面向暖通空调控制的深度强化学习算法实验评估
机器学习
2024-09-04 v3 系统与控制
系统与控制
摘要
供暖、通风与空调（HVAC）系统是商业和住宅建筑能耗的主要驱动因素。近期研究表明，深度强化学习（DRL）算法可超越传统反应式控制器。然而，基于 DRL 的解决方案通常针对特定设置设计，缺乏标准化的比较基准。为填补这一空白，本文从舒适度与能耗角度，对多种用于 HVAC 控制的最新 DRL 算法进行了可复现的严格评估。研究利用 Sinergym 框架，考察了控制器的鲁棒性、适应性以及优化目标之间的权衡。所得结果证实了 SAC 和 TD3 等 DRL 算法在复杂场景中的潜力，并揭示了在泛化与增量学习方面存在的若干挑战。
引用
@article{arxiv.2401.05737,
title = {An experimental evaluation of Deep Reinforcement Learning algorithms for HVAC control},
author = {Antonio Manjavacas and Alejandro Campoy-Nieves and Javier Jiménez-Raboso and Miguel Molina-Solana and Juan Gómez-Romero},
journal= {arXiv preprint arXiv:2401.05737},
year = {2024}
}