Show simple item record

Controlling a Heating System Using Deep Reinforcement Learning

dc.contributor.advisorLisý Viliam
dc.contributor.authorPaleček Tomáš
dc.date.accessioned2018-06-07T10:23:54Z
dc.date.available2018-06-07T10:23:54Z
dc.date.issued2018-06-04
dc.identifierKOS-695599594805
dc.identifier.urihttp://hdl.handle.net/10467/76123
dc.description.abstractCílem této práce bylo zjistit účinnost ří-zení vytápění budovy pomocí posilova-ného učení s neuronovými sítěmi. Naše algoritmy byly testovány na simulaci bu-dovy vytápěné pomocí ústředního topení, která běžela v programu MATLAB/Si-mulink. Z algoritmů na posilované učení s neuronovými sítěmi jsme se zaměřily zejména na deep Q-network algoritmus. Účinnost deep Q-Network algoritmu jsme porovnali vůči účinosti termostatů s pevně definovanými teplotami pro zapnutí a vy-pnutí vytápění. Naše výsledky ukázaly, námi implemntovaný algoritmus je scho-pen lépe řídit vytápění budovy, než ter-mostaty s pevně definovanými teplotami pro zapnutí a vypnutí vytápění.cze
dc.description.abstractThe goal of this thesis was to evaluate how well can deep reinforcement learning (deep RL) methods perform in the task of controlling the heating system in a building. We had focused on the deep Q-learning algorithm. The algorithm was tested in a simulation of a building equipped with boiler heating, written using MATLAB/Simulink. We had compared the efficiency of our agents against the rule based thermostat solutions. Our results suggest that the deep RL methods are able to control the heating system in the building more efficiently than the traditionally used rule based thermostat solutions.eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html.eng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html.cze
dc.subjectposilovaného učení s neuronovými sítěmi,Deep Q-Network,Optimální řízení,termoregulace budovycze
dc.subjectDeep reinforcement learning,Deep Q-Network,Optimal control,Building thermoregulationeng
dc.titleŘízení vytápění budovy pomocí posilovaného učení s neuronovými sítěmicze
dc.titleControlling a Heating System Using Deep Reinforcement Learningeng
dc.typeBAKALÁŘSKÁ PRÁCEcze
dc.typeBACHELOR THESISeng
dc.date.accepted
dc.contributor.refereeDrchal Jan
theses.degree.disciplineInformatika a počítačové vědycze
theses.degree.grantorkatedra kybernetikycze
theses.degree.programmeOtevřená informatikacze


Files in this item





This item appears in the following Collection(s)

Show simple item record