标签
该论文通过四个基于Modelica的可复现办公楼案例研究,评估深度强化学习在HVAC监督控制中的实际收益,发现无储能场景下DRL相对良好规则基线的边际极小(0.18%-1.3%),而在储能场景中优势更明显但仍远未达到完美预见最优。
本文提出了NOMAD-RL,一种用于HVAC系统的强化学习控制器,它使用自适应域随机化来泛化到异构热区,其性能接近模型预测控制。
本文介绍了一个两阶段的个性化热舒适系统,该系统利用强化学习和多模态传感技术,根据个体使用者的偏好来调节暖通空调控制。
ADAPT是一种用于HVAC控制的物理感知条件扩散模型,能够降低能耗和使用者不适,并具有对未见环境的强大可迁移性。