基本信息
浏览量:18
职业迁徙
个人简介
余亮,1986年10月出生于湖北仙桃,余亮长期从事信息物理融合能源系统优化控制方面的研究工作,重点聚焦新型电力系统环境下建筑能源系统和数据中心能源系统的优化与安全运行问题,助力复杂环境下信息物理融合能源系统的安全可靠绿色经济运行和国家双碳目标重大战略需求的实现。
余亮作为第一作者发表在《IEEE Transactions on Smart Grid(IEEE智能电网汇刊)》的论文“Multi-agent Deep Reinforcement Learning for HVAC Control in Commercial Buildings”研究了考虑区域随机占用、热舒适以及空气质量舒适情况下多区域商业建筑暖通空调系统能量成本最小化问题。针对多重不确定性、多时空耦合、高维离散解空间、室内热动态性模型未知以及非凸不可分离目标函数带来的挑战,论文首次设计了基于多智能体注意力深度强化学习的暖通空调系统在线运行优化方法。所提方法无需知晓不确定性参数的任何先验信息和明确的建筑热动态性模型,具有高效性、鲁棒性和可扩展性。论文发表后产生了广泛的国际影响,截止到2023年12月,被加州理工学院、哈佛大学、加州大学伯克利分校、橡树岭国家实验室、牛津大学、帝国理工学院、瑞典皇家理工学院、苏黎世联邦理工学院、南洋理工大学、新加坡国立大学、清华大学等三十余所世界名校和科研机构正面引用。并获得2022年度《IEEE Transactions on Smart Grid》最佳论文第一名(注:评选范围包括《IEEE Transactions on Smart Grid》近三年发表的千余篇论文,从中选取五篇,并在五篇最佳论文中排序第一)。
余亮作为第一作者发表在《IEEE Transactions on Smart Grid(IEEE智能电网汇刊)》的论文“Multi-agent Deep Reinforcement Learning for HVAC Control in Commercial Buildings”研究了考虑区域随机占用、热舒适以及空气质量舒适情况下多区域商业建筑暖通空调系统能量成本最小化问题。针对多重不确定性、多时空耦合、高维离散解空间、室内热动态性模型未知以及非凸不可分离目标函数带来的挑战,论文首次设计了基于多智能体注意力深度强化学习的暖通空调系统在线运行优化方法。所提方法无需知晓不确定性参数的任何先验信息和明确的建筑热动态性模型,具有高效性、鲁棒性和可扩展性。论文发表后产生了广泛的国际影响,截止到2023年12月,被加州理工学院、哈佛大学、加州大学伯克利分校、橡树岭国家实验室、牛津大学、帝国理工学院、瑞典皇家理工学院、苏黎世联邦理工学院、南洋理工大学、新加坡国立大学、清华大学等三十余所世界名校和科研机构正面引用。并获得2022年度《IEEE Transactions on Smart Grid》最佳论文第一名(注:评选范围包括《IEEE Transactions on Smart Grid》近三年发表的千余篇论文,从中选取五篇,并在五篇最佳论文中排序第一)。
研究兴趣
论文共 69 篇作者统计合作学者相似作者
按年份排序按引用量排序主题筛选期刊级别筛选合作者筛选合作机构筛选
时间
引用量
主题
期刊级别
合作者
合作机构
IEEE Transactions on Artificial Intelligenceno. 99 (2024): 1-13
2023 42nd Chinese Control Conference (CCC)pp.7219-7224, (2023)
引用0浏览0EIWOS引用
0
0
2023 China Automation Congress (CAC)pp.4069-4074, (2023)
ASIAN JOURNAL OF CONTROLno. 6 (2023): 4551-4566
引用0浏览0EI引用
0
0
2023 35TH CHINESE CONTROL AND DECISION CONFERENCE, CCDCpp.2543-2548, (2023)
IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICSno. 99 (2023): 1-12
IEEE Transactions on Smart Gridno. 99 (2023): 1-1
加载更多
作者统计
合作学者
合作机构
D-Core
- 合作者
- 学生
- 导师
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果,我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问,可以通过电子邮件方式联系我们:report@aminer.cn