10.11930/j.issn.1004-9649.202211051
基于深度强化学习的户内变电站通风降噪优化设计
针对户内变电站运行发热导致温度过高引发安全风险,以及采取相关散热措施可能导致噪声扰民的问题,提出一种基于有限元仿真和深度强化学习的户内变电站进风口设计参数优化方法.以此对户内变电站通风系统进风口位置大小进行优化设计,使其获得最优通风降噪效果.首先,通过有限元分析法对其温度场、流体场和声场进行仿真建模;然后,基于大量仿真数据,采用卷积神经网络建立温度和噪声的预测模型;最后,考虑噪声约束,利用基于最大熵强化学习框架的SAC算法,以变电站室内温度最低为目标对进风口设计参数进行优化求解.研究结果表明,经过优化后的进风口设计方案能够有效降低变电站室内温度,同时使噪声满足国家规范要求.
户内变电站、有限元法、通风降噪、强化学习、优化设计
56
U452.1;TH452;TP391.41
国家电网有限公司总部科技项目5200-202132088A-0-0-00
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共11页
96-105,118