基于机器学习的自优化被控变量选择方法和装置

摘要

本发明公开了一种基于机器学习的自优化被控变量选择方法和装置，包括：从工业控制系统中采集历史稳态数据，包括测量变量、操纵变量和干扰变量；根据物料平衡、能量平衡构建稳态模型方程并求解；确定经济目标函数和系统约束条件，基于稳态模型构建稳态优化问题，并进行求解得到测量变量、操纵变量和约束变量的最优数据；利用机器学习算法对测量变量、操纵变量和约束变量的最优数据构建的样本数据进行学习，以构建约束变量与测量变量和操纵变量之间的映射关系，并将该映射关系与约束变量的差作为自优化被控变量表达式；根据自优化被控变量表达式在线计算自优化被控变量的实际值，并将其控制在零值附近，以保持被控系统实时靠近最优运行。