一种综合能源系统的主动学习代理优化方法

专利主权项内容

1.一种综合能源系统的主动学习代理优化方法，其特征在于，包括如下步骤：步骤一、确定主动调节综合能源系统的系统运行策略的目标函数，包括最大化能源节约率、最小化运行成本和最小化二氧化碳排放，并确定目标函数的约束条件；步骤二、采用Bootstrap自举抽样法获得训练样本，即系统运行策略和能源节约率、运行成本、二氧化碳排放的样本对，建立集群极限学习机代理模型，模拟真实的综合能源系统的运行行为，预测各种系统运行策略对综合能源系统的能源节约率、运行成本和二氧化碳排放的影响；步骤三、优化开始前，收集初始数据点，所述初始数据点包括内燃机发电量和CeO 流量、综合能源系统的能源节约率、运行成本和二氧化碳排放；2步骤四、根据初始数据点构成的初始数据集，采用非支配排序遗传算法获得帕累托前沿近似集；步骤五、选择置信区间上限-超体积改进函数作为采集函数；步骤六、基于已建立的集群极限学习机代理模型，根据当前运行数据进行预测，提高优化效率；利用模式搜索法求解采集函数，确定下一步最佳的系统运行策略并进行评估，以提高综合能源系统的能源节约率，降低运行成本和二氧化碳排放；步骤七、将新确定的综合能源系统的最佳的系统运行策略纳入集群极限学习机代理模型的训练数据集，并更新集群极限学习机代理模型，提高其逼近综合能源系统的运行策略与能源节约率、环境影响和经济收益复杂关系的准确度；循环迭代，直到达到特定的迭代次数或获得一个满意的帕累托前沿解集；步骤八、利用主动学习代理优化方法求解系统运行策略后，根据帕累托前沿解集得出综合能源系统运行的最优策略，然后应用最优策略主动调节实际的综合能源系统，以实现预期目标。