用於基於模型的控制和優化的安全模型的製作方法

2023-07-06 03:40:16

用於基於模型的控制和優化的安全模型的製作方法
【專利摘要】本發明涉及用於基於模型的控制和優化的安全模型。在一些實施方式中，控制/優化系統包括存儲在模型伺服器上的存儲器中的例示的模型對象。該模型對象包括受控制的工廠或過程的模型。該模型對象包括接口，經由接口防止傳輸專有信息。該控制/優化系統還包括存儲在決策支持伺服器上的存儲器中的決策引擎軟體模塊。該決策引擎軟體模塊被配置成經由防止傳輸專有信息的通信協議通過通信網絡向模型對象請求信息，並且經由通信協議通過通信網絡從模型對象接收所請求的信息。
【專利說明】用於基於模型的控制和優化的安全模型
【技術領域】
[0001]本公開內容大體涉及控制系統，更具體地，涉及在控制系統中運用基於模型的控制和優化的安全模型。
【背景技術】
[0002]現代生活的所有方面(航空航天和交通運輸、材料和加工、生物學和醫學、機器人、信息和網絡等)中的基於模型的優化和控制的巨大成功已經使數學建模在工程學和物理學的所有領域中具有至關重要的角色。傳統的基於模型的優化和控制方案通常假定向決策引擎完全公開模型。如果模型包括模型的所有人不願意公開的敏感信息，那麼完全公開是不希望的。當前，為模型的所有人保護模型的敏感內容的唯一補救措施是採取整體優化和/或控制方案的完全所有權。

【發明內容】

[0003]在實施方式中，一種計算機實現的方法包括:在多個模型伺服器上例示多個模型對象。多個模型對象中的每一個模型對象包括受控制的工廠或過程的模型。模型中的至少一個模型包括受保護信息。該方法還包括經由通信網絡向多個模型對象請求信息。該方法還包括經由通信網絡從多個模型對象接收信息。另外，該方法包括生成與生成控制命令有關的多個模型對象中的至少一個模型對象的逼近。該方法還包括至少部分基於逼近和從多個模型對象接收的信息來生成控制命令。該方法還包括經由通信網絡將控制命令傳輸給多個模型對象中的至少一個模型對象。另外，該方法包括基於控制命令來控制工業自動化組件。
[0004]在另一實施方式中，一種控制/優化系統包括存儲在多個模型伺服器上的存儲器中的例示的多個模型對象。多個模型對象中的每一個模型對象包括受控制的工廠或過程的模型。該控制/優化系統還包括存儲在多個決策支持伺服器上的存儲器中的多個決策引擎軟體模塊。決策引擎軟體模塊中的每一個決策引擎軟體模塊包括用於下述操作的軟體指令:經由通信網絡向多個模型對象請求信息；經由通信網絡從多個模型對象接收信息；至少部分地基於從多個模型對象接收的信息來生成控制命令。其中，控制命令由多個決策引擎軟體模塊共同生成，並經由通信網絡將控制命令傳輸給多個模型對象中的至少一個模型對象。
[0005]在又一實施方式中，一種控制/優化系統包括存儲在模型伺服器上的存儲器中的例示的模型對象。該模型對象包括受控制的工廠或過程的模型。該模型對象包括接口，經由該接口阻止傳輸專有信息。該控制/優化系統還包括存儲在決策支持伺服器上的存儲器中的決策引擎軟體模塊。該決策引擎軟體模塊被配置成經由防止傳輸專有信息的通信協議通過通信網絡向模型對象請求信息，並經由通信協議通過通信網絡從模型對象接收所請求的信息。【專利附圖】

【附圖說明】
[0006]參考附圖來閱讀下面的詳細描述時，本發明的這些特徵、方面和優點以及其他特徵、方面和優點將變得更好理解，遍及附圖，相同的附圖標記表示相同的部分，在附圖中:
[0007]圖1是可以受控制的示例性商業或工業能量系統的示意圖；
[0008]圖2是圖1中的能量系統的示例性組件的框圖，該框圖示出了各種互連；
[0009]圖3是用於對圖1中的能量系統進行建模的示例性參數混合模型的框圖；
[0010]圖4是圖2中的示例性蒸發冷卻器模塊的框圖；
[0011]圖5是圖2中的示例性鍋爐模塊的框圖；
[0012]圖6是布置為網絡的表示與圖1中的系統的組件相關的多個參數混合模型的圖形建模工具的圖形用戶接口(例如，圖形表示)的示例；
[0013]圖7是使得控制系統能夠控制圖1中的系統的企業集成式參數混合模型的框圖；
[0014]圖8是圖形建模工具的圖形用戶接口(例如，圖形表示)的示例，其示出了對於用戶可用的組件模塊的庫；
[0015]圖9是圖形建模工具的圖形用戶接口(例如，圖形表示)的示例，其示出了當用戶選擇優化標記時的優化視圖；
[0016]圖10是圖形建模工具的圖形用戶接口(例如，圖形表示)的示例，其示出了當用戶提交命令輸入且圖1中的系統優化方案已經更新時的優化視圖；
[0017]圖11是非線性的且非凸優化問題和針對該問題的雙凸逼近的示例；
[0018]圖12是使用參數混合模型的優化方案方程的方案圖的示例；
[0019]圖13是利用圖形用戶接口與參數混合模型交互的方法的示例；
[0020]圖14是圖形建模工具的圖形用戶接口的示例，其示出了基於第一節點被優化的模型網絡；
[0021]圖15是圖形建模工具的圖形用戶接口的示例，其示出了基於由用戶選擇的第二節點被優化的圖14中的模型網絡；
[0022]圖16是實現控制/優化系統的分布式企業集成式參數混合模型的框圖；以及
[0023]圖17是參數混合模型對象的接口和用於在決策引擎和參數混合模型對象之間進行通信的相關協議的框圖。
【具體實施方式】
[0024]如上所述，現代生活的所有方面中(航空航天和交通運輸、材料和加工、生物學和醫學、機器人、信息和網絡等)的基於模型的優化和控制的巨大成功已經使數學建模在工程學和物理學在所有領域中具有至關重要的角色。可以將物理過程的模型寬泛地分成(現象的、物理的和機械的)第一原理或(統計的和以數據為中心的)經驗。第一原理(FP，first-principle)模型通常包括一組描述變量之間的已知關係的、具有可以適用於數據的係數或其他參數的方程。經驗模型假定對於關係沒有特定的形式，而是僅根據數據來擬合輸入輸出模型。由於在通用逼近結構中使用大量參數的神經網絡(NN)模型具有許多有利的屬性，因此神經網絡模型是非線性經驗建模方法中最廣泛使用的形式之一。第一原理具有歷史上佔主導地位的非線性過程建模。二十世紀八十年代中期NN的出現使得獲取表現良好的非線性經驗模型成為可能。[0025]雖然廣泛地認識到兩種建模方法的互補的長處和短處，並且普遍接受使得其長處彼此互補的方法的價值，但只是最近才開發了使用第一原理和經驗方法二者的互補長處來建立模型的系統化方法。在第8，019，701號美國專利、第8，032，235號美國專利和第2005/0187643號美國專利申請公開中更詳細地描述了這種方法，上述每個專利文件的全部內容出於各種目的通過引用併入本申請中。
[0026]不管如上所述開發模型的方法如何，傳統的基於模型的優化和控制方案通常假定向決策引擎(例如，在模型預測控制(MPC, model predictive control)方案的中心的二次規劃(QP，quadratic programming)解算器、在生產調度方案的中心的混合整數線性規劃(MILP, mixed integer linear programming)解算器等)完全(或至少部分)地公開模型。如果模型包括模型的所有人不願意公開的敏感信息，則完全公開是不希望的。當前，如上所述，為模型的所有人保護模型的敏感內容的唯一補救措施是採取整體優化和/或控制方案的完全所有權。
[0027]然而，該選擇有若干缺點。例如，使用這樣的技術會導致基於模型的優化和控制方案對於具有有限的現場專業技能的最終用戶而言過於昂貴。例如，生產廠經常不能為優化專家提供全職職位，因此，只能依賴外部的專業技能來支持其優化/控制應用。從外部獲取援助來對所配置的基於模型的方案進行維護和故障診斷相對來說是比較昂貴的。在最壞的情況下，成本可能會達到放棄配置方案的程度而禁止。而且，由於工廠必須採取額外的步驟來保護有價值的信息，所以保護專有信息的需求僅增加了維護的成本。例如，為了摒絕為其競爭對手工作的可能性，工廠可能需要諮詢者，這無疑增加了成本。
[0028]另外，用於處理模型的安全性的傳統技術甚至會導致高價值的專有信息的內部暴露被不必要地擴大。例如，工廠控制工程師可以具有訪問詳細的反應模型的權利，即使他/她不需要訪問該級別的細節。另外，在不同的實體之間作出協同決策的任何想法(例如，協同供應鏈優化)可能因過分關注專有信息的公開而受阻礙。例如，定價模型是公司的一些最高級別的受保護信息，可是有效地參與涉及不同等級供應鏈的真實供應鏈優化方案，通常需要來自所有參與者的精確定價策略。因此，使用雲作為決策支持平臺因過分關注專有數據的所有權和安全而受到阻礙。
[0029]以基本可靠的方式解決所有權和安全考量的方案是利用雲架構的任何有意義的決策支持方案的基石。本文所描述的實施方式包括用於解決上面列出的難題的方法和算法。更具體地，本文所描述的實施方式將模型視為將服務提供給客戶端的安全伺服器。在一些實施方式中，決策引擎(例如，優化和控制引擎)通過相互詢問在模型屬性上達成的一致而不是不斷地訪問模型細節來創建受保護的模型的逼近。決策引擎可以基於所創建的在線逼近來確定決策變量的最佳值。另外，在一些實施方式中，如果需要的話可以使用根據配置的決策的暗示的反饋來修改在線逼近。而且，在一些實施方式中，可以將逼近在線模型的屬性報告給受保護的模型伺服器以為模型的授權的所有人提供必要的反饋，從而在必要時維護/修改模型。在一些實施方式中，可以對針對模型的查詢進行加密以進一步保護受保護的模型信息不會出現未授權公開。本文所描述的實施方式通常呈現為涉及製造業和公共事業系統。然而，本文所描述的系統和方法不限於這樣的應用，且可以將該系統和方法延伸到期望保護系統建模信息任何應用和所有應用。
[0030]本文所描述的實施方式在使模型內容的部分或整體保持安全的情況下尤其使得基於模型的計算、基於模型的優化和控制能夠被執行。具體地，在任何時候將滿足:被視為專有的模型向在其計算中利用該模型的計算引擎公開。如此，本文所描述的實施方式與經由密碼對模型內容的訪問進行保護的傳統系統和方法根本不同。為了實現這個目的，本文所描述的實施方式包括軟體實現方法，該軟體實現方法將從根本上改變今天執行的基於模型的計算方式(例如，基於模型的優化和模型預測控制)。
[0031]本文所描述的實施方式可以證明對於許多應用是有益的。例如，一個這種應用是在工業工廠的操作計劃和操作調度的領域內。例如向複雜用戶(例如石化總廠、大學校園、大型住宅綜合體等)提供蒸汽、冷卻水和電力等複雜的應用，涉及由工廠操作人員經常做出的決策，例如利用哪些資源、該資源(例如容量)的設定點是什麼、資源必須運行多久以及必須避免哪些現有的或即將發生的約束以及如何避免。在這類應用中作出決策的複雜性證明了需要系統優化方案，在該系統優化方案中將系統的各種組件、操作程序和約束、經濟目標等適當地建模。即使是在單個工業工廠中，工廠可以決策避免將其操作程序洩露給提供自動化方案的公司，因為該公司可能會向其競爭者提供方案。本文所描述的實施方式能夠保護在例如這樣的情況下的操作程序。
[0032]另一個示例性的應用包括優化產品組合以給出可接受的替選配方。許多製造業務涉及遵循兩個或兩個以上的替選配方來生產可以達到可接受的質量的終端產品(例如乳品廠中的起司粉)。生產途徑的經濟優化的原理性方法要求決策引擎有權使用配方選擇。產品配方常常是公司的最應該被保護的專有信息，因此，避免洩露這類配方的能力被視為對於配置決策支持方案的使能技術。
[0033]另一個示例性應用包括工業設備中的多單元優化。從乳品廠中的奶粉乾燥到電廠中的鍋爐運行等複雜過程常常是多單元操作，該多單元操作可以受益於原理性優化策略來提高正常操作的能量效率，降低響應於過程幹擾的成本，提高有利地應對市場條件的變化的能力等。在這個方案中，解決在系統優化方案中使用的模型中的專有信息是公認的需求。
[0034]另一個示例性的應用包括製造企業中的多工廠優化。作為多單元優化的擴展，多個工廠的經濟優化(例如，在製造企業內部)可以在保護模型內容方面施加更多要求，並因此，本文所描述的實施方式會是用於多個生產廠的最佳協調的使能技術。
[0035]另一個示例性的應用是生產企業中的供應鏈優化。這是對上面描述的場景中的多工廠優化的進一步擴展。在供應鏈中，由於明顯的商業原因，保護模型內容的問題(例如，供應商對提供給製造設施的組件的定價策略)就顯得特別突出。本文所描述的實施方式實現真正的供應鏈優化方案。
[0036]另一個示例性的應用包括企業中的優化買/賣決策。這類買/賣決策的示例是公用企業從電網購買天然氣，煤炭，生物燃料和電力，以及可能地銷售蒸汽，冷卻水，甚至反過來向各種客戶銷售電力的決策。這類決策越來越複雜，因此基於系統模型的優化工具將越來越不可缺少。作為示例，在智能電網(例如，電網的每個節點可以作為源和匯)中的目前趨勢給決策作出過程增加了更多的複雜性。本文所描述的實施方式是用於這類應用的使能技術。
[0037]在工廠的一般離線(例如，不在操作期間)規劃和調度活動和工廠的一般在線(例如，在工廠的操作期間)控制和操作活動之間經常會有中斷。本文所描述的實施方式解決導致這種不足的三個主要難題。首先，本文所描述的實施方式提供了用於表示整個工廠和實際上包括一個或者更多個工廠的整個企業的通用建模框架。現有的建模框架一般都無法:(a)捕獲工廠運行的相關細節，因為它涉及到企業的經濟目標，(b)避免難於承受的複雜性，該複雜性由要包含在代表工廠的模型中的組件數量給出，以及(C)維護模塊性以使得物理工廠/過程的組件與模型組件之間有直觀的對應。本文所描述的一些實施方式中通過採用參數混合建模框架解決這些難題，例如在第8，019，701號美國專利、第8，032，235號美國專利以及第2005/0187643號美國專利申請公開中所描述的，每個專利的全部內容以各種目的通過引用併入本申請中。然而，應該注意的是本文所描述的技術可以擴展到利用受控制的工廠或過程模型的其他類型的建模框架。
[0038]其次，本文所描述的實施方式解決與代表工廠的模型的離線交互(例如模型建設、規劃、調度交互)的常規分離以及與模型的在線交互(例如，控制和操作交互)。特別是，在常規的系統中，配置的模型不是對所有的用戶都透明。換言之，由於模型被配置到在線環境，不容易衡量或者訪問模型的質量和其組件。在這些常規的系統中，修改模型一般是離線進行的並且用於修改模型的專業技能一般是高度集中的。然而事實上，有資格修改模型的一個組件的人可能沒有資格修改模型的另一個組件並且這些不同的人往往物理上居住在不同的地方。一般而言，不可能對模型組件進行異步修改，並且修改頻率取決於模型的類型、操作方案等大範圍地變化。本文所描述的實施方式通過採用透明模型配置策略來應對這些難題，同時也維護有關這類模型的專有信息的安全性。
[0039]第三，本文所描述的實施方式提供消除在優化軟體和終端用戶(工廠操作員、會計部、財務部等)之間的溝通障礙的圖形優化語言。尤其是，用於優化的圖形語言使低能力水平也能夠實現和/或配置優化方案。換言之，具有過程知識的工廠管理人員也能夠擁有優化方案，而不要求具有優化背景的博士。此外，圖形語言提供分布式開發、配置以及維護能力，以使得優化問題的組合和後續對優化問題的修改可以通過利益相關者在其正常操作設置中的輸入來實現。
[0040]本文所描述的實施方式在底層模型的目標、優先權和約束完全透明的情形下，而且在具有保證專有信息的安全的能力下，以系統的方式來實現操作的各種方面的控制(例如，調整關鍵部件的定期維護、關於供應鏈或可用容量的中斷的魯棒性，操作的能量效率以及低環境足跡、對市場定價的壓力的反應性等)。尤其是，本文所描述的實施方式以下述方式實現大規模(潛在的非線性)優化問題的圖形設置、執行以及報告:工廠範圍的和/或企業範圍的優化方案可以同時由分布式利益相關者組來管理，而不需要集中授權來對信息和交易進行把關。為了達到這一目標，本文所描述的實施方式包括實現算法理念，以及軟體執行方法的核心。
[0041]如上所述，本文所描述的實施方式有很多潛在的應用方案。例如，本文所描述的實施方式有利於改善工業工廠中操作的規劃和調度。例如向複雜的能量用戶(例如石化總廠、大學校園、大型住宅小區等)提供蒸汽、冷卻水以及電力等複雜的應用，涉及由工廠操作人員不斷地進行決策，例如應該利用哪些資源，應該設定該資源(例如容量)的哪個設定點，資源必須運行多久以及必須避免哪些現有的或即將發生的約束等。在這類應用中決策的複雜性證明需要系統優化方案，但是上述難題迄今阻礙了功能齊全的方案的開發。
[0042]此外，本文所描述的實施方式促使產品組合的優化，以給出可接受的替選配方。許多製造業務涉及經由替代配方(例如乳品廠中的起司粉)生產可達到的終端產品。本文所描述的實施方式包括製造過程的優化調度的原理性方法，以使得在任何給定的時間，以最佳成分設定製造出具有預定質量規格的終端產品。
[0043]而且，本文所描述的實施方式也有利於在工業工廠中進行多單元優化。從乳品廠中的奶粉乾燥到電廠中的鍋爐運行等複雜過程固有地為多單元操作，該多單元操作可受益於原理性優化策略，以例如提高操作的能量效率、降低響應過程幹擾的成本、提高有利響應市場條件變化的能力等。
[0044]本文所描述的實施方式也有利於電網中的工業工廠優化買和/或賣的決策。許多大型電力消費者，例如工業工廠或大學校園具有內部發電能力。內部生成電力與從電網購買電力的經濟情況變得越來越複雜，因為公用企業移離固定價格，以使他們的利益最大化。智能電網(電網的每個節點處可以作為源(例如電力供應商)和匯(例如電力消費者))中的目前趨勢給決策作出過程增加了更多的複雜性。原理性優化方案可以協助這類客戶在任何給定的時間，考慮到他們的優先事項和目標來做出最有利的決策。
[0045]本文所描述的實施方式包括實現上述應用的若干方面。例如，本文所描述的實施方式提供了模型質量和性能的在線透明度並且也維護專有信息的安全性。如果沒有能力調查模型的質量(對於個體單元以及利用這些個體單元建成的網絡二者)，則不能保持模型的逼真度。例如，用純粹的經驗建模範式不可能查明質量劣化的來源，並且因此，不能完全達到模型的在線能見度。詳細的基於第一原理的模型會遭受透明度缺陷。此外，在不使模型失活的情形下修改所配置的模型的目標組件的能力是非常可取的。本實施方式中對透明模型的在線修改包括且不限於參數適應，並且包括納入新的參數化模型，以取代早期表現不佳的參數化模型。因此，本文所述的在線透明度普遍提高了模型的質量和性能。
[0046]此外，本文所描述的實施方式為分布式用戶組的問題公式提供異步授權(authoring)能力。大規模的優化問題以及工廠操作員和工程師的有限範圍的能力以及職責使得問題陳述的分布式異步授權是可取的(並且通常有必要)。例如，在公用企業中，冷卻水迴路和蒸汽迴路在操作上耦合。了解冷卻水迴路的專家通常很少了解蒸汽迴路操作並且很有可能不被允許和/或不想承擔蒸汽迴路的操作的責任，反之，了解蒸汽迴路的專家通常很少了解冷卻水迴路操作並且很有可能不被允許和/或不想承擔冷卻水迴路的操作的責任。分布式授權能力也應適用於優化方案的結果。工廠範圍和/或企業範圍的優化方案的結果(例如，用於公用企業的冷卻器的操作調度的甘特圖(Gantt chart))被呈現給分布式用戶組(例如操作員、工廠管理人員等)。此外，授權的利益相關者能夠對所提出的調度進行編輯而不會產生不一致。而且，分布式用戶能夠更新操作的約束並且要求以一致的方式重新調度。
[0047]本文所描述的實施方式為分布式用戶組的問題公式提供圖形授權能力。如果沒有圖形編輯能力，普通的工廠操作員將無法直接維護模型。此外，如果沒有用於定義優化問題或解釋解算器決策的圖形語言，普通的工廠操作員或工程師將無法對優化問題進行有意義的定義。本文所描述的圖形授權能力也適用於整個優化問題的結果。工廠範圍和/或企業範圍的優化方案的結果(例如，用於冷卻器的操作調度的甘特圖(Gantt chart))被呈現給分布式用戶組(例如操作員、工廠管理人員等)。授權的利益相關者可以對所提供的時間表進行圖形編輯而不會產生不一致。此外，分布式用戶組可以圖形地更新操作約束並且要求以一致的方式重新調度。圖形授權能力的直觀性提高了優化方案的可用性和正常運行時間。
[0048]此外，本文所描述的實施方式合併了來自工廠車間和/或業務系統的實時測量結果和信息。在工廠範圍和/或企業範圍的優化中，網絡通常由大量的組件模型、複雜的網絡連接以及動態的操作條件、約束以及目標的集合而組成。保持「問題公式」最新的信息從分布在整個企業中以及往往局部自主地作用的源中獲得。要求信息集中處理的方案會變得不能支持。尤其是，實時測量在問題公式上影響模型(例如，效率曲線經常基於設備的當前操作條件而改變)。實現與實時測量整合的能力可能會是成功採用工廠範圍的優化方案的障礙。由於改變可以被所有利益相關者看到，因此模型透明度有利於實時信息的成功合併。
[0049]現在討論附圖，圖1是示例性的商業或者工業能量系統10的示意圖。如上所述，圖1中的能量系統10是可以得益於本文所描述的實施方式的工廠的類型的示例。圖1示出在商業和工業能量系統中常見的各種能量產生和消耗組件。例如，圖1包括配置為接收燃料並產生蒸汽以用作在能量系統10的其他組件中的動力源的鍋爐12。例如，在一些實施方式中，鍋爐12產生的蒸汽可以被熱電聯產單元14利用，以驅動產生電力的發電機16，產生的電力可以被能量系統10的組件消耗和/或銷售給電網18。此外，在一些實施方式中，熱回收蒸汽產生(HRSG, heat recovery steam generation)系統20可以用於通過產生蒸汽進行二級熱回收，其還可以用於驅動產生電力的發動機16。除了將電力銷售給電網18，能量系統10也可以從電網18購買電力。至於在任何特定的時間點能量系統10是從電網18購買電力還是向電網18銷售電力取決於當前能量系統10的電力供應、能量系統10的當前電力需求、能量系統10的電存儲容量，從電網18買/向電網18賣電力的價格、能量系統10的日/夜循環、連接到網格18的其他發電系統的可用性和容量等。
[0050]如圖中示出的，能量系統10可以包括處理單元22以及消耗一定的電能、冷卻水和/或蒸汽的建築物24。此外，在一些實施方式中，能量系統10可以包括可能與熱能儲存罐30相關聯的並且消耗能量以生成冷卻水的電力冷卻器26和蒸汽冷卻器28，冷卻水可以通過泵32泵送至處理單元22和建築物24用於冷卻，例如用於建築冷卻，工業過程冷卻等。此外，來自例如冷卻器26和冷卻器28的熱水可以循環通過冷卻塔34和關聯的熱交換器36和泵38，在熱交換器36和泵38中熱水被冷卻以便隨後使用。
[0051]因此，總而言之，在一般的商業或者工業能量系統10中，各種組件可以產生能量(例如稱為源)和/或消耗能量(例如稱為匯)。當然，圖1中示出的組件僅僅是一般商業或者工業能量系統10可能包括的示例性的組件。如圖1所示，能量系統10的各種組件可以基於不同的技術被配置成消耗和/或產生能量。在一些實施方式中，能量系統10的組件的互相依賴可能會極其複雜。此外,各種外部組件,例如電網18會增加能量系統10的複雜性。再次聲明，圖1中示出的能量系統10僅僅是可以利用本文所描述的圖形建模框架的複雜工廠和企業類型的示例。
[0052]圖2是示出圖1的能量系統10的示例性組件的框圖，其示出了各種互連關係。具體地，圖2描繪了商業和工業能量系統10中典型的各種能量迴路。例如，主能量迴路包括燃料迴路40、電迴路42、冷凝器迴路44 (例如，冷卻塔水)、蒸發器迴路46 (例如，冷卻器水)以及蒸汽迴路48。圖2中示出的各種能量迴路40、42、44、46以及48僅僅是示例性的,而不意在限制。在其他實施方式中，可以使用其他能量迴路來對能量系統10進行建模。
[0053]每個能量迴路40、42、44、46以及48包括用作為各個能量迴路40、42、44、46以及48的輸入和輸出的一組定義變量。例如，燃料迴路40包括tG和r，其中tG為燃料溫度，Pg為燃料壓力，fG為燃料流速，以及r為燃料迴路40的熱量因子。電迴路42包括kw，其是所供應的電量。冷凝器迴路44包括，其中tse為進入冷卻塔的水的溫度，tfc為排出冷卻塔的水的溫度，以及為冷凝器迴路44中的水的流速。蒸發器迴路46包括tsE、tfE和fE，其中tsE為離開冷卻器的冷卻水的溫度，tfE為返回至冷卻器的冷卻水的溫度，以及fE為冷卻水的流速。蒸汽迴路48包括ts、Ps和fs，其中ts為蒸汽溫度，Ps為蒸汽壓力，以及fs為蒸汽流速。同樣，圖2中示出的能量迴路40、42、44、46以及48的所有變量僅僅是示例性的，而不意在限制。在其他實施方式中，可以使用其他變量來定義能量迴路40、42、44、46 以及 48。
[0054]如所示出的那樣，將能量迴路40、42、44、46以及48耦接到組件模塊，該組件模塊代表能量系統10的實際能量相關設備的組，其將能量供應到能量迴路40、42、44、46以及48或者消耗來自能量迴路40、42、44、46以及48的能量。例如，將鍋爐模塊50耦接到燃料迴路40和蒸汽迴路48 二者，將發電機模塊52耦接到燃料迴路40、電迴路42以及蒸汽迴路48，將蒸髮式冷卻器模塊54耦接至電迴路42、冷凝器迴路44合蒸發器迴路46，以及將吸收式冷卻器模塊56耦接到蒸發器迴路46和蒸汽迴路48。同樣，圖2中示出的各種組件模塊50,52,54以及56僅僅是示例性的，而不意在限制。在其他實施方式中，可以將其他組件模塊耦接到各種能量迴路40、42、44、46以及48。
[0055]所公開的實施方式利於對圖1和圖2中的能量系統10進行規劃/調度和控制/操作。更具體地，如在下面更詳細描述的，本文所描述的實施方式包括用於圖1和圖2中的能量系統10的圖形語言和接口以及透明建模框架，其使得具有廣泛不同的專業技能領域的不同分布式用戶組能夠與針對能量系統10的各個組件模塊(例如，設備組)的參數混合模型交互。事實上，應該理解的是，雖然將本文所描述的實施方式被呈現為涉及能量系統10的節能操作，但是，在其他實施方式中，本文所描述的實施方式的圖形語言和接口以及透明建模框架可以延伸到其他應用，如化學品製造、石油和天然氣加工等。
[0056]所公開的實施方式將對圖1和圖2中的能量系統10的優化作為目標並且解決了對能量系統10的許多不同的能量相關組件進行建模的計算複雜性難題，包括針對發電單元、鍋爐、冷卻器、泵和風機等的單獨的參數混合模型，以及針對約束和目標的參數混合模型。此外，所公開的實施方式提供了，在保持專有信息的安全性的情況下，經由圖形語言和接口以及透明建模框架由不同的分布式用戶組對模型的結構和/或參數的進行在線修改。
[0057]可以建立參數目標函數來反映能量系統10的操作的經濟目標。可以建立參數約束集來反映能量系統10的操作的約束(如，冷卻能力的約束，允許排放的約束等)。如下面更詳細描述的，本文所描述的圖形語言使得能量系統10中的所有利益相關者能夠與參數混合模型的參數、參數目標函數以及參數約束集交互，即使對底層參數混合模型的訪問被限定於特定用戶(例如，建模專家)。還可以建立能量負荷模型來預測操作時間範圍上的負荷曲線。該負荷模型可以包括，例如，冷卻水需求、蒸汽需求、電力需求等。基於所有這些模型和目標，然後可以解決能量系統10的優化問題以確定服從參數約束集的能量系統10的操作條件的優化曲線。
[0058]鑑於典型的商業和工業能量系統10的複雜性，本文所描述的混合技術提供了獨特的優勢。混合技術利用已知的基本關係(例如，已知的動力學模型等)，對於由於缺乏基本理解而不能精確建模的現象，所述基本關係可以使用經驗建模技術從基本過程建模中或多或少地獲取。因為工業規模的能量設備通常被獨特地設計和開發以用於密集型操作，所以利用專門設計的經驗建模技術對已發布的或可用的基本建模進行顯著的校準或調整，將提供更精確的能量模型。進而，更精確的能量模型能夠獲得更高性能的基於模型的優化和控制方案。因此，理想的建模方案結合最佳的可用基本模型和經驗模型，這些模型被調整或校準以最佳地匹配在能量系統10的不同操作階段上所收集到的能量設備測量/性能數據。取決於參數混合模型的精確性，可以識別和利用線性(例如，單值)參數或非線性(例如，隨著測量的能量而不同的動力學參數)變量。
[0059]圖3是用於對能量系統10和/或更具體地能量系統10的各個組件模塊50、52、54、56進行建模的示例性的參數混合模型58的框圖。如圖所示，可以由參數混合模型58接收來自能量系統10的能量變量輸入uk，能量變量輸入Uk可以包括例如上述能量迴路40、42、44,46以及48的變量。經驗模型60可以使用能量變量輸入Uk來生成經驗模型輸出wk。經驗模型輸出Wk可以是能量變量輸入Uk和經驗模型參數P的函數。經驗模型輸出Wk和能量變量輸入Uk 二者可以引入到參數混合模型58的參數模型62。來自參數模型62的基本模型參數Θ,可以是能量變量輸入uk和經驗模型輸出Wk的函數。應該注意的是，基本模型參數Θ k的長度和參數向量的值二者可以隨著能量變量輸入Uk和經驗模型輸出Wk的函數而變化。在一些實施方式中，基本模型參數9,可以包括經驗模型輸出wk，或在其最簡單的形式中可以簡單地與經驗模型輸出wk相同。基本模型參數Qk可以引入到可能是穩態模型或動態模型的參數化第一原理模型64。此外，參數化第一原理模型64可以從能量系統10接收能量變量輸入uk。參數化第一原理模型64對已測量的或未測量的能量狀態變量Xk和能量變量輸出yk進行建模。能量狀態變量Xk可以是能量變量輸入uk、之前的能量狀態變量Xk以及基本模型參數9,的函數。能量變量輸出yk可以是能量變量輸入uk、當前能量狀態變量Xk以及基本模型參數9,的函數。能量變量輸出yk可以從參數混合模型58引出作為輸出。因此，定義參數混合 模型58的一般方程包括:
[0060]W^f1 (uk, P )；
[0061]Θ k=f2 (uk, wk)；
[0062]Xk=Fk (uk, Xh , Θ k);以及
[0063]yk=Gk(uk, Xk, Θ k)。
[0064]其中,Uk是k時刻的能量變量輸入的向量，P是經驗模型參數的向量,Wk是k時刻的經驗模型輸出的向量，Θ k是k時刻的基本模型參數的向量，xk是k時刻的已測量的或未測量的能量狀態變量的向量，以及yk是k時刻的能量變量輸出的向量。
[0065]參數混合模型58對於實時優化和控制計算是非常有效的。這種計算效率對基於模型的優化和控制策略的成功實施是至關重要的，所述策略對能量系統10的性能進行優化。動態優化方法用於計算能量系統10的操作期間的優化動態軌跡以將能量系統10作為整體來優化。具體地，可以針對能量系統10的組件模塊50、52、54以及56中的各個組件來計算軌跡，以及可以基於與在上面列出的與各種能量迴路40、42、44、46以及48相關聯的輸入和輸出變量密切相關但又不相同的參數將軌跡隨時間優化到目標。更具體地，如圖3所示，由參數模型62生成的基本模型參數Θ k可以是不直接類似於能量變量輸入Uk或能量變量輸出yk的一組參數。相反，在能量系統10的操作期間的能量系統10的一些派生測量(例如，參數)可以用於生成與能量系統10的性能變量強烈相關的軌跡，即使在不直接測量能量系統10的性能變量的情況下。
[0066]例如，在能量系統10的操作期間可以不測量鍋爐的效率，鍋爐的效率可以用作與鍋爐組件模塊50的能量變量輸入和輸出uk、yk相關但是不相同的參數。因此，可以在能量系統10 (更具體地，鍋爐組件模塊50的組件)的操作期間，利用參數混合模型58計算該參數，該參數可以用於計算至鍋爐的輸入(鍋爐的燃燒率)的優化軌跡。這允許在能量系統10的操作期間進行更好的實時控制，以使得能量系統10的中間性能能夠更接近目標並且被保持。在一些實施方式中，可以通過如下求解來確定優化軌跡函數:
[0067]
【權利要求】
1.一種計算機實現的方法，包括: 在多個模型伺服器上例示多個模型對象，其中，所述多個模型對象中的每一個模型對象包括受控制的工廠或過程的模型，並且其中，所述模型中的至少一個模型包括受保護信息； 經由通信網絡向所述多個模型對象請求信息； 經由所述通信網絡從所述多個模型對象接收所述信息； 生成與生成控制命令有關的所述多個模型對象中的至少一個模型對象的逼近； 至少部分地基於所述逼近和從所述多個模型對象接收的信息來生成控制命令； 經由所述通信網絡將所述控制命令傳輸給所述多個模型對象中的至少一個模型對象；以及 基於所述控制命令來控制工業自動化組件。
2.根據權利要求1所述的計算機實現的方法，其中，所述多個模型對象中的每一個模型對象包括參數混合模型。
3.根據權利要求2所述的計算機實現的方法，其中，每個所述參數混合模型包括經驗模型、參數模型及參數第一原理模型。
4.根據權利要求1所述的計算機實現的方法，其中，從所述多個模型對象接收的信息不包括標記為受保護信息的信息。
5.根據權利要求4所述 的計算機實現的方法，其中，所述多個模型對象中的至少一個模型對象包括利用所述受保護信息的參數混合模型。
6.根據權利要求1所述的計算機實現的方法，其中，所述多個模型對象中的每一個模型對象包括接口，經由所述接口防止傳輸受保護信息。
7.根據權利要求1所述的計算機實現的方法，其中，經由防止傳輸受保護信息的通信協議通過所述通信網絡來傳輸所述信息和所述控制命令。
8.根據權利要求1所述的計算機實現的方法，其中，經由安全無線鏈路傳輸所述信息和所述控制命令。
9.根據權利要求1所述的計算機實現的方法，其中，經由雲傳輸所述信息和所述控制命令。
10.根據權利要求1所述的計算機實現的方法，其中，所述模型伺服器中的每一個模型伺服器在物理上位於分離的設備處。
11.一種控制/優化系統，包括: 例示的多個模型對象，所述多個模型對象存儲在多個模型伺服器上的存儲器中，其中，所述多個模型對象中的每一個模型對象包括受控制的工廠或過程的模型； 多個決策引擎軟體模塊，所述多個決策引擎軟體模塊存儲在多個決策支持伺服器上的存儲器中，其中，所述決策引擎軟體模塊中的每一個決策引擎軟體模塊包括用於下述操作的軟體指令: 經由通信網絡向所述多個模型對象請求信息； 經由所述通信網絡從所述多個模型對象接收所述信息； 至少部分地基於從所述多個模型對象接收的信息來生成控制命令，其中，所述控制命令由所述多個決策引擎軟體模塊共同生成；以及經由所述通信網絡將所述控制命令傳輸給所述多個模型對象中的至少一個模型對象。
12.根據權利要求11所述的控制/優化系統，其中，所述多個模型對象中的每一個模型對象包括參數混合模型。
13.根據權利要求12所述的控制/優化系統，其中，來自所述多個模型對象的信息包括來自所述參數混合模型的在關注的未來步長上的逼近信息。
14.根據權利要求12所述的控制/優化系統，其中，每個參數混合模型包括經驗模型、參數模型及參數第一原理模型。
15.根據權利要求11所述的控制/優化系統，其中，從所述多個模型對象接收的信息不包括標記為受保護信息的信息。
16.根據權利要求15所述的控制/優化系統，其中，所述多個模型對象中的至少一個模型對象包括利用所述專有信息的參數混合模型。
17.根據權利要求11所述的控制/優化系統，其中，所述多個模型對象中的每一個模型對象包括接口，經由所述接口防止傳輸專有信息。
18.根據權利要求11所述的控制/優化系統，其中，經由防止傳輸專有信息的通信協議通過所述通信網絡來傳輸所述信息和所述控制命令。
19.根據權利要求11所述的控制/優化系統，其中，所述決策支持伺服器中的每一個決策支持伺服器在物理上位於分離的設備處，並且所述模型伺服器中的每一個模型伺服器在物理上位於分離的設備處。
20.一種控制/優化系統，包括: 例示的模型對象，所述模型對象存儲在模型伺服器上的存儲器中，其中，所述模型對象包括受控制的工廠或過程的模型，並且其中，所述模型對象包括接口，經由所述接口防止傳輸專有信息；以及 決策引擎軟體模塊，所述決策引擎軟體模塊存儲在決策支持伺服器上的存儲器中，其中，所述決策引擎軟體模塊被配置成經由防止傳輸專有信息的通信協議通過通信網絡向所述模型對象請求信息，並且經由所述通信協議通過所述通信網絡從所述模型對象接收所請求的信息。
21.根據權利要求20所述的控制/優化系統，其中，所述模型對象包括參數混合模型。
22.根據權利要求21所述的控制/優化系統，其中，來自所述模型對象的信息包括來自所述參數混合模型的在關注的未來步長上的逼近信息。
23.根據權利要求21所述的控制/優化系統，其中，所述參數混合模型包括經驗模型、參數模型及參數第一原理模型。
24.根據權利要求21所述的控制/優化系統，其中，所述參數混合模型利用所述專有信息。
【文檔編號】G05B13/04GK103809438SQ201310542329
【公開日】2014年5月21日 申請日期:2013年11月5日 優先權日:2012年11月5日
【發明者】比詹·薩亞爾羅德薩裡, 卡迪爾·利亞諾, 亞歷山大·B·史密斯 申請人:洛克威爾自動控制技術股份有限公司