Jan, 2024

能源数字双胞胎中的人工智能:基于强化学习的适应性数字双胞胎模型对绿色城市的应用

TL;DR数字孪生(DT)对于实现可持续和有效的智慧城市解决方案至关重要,但现有的 DT 建模技术无法支持智慧城市环境的动态性,本研究探讨了时空图,并提出了基于强化学习的自适应孪生(RL-AT)机制,通过深度 Q 网络(DQN)的方法来填补该空白,该研究在精确性、同步性、资源优化和能源效率方面做出了贡献,时空图模型能够以更一致的精确性提供 55% 更高的查询性能,此外,我们的模型还证明了较低的开销和节能消耗率,实现了合理时间的数据获取,开销下降了 20%,能源消耗下降了 25%。