基于改进H-AC算法的冷源系统节能优化控制策略

• Published in: 华南理工大学学报（自然科学版） Vol. 53; no. 1; pp. 21 - 31
• Main Authors: 周璇, 莫浩华, 闫军威
• Format: Journal Article
• Language: Chinese
• Published: 广州现代产业技术研究院,广东 广州 511458 2025; 华南理工大学 机械与汽车工程学院,广东 广州 510640; 人工智能与数字经济广东省实验室(广州),广东 广州 511442%华南理工大学 机械与汽车工程学院,广东 广州 510640
• Subjects: TRNSYS仿真平台; cold source system; 选项-评论者框架; 深度分层强化学习; TRNSYS simulation platform; option-critic framework; co-optimization; deep hierarchical reinforcement learning; 冷源系统; 协同优化
• ISSN: 1000-565X
• DOI: 10.12141/j.issn.1000-565X.240105

TU831.3; 中央空调冷源设备台数与运行参数的优化是一类离散与连续变量的协同优化问题,而经典强化学习算法难以优化此类问题.为此,该文提出了一种结合选项-评论者与演员-评论者框架的中央空调冷源系统节能优化控制策略.首先,采用分层演员-评论者(H-AC)算法分层优化设备台数与运行参数,且高层和底层模型共用Q网络评估状态价值,以解决多时间尺度下的优化难题;然后,在智能体架构、策略与网络更新方式等方面对H-AC算法进行改进,以加速智能体的收敛;最后,以夏热冬暖地区某科研办公建筑中央空调冷源系统为研究对象,基于冷源系统TRNSYS仿真平台进行实验.结果表明:在平均室内舒适时间占比分别增加14.08、11.23、29.70、9.07个百分比的前提下,基于改进H-AC算法的系统能耗分别比其他4种常规深度强化学习算法减少了32.28%、28.55%、28.63%、11.53%;虽然基于改进H-AC算法的系统能耗比基于选项-评论者框架的算法增加了0.27%,但获得了更平稳的学习过程且平均室内舒适时间占比增加了4.8个百分点.该文算法可为各类建筑中央空调冷源系统节能优化提供有效的技术手段,助力建筑"双碳"目标的实现.