CityLearn：面向需求响应与城市能源管理的多智能体强化学习研究标准化
机器学习
2020-12-22 v1 人工智能
摘要
快速城市化、分布式可再生能源、储能与电动汽车日益增多的接入给电网带来了新挑战。在美国，建筑约占总电力需求的70%，而需求响应有潜力将电力峰值降低约20%。释放这一潜力需要运行于分布式系统上的控制系统，理想情况下应为数据驱动且无模型。为此，强化学习（RL）算法在过去几年中受到越来越多的关注。然而，面向需求响应的RL研究一直缺乏那种在计算机科学界推动RL研究巨大进步的标准化水平。为此，我们创建了CityLearn，一个OpenAI Gym环境，使研究者能够实现、共享、复现并比较他们针对需求响应的RL实现。在此，我们讨论该环境以及我们组织的、旨在推动该领域进一步进步的CityLearn挑战赛。
引用
@article{arxiv.2012.10504,
title = {CityLearn: Standardizing Research in Multi-Agent Reinforcement Learning for Demand Response and Urban Energy Management},
author = {Jose R Vazquez-Canteli and Sourav Dey and Gregor Henze and Zoltan Nagy},
journal= {arXiv preprint arXiv:2012.10504},
year = {2020}
}
备注
under revision