基于分层强化学习的工业暖通空调系统优化
机器学习
2022-09-20 v1 人工智能
多智能体系统
机器人学
系统与控制
系统与控制
摘要
强化学习（RL）技术已被开发用于优化工业冷却系统，相较于传统启发式策略可大幅节能。工业控制中的一个主要挑战在于学习因机械约束而在现实世界中可行的行为。例如，某些动作只能每隔几小时执行一次，而其他动作则可更频繁地采取。若无大量的奖励工程与实验，RL 智能体可能无法学习到真实的机械操作。为此，我们采用分层强化学习，使用多个智能体根据其操作时间尺度控制动作子集。我们的分层方法在模拟 HVAC 控制环境中，在保持诸如将冷水机组运行于安全界限内等约束的同时，相较现有基线实现了节能。
引用
@article{arxiv.2209.08112,
title = {Optimizing Industrial HVAC Systems with Hierarchical Reinforcement Learning},
author = {William Wong and Praneet Dutta and Octavian Voicu and Yuri Chervonyi and Cosmin Paduraru and Jerry Luo},
journal= {arXiv preprint arXiv:2209.08112},
year = {2022}
}
备注
11 pages, 5 figures