ugr-sail/paper-drl_building
📦 Open Source Projectugr-sail
Репозиторий для оценки алгоритмов глубокого обучения с подкреплением в системах управления энергопотреблением зданий (HVAC).
Данный репозиторий содержит экспериментальную базу для тестирования различных алгоритмов глубокого обучения с подкреплением (DRL), применяемых для управления системами отопления, вентиляции и кондиционирования (HVAC) в зданиях. Поскольку энергоэффективность инфраструктуры становится ключевым элементом устойчивого развития, проект предлагает структурированный подход к оценке того, как DRL-агенты могут поддерживать тепловой комфорт при минимизации энергозатрат. Материалы включают детали реализации и метрики оценки, позволяющие воспроизвести результаты исследования или адаптировать логику управления для различных моделей зданий. Сосредоточившись на пересечении теории управления и глубокого обучения, проект демонстрирует, как агенты обучаются справляться со сложной, стохастической природой среды зданий, создавая основу для будущих исследований в области управления энергопотреблением «умных» зданий.
💡Основное
- ├─Фреймворк DRL для управления HVAC
- ├─Оптимизация энергопотребления зданий
- └─Инструменты для бенчмаркинга
🎯Для
- ├─AI-исследователи
- └─Инженеры энергетических систем