基于深度强化学习的高效水库调度管理
机器学习
2020-12-08 v1
摘要
水坝通过流量调节和破坏上下游联系影响下游河流动力学。然而，由于无法响应上下游系统复杂的、不确定的动力学以及水库的多种用途，当前的水坝运行远不能令人满意。更进一步，不令人满意的水坝运行可能导致下游地区发生洪水。因此，我们在本工作中利用强化学习（RL）方法计算高效的水坝运行准则。具体而言，我们使用真实数据和不同的上游入流数学模型（即广义最小二乘（GLS）和动态线性模型（DLM））构建离线模拟器，然后使用模拟器训练最先进的RL算法，包括DDPG、TD3和SAC。实验表明，带有DLM的模拟器能够有效建模上游入流动力学，且由RL算法训练得到的水坝运行策略显著优于人工生成的策略。
引用
@article{arxiv.2012.03822,
title = {Efficient Reservoir Management through Deep Reinforcement Learning},
author = {Xinrun Wang and Tarun Nair and Haoyang Li and Yuh Sheng Reuben Wong and Nachiket Kelkar and Srinivas Vaidyanathan and Rajat Nayak and Bo An and Jagdish Krishnaswamy and Milind Tambe},
journal= {arXiv preprint arXiv:2012.03822},
year = {2020}
}
备注
5 pages, 4 figures, Workshop paper