其他
【好文推荐】基于深度强化学习的户内变电站通风降噪优化设计
引
引文信息
汤锦慧, 伍发元, 支妍力, 等. 基于深度强化学习的户内变电站通风降噪优化设计[J]. 中国电力, 2023, 56(1): 96-105, 118.
TANG Jinhui, WU Fayuan, ZHI Yanli, et al. Optimization design of indoor substation ventilation and noise reduction based on deep reinforcement learning[J]. Electric Power, 2023, 56(1): 96-105, 118.
摘要
针对户内变电站运行发热导致温度过高引发安全风险,以及采取相关散热措施可能导致噪声扰民的问题,提出一种基于有限元仿真和深度强化学习的户内变电站进风口设计参数优化方法。以此对户内变电站通风系统进风口位置大小进行优化设计,使其获得最优通风降噪效果。首先,通过有限元分析法对其温度场、流体场和声场进行仿真建模;然后,基于大量仿真数据,采用卷积神经网络建立温度和噪声的预测模型;最后,考虑噪声约束,利用基于最大熵强化学习框架的SAC算法,以变电站室内温度最低为目标对进风口设计参数进行优化求解。研究结果表明,经过优化后的进风口设计方案能够有效降低变电站室内温度,同时使噪声满足国家规范要求。
结论
(1)通过变电站仿真值和实测值的对比,验证了利用有限元软件来模拟变电站温度场和声场分布的准确性。
(2)利用有限元仿真技术配合深度学习卷积神经网络能够准确建立进风口设计参数与监测点温度和噪声之间的映射关系,解决了无法利用数学模型对该映射关系精确表述的局限性。(3)采用SAC算法对进风口设计参数优化,相较于传统经验法和实验法确定进风口设计方案,其效率更高,且通风降噪效果更好。经过优化后的变电站进风口,其室内温度有效降低,同时进风口噪声被控制在标准范围内。本文所提出的户内变电站通风降噪优化设计方法,可为其他相同类型的户内变电站的降温降噪提供参考和思路。欢迎点击文后“阅读原文”跳转期刊官网,获取更多信息!
往期回顾
审核:方彤