-
Patent Agency Ranking
公开(公告)号：CN112963946A
公开(公告)日：2021-06-15
申请号：CN202110214230.8
申请日：2021-02-26
Applicant: 南京邮电大学
IPC: F24F11/54 , F24F11/64 , F24F11/80 , G06N20/00 , F24F110/10
Abstract: 本发明公开了一种面向共享办公区域的暖通空调系统控制方法，步骤如下：（1）利用历史运行数据建立共享办公区域环境模型；（2）基于建立的环境模型，产生大量的经验进行存储；（3）基于产生的大量经验，并利用多目标深度强化学习算法训练得到暖通空调系统的最优运行策略集；（4）根据环境状态和多用户平均热舒适满意度目标设定值，自适应地调整暖通空调系统运行策略，并根据运行策略对暖通空调系统温度设置点进行控制。本发明提供的方法可实现多用户热舒适满意度和暖通空调系统能耗之间的灵活折中。相比固定温度设置点控制方法，本发明所提方法具有同时提升多用户热舒适满意度和降低能耗的潜力。
-
公开(公告)号：CN114362187B
公开(公告)日：2022-12-09
申请号：CN202111415562.9
申请日：2021-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多智能体深度强化学习的有源配电网协同调压方法及系统，包括获取高比例可再生能源配电网协同电压控制模型；将协同电压控制模型设计为与每个分布式电源逆变器控制相关的马尔可夫博弈问题；采用多智能体注意力近端策略优化算法以及专家知识求解马尔可夫博弈问题，最终得到每个分布式电源逆变器的本地有功功率和无功功率最优控制策略；将训练获得的最优控制策略部署进行在线协同调压，与现有方法相比，本发明方法可实现配电网电压安全前提下具有更强的可再生能源消纳能力。
-
公开(公告)号：CN114362187A
公开(公告)日：2022-04-15
申请号：CN202111415562.9
申请日：2021-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多智能体深度强化学习的有源配电网协同调压方法及系统，包括获取高比例可再生能源配电网协同电压控制模型；将协同电压控制模型设计为与每个分布式电源逆变器控制相关的马尔可夫博弈问题；采用多智能体注意力近端策略优化算法以及专家知识求解马尔可夫博弈问题，最终得到每个分布式电源逆变器的本地有功功率和无功功率最优控制策略；将训练获得的最优控制策略部署进行在线协同调压，与现有方法相比，本发明方法可实现配电网电压安全前提下具有更强的可再生能源消纳能力。
-
公开(公告)号：CN112963946B
公开(公告)日：2022-06-17
申请号：CN202110214230.8
申请日：2021-02-26
Applicant: 南京邮电大学
IPC: F24F11/54 , F24F11/64 , F24F11/80 , G06N20/00 , F24F110/10
Abstract: 本发明公开了一种面向共享办公区域的暖通空调系统控制方法，步骤如下：（1）利用历史运行数据建立共享办公区域环境模型；（2）基于建立的环境模型，产生大量的经验进行存储；（3）基于产生的大量经验，并利用多目标深度强化学习算法训练得到暖通空调系统的最优运行策略集；（4）根据环境状态和多用户平均热舒适满意度目标设定值，自适应地调整暖通空调系统运行策略，并根据运行策略对暖通空调系统温度设置点进行控制。本发明提供的方法可实现多用户热舒适满意度和暖通空调系统能耗之间的灵活折中。相比固定温度设置点控制方法，本发明所提方法具有同时提升多用户热舒适满意度和降低能耗的潜力。
-
公开(公告)号：CN114357569A
公开(公告)日：2022-04-15
申请号：CN202111517120.5
申请日：2021-12-13
Applicant: 南京邮电大学
IPC: G06F30/13 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于进化深度强化学习的商业建筑HVAC控制方法及系统，包括：获取商业建筑HVAC控制模型；将HVAC控制模型设计为与风阀控制和区域供风速率控制相关的马尔可夫博弈问题；采用多智能体注意力进化深度强化学习算法并行求解马尔可夫博弈问题，得到多组多智能体群的最优控制策略；对不同种群的最优控制策略进行重组并将其作为规模更大的多智能体群的初始策略；重复求解规模更大的马尔可夫博弈问题直到种群规模与风阀数量与区域数量之和相等，最终得到HVAC系统的最优控制策略；将训练得到的HVAC最优控制策略部署到实际系统进行在线控制。相比现有方法，本发明可在维持高舒适性的同时显著降低能量成本。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
