首页|强化学习算法在空调系统运行优化中的应用研究

强化学习算法在空调系统运行优化中的应用研究

Application of Reinforcement Learning in HVAC System Operation Optimization

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
空调系统运行优化是建筑节能的重要组成部分.提出了在空调系统运行优化中应用强化学习算法,主要采用拟合Q迭代算法.结合空调系统运行优化的实际需求及强化学习算法的特征,将强化学习控制器在空调系统运行优化中的应用过程分为4个阶段,包括准备、初始、探索和运行阶段,并具体描述了各阶段完整的算法流程.通过强化学习控制器在空气源热泵联合电辅热系统中的应用,案例对其控制效果进行验证分析.仿真结果显示,提出的基于强化学习算法的空调系统运行方法在满足建筑负荷需求的同时,可以有效降低建筑运行费用.与模型预测控制方法相比,强化学习控制器响应速度更快.此外,该方法具备对先验知识依赖程度低、自适应性强的特点,具备一定的实用性,其应用有助于实现空调系统精细化运行的目标.

丁志梁、潘毅群、谢建彤、王尉同、黄治钟

展开 >

同济大学 机械与能源工程学院,上海 201804

同济大学 中德工程学院,上海 201804

空调系统 运行优化 强化学习 数据驱动

2020

10.3969∕j.issn.1673-7237.2020.07.003

建筑节能(中英文)
中国建筑东北设计研究院有限公司

建筑节能(中英文)

CSTPCD
影响因子：0.695
ISSN：2096-9422
年,卷(期)：2020.48(7)
  • 6
  • 4