投稿指南
一、本刊要求作者有严谨的学风和朴实的文风,提倡互相尊重和自由讨论。凡采用他人学说,必须加注说明。 二、不要超过10000字为宜,精粹的短篇,尤为欢迎。 三、请作者将稿件(用WORD格式)发送到下面给出的征文信箱中。 四、凡来稿请作者自留底稿,恕不退稿。 五、为规范排版,请作者在上传修改稿时严格按以下要求: 1.论文要求有题名、摘要、关键词、作者姓名、作者工作单位(名称,省市邮编)等内容一份。 2.基金项目和作者简介按下列格式: 基金项目:项目名称(编号) 作者简介:姓名(出生年-),性别,民族(汉族可省略),籍贯,职称,学位,研究方向。 3.文章一般有引言部分和正文部分,正文部分用阿拉伯数字分级编号法,一般用两级。插图下方应注明图序和图名。表格应采用三线表,表格上方应注明表序和表名。 4.参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定,采用顺序编码制。

铁路运输论文_基于强化学习的地铁站空调系统节

来源:计算机时代 【在线投稿】 栏目:期刊导读 时间:2021-10-08
作者:网站采编
关键词:
摘要:文章摘要:地铁站空调系统能源消耗较大,传统控制方法无法兼顾舒适性和节能问题,控制效果不佳,且目前地铁站空调控制系统均是对风系统和水系统单独控制,无法保证整个系统的节能效

文章摘要:地铁站空调系统能源消耗较大,传统控制方法无法兼顾舒适性和节能问题,控制效果不佳,且目前地铁站空调控制系统均是对风系统和水系统单独控制,无法保证整个系统的节能效果.为此本文提出了基于强化学习的空调系统节能控制策略.首先,本文采用神经网络建立了空调系统模型,作为离线训练智能体的模拟环境,以解决无模型强化学习方法在线训练收敛时间长的问题.然后,为了提升算法效率,同时针对地铁站空调系统多维连续动作空间的特点,本文提出了基于多步预测的深度确定性策略梯度算法,设计了智能体框架,将其用于与环境模型进行交互训练.此外,为了确定最佳的训练次数,本文还设置了智能体训练终止条件,进一步提升了算法效率.最后,本文基于武汉某地铁站的实测运行数据进行了仿真实验,结果表明,本文所提出的控制策略具有较好的温度跟踪性能,能够保证站台舒适性,且与目前实际系统相比,能源节省约17.908%.

文章关键词:

项目基金:《计算机时代》 网址: http://www.jsjsdzzs.cn/qikandaodu/2021/1008/1987.html



上一篇:环境科学与资源利用论文_基于双向门控循环单元
下一篇:自动化技术论文_基于非负绞杀与LSTM神经网络的

计算机时代投稿 | 计算机时代编辑部| 计算机时代版面费 | 计算机时代论文发表 | 计算机时代最新目录
Copyright © 2018 《计算机时代》杂志社 版权所有
投稿电话: 投稿邮箱: