跳到正文
热点事件持续更新

DRL 在 HVAC 监督控制中的收益评估:四个 Modelica 案例研究

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Bingnan Zhao 等研究者发布 arXiv 论文,通过四个基于澳大利亚布里斯班办公楼、可复现的 Modelica 案例研究,量化深度强化学习(DRL)在 HVAC 监督控制中相对规则控制与近优参考的收益。楼宇模型用 Modelica Buildings library 构建,其中三个案例的 soft actor-critic 智能体直接在导出的 FMU 上训练。 结果显示收益并不一致:在预冷案例中,手工调优的规则控制仍然更优(-12.0%,相比之下 DRL 为 -5.6%)。论文据此探讨 DRL 在何种条件下才有收益。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    深度强化学习何时在 HVAC 监督控制中才有收益?基于 Modelica FMU 直接训练的四个小型案例研究

    一篇 arXiv 论文用四个基于澳大利亚布里斯班办公楼的可复现 Modelica 案例研究,评估深度强化学习(DRL)在 HVAC 监督控制中的收益。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。