基于EnergyPlus-Python联合模拟和强化学习算法的室内环境控制优化

论文摘要

建筑领域每年消耗大量能源,占全部能源消耗的近三分之一。建筑机电系统的控制优化可以极大减少能源的无效消耗和损失。建筑机电系统常用的上层控制策略一般为基于经验设置若干恒定值,或依时间表设定变化的控制参数。由于经验的主观性,实际系统存在较大的节能优化、提高效率、降低能耗的潜力。随着机器学习,特别是强化学习算法的逐步发展,更先进的控制策略能够更好地使控制系统综合优化。此外,算法策略在应用到现实系统之前,应该先通过仿真虚拟进行充分地学习和验证。对常规建筑控制方法、强化学习算法、模拟方法和联合模拟系统等进行总结。在此基础上,介绍基于EnergyPlus和Python联合模拟系统的强化学习算法,以及其在建筑控制系统中的应用。最后以案例的形式对控制结果的改善进行总结和分析。

论文目录

• 1 建筑控制介绍
•   1.1 PID控制
•   1.2 模糊控制
•   1.3 模型预测控制
• 2 建筑模拟介绍
•   2.1 建筑模拟原理
•   2.2 建筑模拟软件
• 3 联合模拟介绍
•   3.1 联合模拟原理
•   3.2 联合模拟方式
• 4 强化学习
•   4.1 强化学习原理
•   4.2 强化学习方式
•   4.3 强化学习应用领域
• 5 应用案例
• 6 结论与展望

文章来源

类型: 期刊论文

作者: 孙一凫,吕浩宇,陈毅兴,任晓欣,吴若飒,沈启

关键词: 建筑能源,强化学习,控制,联合模拟,室内环境控制

来源: 建设科技 2019年24期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 建筑科学与工程

单位: 北京博锐尚格节能技术股份有限公司,加州大学尔湾分校,湖南大学

基金: 中美清洁能源—政府间国际科技创新合作重点专项“净零能耗建筑关键技术研究与示范”,课题：夏热冬暖地区“净零能耗建筑”关键技术综合性工程示范,子课题：能源和环境系统的监测及运营优化方案研究,课题编号：2016YFE0102300-07

分类号: TU85

DOI: 10.16116/j.cnki.jskj.2019.24.010

页码: 52-58

总页数: 7

文件大小: 1406K

下载量: 185