31、智能建筑中的负载调度与照明控制

智能建筑中的负载调度与照明控制

1. 照明与百叶窗控制的以人为中心的强化学习

1.1 传感器响应与系统优化

在阳光明媚的日子里，对环境照明的控制至关重要。传感器的响应时间约为 5 分钟，控制器仅在接收到传感器反馈后才进行干预，这可能导致响应时间看起来过长。不过，通过在环境中增加其他亮度传感器，可以使系统更具响应性，从而改善响应时间。

1.2 以人为中心的强化学习方法

采用了一种以人为中心的强化学习方法，通过 Q - 学习策略来控制灯光和百叶窗，以实现居住者的最大舒适度和系统效率。该系统可以集成到现有的建筑管理系统中，提高节能能力。

1.3 系统实现与验证

将视觉舒适模型与 Q - 学习算法相结合，利用环境亮度实现灯光和百叶窗的集成控制。同时，考虑了帕累托改进，以动态调整舒适区的边界，适应一群人的偏好。在办公室进行了实际系统实现，验证了学习策略和适应环境亮度的能力。结果表明，用户在反馈循环中的存在，使系统仅借助一个光传感器就能做出决策，并且系统进入舒适区后可以探索最节能的区域。

2. 认知建筑中的智能负载调度

2.1 背景与需求

如今，物联网和机器学习技术使家电和电子设备简化了我们的生活，但如果使用效率低下，会造成时间、能源和金钱的浪费。需求侧管理（DSM）技术可以降低能源消耗，有效利用室内设备。自动化设备调度在 DSM 中起着关键作用，而 DSM 是认知建筑的重要组成部分。

2.2 认知建筑的特点

认知建筑与智能建筑不同，它能够学习、推理、适应并相互协作，以执行上下文相关的动作。其核心特点是能够收集