基于约束感知强化学习的CA-CPEn-TD3数据中心综合能源系统优化调度
《Electronics》:A Deep Reinforcement Learning Dispatch Method for Integrated Energy Systems Considering Data Center Computing-Power
【字体:
大
中
小
】
时间:2026年09月23日
来源:Electronics 2.9
摘要
随着数字经济的快速发展,数据中心的建设规模不断扩展。由于高耗电量会产生大量热量,数据中心已成为综合能源系统的重要组成部分,呈现出计算–电–热多能耦合特征。这种耦合需要多设备协调调度以及多目标同时优化。为解决这一挑战,本文提出CA-CPEn-TD3算法,用于求解基于数据中心的综合能源系统优化调度问题。首先,建立综合能源系统模型,其中考虑了计算中心的计算负荷转移能力。通过综合考虑计算、电力、热力和环境成本,构建强化学习优化目标。在此基础上,基于TD3框架,引入约束感知的动作投影机制,以有效防止违反硬约束,并生成更具可行性和实用性的调度策略。此外,引入课程学习、并行探索及集成决策机制以增强训练稳定性。案例研究表明,所提算法能有效提供可部署的调度策略,并在数据中心持续扩展的情况下实现经济高效与环境友好的调度。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号