文章摘要:地铁站空调系统能源消耗较大,传统控制方法无法兼顾舒适性和节能问题,控制效果不佳,且目前地铁站空调控制系统均是对风系统和水系统单独控制,无法保证整个系统的节能效果.为此本文提出了基于强化学习的空调系统节能控制策略.首先,本文采用神经网络建立了空调系统模型,作为离线训练智能体的模拟环境,以解决无模型强化学习方法在线训练收敛时间长的问题.然后,为了提升算法效率,同时针对地铁站空调系统多维连续动作空间的特点,本文提出了基于多步预测的深度确定性策略梯度算法,设计了智能体框架,将其用于与环境模型进行交互训练.此外,为了确定最佳的训练次数,本文还设置了智能体训练终止条件,进一步提升了算法效率.最后,本文基于武汉某地铁站的实测运行数据进行了仿真实验,结果表明,本文所提出的控制策略具有较好的温度跟踪性能,能够保证站台舒适性,且与目前实际系统相比,能源节省约17.908%.

文章关键词:

项目基金: