| 基于分类DQN的建筑能耗预测 |
| |
| 作者姓名： | 李可 傅启明 陈建平 陆悠 王蕴哲 吴宏杰 |
| |
| 作者单位： | 苏州科技大学 电子与信息工程学院, 苏州 215009;苏州科技大学 江苏省建筑智慧节能重点实验室, 苏州 215009;苏州科技大学 江苏省建筑智慧节能重点实验室, 苏州 215009;苏州科技大学 建筑与城市规划学院, 苏州 215009;重庆工业大数据创新中心有限公司, 重庆 400707 |
| |
| 基金项目： | 国家重点研发计划(2020YFC2006602); 国家自然科学基金(61876121, 61876217, 62072324); 江苏省重点研发计划(BE2020026); 江苏省高校自然科学基金(21KJA520005) |
| |
| 摘 要： | 本文提出一种可用于建筑能耗预测的基于KNN分类器的DQN算法——K-DQN.其在利用马尔科夫决策过程对建筑能耗进行建模时,针对大规模动作空间问题,将原始动作空间缩减进而提高算法的预测精度及收敛速率.首先, K-DQN将原始动作空间平均划分为多个子动作空间,并将每个子动作空间对应的状态分为一类,以此构建KNN分类器.其次,利用KNN分类器,将不同类别相同次序动作进行统一表示,以实现动作空间的缩减.最后,K-DQN将状态类别概率与原始状态相结合,在构建新状态的同时,帮助确定缩减动作空间内每一动作的具体含义,从而确保算法的收敛性.实验结果表明,文章提出的K-DQN算法可以获得优于DDPG、DQN算法的能耗预测精度,且降低了网络训练时间.
|
| 关 键 词： | 分类 能耗预测 动作空间 深度强化学习 |
| 收稿时间： | 2021-12-17 |
| 修稿时间： | 2022-01-18 |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
