近日，工作室庄典、田帅等人在《Applied Energy》上发表的题为“Data-driven predictive control for smart HVAC system in IoT-integrated buildings with time-series forecasting and reinforcement learning”的论文（DOI: https://doi.org/10.1016/j.apenergy.2023.120936），在Web of Science数据库正式成为高被引论文（Highly Cited Paper）。截至目前，该论文自2023年4月份发布以来，在谷歌学术上已有31次引用。 该论文主要内容如下：优化暖通空调运行以实现舒适的热环境同时提升能源效率是建筑运维阶段的一大挑战，而智慧建筑与物联网设备提供的实时环境监测数据为HVAC系统的智能控制提供了可能。本成果提出了一种耦合时间序列预测和强化学习的数据驱动预测控制方法，用于智能建筑的HVAC系统优化。研究尤其针对时序预测与强化学习耦合时涉及的误差累积问题，建立并验证了16种基于双向处理、卷积和注意力机制的LSTM深度神经网络。最优预测模型与Soft Actor-Critic强化学习代理集成，以分析IoT数据并优化HVAC操作，实现了17.4%的节能和16.9%的热舒适改善。
|
