Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
    		 of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
کنترل اقلیم ساختمان به کمک یادگیری تقویتی عمیق با استفاده از داده‌های هواشناسی
هنری لطیف پور، احسان Honari Latifpour, Ehsan

Cataloging brief

کنترل اقلیم ساختمان به کمک یادگیری تقویتی عمیق با استفاده از داده‌های هواشناسی
پدیدآور اصلی :   هنری لطیف پور، احسان Honari Latifpour, Ehsan
ناشر :   صنعتی شریف
سال انتشار  :   1400
موضوع ها :   بازده انرژی Energy Efficiency یادگیری تقویتی عمیق Deep Reinforcement Learning بهینه‌سازی...
شماره راهنما :   ‭05-54027

Find in content

sort by

Bookmark

  • مقدمه (12)
    • مسئله‌ی انرژی (12)
    • پژوهش‌های انجام شده در زمینه‌ی کنترل سیستم‌های تهویه‌ی مطبوع (14)
    • اهداف پایان‌نامه (17)
    • ساختار پایان‌نامه (18)
  • یادگیری تقویتی (19)
    • مقدمه (19)
    • اجزای یادگیری تقویتی (20)
    • فرآیند تصمیم‌گیری مارکوف (22)
    • تابع ارزش (23)
    • معادلات بلمن (24)
    • روش‌های حل غیر مبتنی بر مدل (26)
      • تخمین تابع ارزش (26)
      • جستجوی سیاست (29)
  • شبکه‌های عصبی عمیق (32)
    • مقدمه (32)
    • اجزای شبکه‌های عصبی (33)
    • فرآیند آموزش شبکه‌ها‌ی عصبی (34)
    • روش‌های تنظیم‌پذیری (37)
  • یادگیری تقویتی عمیق (41)
    • مقدمه (41)
    • دسته بندی الگوریتم‌های DRL (42)
    • الگوریتم Deep Q-learning (43)
    • الگوریتم DDPG (45)
    • الگوریتم SAC (49)
  • کنترل اقلیم ساختمان با یادگیری تقویتی عمیق (52)
    • مقدمه (52)
    • سیستم HVAC (52)
      • انواع سیستم‌های تهویه‌ی مطبوع (53)
      • سیستم VAV (56)
    • شبیه‌سازی سیستم تهویه مطبوع در نرم‌افزار EnergyPlus (57)
      • طراحی و شبیه‌سازی ساختمان مورد مطالعه در EnergyPlus (60)
    • کنترل سیستم VAV با یادگیری تقویتی (63)
      • EnergyPlus Python API (68)
    • شبیه‌سازی و نتایج (70)
      • ارزیابی کنترل‌کننده‌ی DRL (72)
      • مقایسه با baseline (73)
  • جمع‌بندی و پیشنهادات (80)
    • جمع‌بندی و نتیجه‌گیری (80)
    • پیشنهادات (81)
Loading...