多智能体节能控制算法

制冷系统节能近3%

该算法通过元预测模型模拟冷水机组动态特性，并利用多智能体强化学习实现多设定点协同控制，在半导体制造场景中验证了实用性。

Lee, Chia Yen · Yao-Wen, Li · Chih-Chun, Chang

International Journal of Production Economics 2025

参数信息

千瓦每冷吨降低幅度

2.78 %

技术优势

能耗实测下降

在实际应用中千瓦每冷吨降低约2.78%，直接降低运行成本与碳排放。

捕捉多设备交互

元预测模型模拟冷水机组动态特性，揭示设备间的相互影响，为优化提供依据。

多设定点协同控制

利用多智能体强化学习实现多个设定点的同时优化，避免局部最优。

应用场景

• 工业控制系统：提供多设定点协同算法，提升产线冷却系统控制精度。
• 智能能源管理：实时优化能耗，降低制造环节的碳足迹。
• 暖通空调优化：针对冷水机组系统，实现能效提升。
• 可持续制造：通过节能降耗，支持供应链的可持续发展。