自适应专家引导TD3

训练加速近四成

在占用时段内实现自适应专家引导，解决深度强化学习用于建筑暖通空调控制时安全与效率的核心冲突。

Wu, Zeqing · 穆云飞 · 靳小龙 · Yanze, Xu · 贾宏杰 · 赵军

Energy and Buildings 2026

参数信息

收敛加速

37.50 %

收敛加速

13.33 %

总奖励提升

11.80 %

总奖励提升

0.76 %

初始训练温度违规减少

46.39 %

初始训练温度违规减少

55.27 %

占用场景温度偏差

1 °C

技术优势

无需中间件

直接使用EnergyPlus的原生API，消除了中间件引起的延迟与不稳定，训练更实时。

减少训练违规

初始训练温度违规减少46.39%（夏季）和55.27%（冬季），安全性显著提升。

占用时恒温

占用场景下温度偏差保持在1°C以内，满足热舒适要求。

应用场景

• 建筑能源管理：用AE-TD3策略降低能耗成本，同时保障热舒适。
• 智能楼宇控制：将训练好的策略部署到楼宇自动化系统，实现安全高效的实时控制。
• 暖通空调优化：在占用时段保持温度偏差低于1°C，优化空调系统运行。