A Deep Reinforcement Learning Dispatch Method for Integrated Energy Systems Considering Data Center Computing-Power

doi:10.3390/electronics15194363

A Deep Reinforcement Learning Dispatch Method for Integrated Energy Systems Considering Data Center Computing-Power

2026-09-23

0

OA

AI

DOI：10.3390/electronics15194363

原文链接

原文求助

摘要

En 中文

随着数字经济的快速发展，数据中心的建设规模持续扩大。鉴于其高耗电产生的大量热量，数据中心已成为综合能源系统的关键组成部分，呈现出计算-电力-热力多能源耦合特性。这种耦合需要协调调度多种设备并同步优化多个目标。为解决此挑战，本文提出CA-CPEn-TD3算法以解决基于数据中心综合能源系统的最优调度问题。首先，建立综合能源系统模型，其中考虑了计算中心的计算负荷转移能力。通过综合考虑计算、电力、热力和环境成本，构建强化学习优化目标。在此基础上，基于TD3框架，引入约束感知动作投影机制，以有效防止硬约束违反，并获得更可行且实用的调度策略。此外，整合课程学习、并行探索和集成决策机制以增强训练稳定性。案例研究表明，所提算法有效提供可部署的调度策略，并在数据中心持续扩大的背景下实现经济高效且环保的调度。

Keyword:

integrated energy systems

data center computing-power equivalence

deep reinforcement learning

constraint-aware action projection

A Deep Reinforcement Learning Dispatch Method for Integrated Energy Systems Considering Data Center Computing-Power

摘要

期刊

机构

引用论文