《计算机工程与科学杂志》发表论文赏析

数据中心制冷系统强化学习控制

来源:计算机工程与科学杂志2025年第3期北京时间:

作者:魏东, 贾宇辰, 韩少然

单位:(1.北京建筑大学电气与信息工程学院,北京 100044;2.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;3.北京京诚瑞达电气工程技术有限公司,北京 100176)

摘要: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,

基金资助:国家自然科学基金(62371032);北京市自然科学基金(4232021);住房城乡建设部科学技术项目 (研究开发项目)(2019-K-149);北京建筑大学高级主讲教师培育计划(GJZJ20220803)

2025年3期其他文献查阅:

基于监督学习的稀疏矩阵乘算法优选

基于天河互连的并行文件系统网络驱动

基于“天河二号”聚合通信卸载特性的 MPI_Barrier优化

QTorch:基于独立的量子程序设计语言的量子-经典混合机器学习框架

数据中心制冷系统强化学习控制

RCGNN:图注入攻击下的图神经网络鲁棒性认证方法

基于Transformer和Text-CNN的日志异常检测

一种基于图热核扩散卷积的网络入侵检测方法

基于切比雪夫混沌映射的V2G跨域双向认证方案

基于迭代收缩阈值与深度学习的压缩感知图像重构网络

基于脉冲注意力机制的轻量化面部超分重建方法

基于改进实例分割的室内动态视觉SLAM方法

结合图像分解和自稀疏模糊聚类的情感颜色迁移

基于失匹配负波潜伏期优化的语音增强研究

基于图结构提示实现低资源场景下的节点分类

基于驾驶上下文感知的驾驶员识别模型

基于多源异构融合与时空图卷积网络的集卡到港量预测模型

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!