基于设备强化学习的最优需求响应
机器学习
2014-10-07 v2 人工智能
系统与控制
摘要
据估计，住宅和小型商业建筑的需求响应（DR）可占需求响应总节能潜力的65%，而先前的研究表明，全自动能源管理系统（EMS）是实现这些领域需求响应的必要前提。本文针对这些领域的需求响应问题，提出了一种新颖的EMS公式化表述。具体而言，我们将全自动EMS的重新调度问题表述为一个强化学习（RL）问题，并论证该RL问题可通过在设备集群上进行分解来近似求解。与现有表述相比，我们的新表述（1）无需显式建模用户对任务重新调度的不满，（2）使EMS能够自行发起任务，（3）允许用户发起更灵活的请求，且（4）计算复杂度与设备数量呈线性关系。我们还展示了将最流行和经典的RL算法之一——Q学习应用于一个代表性示例的仿真结果。
引用
@article{arxiv.1401.1549,
title = {Optimal Demand Response Using Device Based Reinforcement Learning},
author = {Zheng Wen and Daniel O'Neill and Hamid Reza Maei},
journal= {arXiv preprint arXiv:1401.1549},
year = {2014}
}