Control Energético Óptimo De Una Vivienda Con Múltiples Zonas Térmicas A Través De Aprendizaje Por Refuerzos Profundo

Resumen

La implementación del aprendizaje por refuerzos profundo (DRL) ha avanzado significativamente en diversos campos científicos, superando muchas dificultades inherentes a su uso. Sin embargo, han surgido desafíos específicos en cada área. En el control de sistemas de climatización en edificios, se han identificado limitaciones de escalabilidad que dificultan su aplicación en entornos con múltiples zonas térmicas o numerosos agentes. Para abordar este problema, este trabajo presenta un método de control para múltiples agentes en múltiples zonas térmicas de una vivienda. Este método facilita la escalabilidad mediante la implementación de una política de control basada en una red neuronal profunda con parámetros completamente compartidos, utilizada por todos los agentes. Esta aplicación representa el estado del arte en sistemas multiagentes totalmente cooperativos, asegurando una comunicación efectiva entre los agentes para un control óptimo de la vivienda. La implementación de este método en una vivienda de interés social en la provincia de Mendoza demuestra su efectividad en escenarios complejos. Se discuten las limitaciones encontradas y se sugieren futuras líneas de investigación.