스마트 빌딩 에너지 관리를 위한 딥 강화 학습 리뷰

전 세계 건물은 전체 에너지 소비와 탄소 배출의 약 30%를 차지하며, 이는 심각한 에너지 및 환경 문제를 야기합니다. 따라서 에너지 효율적이고 지속 가능한 건물의 발전을 위해 새로운 스마트 빌딩 에너지 관리(SBEM) 기술을 개발하는 것이 중요하고 시급합니다. 그러나 다음과 같은 도전 과제로 인해 이는 쉽지 않은 과제입니다. 첫째, 건물 제어를 위해 정확하면서도 효율적인 건물 열역학 모델을 개발하는 것이 일반적으로 어렵습니다. 둘째, 많은 불확실한 시스템 매개변수(예: 재생 가능 발전량, 외부 온도 및 거주자 수)가 존재합니다. 셋째, 공간적 및 시간적으로 결합된 운영 제약이 많습니다. 넷째, 건물 에너지 최적화 문제는 매우 큰 솔루션 공간을 가질 때 전통적인 방법으로는 실시간으로 해결할 수 없습니다. 다섯째, 전통적인 빌딩 에너지 관리 방법은 각각의 적용 가능한 전제 조건이 있어, 다양한 건물 환경에 직면했을 때 저조한 다재다능성을 가집니다. 사물 인터넷 기술과 컴퓨팅 능력의 급속한 발전으로 인해 인공지능 기술은 제어 및 최적화에서 중요한 역량을 발휘하고 있습니다. 일반적인 인공지능 기술로서 딥 강화 학습(DRL)은 위의 도전을 해결할 수 있는 가능성이 있습니다. 특히 최근 몇 년 동안 SBEM을 위한 DRL의 수요가 급증했습니다. 그러나 SBEM을 위한 다양한 DRL 방법에 대한 체계적인 개요가 부족합니다. 이 간극을 메우기 위해 본 기사는 시스템 규모의 관점에서 SBEM을 위한 DRL에 대한 포괄적인 리뷰를 제공합니다. 특히, 우리는 기존의 미해결 문제들을 식별하고 가능한 미래 연구 방향을 제시합니다.