一项新研究探讨了深强化学习(DRL)在建筑暖通空调(HVAC)系统控制中的有效性。研究人员使用Modelica Buildings库进行了四项案例研究,将DRL代理与基于规则的控制器和近优参考进行了比较。研究结果表明,虽然DRL在某些场景下可以达到近优性能,但与调优良好的基于规则的控制器相比,收益通常是边际性的。研究还强调了直接在协同仿真功能模型单元(FMU)上训练DRL代理时遇到的实际挑战。 AI
影响 表明DRL在HVAC控制中的实际效益可能被高估,需要更稳健的基线和仔细的实施。
排序理由 学术论文,详细介绍了一项具体研究。[lever_c_demoted from research: ic=1 ai=1.0]
- Australia
- Brisbane
- deep reinforcement learning
- functional mock-up unit
- Modelica
- Modelica Buildings library
- Soft Actor--Critic
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →