메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권경빈 (RaonFriends) 홍수민 (RaonFriends) 허재행 (RaonFriends) 정호성 (Korea Railroad Research Institute) 박종영 (Korea Railroad Research Institute)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제10호
발행연도
2021.10
수록면
1,594 - 1,600 (7page)
DOI
10.5370/KIEE.2021.70.10.1594

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study developed a reinforcement learning-based energy management agent that controls the concentration of fine dust by controlling the power consumption of energy facilities such as air conditioners and blowers in stations. To apply reinforcement learning, the problem was first defined based on the Markov decision-making process, and a model was developed to predict the concentration of fine dust in history using data correlated with fine dust. Based on the linear compensation function created based on this, the Deep Q-Network (DQN) method was applied to obtain the optimal policy based on the artificial neural network. In the case study, it was confirmed that convergence to the optimal policy was achieved through the learning process, and it was confirmed that the learned agent lowers the fine dust concentration by increasing the power consumption of the air conditioner when the fine dust concentration in the station rises above a certain level.
#Deep Q-Network #Energy management #Markov decision process #Particulate matter #Reinforcement learning

목차

Abstract
1. 서론
2. 시스템 모델링
3. 보상함수 개발
4. Deep Q-Network를 활용한 강화학습
5. 사례연구
6. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

공조설비와 에너지저장장치 제어를 위한 강화학습 기반 에너지관리 에이전트 개발
권경빈 ,  홍수민 ,  허재행 외 2명 전기학회논문지 2022 .10
사무소건물의 공기조화시스템설계사례
최문홍 대한설비공학회 강연회 및 기타간행물 1996 .05
안정적인 내부 환경 유지 및 에너지 절약을 위한 강화학습 기반 공조 제어 방법
채영은 ,  김재성 ,  옥진성 외 1명 한국정보과학회 학술발표논문집 2021 .12
DQN 및 DDQN을 이용한 트레이딩 봇 구현 및 성능 비교
김민태 ,  김병욱 전기학회논문지 2021 .01

최근 본 자료

전체보기

댓글(0)

0