一种直线内燃发电系统冷启动预测及优化方法、系统及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114997487A(43)申请公布日2022.09.02(21)申请号202210585940.6(22)申请日2022.05.27(71)申请人北京理工大学地址100010北京市海淀区中关村南大街5号(72)发明人贾博儒魏一迪张志远冯慧华左正兴(74)专利代理机构绍兴市寅越专利代理事务所(普通合伙)33285专利代理师龙俊宇(51)Int.Cl.G06Q10/04(2012.01)G06F30/27(2020.01)F02B77/08(2006.01)G06F111/04(2020.01)权利要求书3页说明书8页附图2页(54)发明名称一种直线内燃发电系统冷启动预测及优化方法、系统及存储介质(57)摘要本发明公开了一种直线内燃发电系统冷启动预测及优化方法、系统、及存储介质，包括：获得直线内燃发电系统的冷启动阶段数据；对冷启动阶段数据进行分类、特征提取，获得各工况下特征值，建立多工况数据库；基于RBF神经网络和多工况数据库，建立全工况性能预测模型；基于直线内燃发电系统的冷启动特征，将基于实际冷启动需求的多目标优化转换为单目标多约束优化模型；基于遗传算法，对单目标多约束优化模型和全工况性能预测模型展开全域寻优，确定满足冷启动需求下最优能耗经济性冷启动参数。本发明能够对冷启动过程进行全工况性能预测，并进行快速准确全域寻优，获得最优冷启动控制参数，以保证在满足冷启动性能条件下有最高的能耗经济性。CN114997487ACN114997487A权利要求书1/3页1.一种直线内燃发电系统冷启动预测及优化方法，其特征在于，包括：获得直线内燃发电系统的冷启动阶段数据；对所述冷启动阶段数据进行分类、特征提取，获得各工况下特征值，建立多工况数据库；基于RBF神经网络和所述多工况数据库，建立全工况性能预测模型；基于实际冷启动需求的多个优化目标，建立待优化模型；基于直线内燃发电系统的冷启动特征，将所述待优化模型转换为单目标多约束优化模型；基于遗传算法，对所述单目标多约束优化模型和全工况性能预测模型展开全域寻优，确定满足冷启动需求下最优能耗经济性冷启动参数。2.如权利要求1所述的直线内燃发电系统冷启动预测及优化方法，其特征在于，所述获得直线内燃发电系统的冷启动阶段数据，包括：获得直线内燃发电系统在冷启动过程中不同电机出力状态、进气流量工况下系统的时间、位置、缸压、进气温度信息。3.如权利要求1所述的直线内燃发电系统冷启动预测及优化方法，其特征在于，所述对所述冷启动阶段数据进行分类、特征提取，获得各工况下特征值，建立多工况数据库；包括：在一定电机出力和一定进气流量工况下，依据位置信息进行循环信息划分，获得单个循环的时间、位置、缸压信息；基于单个循环的时间、位置、缸压信息，获得当前循环的工作频率、止点、峰值缸压和进气质量；对不同工况下的实验数据均进行上述分析，对每种工况下的特征取平均值，作为该工况的特征，以建立多工况数据库。4.如权利要求3所述的直线内燃发电系统冷启动预测及优化方法，其特征在于，基于时间信息获得当前循环的工作频率T：式中，Δt为当前循环所时间；基于位置信息获得当前循环的止点：{TDC,BDC}＝{max(x),min(x)}式中，TDC为上止点，BDC为下止点，x为当前循环的位置信息；基于缸压信息获得当前循环的峰值缸压Ppeak：Ppeak＝max(P)式中，P为当前循环的缸压信息；基于缸压、位置、进气温度信息获当前循环的进气质量mair：式中，Pe为排气口关闭时刻缸压信息，Ve为排气口关闭时刻缸内容积，R为气体常数，T为进气温度；2CN114997487A权利要求书2/3页每种工况下的特征取平均值为：式中，Ci为任意一工况下某一循环的特征值(T、TDC、BDC、Ppeak、mair)，N为该工况下总的循环数。5.如权利要求1所述的直线内燃发电系统冷启动预测及优化方法，其特征在于，所述基于RBF神经网络和所述多工况数据库，建立全工况性能预测模型；包括：将冷启动工况的电机力和进气流量作为RBF神经网络的输入，特征值作为RBF神经网络的输出，训练神经网络；神经网络训练完成后，在最大的输入范围内对输入进行进一步的细分，将细分后的输入放入到训练好的神经网络中，输入特征值，建立全工况性能预测模型。6.如权利要求1所述的直线内燃发电系统冷启动预测及优化方法，其特征在于，所述基于实际冷启动需求的多个优化目标，建立待优化模型；包括：考量冷启动阶段所需达到热力学及运动学状态，制定冷启动阶段目标：目标压力、目标频率范围、目标止点范围、进气量需求。7.如权利要求1所述的直线内燃发电系统冷启动预测及优化方法，其特征在于，所述基于直线内燃发电系统的冷启动特征，将所述待优化模型转换为单目标多约束优化模