基于深度强化学习的在线建筑能源优化
机器学习
2017-07-20 v1 人工智能
最优化与控制
摘要
随着高级计量基础设施的增长，空前大量的数据正变得可用。这些有望惠及未来电力系统的规划和运行，并帮助客户从被动转向主动角色。本文中，我们在智能电网背景下首次探索使用深度强化学习（一种结合强化学习与深度学习的混合方法）来执行建筑能源管理系统日程的在线优化。学习过程使用两种方法探索：Deep Q-learning 和 Deep Policy Gradient，两者都扩展到同时执行多个动作。所提方法在大规模 Pecan Street Inc. 数据库上验证。该高维数据库包含光伏功率发电、电动汽车以及建筑电器的信息。此外，这些在线能源调度策略可用于向消费者提供实时反馈以鼓励更高效用电。
引用
@article{arxiv.1707.05878,
title = {On-line Building Energy Optimization using Deep Reinforcement Learning},
author = {Elena Mocanu and Decebal Constantin Mocanu and Phuong H. Nguyen and Antonio Liotta and Michael E. Webber and Madeleine Gibescu and J. G. Slootweg},
journal= {arXiv preprint arXiv:1707.05878},
year = {2017}
}