建模误差<1%，节能13%
融合ETP模型与TimesNet神经网络，结合MPC与DQN，如何在用户行为随机性下实现精准温度控制与节能。
Guo Z. · Li, Yiyan · Ping, Jian · Jiayi, Zhu · 严正 · Chow, Moyuen
Applied Energy 2026
混合模型融合ETP与TimesNet，在真实建筑数据集仿真中建模误差低于1%，大幅提升温度预测精度。
结合MPC与DQN的两阶段控制策略在维持舒适度的前提下，实现平均13%的节能。
控制策略将室内温度与用户偏好之间的偏差维持在0.5°C以内，保证热舒适性。