基于集中式软演员评论家深度强化学习的 CityLearn 区域需求侧管理
机器学习
2021-04-27 v1 机器学习
摘要
作为未来智能电网一部分，强化学习是一种很有前景的、无模型且自适应的区域级需求侧管理控制器。本文展示了为 CityLearn 挑战赛提交的算法结果，该挑战赛于 2020 年初举办，旨在设计和调优一个强化学习智能体以平缓和光滑由多样化建筑组成的区域电力需求聚合曲线。所提出的方案在挑战赛中获第二名，其使用了能够处理连续动作空间的集中式“软演员评论家（Soft Actor Critic）”深度强化学习智能体。该控制器在由不同建筑和气候组成的挑战赛数据集上取得了 0.967 的平均分。这凸显了深度强化学习作为一种即插即用式控制器的潜在应用，其能够处理不同气候和异构建筑存量，用于建筑的区域需求侧管理。
引用
@article{arxiv.2009.10562,
title = {A Centralised Soft Actor Critic Deep Reinforcement Learning Approach to District Demand Side Management through CityLearn},
author = {Anjukan Kathirgamanathan and Kacper Twardowski and Eleni Mangina and Donal Finn},
journal= {arXiv preprint arXiv:2009.10562},
year = {2021}
}
备注
Accepted for ACM BuildSys2020 RLEM'20 Workshop