論文の概要: Towards Optimal District Heating Temperature Control in China with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2012.09508v2
• Date: Fri, 18 Dec 2020 02:17:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-02 18:18:56.693040
• Title: Towards Optimal District Heating Temperature Control in China with Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習による中国の最適地域暖房温度制御に向けて
• Authors: Adrien Le-Coz, Tahar Nabil, Francois Courtot
• Abstract要約: 室内温度を予測するために,シミュレーションデータに基づくリカレントニューラルネットワークを構築した。 このモデルは、供給水温の最適制御のために、2つのDRLエージェントを専門家の指導なしに訓練するために使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Achieving efficiency gains in Chinese district heating networks, thereby reducing their carbon footprint, requires new optimal control methods going beyond current industry tools. Focusing on the secondary network, we propose a data-driven deep reinforcement learning (DRL) approach to address this task. We build a recurrent neural network, trained on simulated data, to predict the indoor temperatures. This model is then used to train two DRL agents, with or without expert guidance, for the optimal control of the supply water temperature. Our tests in a multi-apartment setting show that both agents can ensure a higher thermal comfort and at the same time a smaller energy cost, compared to an optimized baseline strategy.
• Abstract（参考訳）: 中国の地域熱ネットワークの効率向上を実現し、炭素排出量を減らすためには、現在の産業用ツールを超えた新しい最適制御方法が必要である。 そこで本研究では,二次ネットワークに着目し,データ駆動型深層強化学習(drl)手法を提案する。 室内温度を予測するために,シミュレーションデータに基づくリカレントニューラルネットワークを構築した。 このモデルは、供給水温の最適制御のために、2つのDRLエージェントを専門家の指導なしに訓練するために使用される。 マルチアパートメント設定で行ったテストでは, 両エージェントが高熱的快適性を確保でき, 同時に, 最適化されたベースライン戦略と比較してエネルギーコストを低減できることがわかった。

関連論文リスト

• Experimental evaluation of offline reinforcement learning for HVAC control in buildings [12.542463083734614]
  建物における動的HVAC制御のために, 強化学習(RL)技術がますます研究されている。 本稿では,最先端のオフラインRLアルゴリズムの長所と短所を包括的に評価する。
  論文  参考訳（メタデータ） (2024-08-15T07:25:52Z)
• Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
  熱電冷却器 (TEC) は、高度電子システムにおける局所ホットスポットの直接冷却とアクティブな熱管理のための有望なソリューションを提供する。 TECは空間冷却、暖房、電力消費に大きなトレードオフをもたらす。 本研究では,大域的最適温度を達成できる熱電冷却器の機械学習支援最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-20T18:35:45Z)
• Temperature Balancing, Layer-wise Weight Analysis, and Neural Network Training [58.20089993899729]
  本稿では,直感的で効果的な階層学習手法であるTempBalanceを提案する。 我々は、TempBalanceが通常のSGDと注意深く調整されたスペクトルノルム正規化より著しく優れていることを示す。 また、TempBalanceは最先端のメトリクスやスケジューラよりも優れています。
  論文  参考訳（メタデータ） (2023-12-01T05:38:17Z)
• Hybrid Reinforcement Learning for Optimizing Pump Sustainability in Real-World Water Distribution Networks [55.591662978280894]
  本稿では,実世界の配水ネットワーク(WDN)のリアルタイム制御を強化するために,ポンプスケジューリング最適化問題に対処する。 我々の主な目的は、エネルギー消費と運用コストを削減しつつ、物理的な運用上の制約を遵守することである。 進化に基づくアルゴリズムや遺伝的アルゴリズムのような伝統的な最適化手法は、収束保証の欠如によってしばしば不足する。
  論文  参考訳（メタデータ） (2023-10-13T21:26:16Z)
• Deep Reinforcement Learning for the Heat Transfer Control of Pulsating Impinging Jets [0.0]
  本研究では,計算流体力学に基づく熱制御における深部強化学習(DRL)の適用性について検討する。 熱制御のためのバニラ深部Q-Network (DQN) 法の有効性と有効性を評価することから始める。
  論文  参考訳（メタデータ） (2023-09-25T08:41:50Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
  産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。 本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:12:36Z)
• Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach [56.84948632954274]
  本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。 本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。 提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
  論文  参考訳（メタデータ） (2021-12-20T15:45:28Z)
• DeepThermal: Combustion Optimization for Thermal Power Generating Units Using Offline Reinforcement Learning [25.710523867709664]
  本研究では,火力発電ユニットの燃焼制御戦略を最適化する新しいデータ駆動型aiシステム,deepthermalを開発した。 その中核は、MOREと呼ばれる新しいモデルベースのオフライン強化学習フレームワークである。 より長期的な報酬(燃焼効率の向上と汚染物質排出の低減)と運用リスク(安全制約満足度)の同時改善を目標とする。
  論文  参考訳（メタデータ） (2021-02-23T04:55:12Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。