综合智慧能源站智能工况动态寻优系统研究

吕宝龙 王海军 赵鸿飞 白红涛 许爱民 董得志

(1、武汉光谷绿动能源有限公司，湖北 武汉430073 2、国家电投集团湖北分公司，湖北 武汉430063 3、国家电投集团科学技术研究院有限公司，北京102209）

能源互联网是利用“互联网+”技术手段实现能源和互联网深度融合的新型利用模式,综合智慧能源管理是能源互联网的重要表现形式,区域能源管理和智能优化调度系统是建设与运行能源互联网的重要且关键一环[1-2]。未来的综合智慧能源管理系统是以大数据、物联网、移动互联网技术等为支撑的大型开放式能源管理服务平台,采用分层分布式结构,借助云数据中心,对电、热（冷）、气等多种能源的生产、输送、消费等各类信息进行智能处理,对整个能源系统进行监控和管理。其主要特点包括创新能源生产模式,创新需求侧消费模式,实现能源供需互动[3]。从功能角度来说，多能源系统可将多种形式的能源有机整合，根据价格、对环境的影响等因素进行分配调节；从能源服务角度来说，将用户的多种需求统筹考虑，通过合理调度达到削锋填谷、合理用能的目的；从能源网络来说，通过协同分析电气网络、天然气网络、热网等网络，促进多种能源技术发展[4-6]。

图1 系统总体框架

图2 系统功能结构

1 系统设计

在分析麻城项目工况寻优需求和边界条件基础上，融合运用国家电投集团中央研究院综合智慧能源调度控制系统研发成果开发智能工况动态寻优系统。智能工况动态寻优系统使用一套软件包（智能工况动态寻优软件包），分为管理子系统和寻优子系统，两个子系统分别部署、独立运行。

管理子系统部署于管理区，并与SIS 系统数据库进行通讯，通过寻优工作站实现预测、计划、报表等功能。寻优子系统部署于生产区，依托服务器、网络外设、隔离网闸、下位机和协调控制器等计算机设备接入DCS 过程控制网络，实现预测、计划、寻优、下控等功能。

1.1 总体框架结构

软件包从麻城项目运行特点出发，围绕上述需求进行功能模块的设计和划分，系统总体被分为寻优服务层、平台层和数据层三大主要层级。如图1 所示。

寻优服务层是实现智能寻优的关键功能集合，基于所获取的电站实时数据进行实时寻优并计算系统的经济性，同时支撑负荷预测算法以及推动寻优模型的自演进，挖掘用户用能习惯以及系统特性。

平台层为数据、寻优模型和算法提供调度和运行支撑，同时对寻优结果进行可视化展示，以及处理、反馈故障信息，监控寻优系统运行状态。通过有序调用各个子模块的功能和数据，实现服务层内功能的执行。

数据层可依托麻城项目DCS/SIS 系统数据采集的情况设计，通过建立数据接口和数据处理机制，满足寻优所需的数据获取、通信、结果导出等需求，主要包括管网监测系统数据采集接口、DCS数据采集接口、系统设备及其他采集监测装置数据采集接口。

1.2 功能设计

为有效支撑麻城项目系统运行的负荷优化分配及参数级工况动态寻优业务过程，系统应具备如下功能：

1.2.1 管理子系统

管理子系统是系统在管理区的主要实施方式，将寻优软件包部署在项目管理区的寻优工作站，核心功能为①展示（包括系统状态、寻优功能、经济性）、②功能测试、③模型训练、④数据管理/报表。管理子系统架构如图2 所示。

子系统整体采用BS 架构。在数据层，利用在管理区部署的数据库及相应通讯计算程序，处理寻优相关的实时/历史数据读写等业务。通过专有数据协议采集SIS 数据，作为计算引擎的数据总线，为寻优软件包的数据获取、寻优结果的展示提供动态数据共享服务。运行在服务层的寻优引擎，通过获取相应的数据，同时调用智能优化算法库中相应的算法，进行负荷预测、制定生产计划、寻优模型的训练以及经济性评价功能。同时人机界面以网页形式发布，用户通过账号/密码登录后可浏览页面，进行相应的信息获取和操作。

通过隔离网闸单向采集寻优子系统的寻优结果，进行数据存档，用于支撑运行评价及模型训练。

1.2.2 寻优子系统

通过在寻优计算服务器上部署寻优软件包及相关硬件，执行①工况寻优（负荷预测、日前调度、实时寻优）、②工况监视（寻优异常告警、寻优数据确认）、③寻优指令下控。其中关键设备及软件按照一备一用的方式部署，以保证系统的稳定性，如图2所示。

利用运行在生产区的2 台寻优服务器（一用一备），运行寻优软件包，同时处理寻优相关的实时数据交互与历史数据存档等业务。通过Motobus/opcDA 数据协议采集DCS 系统的数据，作为计算引擎的数据总线，为寻优所需实时数据的获取，及寻优指令下控提供动态数据共享服务。

图3 VM 和Docker 技术比较

图4 VM 和Docker 性能比较

寻优引擎周期性地访问数据库中的数据，同时调用智能优化算法，进行预测、生产计划定制以及实时修正，最终生成项目经济性最优的运行工况，并根据能源站控制系统需求，折算出对应的设备参数设定值。通过人机页面反馈给调度员并得到确认指令后，通过下位机或协调控制器向DCS 系统下控，设备的动态过程保护及运行逻辑由DCS 保证。

2 主要实现过程与关键技术

2.1 Docker 容器化部署

系统在部署过程中，与传统的VM（VMware、KVM 等）相比，Docker 虚拟化技术在日常运维工作中有以下2 个主要优势。

2.1.1 Docker 技术简化了服务器迁移带来的重新

配置工作，提高部署效率，降低老旧系统部署过程中 出现问题的风险系数；而传统的VM 技术在迁移中存在跨平台兼容性问题，并且需要更多的系统资源。

2.1.2 Docker 技术缩短了环境交付和部署的周期

使用Docker 技术，开发人员通过镜像快速部署开发 环境，开发结束后，平滑移交给运维和测试人员，另外，容器的维护相对简单快捷，节约开发、测试、部署时间，可实现快速迭代（图3）。

本系统采用配置有4 颗CPU（每颗8 核心，3.2HZ）、256G 内存、1T 容量外接存储的服务器作为测试机器，VM的环境安装为VMwareESXI5.1，并部署CentOS6.5 虚拟，Docker 容器环境底层安装CentOS6.5 系统，部署Docker Engine，应用程序选择Tomcat中间件（图4）。

作为一种轻量级虚拟化方式，Docker 在性能上略优于VM虚拟化[7]。在动态寻优系统部署过程中，为解决虚拟机环境存在的系统使用率低以及虚拟机运行过程中面临的漏洞加固问题，将虚拟机设计成Docker 容器。在新的机器中安装部署生产环境时，相比物理机环境，Docker 容器环境和虚拟机环境可以减少配置量，方便程序的迁移和复用。因此，本系统采用容器化集成于部署方式，有利于提高系统集成和部署效率。

2.2 Orleans 分布式架构

智能工况动态寻优系统系统采用Orleans 分布式开发框架。Orleans 是一个支持有状态云生应用/ 服务水平伸缩的基于Virtual Actor 模型的.NET 分布式框架[8]。Orleans 提供一个简单的方法来构建分布式的高规模计算应用程序，而无需了解并应用复杂并发或其他伸缩模式(图5)。

Orleans 采用的也是Actor 模型，基于Erlang, Akka, CAF 等框架的分布式开发仍过于复杂、需要统一处理一些过于底层的细节，如Actor 的生命周期的管理、寻址、错误处理及Actor 故障恢复，分布式资源管理等细节，Orleans 进一步提高分布式编程的抽象级别。因此，在系统开发过程中，Orleans 的核心贡献是它的编程模型，它在不限制功能或对开发人员施加繁重约束的情况下，降低了高度并行分布式系统固有的复杂性[9]。

图5 基于Orleans 应用部署图

2.3 寻优算法

实时优化调度模型中，采集实时负荷值并通过优化计算得到各机组出力指令值，每次求解变量相对较少，此时采用粒子群算法，能够较好地解决非线性少变量的优化问题[10]。粒子群优化算法主要由：产生初始解、计算目标函数值、计算约束条件罚函数值、计算适应度值、筛选最优粒子、粒子向最优粒子移动步骤构成。针对变频泵型能源站，由于其流量可无极调节，故可使用粒子群算法求解，以出口温度和冷媒水流量作为决策变量，经济性为核心构建目标函数。此时可将环境温度与机组效率（COP）的相关性，水泵功耗与供回水温差的考虑进经济性中，得到最优解决方案。

3 系统应用情况

为验证技术方案可行性，在上述基础上运用C#等语言开发了麻城人民医院分布式能源项目智能工况动态寻优系统。目前该系统管理区子系统已经进行是运行与测试，应用表明：麻城人民医院分布式能源项目智能工况动态寻优系统采取负荷预测+日前调度+实时修正的智能寻优技术路线，可有效反应电网实时状态、实时负荷，主要设备实时出力等状态。

如图6 所示，页面“实时负荷及预测”曲线，展示的是当日的负荷预测结果、实时负荷，内容包括电/热/冷/汽/水/光伏的预测结果，分别通过曲线上方的按钮进行切换，其中预测负荷计算于前一天的日末，作为曲线中标准线，实时负荷随时间不断写满曲线，与预测曲线对比展现负荷预测的精度。整张曲线会在日末刷新，加载第二天的预测曲线，并清空前一天的实时负荷曲线历史。

图6

页面“设备计划及状态”曲线，展示各设备的日前计划、实时寻优指令以及实际运行状态，设备包括燃机/溴化锂/电制冷/供热锅炉/热水锅炉，分别通过曲线上方的按钮进行切换，其中日前计划曲线基于前一天对本日的预测负荷进行寻优，其计算于前一天的日末，作为曲线中的标准线，实时寻优结果作为运行指令，随时间填满曲线，同时机组响应指令后的运行状态曲线。计划、指令和运行状态形成对比，展示计划的精度，以及设备响应指令的动态效果。整张曲线会在日末刷新，加载第二天的生产计划，并清空前一天的寻优及状态曲线历史。页面下方的寻优对比表，对实时寻优以及“以热定电”的运行指令进行分别展示，对运行人员提供参考，如图7 所示。

图7

将麻城项目的可研作为依据，搭建能源站设备和用户的仿真模型，同时接入用户的设计负荷数据和旧址的历史负荷数据，供平台的测试运行。经验证，平台的运行可靠性达到99.9%，寻优后的项目运行边际成本较传统“以热定电”工况提升1%以上，负荷预测精度高于90%。

4 结论

本文研究并分析了麻城人民医院分布式能源项目智能工况动态寻优系统的功能、架构和涉及的部分关键技术，并以湖北麻城人民医院为例开发了原型系统，以验证方案的可行性与可靠性。实现麻城项目系统运行的负荷优化分配及参数级工况动态寻优。系统功能包括管理区能源综合管理、生产控制区工况寻优及调优指令自动下控等方面。在优化提升项目经济性的同时，实现智能化无人值守，同时体现源荷互动的先进理念，具有广泛的适用性。