Aug, 2020

智能建筑能源管理深度强化学习综述

PDF
TL;DR本研究从系统规模的角度提供了深度强化学习技术在智能建筑能源管理方面的全面综述，并指出了现有未解决的问题和未来可能的研究方向。
smart building energy managementrenewable generation outputdeep reinforcement learningcomprehensive reviewfuture research directions
发现论文，激发创造
  • 在线建筑能量优化使用深度强化学习

    本研究首次探讨使用深度强化学习在智能电网环境下实现建筑能源管理系统的在线调度优化，所提出的方法被验证可用于大规模数据资源中，如 Pecan Street Inc. 数据库，并且可以提供实时反馈以鼓励电能的更高效利用。

    Jul, 2017

  • 多可变风量开放式办公室 HVAC 系统的能源优化：深度强化学习方法

    本文提出了一种基于 DRL 模型的、用于 HVAC 能源优化的低复杂度多输入多输出结构，并通过比较现有 HVAC 安排的基准系统和该模型在实际建筑中的总能耗和热舒适水平的广泛分析来评估其有效性。

    Jun, 2023

  • MetaEMS: 基于元强化学习的建筑能源管理系统控制框架

    本研究提出了一种基于元学习的智能建筑能耗管理系统（MetaEMS），比现有基于强化学习的系统更快地适应环境变化并在大多数情况下表现更好。

    Oct, 2022

  • 深度强化学习算法在 HVAC 控制中的实验评估

    本研究基于 Sinergym 框架对多种先进 DRL 算法在 HVAC 控制中进行了关于舒适度和能源消耗方面的可重复评估，结果表明 SAC 和 TD3 等 DRL 算法在复杂场景下具有潜力，并揭示了与泛化和增量学习有关的若干挑战。

    Jan, 2024

  • 利用设备基于强化学习的最优需求响应

    本文提出了一种新型的供需响应问题的全自动能源管理系统的调度问题的强化学习方法，并以 Q 学习算法为例，通过对代表性例子的模拟结果进行了演示。

    Jan, 2014

  • 绿色深度强化学习用于无线电资源管理：架构，算法压缩与挑战

    本文针对 5G 及更高版本中的高复杂度无线资源管理问题，通过引入基于深度强化学习的云计算和分布式决策方案，并结合压缩算法和空间迁移学习，提出一种实现绿色深度强化学习的架构和算法，为实现绿色智能设备带来了潜在的解决方案。

    Oct, 2019

  • 利用深度强化学习的自适应电力系统应急控制

    本文提出一种利用深度强化学习进行电力系统紧急控制的方法，并设计了一个名为 “RLGC” 的开源平台来辅助这种方法的开发和基准测试。通过在两区四机系统和 IEEE 39-Bus 系统中的案例研究，证明了该方法的优异性能和鲁棒性。

    Mar, 2019

  • 基于模型的深度强化学习电压控制策略高效学习

    提出了一种基于模型的深度强化学习方法，用于设计短期电压稳定性问题的紧急控制策略，并使用基于深度神经网络 的动态代理模型进行训练，最终在 IEEE 300 总线测试系统上实现了 97.5% 的样本效率和 87.7% 的训练效率。

    Dec, 2022

  • 基于深度强化学习的混合动力车可转移能量管理策略的比较研究

    深度强化学习和迁移学习的结合是选择适当的能量管理策略的更加高效的方法，并且对比了使用不同探索方法的深度强化学习的迁移学习过程中的性能，结果显示在参数空间加入噪声的网络更加稳定和迅速收敛。

    Feb, 2022

  • 注意力卷积深度强化学习在实时电力市场中优化太阳能储能系统

    该研究探讨了太阳能电池储能系统与经济潜力开发中的备用功能，通过模型建立了一个双重马尔可夫决策过程，应用了一种新型深度强化学习算法来提高收益优化和降低能源浪费。

    Jan, 2024