多智能体强化学习：citylearn城市建筑能量优化和需求响应

今天分享一个用于能量优化的强化学习框架，citylearn

代码量非常庞大，我都不敢看，看也看不完，不花一定的时间难以搞懂它的原理。

CityLearn（CL）环境是一个类似 OpenAI Gym 的环境，它通过控制不同类型建筑的储能来重塑电力需求的聚集曲线。高电力需求提高了电价和配电网的总体成本，扁平化、平滑化和缩小电力需求曲线有助于降低发电、输电和配电的运营和资本成本。优化的目标是协调用电方（即建筑物）对生活热水和冷水储存的控制，以重塑电力需求的总体曲线。

文章
CityLearn: Standardizing Research in Multi-Agent Reinforcement Learning for Demand Response and Urban Energy Management

对应提出的文章是这篇，可以去阅读论文以增进了解