citylearn-project/CityLearn

解決する課題

CityLearnは、建物のエネルギー調整とデマンドレスポンスを最適化するための標準化されたシミュレーション環境を提供します。研究者や開発者は、マルチエージェント強化学習（MARL）アルゴリズムをテストして、エネルギー負荷のバランス、太陽光（PV）などの再生可能エネルギーの統合、電気自動車（EV）の充電管理を、高価な実世界での展開に頼らずに行うことができます。

仕組み

Farama FoundationのGymnasium環境として構築されたCityLearnは、建物やコミュニティの電気的相互作用をシミュレートします。データ駆動型のシミュレーションを使用し、ユーザーは建物のスキーマ、エネルギープロファイル、電気トポロジーを定義できます。この環境は複数のインターフェースをサポートしています：標準RL用の「フラット」ベクトルモードと、テーブルベースの観測とエッジを提供する「エンティティ」モードで、グラフニューラルネットワーク（GNN）やTransformerに適しています。三相電気サービス、動的トポロジー（シミュレーション中の資産の追加/削除）、資産停止などの堅牢性イベントを含む複雑なシナリオを処理できます。

対象者

スマートグリッド、エネルギー管理システム、および都市のエネルギー効率に適用されるマルチエージェント強化学習に取り組む研究者やエンジニア向けに設計されています。

主な特徴

• 包括的なエネルギー資産：V2G機能を備えた電気自動車（EV）、延期可能な家電、エスカレーター制御をサポート。
• 柔軟な時間分解能：1時間間隔から15秒間隔までのシミュレーションを処理。
• 高度なトポロジー：三相電力システムと、シミュレーション中のコミュニティ構造の動的な変更をサポート。
• マルチコミュニティオーケストレーション：複数の独立したエネルギーコミュニティを同時に同期および管理する機能。
• 堅牢性テスト：エージェントが予測誤差や資産障害をどのように処理するかをテストするためのデータ駆動型の摂動を含みます。