基于强化学习的电价波动下电弧炉调度
系统与控制
2025-12-11 v1 系统与控制
摘要
本文提出了一种基于强化学习的框架，用于优化电价波动下电弧炉（EAF）的运行。我们将确定性版本的EAF调度问题表述为混合整数线性规划（MILP）公式，然后开发了一种Q学习算法，用于在实时电价波动和共享进料容量约束下对多个EAF单元进行实时控制。我们为Q学习算法设计了自定义奖励函数，以平滑EAF的启动惩罚。使用来自纽约州EAF设计和电价的真实数据，我们在假设完美电价预测的条件下，将我们的算法与基线规则控制器和MILP基准进行了对比。结果表明，在非预见性控制设置下，我们的强化学习算法在各种单单元和多单元案例中实现了约90%的利润，相较于完美MILP基准。
引用
@article{arxiv.2512.09293,
title = {Electric Arc Furnaces Scheduling under Electricity Price Volatility with Reinforcement Learning},
author = {Ruonan Pi and Zhiyuan Fan and Bolun Xu},
journal= {arXiv preprint arXiv:2512.09293},
year = {2025}
}
备注
10 pages, 5 figures,7 tables