建筑微气候的数据驱动控制：一种事件触发强化学习方法
系统与控制
2020-07-28 v2 机器学习
系统与控制
摘要
智能建筑在塑造我们星球节能、可持续和更经济的未来方面具有巨大潜力，因为建筑约占全球能耗的40%。智能建筑的未来在于利用传感数据进行自适应决策与控制，而目前的主要挑战是以在线和持续的方式在短期内学习到良好的控制策略。为应对这一挑战，提出了一种事件触发——而非经典时间触发——范式，其中学习和控制决策在事件发生时且收集到足够信息后做出。事件由特定设计条件表征，并在条件满足时发生，例如当达到某一状态阈值时。通过系统调整学习和控制决策的时间，所提出的框架有可能降低学习中的方差，从而改善控制过程。我们基于半马尔可夫决策过程 formulate 微气候控制问题，其允许变时间状态转移与决策。在强化学习设置中使用扩展策略梯度定理和时序差分方法，我们提出了两种用于建筑微气候事件触发控制的学习算法。我们通过设计一个智能学习恒温器来展示所提方法的有效性，该恒温器在测试建筑中同时优化能耗与居住者舒适度。
引用
@article{arxiv.2001.10505,
title = {Data-driven control of micro-climate in buildings: an event-triggered reinforcement learning approach},
author = {Ashkan Haji Hosseinloo and Alexander Ryzhov and Aldo Bischi and Henni Ouerdane and Konstantin Turitsyn and Munther A. Dahleh},
journal= {arXiv preprint arXiv:2001.10505},
year = {2020}
}