长短时记忆网络在热力站建模中的应用

针对热力站为多变量、非线性、强耦合、大时滞的复杂时序控制系统,难以建立精确模型的问题,提出基于循环神经网络的长短时记忆算法对热力站控制系统建模,该算法既考虑到时间上的影响因素,又解决了长序列信息丢失的问题。以包头某热力站大量实时工况数据通过tensorflow框架搭建神经网络模型,仿真对比结果表明,长短时记忆网络建模能有效地减小建模误差,进一步提高神经网络在热力站系统建模中的精度。

基于分布式近端策略优化的热力站优化控制

随着科学技术的发展,人们的生活水平越来越高,在追求物质基础的同时,也越来越重视生活品质,因而对建筑冬季供暖的质量提出了越来越高的要求。基于此,根据供热站的需求分布和均匀性,提出了基于分布式近端策略优化(distributed proximal policy optimization,DPPO)的供热站一次侧优化控制方法。结合集中供热系统运行机制,采用长短时记忆算法(long short-term memory,LSTM)对供热站进行建模,采用DPPO算法求解供热站的一次水流序列。通过利用包头市供热站历史数据进行模拟实验,并检验其效率,在一定程度上掌握了供热站的供热需求,提高了供热利用率。