【标题】Reinforcement Learning for proactive operation of residential energy systems by learning stochastic occupant behavior and fluctuating solar energy: Balancing comfort, hygiene and energy use

【作者团队】Amirreza Heidari , François Maréchal , Dolaana Khovalyg

【发表日期】2022.5.10

【论文链接】https://www.sciencedirect.com/science/article/pii/S0306261922005712#!

【推荐理由】对于住宅建筑，有几个随机参数，例如可再生能源生产、室外空气条件和居住者的行为，很难准确地建模和预测。增加了开发可推广到不同建筑物的最优控制方法的复杂性。本研究提出了一种基于强化学习的无模型控制框架，该框架考虑了居住者的随机热水使用行为、太阳能发电、和天气条件，并学习如何在太阳能辅助空间供暖和热水生产系统中平衡能源使用、居住者舒适度和水卫生。提出了一种基于随机的离线训练过程，以在安全的模拟环境中为智能体提供先验体验，并在算法开始在真实房屋上进行在线学习时进一步确保居住者的舒适和健康。在瑞士不同地区的三个案例研究中对天气状况和热水使用行为进行了实验监测，并将收集到的数据用于模拟，以根据两种基于规则的方法评估所提出的控制框架。结果表明，所提出的框架可以实现 7% 到 60% 的节能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除