基于DQN算法的泵站供水系统节能控制优化

TU991; 针对手动调节泵站中水泵运行的转速和启停会造成严重的能量浪费问题,引入基于深度Q网络(deep Q-learning network,DQN)的强化学习算法,通过获取当前泵组运行的状态,自动优化水泵组工作时各个水泵的运行参数,在各个水泵均处于高效区的前提下,提高水泵组的整体效率.对水泵组状态优化问题分别进行了数学描述和马尔可夫决策过程描述.同时定义了水泵组运行时的状态空间、动作空间和即时奖励值,构建DQN网络,并以深圳市M水厂为算例,在由Gym构建的自定义仿真环境中进行验证.相较于人工调控,DQN算法调控降低了 8.84%的损失能耗,一年可节省吨水电耗达 1.27×10-2 kW·...

Full description

Saved in:
Bibliographic Details
Published in净水技术 Vol. 43; no. 4; pp. 60 - 127
Main Authors 陈财会, 张天宇, 黄健康, 金典, 王卓悦, 张小磊
Format Journal Article
LanguageChinese
Published 哈尔滨工业大学<深圳>土木与环境工程学院,深圳 518055 2024
Subjects
DQN algorithm
pumping station water supply
泵站供水
optimal controling
Markov decision process
energy saving and emission reduction
优化调度
DQN算法
马尔可夫决策过程
节能减排
Online AccessGet full text
ISSN1009-0177
DOI10.15890/j.cnki.jsjs.2024.04.008

Cover

More Information
Summary:TU991; 针对手动调节泵站中水泵运行的转速和启停会造成严重的能量浪费问题,引入基于深度Q网络(deep Q-learning network,DQN)的强化学习算法,通过获取当前泵组运行的状态,自动优化水泵组工作时各个水泵的运行参数,在各个水泵均处于高效区的前提下,提高水泵组的整体效率.对水泵组状态优化问题分别进行了数学描述和马尔可夫决策过程描述.同时定义了水泵组运行时的状态空间、动作空间和即时奖励值,构建DQN网络,并以深圳市M水厂为算例,在由Gym构建的自定义仿真环境中进行验证.相较于人工调控,DQN算法调控降低了 8.84%的损失能耗,一年可节省吨水电耗达 1.27×10-2 kW·h/t,实现了节能减排,具有良好的经济效能.同时,DQN算法可通过在线学习的方式适应供水环境的变化,具有自主性、实时性、可推广性等优点.
ISSN:1009-0177
DOI:10.15890/j.cnki.jsjs.2024.04.008