基于强化学习算法的闸控河网工程水位控制方法

摘要

为保障河道网络工程景观功能发挥与供水安全、实现水位稳定控制，传统水位控制方法中基于经验的手动调节和比例-积分（proportional-integral, PI）自动控制算法存在明显局限性，易导致水位调节精度不足、动态过程中振荡现象明显等问题，难以满足工程对水位稳定的核心需求。通过构建河道水闸群强化学习训练框架，采用软演员评论家（soft actor-critic, SAC）算法训练水闸控制智能体，以实现水闸群实时高效联合调控。结果表明：经充分训练收敛后，该智能体水力控制性能优异，随机流量扰动引发水位波动时，可快速将水位精准调控至目标值（偏差严格控制在±0.2 m内），调控误差范围较传统PI算法缩小48.8%。相较于PI算法，其核心优势为：水位稳定速度显著提升，动态调节收敛速度加快40%；水闸操作次数大幅减少，闸门动作频次降低32%；环境适应性更强，可在不同水流条件下稳定维持期望水位（PI算法对部分渠池如闸4的水位调控偏差达0.332 m，超出目标范围）。研究证实，基于SAC的强化学习方法为河道网络水位稳定调控提供了创新解决方案，能有效应对随机流量扰动，提升水位调节稳定性与精准度，为河网智能化管理控制提供重要技术支撑，在工程中应用前景广阔。

关键词

河网 / 水位控制 / 强化学习 / SAC算法 / 闸门调控