BriefGPT - AI 论文速递
·
商业建筑需求响应的高效数据驱动型 MPC
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于“随机模型预测控制器”的方法来应对电力和热需求的不确定性。通过采用高斯过程构建历史数据的需求预测模型，并使用情景法进行多步需求轨迹抽样，验证了该方法在模拟能源中心模型和真实建筑需求数据上的性能优势。
🎯
关键要点
- 提出了一种基于随机模型预测控制器的方法来应对电力和热需求的不确定性。
- 采用高斯过程构建历史数据的需求预测模型。
- 使用情景法进行多步需求轨迹抽样。
- 验证了该方法在模拟能源中心模型上的性能优势。
- 验证了该方法在真实建筑需求数据上的性能优势。
➡️
