强化学习在建筑能源管理的竞赛应用

某中心赞助的NeurIPS 2022竞赛聚焦建筑能源管理,要求参与者开发强化学习智能体优化电池充放电策略,以降低电网用电成本和二氧化碳排放。竞赛使用真实建筑数据,涉及多智能体协同优化技术。

某中心赞助建筑能源管理竞赛

建筑贡献了30%的温室气体排放,同时开始在电力系统中扮演更积极的角色。建筑成为应对气候变化的未开发机遇:家用电池等储能设备可通过转移用电时间降低电网峰值负荷,太阳能光伏发电可减少电网总需求及排放。但这些资源需在多建筑中协同管理才能释放全部能源潜力并降低用户成本。

CityLearn挑战赛2022

由智能环境实验室和AICrowd组织、某中心提供计算资源的CityLearn挑战赛2022,聚焦家用电池存储和光伏技术。参赛者需开发强化学习智能体控制建筑电池充放电,并设计奖励函数以最小化电网用电成本和二氧化碳排放。获胜者将在NeurIPS 2022公布。

技术实现细节

挑战赛采用多智能体场景,允许智能体共享数据以协同优化能源管理。基于CityLearn开发环境(分布式能源管理和需求响应平台),使用加州Fontana地区17栋独户建筑一年的电力需求和光伏发电数据(源自EPRI研究论文)。

参赛者可开发单智能体或多智能体策略及奖励函数:

  • 单智能体策略:统一控制所有建筑电池
  • 多智能体策略:每栋建筑电池使用独立策略(允许智能体共享观测信息)

为保证居住舒适度,建筑电力负载不变。智能体需学习:

  • 何时直接使用现场太阳能发电
  • 何时充放电电池
  • 何时依赖电网(优先选择低价和低碳时段)

竞赛安排

竞赛于7月18日开始,10月31日结束。前三名团队将获得现金奖励、学生旅行资助及合著研究论文机会。NeurIPS会议将于11月28日至12月9日在新奥尔良举行(竞赛环节为线上)。


研究领域:可持续发展
标签:可再生能源、挑战赛、NeurIPS
会议:NeurIPS 2022

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计