太原理工大学&中国科学院|智能建筑暖通空调控制系统的多步预测深度强化学习算法

【标题】A multi-step predictive deep reinforcement learning algorithm for HVAC control systems in smart buildings

【作者团队】Xiangfei Liu, Mifeng Ren, Zhile Yang, Gaowei Yan, Yuanjun Guo

【发表日期】2022.7.20

【论文链接】https://www.sciencedirect.com/sdfe/reader/pii/S0360544222017601/pdf

【推荐理由】建筑能源管理系统 (BEMS) 的发展使用户能够基于数字信息智能控制供暖、通风、空调和制冷 (HVAC) 系统。为了在保证用户满意度的同时降低暖通空调系统的功耗成本，本文提出了一种基于多步预测深度强化学习（MSP-DRL）算法的楼宇系统暖通空调控制系统。首先通过称为 GC-LSTM 的特色深度学习方法预测室外环境温度，其中通过广义相关熵 (GC) 损失函数增强长短期记忆 (LSTM) 以处理非采集的室外温度的高斯特性。此外，所提出的温度预测模型与深度确定性策略梯度（DDPG）强化学习算法相结合，在电价的动态变化下灵活调整暖通空调系统的输出功率。最后，提供基于真实世界数据的综合模拟。数值结果表明，GC-LSTM算法比其他同类预测算法更准确，所提出的基于MSP-DRL算法的暖通空调控制系统与其他方法相比可以节省12%以上的成本，同时保持用户舒适度。