建筑供暖系统数据驱动控制的实验分析

受利用建筑气候控制灵活性以服务于需求响应应用的机遇驱动，本工作提出了一种基于强化学习最新进展的数据驱动控制方法。更具体地说，将模型辅助的批量强化学习应用于动态定价下的建筑气候控制场景。底层的序贯决策问题被转化为 Markov 决策问题，随后详述了控制算法。在本工作中，fitted Q-iteration 被用于从一批实验元组中构建策略。在状态空间中实验样本密度较低的区域，使用人工神经网络添加虚拟支持样本。最后，利用领域知识对所得策略进行塑形。该控制方法已通过仿真进行了定量评估，并在生活实验室中进行了定性评估。定量分析发现，该控制方法在约 20 天内收敛，获得了性能在数学最优值 90% 以内的控制策略。实验分析证实，在 10 至 20 天内可获得合理的策略，并可用于不同的外部温度环境。