A multi-step predictive deep reinforcement learning algorithm for HVAC control systems in smart buildings

The development of the building energy management systems (BEMS) enable users to intelligently control Heating, Ventilation, Air-conditioning and Cooling (HVAC) systems based on digital information. In order to reduce the power consumption cost of the HVAC system while ensuring user satisfaction, a...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Energy (Oxford) Ročník 259; s. 124857
Hlavní autoři:	Liu, Xiangfei, Ren, Mifeng, Yang, Zhile, Yan, Gaowei, Guo, Yuanjun, Cheng, Lan, Wu, Chengke
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 15.11.2022
Témata:	algorithms ambient temperature consumer satisfaction Deep reinforcement learning electricity energy energy use and consumption Generalized correntropy heat HVAC system issues and policy Multi-step prediction neural networks prediction Deep reinforcement learning Multi-step prediction HVAC system Generalized correntropy
ISSN:	0360-5442
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!