结合主动变化检测和深度强化学习，在非固定建筑环境中实现最佳 HVAC 控制

【作者团队】Xiangtian Deng, Yi Zhang, Yi Zhang, He Qi

【作者单位】 Tsinghua-Berkeley Shenzhen Institute, Tsinghua University

【论文链接】https://www.sciencedirect.com/science/article/pii/S0360132321010702#!

【推荐理由】供暖、通风和空调（HVAC）能耗显著增加，在建筑能耗增长中占很大比例。需要先进的控制策略来降低能耗，同时保持住户的热舒适度。关键的限制是非平稳性，即变化的 HVAC 系统动态。深度强化学习因其在捕获实时信息、自适应系统反馈控制、避免繁琐的建模工作等方面的优势而备受关注。然而，目前的研究以被动的方式解决了非平稳性，这阻碍了其潜力并增加了实际应用中的不稳定性。为了填补这一研究空白，本文提出了一种结合主动建筑环境变化检测和深度 Q 网络 (DQN) 的新型 HVAC 控制方法，称为非平稳 DQN。该方法旨在通过主动识别建筑环境的变化点并学习相应建筑环境的有效控制策略来解开非平稳性。