综述：建筑相关能源系统中多智能体强化学习控制方法的文献综述

《Smart Cities》：Intelligent Building Energy Control Systems: A Review of Multi-Agent Reinforcement Learning Technologies, Challenges, and Future Directions

　　

摘要

提高能源效率和减少环境影响是当今全球面临的最重大挑战之一。特别是，建筑能源系统（BESs）是城市能源的主要消耗者。减少能源消耗并优化 BESs 的运行有助于节约能源资源。传统基于规则的控制器（RBCs）在维持居住者舒适度的同时优化建筑能源消耗方面的能力有限。数据驱动模型预测控制（MPC）利用建筑热动力学模型和历史数据进行训练，但可能难以应对不确定情况。强化学习（RL）允许控制系统进行实时决策。然而，当系统规模扩大时，训练单个智能体会变得复杂且耗时。因此，多智能体强化学习（MARL）方法正被研究并应用于建筑相关能源系统。本文对建筑相关能源系统近期 MARL 控制方法的进展提供了全面的文献综述，并评估了它们的适应性、复杂性和实现情况。本综述论文指出了该领域当前的挑战和未来方向。