原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于强化学习Q‑learning的空压站运维优化方法，包括：根据空压站供气管网的拓扑结构搭建管网模型，构建空压站能耗的数学模型，使用Q‑Learning算法作为代理进行优化；初始化Q‑Learning的参数，使用衰减函数控制学习率的衰减，以及构建一个Q表格来存储状态动作值；根据当前的状态和学习率的大小，采用ε‑greedy策略选择一个动作；更新Q表格中对应状态动作值的估计值；找到具有最高Q值的动作，即当前状态下的最优动作，将其作为代理的下一步动作，作为最优的空压系统运行策略。与现有
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116628904 A
(43)申请公布日 2023.08.22
(21)申请号 202310585722.7
(22)申请日 2023.05.23
(71)申请人 同济大学
文档评论（0）