基于安全强化学习的电网交互高效建筑最优管理
系统与控制
2024-09-13 v1 系统与控制
摘要
基于强化学习 (RL) 的方法在管理电网交互高效建筑 (GEBs) 方面取得了显著成功。然而，RL 不具备满足约束的内在保证，可能导致严重的安全后果。此外，在 GEB 控制应用中，大多数现有的安全 RL 方法仅依赖于神经网络中的正则化参数或奖励惩罚，这常常在参数调优方面遇到挑战，并导致灾难性的约束违反。为了在控制 GEBs 时提供强制性的安全保证，本文设计了一种受物理启发的安全 RL 方法，其决策通过与环境的交互得到增强。GEBs 中的不同能源资源被最优管理，以最小化能源成本并最大化用户舒适度。所提出的方法可以基于一组已开发的硬稳态规则的先验知识实现严格的约束保证。在包括供暖、通风和空调 (HVAC)、太阳能光伏和储能系统在内的 GEBs 最优管理上的仿真，证明了所提出方法的有效性。
引用
@article{arxiv.2409.08132,
title = {Optimal Management of Grid-Interactive Efficient Buildings via Safe Reinforcement Learning},
author = {Xiang Huo and Boming Liu and Jin Dong and Jianming Lian and Mingxi Liu},
journal= {arXiv preprint arXiv:2409.08132},
year = {2024}
}