文献

J-GLOBAL ID：202202213810841052   整理番号：22A0574381

建築物エネルギー管理のための強化モデル予測制御(RL-MPC)【JST・京大機械翻訳】

Reinforced model predictive control (RL-MPC) for building energy management

著者 (9件)： Arroyo Javier (Department of Mechanical Engineering, KU Leuven, Heverlee, Belgium) ,  Arroyo Javier (EnergyVille, Thor Park, Waterschei, Belgium) ,  Arroyo Javier (Flemish Institute for Technological Research (VITO), Mol, Belgium) ,  Manna Carlo (EnergyVille, Thor Park, Waterschei, Belgium) ,  Manna Carlo (Flemish Institute for Technological Research (VITO), Mol, Belgium) ,  Spiessens Fred (EnergyVille, Thor Park, Waterschei, Belgium) ,  Spiessens Fred (Flemish Institute for Technological Research (VITO), Mol, Belgium) ,  Helsen Lieve (Department of Mechanical Engineering, KU Leuven, Heverlee, Belgium) ,  Helsen Lieve (EnergyVille, Thor Park, Waterschei, Belgium)
資料名： Applied Energy  (Applied Energy)
巻： 309  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 建築物は,それらのエネルギーシステムの効率的で気候中立的な使用のための高度な制御を必要とする。モデル予測制御(MPC)と強化学習(RL)は,建築エネルギー管理への適用に関する文献で広く研究されている2つの強力な制御技術として発生する。これらの方法は,制約満足,計算要求,適応性,および明瞭度に関して補足的品質を示すが,通常,両方のアプローチ間で選択を行う。本論文では,両制御手法を比較し,それらの相対的メリットを併合する強化予測制御(RL-MPC)と呼ばれる新しいアルゴリズムを提案した。最初に,RLとMPCの間の相補性を,各方法の主な側面をコメントすることによって概念レベルで強調した。第2に,RL-MPCアルゴリズムを記述し,各手法,すなわち状態推定,動的最適化,および学習から特徴を効果的に組み合わせる。最後に,MPC,RL,およびRL-MPCを実装し,BOPTESTで評価して,建物における先進制御アルゴリズムの評価のための標準化シミュレーションフレームワークである。結果は,純粋なRLがMPCに等価な制御定式化と学習のための同じ制御装置モデルを使用するとき,制約満足を提供できないことを示した。新しいRL-MPCアルゴリズムは,制約を満たし,MPCに対して類似の性能を提供し,一方,連続学習と不確かな環境を扱う可能性を可能にした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  学習 ,  標準化 ,  制御 ,  状態推定 ,  気候 ,  明瞭度 ,  制御方式 ,  *建築物 ,  *モデル ,  相補性 ,  予測制御 ,  定式化 ,  強化学習
準シソーラス用語： 動的最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： モデル予測制御 ,  強化学習 ,  強化モデル予測制御 ,  ビルオートメーション ,  BOPTEST

分類 (3件)： エネルギー消費・省エネルギー  (LD01000B) ,  太陽光発電  (NB03090G) ,  建築環境一般  (RB02010T)

タイトルに関連する用語 (4件)： 建築物エネルギー ,  強化 ,  モデル予測制御 ,  MPC