一种基于深度强化学习的地铁站空调系统节能控制方法

摘要

本发明提供了一种基于深度强化学习的地铁站空调系统节能控制方法，该方法通过采集地铁站空调系统数据参数；对采集的数据进行滑动平均滤波处理、归一化和反归一化处理并利用线性函数转换方法将数据转换成0‑1范围内的数值；利用神经网络和步骤获得的数据构建地铁站空调系统的神经网络模型；确定DDPG智能体的状态变量、动作变量、奖励信号以及结构；利用多步预测的DDPG算法求解最后的控制策略，本发明提出的控制方法具有很好的温度跟踪性能，与传统DDPG算法相比,智能体训练次数减少了86次，且能够在系统负荷变化的情况下使系统稳定运行,满足车站温度需求,同时与目前实际工程中的运行系统相比，节能17.908％。