深度强化学习用于多目标优化:提升风力发电同时减少噪声排放
原文中文,约300字,阅读约需1分钟。发表于: 。发展了一种使用深度强化学习控制风力涡轮的转矩 - 倾角框架,以优化风力涡轮能量的生成同时最小化运行噪音,以 SWT2.3-93 风力涡轮为例进行了验证,结果表明基于强化学习的控制策略能够提高风力涡轮的效率,并减轻噪音污染,推进可持续能源发展。
加拿大阿尔伯塔省的研究发现,将西门子公司的热力学软件纳入环境模型,并模拟不确定性,发现深度 Q 网络(DQN)是处理经济型燃气轮机调度问题最有效的算法,近端策略优化(PPO)是最高效的方法。研究还提出了一种动态分配燃气轮机运行和维护成本的方法,更好地近似了现代燃气轮机调度的真实成本。