首页|基于LSTM与DDPG的空调能耗优化控制策略

基于LSTM与DDPG的空调能耗优化控制策略

扫码查看
我国建筑能耗快速增长,能源供需矛盾严重。针对空调系统高能耗低能效的问题,论文提出了一种基于长短期记忆网络(LSTM)与深度确定性策略梯度算法(DDPG)的空调能耗优化控制策略。将空调能耗优化问题抽象为强化学习问题,建立空调制冷系统马尔科夫决策过程模型,采用DDPG算法对空调控制策略进行优化。为进一步提升模型训练效率,我们提出基于LSTM算法训练能耗预测模型模拟与智能体交互的环境,解决无模型强化学习方法在线训练收敛时间长的问题。最后,以某工厂工业空调制冷系统为研究对象进行对比实验,实验结果表明,采用论文提出的控制策略模型训练收敛速度快,并且可以在保证系统正常运行的前提下有效降低运行能耗。

王涛、于泽沛、时斌、赵永俊、尹鹏、张思哲

展开 >

中国石油大学(华东)青岛 266555

青岛海尔空调电子有限公司 青岛 266100

强化学习 神经网络 能耗优化 LSTM-DDPG

2024

相关文献
计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子:0.355
ISSN:1672-9722
年,卷(期):2024.52(11)
王涛,于泽沛,时斌,等.基于LSTM与DDPG的空调能耗优化控制策略[J].计算机与数字工程,2024,52(11):3439-3445.DOI:10.3969/j.issn.1672-9722.2024.11.045.