强化学习的优化控制策略提升智慧建筑节能
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
本文研究强化学习优化智能建筑低碳控制策略,运用深度Q网络(Deep Q-Network, DQN)模型,构建与建筑能耗仿真平台Energy Plus的交互接口,达成智能控制策略和建筑物理模型的融合。依靠界定状态空间、动作空间以及奖励函数,强化学习智能体可在持续训练进程中持续优化控制策略,实现对空调系统启停、温度设定等关键参数的动态优化调控,并在多种场景下开展对比分析,实验选取典型办公建筑,展开为期30天的动态模拟。模拟结果显示:与基线策略相比,Q-learning 达成11.6%的节能率,DQN是提升至14.1%,DQN控制器的PMV均值控制在0.34以内,波动系数降低32%,呈现出更为出色的舒适保持能力。在保证室内热舒适性的降低建筑运行能耗,强化学习控制策略具有良好的节能性与鲁棒性,能在高维状态空间中的表现突出,拥有更快的收敛速度与更优的长期回报能力。
Fields of Study & Subjects
Building Energy and Comfort Optimization
Building energy efficiency and sustainability
Smart Grid Energy Management
Publication details
- Journal / source
- 中国科学与技术学报
- Volume
- 2
- Issue
- 2
- Pages
- 113–121
- Publication date
- 26 March 2026
- Language
- ZH