基于强化学习的家庭集群能量协调的实地实现
系统与控制
2023-10-31 v1 机器学习
系统与控制
摘要
鉴于建筑环境占全球电力消耗的40%且其贡献巨大，建筑作为灵活性来源以协助现代电网已受到越来越多的关注。在这方面，以往的研究主要集中于单体建筑的能源管理。相比之下，本文关注一组住宅建筑的聚合控制，以提供电网支撑服务，最终应纳入辅助服务。具体而言，我们提出了一项真实试点研究，考察强化学习（RL）在协调8户住宅电力消耗以联合跟踪目标功率信号方面的有效性。我们的RL方法仅依赖来自个体家庭房的观测数据，不需要任何显式建筑模型或模拟器，使其易于实施且方便扩展。我们展示了所提基于RL的协调策略在真实环境中的可行性。在一个为期4周的案例研究中，我们演示了一个分层控制系统，其依靠基于RL的排序系统来选择激活柔性资源的家庭，以及基于实时PI控制的功率调度机制来控制所选资源。我们的结果展示了令人满意的功率跟踪，以及以纯数据驱动方式学习的基于RL的排序的有效性。
引用
@article{arxiv.2310.19155,
title = {Real-World Implementation of Reinforcement Learning Based Energy Coordination for a Cluster of Households},
author = {Gargya Gokhale and Niels Tiben and Marie-Sophie Verwee and Manu Lahariya and Bert Claessens and Chris Develder},
journal= {arXiv preprint arXiv:2310.19155},
year = {2023}
}
备注
8 pages, 2 figures, workshop article accepted at RLEM'23 (BuildSys'23)