文献

J-GLOBAL ID：202202271226696209   整理番号：22A0886645

強化学習による居住者の温熱快適性要求と節約エネルギーを満足するマルチゾーン住宅HVAC制御【JST・京大機械翻訳】

Multi-zone Residential HVAC Control with Satisfying Occupants’ Thermal Comfort Requirements and Saving Energy via Reinforcement Learning

著者 (11件)： Ding Zhengkai (School of Electronic and Information Engineering, SuZhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Ding Zhengkai (Jiangsu Province Key Laboratory of Intelligent Building Energy Efficiency, Suzhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Fu Qiming (School of Electronic and Information Engineering, SuZhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Fu Qiming (Jiangsu Province Key Laboratory of Intelligent Building Energy Efficiency, Suzhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Chen Jianping (Jiangsu Province Key Laboratory of Intelligent Building Energy Efficiency, Suzhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Chen Jianping (School of Archirecture and Urban Planning, SuZhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Chen Jianping (Chongqing Industrial Big Data Innovation Center Co., Ltd., Chongqing, China) ,  Wu Hongjie (School of Electronic and Information Engineering, SuZhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Lu You (School of Electronic and Information Engineering, SuZhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Lu You (Jiangsu Province Key Laboratory of Intelligent Building Energy Efficiency, Suzhou University of Science and Technology, Suzhou, Jiangsu, China) ,  Hu Fuyuan (School of Electronic and Information Engineering, SuZhou University of Science and Technology, Suzhou, Jiangsu, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13148  ページ： 441-451  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 住宅HVACシステム制御は,熱的快適性とエネルギー消費に焦点を合わせてきた。動的建築熱モデル,気象条件および人間活動の複雑性のため,規則ベース制御(RBC)およびモデル予測制御(MPC)のような伝統的方法は,居住者の熱快適性要求を満たしながら,エネルギーを節約できる戦略の学習が困難である。上記の問題を解決するために,住宅マルチゾーンHVAC制御を最適化するために,熱的快適性予測モデルと強化学習を組み合わせた方法を提案した。本論文では,まず,サポートベクトル回帰と深層ニューラルネットワーク(SVR-DNN)のハイブリッドモデルを設計し,強化学習における状態と報酬の一部として,熱的快適性値を予測した。次に,強化学習アルゴリズム(Q学習,深Q-Network(DQN),およびDeep Detectstic Polig Gradient(DDPG))を適用して,熱快適性の安定性を維持し,エネルギー消費を最小化するための最適HVAC制御戦略を作成した。実験結果は,著者らのSVR-DNNモデルが,深いニューラルネットワーク(DNN)と比較して,[数式:原文を参照]によって熱的快適性予測性能を向上することができることを示した。ルールベース制御と比較して,SVR-DNNに基づくDDPG,DQNおよびQ学習は,[数式:原文を参照]によるエネルギー消費を低減し,[数式:原文を参照]による熱快適性違反を低減することができる。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *快適性 ,  ニューラルネットワーク ,  気象条件 ,  *住宅 ,  モデル ,  *HVAC ,  *強化学習 ,  ルールベース ,  学習アルゴリズム ,  予測モデル ,  熱的快適性
準シソーラス用語： Q学習 ,  ハイブリッドモデル ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチゾーンHVAC制御 ,  強化学習 ,  省エネルギー ,  熱的快適性

分類 (2件)： エネルギー消費・省エネルギー  (LD01000B) ,  空気調和装置一般  (PC02010U)

タイトルに関連する用語 (11件)： 強化学習 ,  居住者 ,  温熱 ,  快適性 ,  節約 ,  エネルギー ,  満足 ,  マルチ ,  ゾーン ,  住宅 ,  HVAC