用于泛能引擎的设备参数控制方法、装置和泛能引擎设备

技术领域

本发明涉及泛能网控制领域，具体涉及一种用于泛能引擎的设备参数控制 方法、装置和泛能引擎设备。

背景技术

泛能网是一个信息、能量和物质通过协同耦合而融为一体的智能能源网络 体系。泛能网技术是将信息网、能量网和物质网耦合成同一网络的智能协同技 术，最大程度的体现了机机互感、人机互动和人人互智的网络化关系。该技术 通过能效匹配系统、智能交互控制中心和智能云服务平台实现了能量空间、信 息空间和物质空间的无缝连接，从而实现了能量的高级利用。

泛能网包括以传输泛能流的虚拟管道互联网络架构连接在一起的节点，在 节点之间双向传输泛能流。节点包括系统能效控制器，以及连接至系统能效控 制器的其他节点、能源生产装置、能源储存装置、能源应用装置和能源再生装 置中的至少一个。其中，系统能效控制器控制其他节点、能源生产装置、能源 储存装置、能源应用装置和能源再生装置的至少一个的泛能流的输入和输出， 泛能流包括能量流、物质流、信息流相互耦合协同而形成的逻辑智能流。

对于泛能网硬件系统来说，其中包括热泵、空调等各种硬件能源设施，如 何智能化的提供泛能网硬件系统设备的参数调节，达到节能同时满足系统用户 需要的要求，是目前尚待解决的。

发明内容

本发明要解决的技术问题是提供一种用于泛能引擎的设备参数控制方法、 装置和泛能引擎设备。所述的泛能引擎是用于对泛能网系统中的设备进行调节 和控制的智能设备。提供对泛能网系统设备参数从系统层面进行优化调节，既 满足提高能效、节能减排的需要，同时提高系统用户的满意度。

本发明公开了一种用于泛能引擎的设备参数控制方法，所述方法用于控制 泛能网系统的设备参数，所述方法包括：

步骤100、对包括所有系统设备参数组合的策略空间分配信息素初始值；其 中，所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个 节点，每个连接图中起点和终点的路径对应于一组参数组合；

步骤200、根据系统用户所选择的系统设备参数组合以及信息素计算多个系 统设备优化参数组合；

步骤300、分别计算所述多个系统设备优化参数组合对应的系统用户满意度 以及系统总体耗能；

步骤400、根据所述系统用户满意度以及系统总体耗能更新所述多个优化系 统设备参数组合对应的路径信息素；

步骤500、对策略空间中所有路径进行信息素挥发操作；

步骤600、判断是否满足迭代终止条件，如果未达到，则执行步骤200，否 则执行步骤700；

步骤700、输出最优系统设备参数组合，所述最优系统设备参数组合是历次 迭代计算得到系统设备优化参数组合中对应路径信息素最大的参数组合。

优选地，所述系统用户包括分为不同组别的用户，不同组别的用户的满意 度根据该组别用户的关注参数计算，所述系统用户的满意度为不同组别用户的 满意度的均值。

优选地，所述系统用户包括第一用户组、第二用户组和第三用户组，所述 第一用户组的满意度根据泛能网系统设备所调节的环境参数计算，所述第二用 户组的满意度根据泛能网系统设备的能效计算，所述第三用户组的满意度根据 泛能网系统设备的能耗成本计算。

优选地，所述方法还包括：

步骤800、根据所述系统用户根据所述系统用户选择的系统设备参数组合和 输出的最优系统设备参数组合计算不同用户的奖惩值，将所述奖惩值反馈给系 统用户。

优选地，所述判断是否达到计算终止条件包括：判断是否达到最大循环次 数或本轮循环计算的系统设备优化参数组合与上轮迭代计算的相同。

优选地，所述步骤200包括以系统用户所选择的系统设备参数组合以及信 息素作为约束条件分别利用序优化算法和遗传算法从策略空间中计算两组系统 设备优化参数组合，使得所述的系统设备优化参数组合对应的路径的信息素最 大化且与系统用户所选择的系统设备参数匹配。

优选地，所述多个系统设备优化参数组合中80%的结果根据序优化算法生 成，20%的结果根据遗传算法生成。

优选地，步骤400中根据如下公式更新对应路径的信息素： P_m+1＝d·g(c,μ，σ)-e+P_m，其中，$g(c,\mu ,\sigma )=\frac{1}{\sigma \sqrt{2\pi }}{\int }_{-\infty }^c{e}^{\frac{-{(t-\mu )}^2}{2\sigma }}\mathrm{dt},$Pm为第m轮迭代的 信息素，Pm+1为第m+1轮迭代的信息素，d为预定权重系数，μ正态分布平均 值，σ为正态分布方差，c为计算得到的用户满意度，e为系统总体耗能。

本发明还公开了一种用于泛能引擎的设备参数控制装置，所述装置用于控 制泛能网系统的设备参数，所述装置包括：

初始化单元，用于对包括所有系统设备参数组合的策略空间分配信息素初 始值；其中，所述策略空间将每个所述系统设备参数的每一个可选值对应于图 中的一个节点，每个连接图中起点和终点的路径对应于一组参数组合；

全局优化单元，用于根据系统用户所选择的系统设备参数组合以及信息素 计算系统设备优化参数组合；

评价计算单元，用于分别计算系统设备优化参数组合对应的系统用户满意 度以及系统总体耗能；

信息素更新单元，用于根据所述系统用户满意度以及系统总体耗能更新所 述优化系统设备参数组合对应的路径的信息素；

信息素挥发单元，用于对策略空间中所有路径进行信息素挥发操作；

迭代终止单元，用于在满足迭代终止条件时停止迭代，否则，由全局优化 单元、评价计算单元、信息素更新单元和信息素挥发单元进行迭代计算；

输出单元，用于停止迭代时输出最优系统设备参数组合，依据所述最优系 统设备参数组合控制泛能网系统设备。

优选地，所述系统用户包括分为不同组别的用户，不同组别的用户的满意 度根据该组别用户的关注参数计算，所述系统用户的满意度为不同组别用户的 满意度的均值。

优选地，所述系统用户包括第一用户组、第二用户组和第三用户组，所述 第一用户组的满意度根据泛能网系统设备所调节的环境参数计算，所述第二用 户组的满意度根据泛能网系统设备的能效计算，所述第三用户组的满意度根据 泛能网系统设备的能耗成本计算。

优选地，所述装置还包括奖惩值反馈单元，用于根据所述系统用户选择的 系统设备参数组合和输出的最优系统设备参数组合计算不同组别用户的奖惩 值，将所述奖惩值反馈给系统用户。

优选地，所述迭代终止单元用于判断是否达到最大循环次数或本轮循环计 算的系统设备优化参数组合与上轮循环计算的相同。

优选地，所述全局优化模块用于以系统用户所选择的系统设备参数组合以 及信息素作为约束条件分别利用序优化算法和遗传算法从策略空间中计算两组 系统设备优化参数组合，使得所述的系统设备优化参数组合对应的路径的信息 素最大化且与系统用户所选择的系统设备参数匹配。

优选地，所述全局优化单元根据序优化算法生成所述多个系统设备优化参 数组合中80%的结果，根据遗传算法生成所述多个系统设备优化参数组合中20% 的结果。

优选地，所述信息素更新单元根据如下公式更新信息素： P_m+1＝d·g(c,μ，σ)-e+P_m，其中，$g(c,\mu ,\sigma )=\frac{1}{\sigma \sqrt{2\pi }}{\int }_{-\infty }^c{e}^{\frac{-{(t-\mu )}^2}{2\sigma }}\mathrm{dt},$Pm为第m轮迭代的 信息素，Pm+1为第m+1轮迭代的信息素，d为预定权重系数，μ正态分布平均 值，σ为正态分布方差，c为计算得到的用户满意度，e为系统总体耗能。

本发明还公开了一种泛能引擎设备，包括：

数据接口，用于将所述控制设备连接到泛能网系统；

泛能服务模块，用于和泛能网系统设备的用户交互，获取用户认证信息和 用户选择的系统设备参数组合，并将获取的用户选择的系统设备参数组合发送 到用于泛能引擎的设备参数控制装置，并将用户认证信息发送到加密认证模块；

加密认证模块，用于对用户认证信息进行密钥认证，并根据认证结果触发 控制用于泛能引擎的设备参数控制装置进行参数优化；

如上所述的用于泛能引擎的设备参数控制装置，用于进行泛能网系统设备 参数控制。

优选地，所述设备还包括：

远程更新模块，用于对所述用于泛能引擎的设备参数控制装置中的数据进 行更新。

优选地，其特征在于，所述设备还包括：

数据转换模块，连接在加密认证模块和泛能服务模块之间，用于将来自泛 能服务模块的远程更新认证信息和更新数据分别发送到加密认证模块和远程更 新模块；

而且，所述加密认证模块还用于在所述远程更新认证信息认证通过后发送 使能信号控制所述远程更新模块进行数据更新。

本发明通过将蚁群算法以及全局优化算法结合，同时考虑系统用户的选择， 并将不同组别用户满意度、能效和能耗同时纳入优化目标，从而实现了对泛能 网系统设备参数从系统层面进行优化调节，既满足提高能效、节能减排的需要， 同时提高系统用户的满意度。

附图说明

图1是本发明实施例的用于泛能引擎的设备参数控制方法的方法流程图；

图2是本发明实施例将策略空间映射为一个图的示意图；

图3是本发明实施例的用于泛能引擎的设备参数控制装置的结构框图；

图4是本发明实施例的泛能引擎设备的结构框图；

图5是本发明另一实施例的泛能引擎设备的结构框图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以 理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限 定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的步 骤而非全部过程。

图1是本发明实施例的用于泛能引擎的设备参数控制方法的方法流程图。 如图1所示，所述方法用于控制泛能网系统的设备参数，所述方法包括：

步骤100、对包括所有系统设备参数组合的策略空间分配信息素初始值；其 中，所述策略空间将每个所述系统设备参数的每一个可选值对应于图中的一个 节点，每个连接图中起点和终点的路径对应于一组参数组合。

根据泛能网设备的参数分布建立策略空间，策略空间中包含所述设备参数 组合的所有可能解，同时，为了通过蚁群算法来解决系统设备参数优化的问题， 需要将策略空间映射为一个路径规划问题。由此，将系统设备的每一项参数映 射为一列节点，将该参数的每一个可选值映射为组成该列节点的具体节点，图 中的每一个节点与上一列的每一个节点和下一列的每一个节点之间包括路径， 同时，在图中设置起点和终点，由起点到终点的每一条路径需要经过所有列节 点，因此包含所有系统设备的参数项，从而代表一组系统设备参数的可能解。 由此，计算由起点到终点的最佳路径即等同于计算最佳的系统设备参数组合， 由此系统设备参数优化问题被映射为一个路径规划问题。策略空间建立完成后， 需要对每一个路径分配信息素初始值，该信息素初始值可以是预定的相同的值。

图2示出了将策略空间映射为一个图的示意图。如图2所示，所述系统包 括空调A、空调B、热泵A、热泵B等四个设备，每个设备仅包括一个调节参 数，每个参数有4个可能的取值，由此，该系统的系统设备参数调节的策略空 间可以映射为包括4*4节点矩阵的图。

显然，本领域技术人员可以理解图2内容仅用于进行举例说明，并不用于 限制本发明，所述策略空间并不限制设备的种类、个数、每台设备参数的种类 以及可选参数的数量。

步骤200、根据系统用户所选择的系统设备参数组合以及信息素计算多个系 统设备优化参数组合。

在步骤200中，可以通过现有的各种优化算法来根据系统用户所选择的系 统设备参数组合以及信息素计算多个系统设备优化参数组合。其中，系统用户 所选择的系统设备参数组合可以是系统的唯一用户选定的参数组合，也可以系 统中的多个用户选定的参数组合的均值，或根据多个不同用户的权重计算获得 的基于权重的参数组合的均值。

在本发明的一个实施例中，可以将系统用户分为不同的组别，例如分为一 般用户、能效关注用户和费用关注用户，一般用户关注其使用的泛能网系统所 提供的环境参数，例如，温度、湿度、风速、空气颗粒物指数等等。同时，能 效关注用户关注泛能网系统设备的能源利用效率，而费用关注用户关心泛能网 系统的总体能耗。由此，可以为不同组别的用户设置不同的权重值，将其选定 的参数与权重结合后，计算所有用户选定参数的均值，在进行优化时予以参考。

在进行优化时，可以参考系统用户所选择的系统设备参数组合和信息素构 建优化目标函数。在本发明的一个实施例中，可以将信息素的更新公式构造成 为与用户所选择的系统设备参数组合成线性关系，由此，可以仅以路径信息素 作为优化目标函数。在另一个实施例中，也可以利用路径信息素和该路径与用 户选定的系统参数组合的欧氏距离分别乘以权重后求和作为优化目标函数。

在本发明的一个实施例中，可以采用序优化算法进行全局优化，计算获得 多个系统设备优化参数组合。

在本发明的另一个实施例中，可以采用遗传算法进行优化，计算获得多个 系统设备优化参数组合。

在本发明的又一个实施例中，可以利用序优化算法产生一代个体中80%系 统设备优化参数组合，以保证全局最优性。利用遗传算法产生一代个体中20% 的系统设备优化组合，以加强学习进化。两部分合起来作为该次迭代计算获得 的多个系统设备优化参数组合。

步骤300、分别计算所述多个系统设备优化参数组合对应的系统用户满意度 以及系统总体耗能。

在本发明的一个实施例中，可以对所有的系统用户采用相同的满意度计算 方式。在本发明的另一个实施例中，可以将系统用户按照其关注的方面划分为 不同的组别，例如可分为一般用户、能效关注用户和费用关注用户并根据不同 用户的关注度分别计算其满意度。

对于一般用户，其关心的环境舒适程度，因此，可以基于下式计算一般用 户的满意度：

c_A＝(1.818t+18.18)(0.88+0.002h)+(t-32)/(45-t)-3.2v+18.2

其中c_A为一般用户满意度，t为环境温度，h为环境相对湿度，v为环境风 速。

对于能效关注客户，可以基于系统能效系数计算其满意度c_B。能效系数计 算公式为：其中η_Bi为能效关注用户所使用的第i台设备的 能效，E_Bi为能效关注用户所使用的第i台设备输出的有效能量，e_Bi为智能体B 所能效关注用户所使用的第i台设备所耗能量。c_B可以采用对系统能效系数乘以 预定系数的方式获得。

对于费用关注用户，计算系统能耗总体经济成本，即各部门各设备所消耗 的能源成本总合作为其满意度c_C。

由此，可以以计算均值的方式计算所有系统用户的总体满意度，即：

$c=\frac{c_A+c_B+c_C}{3}$

其中，中c_A为一般用户满意度，c_B为满意度，c_C为智能体C满意度。

当然，上述对用户的分组方式，以及用户满意度的计算公式并不用于限制 本发明。本领域技术人员可以采用任意的用户分组方式，并结合用户分组方式 拟定针对不同用户组别的用户满意度计算方法。

在将系统用户分为三个组别的前提下，系统总体能耗e可采用下式计算：

$e=e_A+e_B+e_C$

$=\underset{i=1}{\overset{n}{\Sigma }}{e}_{\mathrm{Ai}}+\underset{i=1}{\overset{n}{\Sigma }}{e}_{\mathrm{Bi}}+\underset{i=1}{\overset{n}{\Sigma }}{e}_{\mathrm{Ci}}$

其中，e是各智能体总的耗能，e_A是的一般用户的总耗能，e_B是能效关注用 户的总耗能，e_C是费用关注用户的总耗能，e_Ai为一般用户所使用的第i种设备 所耗能量，e_Bi为能效关注用户所使用的第i种设备所耗能量，e_Ci为费用关注用 户所使用的第i种设备所耗能量。

步骤400、根据所述系统用户满意度以及系统总体耗能更新所述多个优化系 统设备参数组合对应的路径的信息素；

在本发明的一个实施例中，可以按照如下公式进行第m+1次迭代的信息素 更新：

P_m+1＝d·g(c,μ，σ)-e+P_m

其中Pm为第m轮迭代的信息素，Pm+1为第m+1轮迭代的信息素，其中，

Pm为第m轮迭代的信息素，Pm+1为第m+1轮迭代的 信息素，d为预定权重系数，μ正态分布平均值，σ为正态分布方差，c为计算 得到的用户满意度，e为系统总体耗能。

步骤500、对策略空间中所有路径进行信息素挥发操作。

通过预定的信息素挥发系数对所有路径的信息素进行挥发操作，即：

P_m+1＝(1-ρ)·P_m+1

其中，ρ为挥发系数。在本发明的一个实施例中，取ρ=0.1。当然，上述 取值并不用于限制本发明，可以根据所希望的算法收敛速度来设置所述挥发系 数为其它值。

步骤600、判断是否达到计算终止条件，如果未达到，则执行步骤200，否 则执行步骤700。

所述判断是否达到计算终止条件包括：判断是否达到最大循环次数或本轮 循环计算的系统设备优化参数组合与上轮循环计算的相同。

步骤700、输出最优系统设备参数组合，所述最优系统设备参数组合是历次 迭代计算得到系统设备优化参数组合中对应路径信息素最大的参数组合。

在迭代结束后，步骤700比较历次迭代的获得的优化参数组合所对应的路 径的当前信息素，选取信息素最大的路径所对应的参数组合作为最优系统设备 参数组合输出，进行泛能网设备的系统设备参数控制。

在本发明的另一个实施例中，所述方法还包括一个反馈步骤，即根据所述 系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同组 别用户的奖惩值，将所述奖惩值反馈给系统用户，从而通过奖惩值的反馈来影 响不同用户对于参数的选择。所述奖惩值具有多种计算方式，例如，可以采用 最优系统设备参数组合与某一具体用户选择的系统设备参数组合的欧氏距离的 大小确定奖惩值，反映用户选择与最优选择之间的差距，通过奖惩值的反馈来 引导用户合理用能。

图3是本发明实施例的用于泛能引擎的设备参数控制装置的结构框图。如 图3所示，所述装置用于控制泛能网系统的设备参数，所述装置包括：

初始化单元，用于对包括所有系统设备参数组合的策略空间分配信息素初 始值；其中，所述策略空间将每个所述系统设备参数的每一个可选值对应于图 中的一个节点，每个连接图中起点和终点的路径对应于一组参数组合；

局部优化单元，用于根据系统用户所选择的系统设备参数组合以及信息素 计算系统设备优化参数组合；

评价计算单元，用于计算系统设备优化参数组合对应的系统用户满意度以 及系统总体耗能；

信息素更新单元，用于根据所述系统用户满意度以及系统总体耗能更新所 述优化系统设备参数组合对应的路径信息素；

信息素挥发单元，用于对策略空间中所有路径进行信息素挥发操作；

迭代终止单元，用于满足迭代终止条件时停止迭代，否则，由局部优化单 元、评价计算单元、信息素更新单元和信息素挥发单元进行迭代计算；

输出单元，用于停止迭代时输出最优系统设备参数组合，依据所述最优系 统设备参数组合控制泛能网系统设备。

在本发明的一个实施例中，所述装置还包括奖惩值反馈单元，用于根据所 述系统用户选择的系统设备参数组合和输出的最优系统设备参数组合计算不同 组别用户的奖惩值，将所述奖惩值反馈给系统用户。

图4是本发明实施例的泛能引擎设备的结构框图。如图4所示，所述控制 设备包括：

数据接口11，用于将所述控制设备连接到泛能网系统；

泛能服务模块12，用于将来自泛能网系统设备的用户交互，获取用户认证 信息和用户选择的系统设备参数组合，并将获取的用户选择的系统设备参数组 合发送到用于泛能引擎的设备参数控制装置，并将用户认证信息发送到加密认 证模块；

加密认证模块13，用于对用户认证信息进行密钥认证，并根据认证结果触 发控制用于泛能引擎的设备参数控制装置参数优化；

用于泛能引擎的设备参数控制装置14，其与如上所述各实施例中的用于泛 能引擎的设备参数控制装置具有相同的结构。

所述控制设备可以设置以数据接口连接到泛能网系统，所述数据接口可以 是USB接口或者其它通用接口。泛能服务模块获取来自数据接口数据的数据， 所述数据包括系统用户选择的系统设备数据组合和用户认证信息。所述用于泛 能引擎的设备参数控制装置根据用户选择的系统设备数据组合来进行泛能网系 统设备的参数优化控制。

图5是本发明另一实施例的泛能引擎设备的结构框图。如图5所示，所述 控制设备还包括远程更新模块16和数据转换模块15。所述远程更新模块16用 于对所述用于泛能引擎的设备参数控制装置中的用户数据进行更新。所述数据 转换模块15连接于加密认证模块13和泛能服务模块12之间，用于将来自泛能 服务模块12的远程更新认证信息和更新数据分别发送到加密认证模块和远程更 新模块。在远程更新的过程中，所述控制设备首先通过泛能服务模块12和数据 转换模块15获得到算法更新的认证信息，加密认证模块13在认证通过所述算 法更新的认证信息后，控制所述远程更新模块16从数据转换模块15获取更新 的算法和参数信息对用于泛能引擎的设备参数控制装置14中的数据进行更新。

本发明通过将蚁群算法以及全局优化算法结合，同时考虑系统用户的选择， 并将不同组别用户满意度、能效和能耗同时纳入优化目标，从而实现了对泛能 网系统设备参数从系统层面进行优化调节，既满足提高能效、节能减排的需要， 同时提高系统用户的满意度。

显然，本领域技术人员应该明白，上述的本发明的各模块或各步骤可以用 通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计 算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来 实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别 制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电 路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技 术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所 作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。