リアルタイム電力料金に適応するビル空調制御のエミュレータ転移強化学習

カテゴリ: 研究会(論文単位)

論文No: ST20020

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2020/06/06

タイトル(英語): Transfer Reinforcement Learning using Emulator for Building Air-conditioning Control on Real-Time Pricing

著者名: 後藤 聡(岐阜大学),青木 佳史(岐阜大学),蜷川 忠三(岐阜大学),森川 純次(三菱重工サーマルシステムズ),近藤 成治(三菱重工サーマルシステムズ)

著者名(英語): Goto Satoshi(Gifu University),Yoshifumi Aoki(Gifu Univertsity),Chuzo Ninagawa(Gifu University),Junji Morikawa(Mitsubishi Heavy Industries Thermal Systems),Seiji Kondo(Mitsubishi Heavy Industries Thermal Systems)

キーワード: 強化学習|ビルマルチ空調機|リアルタイム電力料金|エミュレータ|転移学習|電力制御|Reinforecement Learning|Building-Multi Air-Conditioner|Real-Time Pricing|Emulator|Transfer Learning|Power Consumption Control

要約(日本語): 本稿では将来のリアルタイム電力料金に適応する，強化学習を用いたビルマルチ空調機の電力制御について述べる。一般的に強化学習は膨大な試行回数が必要とされ，短期間で実用的制御に到達するための手法が求められている。そこでビルマルチ空調機の電力と室温挙動を実機同様に模擬するエミュレータを用いて仮想ビルを構築し，仮想ビルにて事前学習した後，実ビルにて転移学習させることで学習期間の短縮を試みる。

要約(英語): This article describes a power control method for building multi-type air conditioner using reinforcement learning to adapt to future real-time pricing. Generally, reinforcement learning requires an enormous number of trials. To attack the problem, we build a virtual building using air-conditioner emulators which simulate power and room temperatures as a real machine, and we try to shorten the learning period of transfer learning in a real building by pre-learning on the virtual building.

原稿種別: 日本語

PDFファイルサイズ: 1,042 Kバイト