[发明专利]用于控制技术系统的方法和控制装置

说明书

为了控制技术系统（TS），连续地检测技术系统（TS）的系统状态（SZ、SZ1、SZ2）。借助于训练过的第一控制模型（BM）参照检测到的系统状态（SZ、SZ1）预测所述技术系统（TS）的后续状态（PZ）。接着获知针对预测的后续状态（PZ）和实际出现的系统状态（SZ2）之间的距离的距离值（D）。此外借助于训练过的第一控制模型（BM）这样训练第二控制模型（RM）：参照检测到的系统状态（SZ、SZ1）和用于控制所述技术系统（TS）的控制动作（SA、SA1、...、SAN）预测所述距离值。然后参照通过训练过的第二控制模型预测的距离值（PD、PD1、...、PDN）修改通过第一控制模型（BM）预测的后续状态（PZ）。输出修改后的后续状态（MZ1、...、MZN）用于控制所述技术系统（TS）。

背景技术

在复杂的技术系统、例如风力涡轮机、燃气轮机、制造设备、机动车或技术成像系统或分析系统中通常期望的是，在预定的标准方面优化技术系统的行为、作用和/或产额。为此，时兴的控制常常使用复杂的控制模型，这些控制模型从技术系统的相应系统状态中导出用于控制技术系统的特定控制数据。这种控制模型可以尤其是用于预测、模拟、分析和/或分类技术系统的系统状态。时兴的控制模型常常基于机器学习技术、例如借助于神经元网络并且可以参照技术系统的训练数据和/或其他运行数据专门地这样训练或设计：在预定的标准方面优化控制。

这样，风力涡轮机的控制可以例如参照训练数据进行学习：改变风湍流下转子叶片的迎角，以避免流动中断，从而最大化能量产生。该优化在此情况下自动地进行且通常不需要手动干预。

在许多技术系统中，通过外部影响因素、例如风速、风湍流比通过内部控制动作、例如上面提到的改变迎角更加强烈地影响行为、作用和/或收益。这种影响因素常常也具有高度随机性，并且只能部分地检测到。在这种情况下优化的控制策略、即优化的控制动作的机器学习可能会受到极大影响。

发明内容

本发明的任务是提出用于控制技术系统的方法和控制装置，它们可以更有效地被训练。

该任务通过具有权利要求1的特征的方法、通过具有权利要求12的特征的控制装置、通过具有权利要求13的特征的计算机程序产品以及通过具有权利要求14的特征的计算机可读的存储器介质来解决。

为了控制技术系统、例如风力涡轮机、太阳能设备、太阳能发电站、燃气轮机、制造设备或其他设备，连续地检测技术系统的系统状态。这种系统状态可以例如包括物理的、由作用引起的、调节技术上的和/或由结构类型引起的运行变量、特性、功率数据、作用数据、系统数据、预定值、控制数据、传感器数据、测量数据、环境数据和/或其他的在技术系统运行中产生的数据。尤其是系统状态也可以包括技术系统的一系列状态或状态走势。借助于训练过的第一控制模型参照检测到的系统状态预测该技术系统的后续状态。之后获知针对预测的后续状态和实际出现的系统状态之间的距离的距离值。此外，借助于训练过的第一控制模型这样训练第二控制模型：参照检测到的系统状态和用于控制该技术系统的控制动作预测所述距离值。通过第一控制模型预测的后续状态然后参照通过训练过的第二控制模型预测的距离值来修改。修改后的后续状态被输出用于控制技术系统。参照输出的修改后的后续状态，可以尤其是获知、选择和/或计划要采取的控制动作。

为了实施根据本发明的方法，设置控制装置、计算机程序产品以及计算机可读的存储器介质。

本发明的优点在于，通过将技术系统的建模划分到第一和第二控制模型中，控制动作对后续状态的影响通常比在技术系统的单片模型的情况下明显更好地被检测到。这尤其适合于控制动作对后续状态的影响相当小的情况。以这种方式通常可以大大提高训练成果。此外，常常需要较少的训练数据和较短的训练时间。

本发明的有利实施方式和改进方案在从属权利要求中说明。

优选地，第一和/或第二控制模型可以包括神经元网络、高斯过程、支持向量机、数据驱动的可训练回归模型、物理模型和/或决策树。针对前述的控制模型的实施变型，可使用大量的有效训练方法和学习方法。