机构名称：
¥ 2.0
摘要：本文提出了使用联合加固学习（FRL）的多个智能建筑物的共享存储系统（SESS）的隐私能源管理（SESS）。为了保留与SESS连接的建筑物的能源计划的隐私，我们使用FRL方法提出了分布式的深入强化学习（DRL）框架，该方法由全球服务器（GS）和本地建筑能源管理系统（LBEMSS）组成。在框架中，LBEMS DRL代理仅与无需消费者的能耗数据的GS共享其训练有素的能源消耗模型的训练有素的神经网络。使用共享模型，GS执行了两个过程：（i）向LBEMS代理的全球能源消耗模型的构建和广播，以培训其本地模型，以及（ii）培训SESS DRL代理商的能源充电和从公用事业和建筑物中释放。模拟研究是使用带有太阳能电动系统的一台SES和三个智能建筑进行的。结果表明，所提出的方法可以安排和排放SESS的充电和排放，并在智能建筑环境下的智能建筑物中供暖，通风和空调系统的最佳能源消耗，同时保留建筑物能源消耗的隐私。
一种联合的深入强化学习方法
主要关键词
相关文件推荐
