Mina Montazeria1 · Carl Remlingerb1 · Benjamin Bejar Haro · Philipp Heer · Applied Energy · 2025年1月 · Vol.390

摘要 机器学习在智能建筑领域经历了显著的发展，无论是在建筑建模还是能源管理方面均是如此。数据驱动方法利用可获得的测量数据，绕过基于物理模型的缓慢且昂贵的校准过程，从而提供更高的适应性、更低的维护成本以及更大的灵活性。然而，这些模型的质量依赖于历史数据，而新建建筑可能缺乏足够的历史数据。本文提出了一种从温度建模到供暖控制完全数据驱动的模块化方法，在将控制器从源建筑迁移到目标建筑时仅需少量数据。该控制器由两个模块组成：一个深度强化学习代理，用于管理期望的室内温度；以及一个针对每个房间特定的执行动作映...

解读: 该模块化数据驱动控制技术对阳光电源储能系统(ST系列PCS、PowerTitan)及充电站热管理具有重要价值。其深度强化学习架构可迁移至储能温控优化,仅需少量现场数据即可适配不同容量电池簇的热管理策略。物理一致性建模思路可融入iSolarCloud平台,实现储能系统26%以上能耗优化。模块化acti...