摘要
本研究将深度强化学习（DRL）与精益管理相结合，用于可再生能源项目的调度。该问题被表述为一个具有天气依赖动态和综合奖励（如进度、成本、质量和约束）的受限马尔可夫决策过程。采用四层架构（卷积层、循环层和注意力层），并通过优先级经验回放和元学习增强的掩码近端策略优化Actor-Critic框架来学习自适应策略；四个精益原则直接映射到DRL循环中。一个三阶段的可行性过滤器——硬动作掩蔽、软资源重新调整和惩罚回退——确保每个执行的决定都满足项目网络、资源、天气窗口、电网和环境约束。在中国西北部186个项目的验证结果显示，该项目 duration 缩短了33.0%，成本降低了29.2%，资源利用率提高了87.2%，同时保持了质量。与八个先进的深度学习和经典基线方法相比，所提出的方法在进度效率方面平均提高了约2.9个百分点，在大规模项目（>200个活动）中平均绝对误差降低了约41%–50%。该方法在30%的噪声下仍能保持约80%的性能，并且在仅使用CPU的硬件上性能达到了97.8%以上，适用于中小企业和现场项目办公室的实际应用。
图形摘要
本研究提出了一个结合精益管理的深度强化学习框架，用于可再生能源项目的调度。该框架采用四层架构，融合了卷积层、循环层和注意力层，并通过元学习和优先级经验回放增强了掩码Actor-Critic策略网络。在中国西北部186个项目的验证中，该项目进度压缩了33.0%，成本降低了29.2%，资源利用率提高了87.2%，在30%的噪声下性能保留率约为80%。
