Regelung von Wärmepumpen mit Reinforcement Learning

Abstract

In diesem Beitrag wird aufgezeigt, wie Reinforcement Learning im Zusammenspiel mit einer transienten Simulation zur Steuerung von Hochtemperaturwärmepumpen eingesetzt werden kann. Hierzu wird ein transientes, thermodynamisches Modell der Wärmepumpe mittels Modelica implementiert und mit Hilfe des Functional Mock-up Interfaces in eine Trainingsumgebung für das Reinforcement Learning eingebettet. Es wird gezeigt, wie anhand der entwickelten Methodik Strategien zur optimalen Steuerung der Wärmepumpe unter Berücksichtigung von Betriebsgrenzen wie Verdichterstabilität, thermisch induzierten Spannungen und Eigenfrequenzen, erlernt werden können. Diese Strategien ermöglichen effiziente und sichere Betriebspunktwechsel und tragen so zukünftig zur Lastflexibilität des Industrieprozesses bei.