检索结果-内蒙古大学图书馆

基于Transformer嵌入式深度确定性策略梯度法的MB-PSS稳定性控制

综合智慧能源 2024年第12期46卷 1-9页

作者：殷林飞赵镱然广西大学电气工程学院南宁530004

新能源发电出力具有波动性、不确定性特征,会破坏电力系统电压和频率的动态平衡,引发潮流分布的改变,进而造成电网解列,威胁电网的整体稳定与供电安全。多频段电力系统稳定器(MB-PSS)的稳定控制能够提高电力系统电能传输时的可靠性和稳... 详细信息

新能源发电出力具有波动性、不确定性特征,会破坏电力系统电压和频率的动态平衡,引发潮流分布的改变,进而造成电网解列,威胁电网的整体稳定与供电安全。多频段电力系统稳定器(MB-PSS)的稳定控制能够提高电力系统电能传输时的可靠性和稳定性。为保证MB-PSS的稳定性,结合深度强化学习中的深度确定性策略梯度(DDPG)法以及生成式预训练模型(GPT)中的Transformer机制,提出了一种Transformer嵌入式DDPG(TDDPG)的多频段电力系统稳定器稳定性控制方法,将Transformer机制融入DDPG法的2个神经网络中,通过编码器和译码器来提高输入参数的维度,以解决DDPG法中2组神经网络输入过少的问题。三相接地故障和两相接地故障仿真结果表明,基于TDDPG法的多频段电力系统稳定器稳定性控制方法训练效果好,具有更高的控制精度。

关键词：新能源多频段电力系统稳定器深度强化学习生成式预训练模型深度确定性策略梯度法 Transformer 神经网络

来源：评论

学校读者我要写书评

暂无评论

数据中心制冷系统强化学习控制

引用

计算机工程与科学 2025年第3期47卷 422-433页

作者：魏东贾宇辰韩少然北京建筑大学电气与信息工程学院北京100044 北京建筑大数据智能处理方法研究北京市重点实验室北京100044 北京京诚瑞达电气工程技术有限公司北京100176

数据中心制冷系统需要全年不间断运行,其能耗不容忽视,且传统PID控制方法难以实现系统整体节能。为此提出数据中心制冷系统强化学习控制方法,控制目标为在满足制冷要求的前提下提升系统整体能效。设计双层递阶控制结构,针对上层优化层... 详细信息

数据中心制冷系统需要全年不间断运行,其能耗不容忽视,且传统PID控制方法难以实现系统整体节能。为此提出数据中心制冷系统强化学习控制方法,控制目标为在满足制冷要求的前提下提升系统整体能效。设计双层递阶控制结构,针对上层优化层提出多步预测深度确定性策略梯度MP-DDPG算法,利用DDPG处理制冷系统多维连续动作空间问题,以求取空气处理机组水阀开度以及制冷站系统各回路的最佳设定值,同时通过多步预测提升算法效率,并在实时控制阶段克服系统大时滞影响。下层现场控制层通过PID控制使被控变量跟踪优化层得出的最优设定值,可在不破坏原有现场控制系统的情况下实现性能优化。针对无模型强化学习控制难以满足控制实时性问题,首先构建系统预测模型,将强化学习控制器与其进行离线交互训练,然后实现在线实时控制。实验结果表明,与传统DDPG算法相比,控制器学习效率提升50%;与PID和MP-DQN相比,系统动态性能得到了改善,且整体能效提升约30.149%和11.6%。

关键词：数据中心制冷系统预测控制强化学习深度确定性策略梯度法集成学习

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的地铁站空调系统节能控制

引用

控制与决策 2022年第12期37卷 3139-3148页

作者：焦焕炎冯浩东魏东冉义兵胡朝文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 北京兴创置地房地产开发有限公司北京102600

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... 详细信息

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%.

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

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的UAV航路自主引导机动控制决策算法

引用

系统工程与电子技术 2020年第7期42卷 1567-1574页

作者：张堃李珂时昊天张振冲刘泽坤西北工业大学电子信息学院陕西西安710072 光电控制技术重点实验室河南洛阳471000

针对无人机(unmanned aerial vehicle,UAV)航路终端约束情况下航路自主引导机动控制决策问题,采用Markov决策过程模型建立UAV自主飞行机动模型,基于深度确定性策略梯度提出UAV航路自主引导机动控制决策算法,拟合UAV航路自主引导机动控... 详细信息

针对无人机(unmanned aerial vehicle,UAV)航路终端约束情况下航路自主引导机动控制决策问题,采用Markov决策过程模型建立UAV自主飞行机动模型,基于深度确定性策略梯度提出UAV航路自主引导机动控制决策算法,拟合UAV航路自主引导机动控制决策函数与状态动作值函数,生成最优决策网络,开展仿真验证。仿真结果表明,该算法实现了UAV在任意位置/姿态的初始条件下,向航路目标点的自主飞行,可有效提高UAV机动控制的自主性。

关键词：自主引导机动控制决策 Markov决策过程深度确定性策略梯度法深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于人工辅助深度强化学习的交直流混合微电网实时优化调度

引用

现代电力 2023年第4期40卷 577-586页

作者：郦芳菲王海龙陆子雄王忠国网江苏省电力有限公司扬中市供电分公司江苏省扬中市212200 国电南瑞科技股份有限公司江苏省南京市211106

针对交直流混合微电网优化调度中的不确定性建模难和复杂系统难以高效求解等问题,提出了一种通过人工策略引导提高智能体学习效率的人工辅助深度强化学习算法。首先,结合并网状态下混合微电网的需求侧响应特征,构建了最小化成本的优化... 详细信息

针对交直流混合微电网优化调度中的不确定性建模难和复杂系统难以高效求解等问题,提出了一种通过人工策略引导提高智能体学习效率的人工辅助深度强化学习算法。首先,结合并网状态下混合微电网的需求侧响应特征,构建了最小化成本的优化调度模型。基于马尔科夫决策流程对优化调度过程进行建模,并根据优化调度模型设计奖励函数。然后,采用人工辅助的深度确定性策略梯度算法求解模型,通过智能体和环境的持续交互,不断更新神经网络参数进而得到最优决策。最后通过算例仿真验证了所提算法能有效提高智能体的学习效率,在减少模型训练时间的同时,有效降子系统的运行成本。

关键词：交直流混合微电网分布式电源深度确定性策略梯度法优化调度人工辅助训练

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的地铁站空调系统节能控制策略研究

基于强化学习的地铁站空调系统节能控制策略研究

引用

作者：焦焕炎北京建筑大学

学位级别：硕士

近年来,随着我国城市轨道交通的迅速发展和众多地铁站的快速建设、运营,其相应的能耗总量也迅速增长,能耗问题日益凸显。为了给乘客提供一个相对舒适的候车环境,空调系统在地铁站中得到了广泛应用。而地铁站空调系统的能源消耗较大,约... 详细信息

近年来,随着我国城市轨道交通的迅速发展和众多地铁站的快速建设、运营,其相应的能耗总量也迅速增长,能耗问题日益凸显。为了给乘客提供一个相对舒适的候车环境,空调系统在地铁站中得到了广泛应用。而地铁站空调系统的能源消耗较大,约占车站总能耗的35%,且能源利用效率不高。造成这种现象的主要原因是空调系统具有非线性、强耦合、大滞后等特点,传统的控制方法无法兼顾舒适性和节能的问题,而且目前大多数地铁站均是对空调风系统和水系统单独控制,无法保证整个系统的节能效果。为解决上述问题,本论文提出了基于强化学习的空调系统风水联动节能控制策略,在保证车站环境舒适性要求的前提下,使系统尽可能节约能源,这对降低地铁系统能耗具有重要的现实意义。强化学习作为人工智能领域中一种极具发展前景的机器学习技术,具有自适应、自学习能力,能够实现复杂系统的全局优化控制,是充分发挥空调系统节能潜力的有效方法之一。为解决强化学习智能体在线训练收敛时间长的问题,本论文采用三层前馈神经网络建立了空调系统模型,首先确定了模型输入输出参数和网络结构,然后对其进行训练,并将训练完成的模型作为离线训练强化学习智能体的模拟环境,减少了系统学习的时间。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,本论文提出了基于多步预测的深度确定性策略梯度改进算法;为实现风系统和水系统联动控制,本论文将地铁站空调水系统和末端风系统视为一个整体,设计了智能体框架,将其用于与环境模型进行交互训练,在保证地铁站台温度要求的前提下,使整个系统的能效比最大化。此外,为了确定最佳的训练次数,本论文还设置了智能体训练终止条件,有效减少了训练时间,进一步提升了算法效率。最后,本论文基于武汉某地铁站空调系统的实测运行数据,利用Py Charm软件,基于Tensor Flow框架,编写了算法程序进行仿真实验。结果表明,本论文所提出的控制策略取得了良好的控制效果,在满足地铁站台温度要求的前提下,与目前实际工程系统相比,能源节省约17.908%,提高了地铁站空调系统的能源利用效率;与此同时,本论文的改进算法与传统深度确定性策略梯度法相比,智能体训练次数减少了86次,提升了算法效率。

关键词：强化学习深度确定性策略梯度法地铁站空调系统节能控制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：