面向热泵控制的深度强化学习
机器学习
2022-12-27 v1 人工智能
摘要
私人家庭的供暖是当今产生排放的一个主要来源。热泵是一种有前景的供热替代方案，并且是我们实现德国能源转型目标及减少依赖化石燃料的关键技术。如今，现场大多数热泵由简单的加热曲线控制，即当前室外温度到控制动作的朴素映射。一种更先进的控制方法是模型预测控制（MPC），已在多项研究中应用于热泵控制。然而，MPC严重依赖于建筑模型，这具有若干缺点。受此及该领域近期突破的启发，本工作将深度强化学习（DRL）应用于模拟环境中的热泵控制。通过与MPC比较，表明可以以无模型方式应用DRL来达到类似MPC的性能。本工作通过深入分析所学控制策略并详细比较两种前沿控制方法，扩展了其他已将DRL应用于建筑供暖运行的工作。
引用
@article{arxiv.2212.12716,
title = {Deep Reinforcement Learning for Heat Pump Control},
author = {Tobias Rohrer and Lilli Frison and Lukas Kaupenjohann and Katrin Scharf and Elke Hergenrother},
journal= {arXiv preprint arXiv:2212.12716},
year = {2022}
}