본 논문은 재생에너지 지역 사회(REC)에서 전기 자동차(EV) 충전과 건물 에너지 시스템(난방, 환기, 에어컨(HVAC), 광전지(PV) 발전, 배터리 저장) 통합의 복잡성을 다룹니다. 시뮬레이션에서 휴리스틱 제어 전략보다 우수한 성능을 보인 다중 에이전트 심층 결정적 정책 경사(MADDPG) 알고리즘 기반 강화 학습(RL)을 활용하여 실제 배포의 어려움(불완전하고 노이즈가 많은 데이터, 이종 시스템 통합, 동기화 문제, 예측 불가능한 거주자 행동, EV 충전 상태(SoC) 정보 부족 등)을 해결하는 프레임워크를 제시합니다. EnergAIze라는 MADDPG 기반 다중 에이전트 제어 전략을 통합하여 실제 데이터 수집, 시스템 통합, 사용자 행동 모델링 문제를 다룹니다. 4개의 주거용 건물을 포함하는 실제 운영 REC에서 수집된 예비 결과는 일일 최대 수요 9% 감소 및 에너지 비용 5% 감소를 달성하여 접근 방식의 실현 가능성을 보여줍니다.
