利用强化学习进行生活热水缓冲器需求响应：真实生活演示
系统与控制
2017-03-17 v1 机器学习
摘要
本文展示了一种用于真实生活住宅建筑需求响应的数据驱动控制方法。其目标是优化生活热水 (DHW) 缓冲器的加热周期，以最大化本地光伏 (PV) 产出的自消纳。使用基于模型的强化学习技术来解决底层的序贯决策问题。所提出的算法学习随机居住者行为，预测 PV 产出，并考虑系统的动态特性。使用该算法在六栋住宅建筑中进行了真实生活实验。结果表明，与默认恒温器控制相比，PV 产出的自消纳量显著增加。
引用
@article{arxiv.1703.05486,
title = {Using Reinforcement Learning for Demand Response of Domestic Hot Water Buffers: a Real-Life Demonstration},
author = {Oscar De Somer and Ana Soares and Tristan Kuijpers and Koen Vossen and Koen Vanthournout and Fred Spiessens},
journal= {arXiv preprint arXiv:1703.05486},
year = {2017}
}
备注
Submitted to IEEE ISGT Europe 2017