-
题名数据中心制冷系统强化学习控制
- 1
-
-
作者
魏东
贾宇辰
韩少然
-
机构
北京建筑大学电气与信息工程学院
北京建筑大数据智能处理方法研究北京市重点实验室
北京京诚瑞达电气工程技术有限公司
-
出处
《计算机工程与科学》
北大核心
2025年第3期422-433,共12页
-
基金
国家自然科学基金(62371032)
北京市自然科学基金(4232021)
+1 种基金
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)。
-
文摘
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
-
Keywords
data center refrigeration system
predictive control
reinforcement learning
depth deterministic strategy gradient method
integrated learning
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
