EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

强化学习的优化控制策略提升智慧建筑节能

林士飏, 李栋

中国科学与技术学报 · 26.03.2026 · 2 (2) · 113-121

DOI: 10.70693/cjst.v2i2.1935 ↗

Kurz gefasst

Fachartikel in der Zeitschrift 中国科学与技术学报, online erschienen am 26.03.2026. Verfasst von 林士飏 und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitieren

Abstract (Originalsprache)

本文研究强化学习优化智能建筑低碳控制策略,运用深度Q网络(Deep Q-Network, DQN)模型,构建与建筑能耗仿真平台Energy Plus的交互接口,达成智能控制策略和建筑物理模型的融合。依靠界定状态空间、动作空间以及奖励函数,强化学习智能体可在持续训练进程中持续优化控制策略,实现对空调系统启停、温度设定等关键参数的动态优化调控,并在多种场景下开展对比分析,实验选取典型办公建筑,展开为期30天的动态模拟。模拟结果显示:与基线策略相比,Q-learning 达成11.6%的节能率,DQN是提升至14.1%,DQN控制器的PMV均值控制在0.34以内,波动系数降低32%,呈现出更为出色的舒适保持能力。在保证室内热舒适性的降低建筑运行能耗,强化学习控制策略具有良好的节能性与鲁棒性,能在高维状态空间中的表现突出,拥有更快的收敛速度与更优的长期回报能力。

Zitieren

APA

林士飏, & 李栋 (2026). 强化学习的优化控制策略提升智慧建筑节能. 中国科学与技术学报, 2(2), 113-121. https://doi.org/10.70693/cjst.v2i2.1935

Vancouver

林士飏, 李栋. 强化学习的优化控制策略提升智慧建筑节能. 中国科学与技术学报. 2026;2(2):113-121. doi:10.70693/cjst.v2i2.1935

BibTeX
@article{2026,
  author = {林士飏 and 李栋},
  title = {强化学习的优化控制策略提升智慧建筑节能},
  journal = {中国科学与技术学报},
  year = {2026},
  volume = {2},
  number = {2},
  pages = {113--121},
  doi = {10.70693/cjst.v2i2.1935}
}
Kostenlos starten →