citylearn-project/CityLearn

它解決了什麼問題

CityLearn 提供了一個標準化的模擬環境，用於優化建築能源協調和需求響應。它讓研究人員和開發者能夠測試多智能體強化學習（MARL）演算法，以平衡能源負載、整合太陽能（PV）等再生能源，並管理電動車（EV）充電，而無需依賴昂貴的真實世界部署。

它的運作方式

CityLearn 作為 Farama Foundation 的 Gymnasium 環境，模擬建築和社區的電力互動。它使用資料驅動的模擬，使用者可以定義建築結構、能源設定檔和電力拓撲。該環境支援多種介面：一種用於標準 RL 的「扁平」向量模式，以及一種提供基於表格的觀測和邊的「實體」模式，使其適用於圖神經網路（GNN）或 Transformer。它可以處理複雜情境，包括三相電力服務、動態拓撲（在模擬期間新增/移除資產），以及資產中斷等穩健性事件。

適用對象

它專為研究智慧電網、能源管理系統，以及應用於城市能源效率的多智能體強化學習的研究人員和工程師而設計。

重點特色

• 全面的能源資產：支援具有 V2G 能力的電動車（EV）、可延遲電器和電扶梯控制。
• 靈活的時間解析度：處理從每小時到 15 秒間隔的模擬。
• 進階拓撲：支援三相電力系統和模擬期間社區結構的動態變化。
• 多社區協調：能夠同時同步和管理多個獨立的能源社區。
• 穩健性測試：包含資料驅動的擾動，以測試智慧體如何處理預測誤差或資產故障。