【技术实现步骤摘要】
利用深度强化学习控制环境舒适度的系统及其方法
本专利技术关于一种控制环境舒适度的技术,特别是指一种利用深度强化学习(DRL)控制环境舒适度的系统及其方法。
技术介绍
中国台湾地处亚热带气候区,夏季天气炎热,高温时常可达摄氏33度(℃)以上,高温高湿的气候导致室内环境闷热,因此需要空调设备来调节温度。然而,在例如校园教室的活动空间或室内环境中,众多学生在教室内时,通常在开启空调设备时需将门窗紧闭,如此会使二氧化碳(CO2)的浓度过高,降低室内空气品质。在一现有技术中,提出一种结合影像辨识的空调舒适度控制系统与方法,其在人员的活动空间中架设多个摄影机,以利用摄影机所拍摄的影像,经过影像分析模块侦测人员数量与位置。同时,系统持续收集环境因子感测器的数据,并在计算环境舒适度、最适温度、最适风速后自动控制空调设备,以针对人员所在位置提供一个舒适的热环境,借此提高空调使用效率。然而,此现有技术需结合多个摄影机与影像辨识功能,以致额外增加多个摄影机的费用及硬件成本。因此,如何提供一种新颖或创新的控制环境舒适度的技术,实已成为本领域技术人员的一大研究课题。
技术实现思路
本专利技术提供一种新颖或创新的利用深度强化学习(DeepReinforcementLearning;DRL)控制环境舒适度的系统及其方法,其能控制环境舒适度,或在环境舒适度与能源消耗之间取得平衡,也可进一步达到省电节能的效果。本专利技术中利用深度强化学习控制环境舒适度的系统包括:至少一空调设备与一排风扇系统,其设置于活动空间中;至 ...
【技术保护点】
1.一种利用深度强化学习控制环境舒适度的系统,其特征在于,包括:/n至少一空调设备与一排风扇系统,其设置于活动空间中;/n至少一环境因子感测模块,其侦测该活动空间中的环境因子的信息;/n一控制与侦测模块,其具有一空调设备控制与状态侦测单元及一排风扇系统控制与状态侦测单元,用以分别侦测该空调设备的状态信息及该排风扇系统的状态信息;以及/n一第一电脑,其整合来自该环境因子感测模块的该环境因子的信息、来自该空调设备控制与状态侦测单元的该空调设备的状态信息、及来自该排风扇系统控制与状态侦测单元的该排风扇系统的状态信息以产生整合信息,再通过一深度强化学习演算法将具有该环境因子的信息、该空调设备的状态信息及该排风扇系统的状态信息的整合信息进行权衡运算以产生优化调控结果,进而由该第一电脑依据该优化调控结果产生相应的调控指令,以依据该调控指令优化调控该空调设备与该排风扇系统。/n
【技术特征摘要】
20190710 TW 1081242911.一种利用深度强化学习控制环境舒适度的系统,其特征在于,包括:
至少一空调设备与一排风扇系统,其设置于活动空间中;
至少一环境因子感测模块,其侦测该活动空间中的环境因子的信息;
一控制与侦测模块,其具有一空调设备控制与状态侦测单元及一排风扇系统控制与状态侦测单元,用以分别侦测该空调设备的状态信息及该排风扇系统的状态信息;以及
一第一电脑,其整合来自该环境因子感测模块的该环境因子的信息、来自该空调设备控制与状态侦测单元的该空调设备的状态信息、及来自该排风扇系统控制与状态侦测单元的该排风扇系统的状态信息以产生整合信息,再通过一深度强化学习演算法将具有该环境因子的信息、该空调设备的状态信息及该排风扇系统的状态信息的整合信息进行权衡运算以产生优化调控结果,进而由该第一电脑依据该优化调控结果产生相应的调控指令,以依据该调控指令优化调控该空调设备与该排风扇系统。
2.根据权利要求1所述的系统,其特征在于,该空调设备具有开关控制、温度设定值或风速设定值,以供该空调设备控制与状态侦测单元设定。
3.根据权利要求1所述的系统,其特征在于,该排风扇系统由至少一排风扇所构成,且该排风扇具有开关控制、吸排模式或级别大小调控,以供该排风扇系统控制与状态侦测单元设定。
4.根据权利要求1所述的系统,其特征在于,该环境因子感测模块具有至少一黑球温度感测器及至少一温湿度/二氧化碳感测器,该黑球温度感测器用以测量该活动空间的辐射温度,且该温湿度/二氧化碳感测器用以测量该活动空间的干球温度、相对湿度或二氧化碳的浓度。
5.根据权利要求1所述的系统,其特征在于,该控制与侦测模块还具有一环境侦测单元,用以读取来自该环境因子感测模块的该环境因子的信息,且该环境因子包括该活动空间中的环境温度、相对湿度或平均辐射温度。
6.根据权利要求1所述的系统,其特征在于,该深度强化学习演算法还依据热舒适度指标、该活动空间中二氧化碳的浓度、该空调设备的能耗与该排风扇系统的能耗进行权衡运算以产生该优化调控结果。
7.根据权利要求1所述的系统,其特征在于,该深度强化学习演算法以预测平均票选值(PMV)作为判断人体舒适程度的依据,且该预测平均票选值(PMV)采用人体七级热感觉平衡量表作为依据。
8.根据权利要求1所述的系统,其特征在于,该深度强化学习演算法为强化学习演算法与深度学习演算法的结合,且该深度强化学习演算法为深度Q网络(DQN)演算法。
9.根据权利要求1所述的系统,其特征在于,该系统还包括一第二电脑,用以接收来自该第一电脑的该整合信息,且该深度强化学习演算法建构于该第二电脑中,以对该整合信息进行权衡运算以产生该优化调控结果。
10.根据权利要求1所述的系统,其特征在于,该系统还包括一具有输入单元的人机界面,以供用户通过该...
【专利技术属性】
技术研发人员:陈弈安,王启川,余冠亨,吴武杰,廖国凯,廖仁忠,吕光钦,张秦耀,
申请(专利权)人:中华电信股份有限公司,
类型:发明
国别省市:中国台湾;71
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。