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

编辑推荐:

   摘要

  

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。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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