控制与决策

作者：焦焕炎,冯浩东,魏东,冉义兵,胡朝文

单位：北京建筑大学 电气与信息工程学院,北京 100044,,北京建筑大学 电气与信息工程学院,北京 100044,,北京建筑大学 电气与信息工程学院,北京 100044;建筑大数据智能处理方法研究北京市重点实验室, 北京 100044,,北京建筑大学 电气与信息工程学院,北京 100044;建筑大数据智能处理方法研究北京市重点实验室, 北京 100044,,北京建筑大学 电气与信息工程学院,北京 100044;北京兴创置地房地产开发有限公司,北京 102600,

关键词：强化学习;深度确定性策略梯度法;神经网络;多步预测;地铁站空调系统;节能控制

基金：北京市属高校高水平创新团队建设计划项目(IDHT20190506)；北京市教委科技计划重点项目(KZ201810016019)；北京建筑大学市属高校基本科研业务费专项资金项目(X20068).

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.鉴于此,提出基于强化学习的空调系统节能控制策略.首先,采用神经网络建立空调系统模型,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,提出基于多步预测的深度确定性策略梯度算法,设计智能体框架,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,设置了智能体训练终止条件,进一步提升了算法效率;最后,基于武汉某地铁站的实测运行数据进行仿真实验,结果表明,所提出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%.

来源：2022年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第12期