基于深度强化学习的建筑能源系统优化策略研究

作者：石文喆; 李冰洁; 尤培培; 张泠

来源：中国电力, 2022, 1-10.

• 建筑能源系统
• 深度强化学习
• 实时控制策略
• 储能优化

针对建筑能源系统中需求侧的负荷不确定性与供给侧的可再生能源随机性，提出一种基于深度强化学习的建筑能源系统管理优化策略。首先，搭建能源系统供需侧研究框架并建立设备模型。再将实时阶段下的建筑能源管理问题构建为马尔可夫决策过程，利用深度强化学习理论，以最小化用电成本、保证室内热舒适水平和最大化消纳可再生能源为优化目标，采用决斗双重深度Q网络算法进行训练，得到训练后的算法可以根据实时环境参数做出自适应控制决策。最后，通过在建筑能源系统案例中的应用，将该策略与传统的基于规则的控制策略相比较，结果表明，所提出优化策略使用电成本降低11.03%，热不舒适时长降低89.62%，未消纳光伏发电量降低10.43%。

• 单位
  土木工程学院; 国网能源研究院有限公司; 湖南大学