基于 Transformer 深度强化学习的多目标水电库群调度优化
机器学习
2024-07-19 v1 人工智能
摘要
由于水资源短缺与用水需求增长，用于平衡发电、生态保护与居民供水的多库系统联合调度已成为水电管理中的关键问题。然而，多个水库的众多约束与非线性使得该问题的求解十分耗时。为应对这一挑战，提出一种融合 transformer 框架的深度强化学习方法。编码器的多头注意力机制有效提取来自水库与居民区的信息，解码器的多水库注意力网络生成合适的调度决策。所提方法应用于科罗拉多河流域的 Mead 湖与 Powell 湖。实验结果表明，基于 transformer 的深度强化学习方法能够产生恰当的调度结果。相较于一种最先进方法，所提方法生成的调度策略多发电 10.11%，将修正年比例流量偏差降低 39.69%，并提升供水收益 4.10%。因此，所提方法为多目标水电库群系统调度提供了一种有效方法。
关键词
引用
@article{arxiv.2307.05643,
title = {Multiobjective Hydropower Reservoir Operation Optimization with Transformer-Based Deep Reinforcement Learning},
author = {Rixin Wu and Ran Wang and Jie Hao and Qiang Wu and Ping Wang},
journal= {arXiv preprint arXiv:2307.05643},
year = {2024}
}
备注
11 figures, 16 pages, submitted to Journal of Hydrology