorteilhafterweise der erste Datensatz in seiner Qualität verbessert. Insgesamt wird dadurch die Parameteridentifikation weiter verbessert.This advantageously improves the quality of the first data record. Overall, this further improves the parameter identification.

Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird als Black-Box-Modell ein linearer Zusammenhang zwischen der Ausgangsgröße und der Eingangsgröße verwendet.According to an advantageous embodiment of the invention, a linear black box model is used Relationship between the output variable and the input variable is used.

Mit anderen Worten wird bevorzugt ein lineares Black-Box-Modell verwendet. Dadurch wird vorteilhafterweise die Rechenzeit der Parametrisierung und einer Optimierung, bei welcher das Black-Box-Modell verwendet wird, insbesondere im Rahmen eines Energiemanagementsystems beziehungsweise eines Energiemanagementverfahrens, verringert. Dadurch wird eine schnellere und effektivere Steuerung der Anlage beziehungsweise des Energiesystems, insbesondere mittels eines Energiemanagementsystems und/oder Energiemanagementverfahrens, ermöglicht. Das ist deshalb der Fall, da eine zugehörige beziehungsweise entsprechende Optimierung häufiger durchgeführt werden kann, sodass auf Änderungen entsprechend schneller reagiert werden kann. Weiterhin wird dadurch die Lösung der Optimierung genauer bestimmbar, sodass die Steuerung der Anlage beziehungsweise des Energiesystems in ihrer Genauigkeit und Effizienz verbessert wird.In other words, a linear black box model is preferably used. This advantageously reduces the computing time for parameterization and optimization in which the black box model is used, in particular within the framework of an energy management system or an energy management method. This enables faster and more effective control of the installation or the energy system, in particular by means of an energy management system and / or energy management method. This is the case because an associated or corresponding optimization can be carried out more frequently so that changes can be responded to more quickly. Furthermore, the solution to the optimization can be determined more precisely, so that the control of the installation or the energy system is improved in its accuracy and efficiency.

In einer besonders bevorzugten Ausgestaltung wird als Black-Box-Modell ein neuronales Netz verwendet, wobei der erste und zweite beziehungsweise der dritte Datensatz zum Trainieren des neuronalen Netzes verwendet wird.In a particularly preferred embodiment, a neural network is used as the black box model, the first and second or third data sets being used to train the neural network.

Mit anderen Worten bildet der dritte Datensatz (erster und zweiter Datensatz) bevorzugt einen Trainingsdatendatensatz für das neuronale Netz aus. Weiterhin kann das Grey-Box-Modell als neuronales Netz ausgebildet sein, sodass ebenfalls der erste und/oder zweite Datensatz einen Trainingsdatensatz für das Grey-Box-Modell ausbilden können.In other words, the third data set (first and second data set) preferably forms a training data set for the neural network. Furthermore, the gray box model can be designed as a neural network, so that the first and / or second data set can also form a training data set for the gray box model.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus den im Folgenden beschriebenen Ausführungsbeispielen sowie anhand der Zeichnung. Dabei zeigt die einzige Figur ein schematisiertes Ablaufdiagramm des Verfahrens gemäß einer Ausgestaltung der vorliegenden Erfindung.Further advantages, features and details of the invention emerge from the exemplary embodiments described below and with reference to the drawing. The single FIGURE shows a schematic flow diagram of the method according to an embodiment of the present invention.

Gleichartige, gleichwertige oder gleichwirkende Elemente können in einer der Figuren oder in den Figuren mit denselben Bezugszeichen versehen sein.Identical, equivalent or identically acting elements can be provided with the same reference symbols in one of the figures or in the figures.

Das Verfahren zur Parameteridentifikation S eines Black-Box-Modells wenigstens einer energietechnischen Anlage eines Energiesystems gemäß der Ausgestaltung der vorliegenden Erfindung umfasst die Schritte S0 bis S1 sowie ergänzend einen Iterationsschritt S41 beziehungsweise eine Iteration S41.The procedure for parameter identification S. a black box model of at least one energy-technical installation of an energy system according to the embodiment of the present invention comprises the steps S0 to S1 as well as an additional iteration step S41 or an iteration S41 .

Im nullten Schritt S0 des Verfahrens wird ein erster Datensatz bereitgestellt, der Messwerte bezüglich der Anlage über einen Teilbereich des Arbeitsbereiches der Anlage umfasst. In the zeroth step S0 of the method, a first data record is provided which includes measured values relating to the system over a sub-area of the working area of the system.

Mit anderen Worten werden Messwerte physikalischer Größen (Messgrößen), die einen Bezug zur Anlage haben, bereitgestellt, beispielsweise für eine elektrische, mechanische oder thermische Leistung, eine Spannung, eine Stromstärke, eine Drehzahl, eine Temperatur, einen Druck und/oder weitere Grö-ßen. Entscheidend ist hierbei, dass die Messwerte nicht für den gesamten Arbeitsbereich der Anlage vorliegen müssen, sondern für die erfindungsgemäße Parameteridentifikation ein Teilbereich des Arbeitsbereiches der Anlage ausreichend ist.In other words, measured values of physical variables (measured variables) that are related to the system are provided, for example for electrical, mechanical or thermal power, voltage, current strength, speed, temperature, pressure and / or other variables. eat. The decisive factor here is that the measured values do not have to be available for the entire working area of the system, but rather a partial area of the working area of the system is sufficient for the parameter identification according to the invention.

Im ersten Schritt S1 des Verfahrens wird ein Grey-Box-Modell für die Anlage mit wenigstens einer Ausgangsgröße und Eingangsgröße bereitgestellt, wobei das Grey-Box-Modell über den Arbeitsbereich der Anlage validiert ist. Mit anderen Worten sind die Parameter des Grey-Box-Modells bereits identifiziert (Parameteridentifikation) und das Grey-Box-Modell validiert. Dadurch wird im ersten Schritt des erfindungsgemäßen Verfahrens ein parametrisiertes und validiertes Grey-Box-Modell bereitgestellt. Das Grey-Box-Modell ist insbesondere nichtlinear.In the first step S1 of the method, a gray box model is provided for the system with at least one output variable and input variable, the gray box model being validated over the working area of the system. In other words, the parameters of the gray box model are already identified (parameter identification) and the gray box model is validated. As a result, a parameterized and validated gray box model is provided in the first step of the method according to the invention. In particular, the gray box model is non-linear.

Hierbei kann das Grey-Box-Modell mittels des ersten Datensatzes, das heißt mittels der Messwerte, parametrisiert werden beziehungsweise parametrisiert worden sein. Das Grey-Box-Modell ist erfindungsgemäß über den gesamten Arbeitsbereich der Anlage validiert. Dadurch ist sichergestellt, dass das Grey-Box-Modell über den gesamten Arbeitsbereich die Anlage beziehungsweise deren Verhalten ausreichend korrekt beschreibt beziehungsweise modelliert. Beispielsweise erfolgt die Validierung des Grey-Box-Modells mittels einer Konsistenzprüfung/Konsistenzanalyse der einzelnen Parameter, beispielsweise bezüglich ihres Vorzeichens, Größenordnung und/oder weiteren Größen sowie mittels statistischer Verfahren (statistische Unsicherheit). Für die Parameteridentifikation und/oder Validierung des Grey-Box-Modells können bekannte Verfahren verwendet werden.In this case, the gray box model can be parameterized or have been parameterized by means of the first data record, that is to say by means of the measured values. According to the invention, the gray box model is validated over the entire working area of the system. This ensures that the gray box model describes or models the system and its behavior sufficiently correctly over the entire work area. For example, the gray box model is validated by means of a consistency check / analysis of the individual parameters, for example with regard to their sign, order of magnitude and / or other variables, as well as by means of statistical methods (statistical uncertainty). Known methods can be used for the parameter identification and / or validation of the gray box model.

Das Grey-Box-Modell weist eine oder mehrere Eingangsgrößen sowie eine oder mehrere Ausgangsgrößen auf. Die Eingangsgrößen und Ausgangsgrößen können direkt den Messgrößen entsprechen oder aus diesen abgeleitete oder transformierte Größen darstellen.The gray box model has one or more input variables and one or more output variables. The input variables and output variables can correspond directly to the measured variables or represent variables derived or transformed from them.

Der erste Schritt S1 des Verfahrens kann somit ebenfalls als Bereitstellung eines parametrisierten und validierten Grey-Box-Modells bezeichnet werden.The first step S1 of the method can thus also be referred to as the provision of a parameterized and validated gray box model.

Im zweiten Schritt S2 des Verfahrens wird ein zweiter Datensatz erzeugt, der mittels des Grey-Box-Modells berechnete, synthetische Messwerte der Ausgangsgröße und/oder Eingangsgröße über den Arbeitsbereich der Anlage umfasst. Mit anderen Worten werden im zweiten Schritt synthetische Messwerte über den gesamten Arbeitsbereich und/oder über den Arbeitsbereich, welcher nicht durch den Teilbereich der tatsächlichen oder realen Messwerte abgedeckt ist, erzeugt.At the second step S2 of the process, a second data record is generated, which is generated by means of the gray box Model-calculated, synthetic measured values of the output variable and / or input variable over the working range of the system. In other words, in the second step, synthetic measured values are generated over the entire work area and / or over the work area which is not covered by the sub-area of the actual or real measured values.

Mit anderen Worten werden unter einer Verwendung des Grey-Box-Modells synthetische Messwerte über den gesamten Arbeitsbereich der Anlage berechnet beziehungsweise erzeugt. Hierbei ist entscheidend, dass das Grey-Box-Modell über den gesamten Arbeitsbereich validiert ist, da sonst den synthetisch erzeugten Messwerten, insbesondere denen, die außerhalb des Teilbereiches der tatsächlichen Messwerte liegen, nicht vollständig vertraut werden kann. Als Verfahren zur Erzeugung der synthetischen Messwerte mittels des Grey-Box-Modells können bekannte Verfahren, wie beispielsweise Äquidistante Verteilung der Arbeitspunkte, Latin Hypercube Sampling, oder eine Optimierung hinsichtlich des Informationsgehaltes für die Parameteridentifikation des Black-Box-Modells, beispielsweise mittels des Fisher-Kriteriums, herangezogen werden.In other words, using the gray box model, synthetic measured values are calculated or generated over the entire working range of the system. It is crucial that the gray box model is validated over the entire working range, since otherwise the synthetically generated measured values, especially those that are outside the sub-range of the actual measured values, cannot be fully trusted. As a method for generating the synthetic measured values by means of the gray box model, known methods such as equidistant distribution of the working points, Latin hypercube sampling, or an optimization with regard to the information content for the parameter identification of the black box model, for example by means of the Fisher- Criterion.

Im dritten Schritt S3 des Verfahrens wird ein dritter Datensatz aus einer Kombination des ersten und zweiten Datensatzes erzeugt. Mit anderen Worten werden die Messwerte und die synthetisch erzeugten Messwerte zu einem Datensatz zusammengefügt, kombiniert und/oder fusioniert.In the third step S3 of the method, a third data set is generated from a combination of the first and second data set. In other words, the measured values and the synthetically generated measured values are combined, combined and / or merged into a data record.

Der erste Datensatz weist Messwerte über einen Teilbereich des Arbeitsbereiches der Anlage auf. Der zweite Datensatz weist synthetisch erzeugte Messwerte über den gesamten Arbeitsbereich der Anlage oder über die Bereiche des Arbeitsbereiches, die nicht bereits durch die tatsächlichen Messwerte abgedeckt sind, auf. Somit weist der kombinierte Datensatz (dritter Datensatz) im Gegensatz zum ersten Datensatz Werte/Messwerte/Daten über den gesamten Arbeitsbereich der Anlage auf.The first data record has measured values over a sub-area of the working area of the system. The second data set has synthetically generated measured values over the entire working area of the system or over the areas of the working area that are not already covered by the actual measured values. Thus, in contrast to the first data record, the combined data record (third data record) has values / measured values / data over the entire working range of the system.

Eine Ausführungsform der Kombination der Datensätze (Datenfusion) ist eine sukzessive Löschung der synthetisch erzeugten Messwerte, die jeweils den geringsten euklidischen Abstand (im aufgespannten Datenraum) zu den erfassten Messwerten des ersten Datensatzes aufweisen. Wird das Verfahren gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen iteriert (Schritt S41), so umfasst der kombinierte dritte Datensatz dadurch nach jedem Iterationsschritt S41 immer weniger synthetisch erzeugte Messwerte. Bei der Iteration S41 kann der nullte Schritt S0 des Verfahrens ausgelassen werden, sodass nur die Schritte S1 bis S4 wiederholt werden. Alternativ kann der nullte Schritt S0 ebenfalls Teil der Iteration sein, sodass nun die Schritte S0 bis S4 wiederholt werden.One embodiment of the combination of the data sets (data fusion) is a successive deletion of the synthetically generated measured values, each of which has the smallest Euclidean distance (in the spanned data space) to the recorded measured values of the first data set. If the method according to the present invention and / or one of its configurations is iterated (step S41 ), the combined third data set thus includes after each iteration step S41 fewer and fewer synthetically generated measured values. At the iteration S41 can take the zeroth step S0 of the procedure, so only steps S1 to S4 be repeated. Alternatively, the zeroth step S0 also be part of the iteration, so now the steps S0 to S4 be repeated.

Im Schritt S4 des erfindungsgemäßen Verfahrens erfolgt die Parameteridentifikation des Black-Box-Modells mittels des erzeugten dritten Datensatzes. Mit anderen Worten werden mittels des dritten Datensatzes die Parameter des Black-Box-Modells, insbesondere des linearen Black-Box-Modells, identifiziert. Hierbei können robuste Validierungskriterien die Modellqualität des derart parametrisierten Black-Box-Modells bezüglich des dritten Datensatzes und/oder bezüglich des ersten Datensatzes (Messwerte) sicherstellen.In step S4 In the method according to the invention, the parameters of the black box model are identified by means of the third data set that is generated. In other words, the parameters of the black box model, in particular the linear black box model, are identified by means of the third data set. Robust validation criteria can ensure the model quality of the black box model parameterized in this way with regard to the third data set and / or with regard to the first data set (measured values).

Die Schritte des Verfahrens können iteriert, wiederholt beziehungsweise zyklisch wiederholt werden, sodass der fusionierte dritte Datensatz mit jedem Iterationsschritt S41 immer mehr tatsächlich (real) erfasste und immer wenig synthetisch erzeugten Messwerte umfasst. Sobald die Anlage alle Arbeitspunkte des kompletten Arbeitsbereiches abgefahren hat, basieren die identifizierten Parameter des Black-Box-Modells somit im Wesentlichen, insbesondere ausschließlich, auf den tatsächlich erfassten Messwerten.The steps of the method can be iterated, repeated or cyclically repeated, so that the merged third data set with each iteration step S41 includes more and more actually (real) recorded and less and less synthetically generated measured values. As soon as the system has run through all the working points of the entire working area, the identified parameters of the black box model are therefore essentially, in particular exclusively, based on the actually recorded measured values.

Obwohl die Erfindung im Detail durch die bevorzugten Ausführungsbeispiele näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt oder andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.Although the invention has been illustrated and described in more detail by the preferred exemplary embodiments, the invention is not restricted by the disclosed examples or other variations can be derived from them by the person skilled in the art without departing from the scope of protection of the invention.

BezugszeichenlisteList of reference symbols

SS.
ParameteridentifikationParameter identification
S0S0
nullter Schrittzeroth step
S1S1
erster Schrittfirst step
S2S2
zweiter Schrittsecond step
S3S3
dritter SchrittThird step
S4S4
vierter Schrittfourth step
S41S41
IterationsschrittIteration step

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturPatent literature cited

  • DE 102019207059 [0036]DE 102019207059 [0036]

Claims (13)

Verfahren zur Parameteridentifikation (S) eines Black-Box-Modells für wenigstens eine energietechnische Anlage eines Energiesystems, gekennzeichnet durch die Schritte: - (S0) Bereitstellen eines ersten Datensatzes, der Messwerte bezüglich der Anlage über einen Teilbereich des Arbeitsbereiches der Anlage umfasst; - (S1) Bereitstellen eines Grey-Box-Modells für die Anlage mit wenigstens einer Ausgangsgröße und Eingangsgröße, wobei das Grey-Box-Modell über den Arbeitsbereich der Anlage validiert ist; - (S2) Erzeugen eines zweiten Datensatzes, der mittels des Grey-Box-Modells berechnete, synthetische Messwerte der Ausgangsgröße und/oder Eingangsgröße über den Arbeitsbereich der Anlage umfasst; und - (S4) Parameteridentifikation des Black-Box-Modells mittels des ersten und zweiten Datensatzes.Method for parameter identification (S) of a black box model for at least one energy-related installation of an energy system, characterized by the steps: - (S0) providing a first data set which comprises measured values relating to the installation over a sub-area of the working area of the installation; - (S1) providing a gray box model for the system with at least one output variable and input variable, the gray box model being validated over the working area of the system; - (S2) Generating a second data set which comprises synthetic measured values of the output variable and / or input variable calculated using the gray box model over the working range of the system; and - (S4) parameter identification of the black box model using the first and second data sets. Verfahren gemäß Anspruch 1, gekennzeichnet durch den weiteren Schritt: - (S3) Erzeugen eines dritten Datensatzes aus einer Kombination des ersten und zweiten Datensatzes; und - (S4) Parameteridentifikation des Black-Box-Modells mittels des erzeugten dritten Datensatzes.Procedure according to Claim 1 , characterized by the further step: - (S3) generating a third data record from a combination of the first and second data record; and - (S4) parameter identification of the black box model by means of the generated third data set. Verfahren gemäß Anspruch 1 oder 2, gekennzeichnet dadurch, dass eine Validierung des durch die Parameteridentifikation parametrisierten Black-Box-Modells erfolgt.Procedure according to Claim 1 or 2 , characterized in that the black box model parameterized by the parameter identification is validated. Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass die Schritte des Verfahrens gemäß Anspruch 1, 2 oder 3 iteriert werden.Method according to one of the preceding claims, characterized in that the steps of the method according to Claim 1 , 2 or 3 be iterated. Verfahren gemäß Anspruch 4, gekennzeichnet dadurch, dass die Iteration (S41) derart häufig erfolgt, bis der dritte Datensatz ausschließlich Messwerte umfasst.Procedure according to Claim 4 , characterized in that the iteration (S41) takes place so often that the third data set comprises exclusively measured values. Verfahren gemäß Anspruch 4 oder 5, gekennzeichnet dadurch, dass für jede der Iterationen (S41) der erste Datensatz durch erfasste Messwerte ergänzt und/oder aktualisiert wird.Procedure according to Claim 4 or 5 , characterized in that for each of the iterations (S41) the first data record is supplemented and / or updated by recorded measured values. Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass das Grey-Box-Modell mittels des ersten Datensatzes parametrisiert wurde.Method according to one of the preceding claims, characterized in that the gray box model was parameterized by means of the first data set. Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass der zweite Datensatz mittels einer äquidistanten Verteilung von Trainingswerten, mittels Latin Hypercube Sampling und/oder mittels eines Informationsmaßes erzeugt wird.Method according to one of the preceding claims, characterized in that the second data set is generated by means of an equidistant distribution of training values, by means of Latin hypercube sampling and / or by means of an information measure. Verfahren gemäß einem der Ansprüche 2 bis 8, gekennzeichnet dadurch, dass der dritte Datensatz aus einer Kombination des ersten und zweiten Datensatzes erzeugt wird, wobei Werte des zweiten Datensatzes, die den kleinsten euklidischen Abstand zu einem der Messwerte des ersten Datensatzes aufweisen, nicht durch die Kombination umfasst werden.Method according to one of the Claims 2 to 8th , characterized in that the third data set is generated from a combination of the first and second data set, wherein values of the second data set that have the smallest Euclidean distance to one of the measured values of the first data set are not included by the combination. Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass die Messwerte des ersten Datensatzes aufbereitet und/oder gefiltert werden.Method according to one of the preceding claims, characterized in that the measured values of the first data set are processed and / or filtered. Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass als Black-Box-Modell ein linearer Zusammenhang zwischen der Ausgangsgröße und der Eingangsgröße verwendet wird.Method according to one of the preceding claims, characterized in that a linear relationship between the output variable and the input variable is used as the black box model. Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass als Black-Box-Modell ein neuronales Netz verwendet wird, wobei der erste und zweite beziehungsweise der dritte Datensatz zum Trainieren des neuronalen Netzes verwendet wird.Method according to one of the preceding claims, characterized in that a neural network is used as the black box model, the first and second or the third data set being used to train the neural network. Energiesystem, umfassend wenigstens eine energietechnische Anlage, eine Messvorrichtung zur Erfassung von Messwerten wenigstens einer Ausgangsgröße und/oder Eingangsgröße der Anlage, und eine Steuervorrichtung zur Steuerung der Anlage, dadurch gekennzeichnet, dass die Steuervorrichtung zur Durchführung eines Verfahrens gemäß einem der vorhergehenden Ansprüche ausgebildet ist.Energy system, comprising at least one energy-related installation, a measuring device for recording measured values of at least one output variable and / or input variable of the installation, and a control device for controlling the installation, characterized in that the control device is designed to carry out a method according to one of the preceding claims.
DE102019215262.7A 2019-10-02 2019-10-02 Method for the parameter identification of a black box model for one or more energy systems of an energy system Ceased DE102019215262A1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102019215262.7A DE102019215262A1 (en) 2019-10-02 2019-10-02 Method for the parameter identification of a black box model for one or more energy systems of an energy system
PCT/EP2020/072015 WO2021063568A1 (en) 2019-10-02 2020-08-05 Method for identifying parameters of a black box model for one or more energy installations in an energy system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019215262.7A DE102019215262A1 (en) 2019-10-02 2019-10-02 Method for the parameter identification of a black box model for one or more energy systems of an energy system

Publications (1)

Publication Number Publication Date
DE102019215262A1 true DE102019215262A1 (en) 2021-04-08

Family

ID=72243069

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019215262.7A Ceased DE102019215262A1 (en) 2019-10-02 2019-10-02 Method for the parameter identification of a black box model for one or more energy systems of an energy system

Country Status (2)

Country Link
DE (1) DE102019215262A1 (en)
WO (1) WO2021063568A1 (en)

Also Published As

Publication number Publication date
WO2021063568A1 (en) 2021-04-08

Similar Documents

Publication Publication Date Title
EP2999998B1 (en) Methods for ascertaining a model of an output variable of a technical system
DE60211520T2 (en) Arrangement for controlling the operation of a physical system, such as a fuel cell in electric vehicles
DE102011076780A1 (en) Method and device for condition monitoring
EP3268713B1 (en) Method for generating a model ensemble for calibrating a control device
EP2854045B1 (en) Method and system for the evaluation of recorded measured values of a system
EP1546823B1 (en) Method for the computer-supported generation of prognoses for operative systems and system for the generation of prognoses for operative systems
EP2088486A1 (en) Method for measuring a non-linear dynamic real system using design of experiment
EP3460727A1 (en) Method for examining a functional behaviour of a technical system and evaluation unit
WO2020229050A1 (en) Method for validating system parameters of an energy system, method for operating an energy system, and energy management system for an energy system
EP3579175A1 (en) Method for sensitivity analysis of an optimised energy system
EP3942372B1 (en) Method for validating system parameters of an energy system, method for operating an energy system, and energy management system for an energy system
DE102019215262A1 (en) Method for the parameter identification of a black box model for one or more energy systems of an energy system
EP3356834B1 (en) Method for determining parameters of an electrochemical energy store in a computer-aided manner
EP3699704B1 (en) System and method for validating system requirements of cyber-physical systems
DE102020111206A1 (en) Method for operating a control device for a motor vehicle and a corresponding control device
WO2021213998A1 (en) Method for operating a controller assembly, and corresponding controller assembly
DE102020111204A1 (en) Method for operating a control device for a motor vehicle and a corresponding control device
DE102017118996B3 (en) Method for determining influencing parameter combinations of a physical simulation model
EP4060559B1 (en) Training data set, training and artificial neural network for estimating the condition of a power network
EP3527817A1 (en) Methods and devices for automated determination and/or compensating for the influence of a wake vortex on a wind turbine
DE10013509C1 (en) Data-based process model construction method with provision of partial models dependent on supplied data sets in forst step and combining of their outputs by defuzzifying device in second step
DE102022108392A1 (en) Computer-implemented method for calibrating a control unit of an electric powertrain of a vehicle
EP3702941A1 (en) Method for automatic interpretation of a pipework scheme
DE202021103700U1 (en) Device for generating an artificial neural network
DE102021201628A1 (en) Computer-implemented method and device for coding and processing high-dimensional sensor path data from a sensor unit for controlling a vehicle

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final