基于机器学习的热源总供热量优化控制

摘要

集中供热系统结构复杂,存在严重的滞后性、强耦合性、非线性,针对其难以通过机理建模进行辨识和控制的问题,提出一种基于机器学习的热源总热量生产优化控制方法。分别利用BP(Back Propagation)和长短时记忆神经网络建立集中供热系统的热源模型,在满足供热质量的前提下,以供热总能耗为优化目标,通过执行依赖双启发式动态规划(Action-Dependent Dual Heuristic Programming,ADDHP)算法,得到热源处供水温度和供水流量的优化控制序列。仿真分析表明,建立的热源模型能有效辨识热源生产过程,ADDHP控制方法能够实现热源总热量生产的最优控制。