基于全局-局部策略搜索强化学习的电网交互式多区域建筑控制
系统与控制
2020-10-15 v1 系统与控制
摘要
本文基于深度强化学习（RL）方法开发了一种电网交互式多区域建筑控制器。该控制器旨在正常工况与需求响应事件期间辅助建筑运行，同时保障居住者舒适度与能效。我们采用连续动作空间 RL 公式，并设计了两阶段全局-局部 RL 训练框架。第一阶段使用无梯度 RL 算法执行全局快速策略搜索；第二阶段使用策略梯度方法进行局部微调。与最先进的模型预测控制（MPC）方法不同，所提 RL 控制器在实时运行期间无需复杂计算，且可适应非线性建筑模型。我们使用一个五区域商业建筑对其控制性能进行了数值验证。
引用
@article{arxiv.2010.06718,
title = {Grid-Interactive Multi-Zone Building Control Using Reinforcement Learning with Global-Local Policy Search},
author = {Xiangyu Zhang and Rohit Chintala and Andrey Bernstein and Peter Graf and Xin Jin},
journal= {arXiv preprint arXiv:2010.06718},
year = {2020}
}