赵睿杰

江苏大学国家水泵中心   教授

报告题目：《基于强化学习的注水泵组智能控制策略研究》

报告简介：

水泵能耗是工业注水系统的主要能耗来源，然而传统优化方法在协调实时控制约束与多目标权衡方面存在固有的困难。为考察并联泵调度中"离散同步调速"与"连续独立调速"的性能差异，本研究在同一水力框架下对比了深度Q网络（DQN）与深度确定性策略梯度（DDPG）两种算法，重点关注其节能性能与压力约束满足情况。在基于EPANET的仿真环境驱动下，我们设计了一种复合奖励函数——将能耗的倒数与二阶压力惩罚相结合——从而成功实现了对由离散启停状态与连续转速调节共同构成的混合动作空间的优化。

在双泵循环试验回路上开展的实验验证表明，DDPG与DQN的最高节能率分别为49.67%和45.75%。值得注意的是，凭借其连续动作空间所支持的独立变频控制，DDPG实现了100%的压力约束满足率，显著优于DQN及传统控制策略。当将该方法拓展至由两个水力耦合泵组、四台异构水泵构成的更复杂管网时，在全部900个评估工况下，DDPG均能满足两个监测节点的压力约束。相比之下，DQN的性能出现退化，受同步变频控制固有局限的影响，其节点约束满足率降至84.3%。最终，本研究为复杂工业供水系统的实时智能调度建立了一个具有高度可扩展性的强化学习框架。