강화 학습 및 전이 학습 기반의 주거 건물 에너지 효율적인 HVAC 제어

난방, 환기 및 공조(HVAC) 시스템의 에너지 소비는 건물 에너지 소비의 가장 중요한 부분 중 하나입니다. 최근 몇 년 동안 강화 학습(RL)의 발전과 함께 건물 운영 및 에너지 절약을 위한 다양한 접근법이 제안되었습니다. 그러나 이전 작업은 RL을 위한 정확한 환경을 구축하는 데 실패하여 실제 건물에서 RL 시스템의 배치가 제한되었습니다. 본 논문에서는 RL 환경을 구축하기 위한 데이터 기반 접근법을 제안하고, 에너지 절약을 위한 실제 건물 제어를 달성하기 위해 전이 학습을 활용합니다. 우리는 베이징의 실험적 거의 제로 주거 건물에서 6일 간의 현장 테스트를 수행했습니다. 주거 건물의 HVAC는 세 개의 침실의 공기 온도를 균일하게 제어하는 신선한 공기 시스템이 있는 공기원 열펌프입니다. RL 환경은 온도와 에너지 소비를 예측하기 위한 여러 개의 XGBoost 모델로 구성되며, 2020년 및 2021년의 역사적 데이터를 기반으로 사전 학습된 Deep Deterministic Policy Gradient(DDPG) 에이전트가 2023년의 실제 환경에 적용됩니다. 그 결과, 우리의 RL 기반 제어기가 실험 환경에서 열적 편안함을 유지하면서 효과적으로 에너지를 절약할 수 있으며, 11.33%의 에너지 절약률을 달성했음을 나타냅니다.