arXiv cs.MA· Panagiotis Kasnesis, Lazaros Toumanidis, Christos Chatzigeorgiou, Amalia Contiero Syropoulou, Miguel De Prado·· 3 天前AI 评分24
每区一智能体：部分可观测下多区 HVAC 的边缘去中心化主动推理控制
One Agent per Zone: Decentralised Active Inference under Partial Observability for Multi-Zone HVAC Control on Edge Hardware
AI 导读
研究提出一种去中心化控制器，为每个区域分配一个独立的主动推理智能体，通过最小化期望自由能规划并在线学习区域动态，智能体之间不交换消息。在 Sinergym 办公楼 EnergyPlus 仿真中，15 个智能体在五个未见天气年份上实现最低建筑峰值 88.3 kW（比基线低 3% 至 17%），同时系数 0.929，优于 0.936 至 0.994 的基线。
正文 · AI 翻译
摘要：多区域 HVAC 控制是一个共享资源问题：同一楼层的各区域共用一个风机和冷却盘管，因此每个区域的需求都会影响其相邻区域以及建筑的峰值功率。每个区域一个控制器具有良好的可扩展性并能隔离故障，但此时每个控制器只能观测到自己的区域，而无法观测共享的空气环路。在本工作中，我们提出了一种去中心化控制器，为每个区域分配一个独立的主动推理智能体，该智能体通过最小化期望自由能进行规划，并在线学习其区域动态。这些智能体之间不交换任何消息，因此没有任何一个智能体依赖于同伴或协调器；每个智能体通过一个潜在扰动以及一个由其他楼层计量功率导出的拥塞信号来考虑未观测到的耦合。我们在 Sinergym 办公楼中，使用 EnergyPlus 对十五个智能体进行了评估，并与三个基于规则的控制器和三个 MADDPG 集群（其中一个被提供了相同的楼层计量数据）进行了对比。在训练期间未见过的五个含噪声气象年份中，该集群实现了最低的建筑平均峰值（88.3 kW，比基线低 3% 至 17%），并且比任何基线都更好地错开了各楼层峰值，其重合系数（建筑峰值与各楼层峰值之和的比值）为 0.929，而基线为 0.936 至 0.994。与在相似舒适度下的反应式规则相比（0.912 对 0.916），它在每个年份都将需量电费所依据的月度峰值之和降低了 33 kW（4%），代价是能耗增加约 10%。在每个测试年份中，其每年成本比主动式规则（舒适度更低）低 9%，比被提供相同楼层计量数据的 MADDPG 集群低 1%。整个集群运行在单个低成本的 Raspberry Pi 5 上，通过 MQTT 闭合从观测到动作的回路，p95 延迟为 442 ms，远低于 15 分钟的控制步长。
| 评论： | 9 页，3 幅图，已被 2026 年在马耳他举行的欧洲边缘 AI 技术与应用会议（EEAI 2026）接收 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.19790 [cs.MA] |
| （或 arXiv:2610.19790v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19790 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
发件人：Panagiotis Kasnesis [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 08:36:32 UTC（69 KB）
来源：arXiv cs.MA · arxiv.org