-
公开(公告)号：CN110458443B
公开(公告)日：2022-08-16
申请号：CN201910724530.3
申请日：2019-08-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的智慧家庭能量管理方法及系统，方法的设计步骤如下：将在无建筑热动力学模型和维持室内温度在舒适范围的情况下最小化智慧家庭能量成本这一能量管理问题建模为马尔可夫决策过程并设计相应的环境状态、行为、奖励函数；利用深度确定性策略梯度算法训练出不同环境状态下能量存储系统或/和可控负载的最优行为，进而最大化奖励函数；将训练好的深度神经网络参数定期拷贝至智慧家庭能量管理系统本地的深度神经网络，用于实际性能测试。本发明提出的方法无需知晓任何不确定性系统参数的先验信息和建筑热动力学模型，且采用本地测试与云端训练相结合的在线学习模式来应对环境变化可能带来的性能降级问题。
-
公开(公告)号：CN108826620B
公开(公告)日：2020-05-22
申请号：CN201810884918.5
申请日：2018-08-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种大学校园建筑内大规模暖通空调系统的分布式控制方法，采用模型预测控制与交替方向乘子法实现多个建筑内所有区域暖通空调系统的协调运行，在不违背总输入功率和各区域可接受温度范围的约束下实现能源成本和热能不舒适度成本总和最小化；具体工作流程如下：（1）每个区域内暖通空调系统本地控制器对预测区间内的电价、外部温度、用户舒适度偏好温度进行预测；（2）各个本地控制器根据控制算法给出未来若干时隙的最优输入功率决策；（3）将第一个时隙的输入功率决策作用于暖通空调系统实际运行；（4）预测区间向后滚动一个时隙并重复以上三步操作。本发明方法具有高可扩展性、高灵活性和保护用户隐私等优势。
-
公开(公告)号：CN108826620A
公开(公告)日：2018-11-16
申请号：CN201810884918.5
申请日：2018-08-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种大学校园建筑内大规模暖通空调系统的分布式控制方法，采用模型预测控制与交替方向乘子法实现多个建筑内所有区域暖通空调系统的协调运行，在不违背总输入功率和各区域可接受温度范围的约束下实现能源成本和热能不舒适度成本总和最小化；具体工作流程如下：（1）每个区域内暖通空调系统本地控制器对预测区间内的电价、外部温度、用户舒适度偏好温度进行预测；（2）各个本地控制器根据控制算法给出未来若干时隙的最优输入功率决策；（3）将第一个时隙的输入功率决策作用于暖通空调系统实际运行；（4）预测区间向后滚动一个时隙并重复以上三步操作。本发明方法具有高可扩展性、高灵活性和保护用户隐私等优势。
-
公开(公告)号：CN110458443A
公开(公告)日：2019-11-15
申请号：CN201910724530.3
申请日：2019-08-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的智慧家庭能量管理方法及系统，方法的设计步骤如下：将在无建筑热动力学模型和维持室内温度在舒适范围的情况下最小化智慧家庭能量成本这一能量管理问题建模为马尔可夫决策过程并设计相应的环境状态、行为、奖励函数；利用深度确定性策略梯度算法训练出不同环境状态下能量存储系统或/和可控负载的最优行为，进而最大化奖励函数；将训练好的深度神经网络参数定期拷贝至智慧家庭能量管理系统本地的深度神经网络，用于实际性能测试。本发明提出的方法无需知晓任何不确定性系统参数的先验信息和建筑热动力学模型，且采用本地测试与云端训练相结合的在线学习模式来应对环境变化可能带来的性能降级问题。
-
-
-
Search Results
4
records
(took 0.019 seconds)
