基于深度强化学习的独立式太阳能榨油机智能控制：提升生产效率和能源利用率的新策略

《Renewable Energy Focus》：Smart control of standalone solar-powered oil press: Applying Reinforcement Learning for productivity and energy utilization improvement

本研究针对资源受限农村地区太阳能榨油系统的优化控制难题，开发了名为SolPrInt的深度强化学习(DRL)控制器。研究人员利用MATLAB/Simulink平台，基于15年PVGIS-SARAH2辐射数据和花生油提取基准数据，训练了近端策略优化(PPO)智能体。实验验证表明，该系统能够根据光伏(PV)可用性、电池荷电状态(SOC)实时调整榨油机转速，在晴天和阴天分别实现96±13.5 kg/d和90±20.5 kg/d的稳定产量，较传统固定工作时间操作延长了运行时间，减少停电次数，并将出油率提高了0.7个百分点。

　　

在西非农村地区，植物油加工业正迎来快速发展，然而不稳定的电力供应严重制约了生产机械化进程，迫使加工厂依赖昂贵的柴油发电机，限制了农村地区的加工能力。能源是可持续发展的关键，"生产性能源使用"概念强调通过能源利用不仅获得经济效益，还能改善福利条件。太阳能作为一种清洁可再生能源，预计到2030年将成为领先的可再生电力来源，为全球贡献16.1%的发电量。

针对这一背景，德国霍恩海姆大学热带与亚热带研究小组的Wiomou Joévin Bonzi等研究人员开展了一项创新性研究，开发了一种基于深度强化学习的智能控制系统，旨在提高独立式太阳能榨油机的生产效率和能源利用率。这项研究发表在《Renewable Energy Focus》期刊上，为解决离网地区的能源供应和农产品加工问题提供了新思路。

传统上，太阳能榨油系统的设计主要基于额定功率，缺乏根据可用能量调整负载曲线的控制策略。虽然已有研究开发了太阳能驱动的机械榨油机，但其设计并未实现负载曲线与可用能量的自适应匹配。为此，研究团队开发了名为SolPrInt的智能控制器，该系统能够根据实时光伏发电情况、电池状态和系统行为自适应调整榨油机转速，确保太阳能资源的高效利用。

研究人员采用了几项关键技术方法：首先建立了包含光伏子系统、控制子系统和榨油机子系统的MATLAB/Simulink仿真模型；然后利用15年的PVGIS-SARAH2辐射数据和花生油提取实验数据，训练了近端策略优化(PPO)智能体；最后将训练好的神经网络部署在低成本ESP32微控制器上，实现与Kern Kraft KK20榨油机的接口控制。研究还采用了对抗性训练方法，针对5%日照最少的日期进行专门训练，增强了系统在低辐照条件下的鲁棒性。

RL训练

训练过程使用了15年的气象数据，奖励值从较低水平开始，随着训练进程逐步改善。约10,000次训练周期后，平均奖励出现显著增长，表明智能体已成功学习到更优策略。到20,400次训练周期时，奖励达到325.7，平均训练步数为243.3步，满足停止标准。经过对抗性训练后，智能体成功适应了恶劣条件，奖励波动范围逐渐收窄并趋于稳定。

模拟智能体性能

经过主要训练阶段后，智能体表现出清晰的日常操作周期，遵循昼夜模式。在晴朗天气下，榨油机在日出时开始运行，达到70 rpm的最高速度，并在日间持续运行，傍晚逐渐减速至20 rpm，使系统能够短暂运行到夜间约20:00停止。在多云天气下，系统根据降低的太阳辐照度调整速度，表现出良好的适应性。

In-silico验证

在验证年的干季(11月至5月)，光伏系统平均发电6.9±1.1 kWh/天，电池SOC平均值约为50%，系统平均产量达到96±13.5 kg/天。在雨季(6月至10月)，产量波动较大，平均产量为90±20.5 kg/天，系统面临多次因能源供应不足导致的奖励惩罚。

使用PV模拟器进行实验验证

在晴朗天气条件下，使用SolPrInt控制器将运行时间从10小时延长至14小时，能源利用率提高14%，出油率提高0.7个百分点。在多云条件下，系统将停电次数从多次减少到仅一次，运行时间延长2.4小时，同样提高出油率0.7个百分点。智能体主要采用低速(20 rpm)或高速(70 rpm)两种运行模式，最大化特定太阳能利用率。

研究结论表明，SolPrInt控制器能够有效优化太阳能榨油系统的运行，在不同天气条件下均表现出优越性能。与固定时间表操作相比，该系统不仅延长了运行时间，减少了停电次数，还提高了出油率。这一研究成果展示了光伏敏感型深度强化学习控制在提高独立可再生能源系统性能方面的潜力，支持可靠的分散式能源使用，为可持续能源获取做出了贡献。

讨论部分指出，该研究成功实现了光伏驱动机械榨油机的控制，与之前的灌溉、温室或冷却单元研究类似，展示了在光伏驱动生产系统中实施智能控制的潜力。虽然实验与仿真之间存在一些差异，但SolPrInt控制器仍能良好适应实际条件。未来工作可以通过温度调节增强榨油机控制，并探索基于油籽价值的定制训练策略，进一步优化系统性能。