一种温湿独立空调-吸附式制冷机能源系统用能优化方法技术方案

本发明专利技术公开一种温湿独立空调

【技术实现步骤摘要】
一种温湿独立空调
‑
吸附式制冷机能源系统用能优化方法


[0001]本专利技术涉及温湿独立控制空调系统控制
，具体涉及一种温湿独立空调
‑
吸附式制冷机能源系统用能优化方法。

技术介绍

[0002]空调系统在建筑能耗(特别是商业建筑能耗)中占有很大的比例。因此，空调系统的用能优化对建筑的节能减排起到了关键的作用。温湿独立控制空调系统由相互独立的温度控制和湿度控制子系统组成，可以有效解决常规空调热湿耦合控制带来的能耗偏高、温湿控制失衡、室内空气质量欠佳等问题。
[0003]目前，关于温湿独立控制空调系统的研究工作大多聚焦于系统设计或温度与湿度控制逻辑，少有工作将其作为能耗设备对其进行用能优化。另一方面，常规暖通空调HVAC(Heating，Ventilation and Air Conditioning)系统用能优化策略会在降低能耗的同时考虑维持室内舒适度。例如，通过预测平均评价(Predicted Mean Vote，PMV)模型来获取人体热舒适度，还有将室内的二氧化碳(CO2)浓度作为一项室内舒适度指标。但影响用户侧体验的因素是多方面的，这些因素如何进一步对空调的使用行为产生影响有待深入探索。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种温湿独立空调
‑
吸附式制冷机能源系统用能优化方法，以在考虑多维舒适度的基础上获取温湿独立控制空调系统的用能优化策略。
[0005]为解决上述技术问题，本专利技术提供一种温湿独立空调
‑
吸附式制冷机能源系统用能优化方法，包括：
[0006]步骤S1，定期采集所述温湿独立空调
‑
吸附式制冷机能源系统中各可控设备的监测数据；
[0007]步骤S2，建立各可控设备的设备状态与设备功率之间的对应关系；
[0008]步骤S3，根据采集到的监测数据从多种维度计算用户的舒适度指标；
[0009]步骤S4，构建以电费与总体舒适度指标最小化作为优化目标的用能优化模型；
[0010]步骤S5，通过将用能优化问题转化为多智能体强化学习问题，求解所述用能优化模型，获得用能优化策略。
[0011]进一步地，所述步骤S1采集的监测数据包括：设备功率数据、室内环境数据、气象数据和下一时刻的电价。
[0012]进一步地，所述步骤S2具体使用K
‑
means聚类方法建立设备状态与设备功率之间的对应关系。
[0013]进一步地，所述步骤S3中，用户的舒适度指标包括衡量用户对室内热舒适度、室内空气质量、用能舒适度的评价指标，其中，室内空气质量基于二氧化碳、PM
2.5
细颗粒物、臭氧这三类室内空气污染物计算；用能舒适度通过用能策略改变用户用能行为的持续时长来衡
量。
[0014]进一步地，所述步骤S4构建的优化目标包括电费优化目标和总体舒适度优化目标，总体舒适度目标包括室内热舒适度优化目标、室内空气质量优化目标、用能舒适度优化目标。
[0015]进一步地，所述步骤S5中，将室内环境与温湿独立空调系统作为一个整体充当强化学习的环境，将不采纳用能优化策略的问题模型作为第一智能体，将采纳用能优化策略的问题模型作为第二智能体，通过智能体与环境之间的不断交互获得各自的最优用能设备状态设定。
[0016]进一步地，所述步骤S5中，智能体采用双重深度强化学习求解策略，包括以下步骤：
[0017]步骤S601，构造第一深度神经网络和第二深度神经网络；
[0018]步骤S602，随机初始化第一深度神经网络参数，并使用第一深度神经网络的参数对第二深度神经网络的参数进行初始化；
[0019]步骤S603，按照状态转移策略选择状态转移动作；
[0020]步骤S604，执行状态转移动作，并从环境获得新的状态与相应的奖赏；
[0021]步骤S605，将本次执行结果数据存储到记忆回放内存；
[0022]步骤S606，重复步骤S603～S605，当获得一定数量的样本之后，从记忆回访内存中随机抽取小批量样本；
[0023]步骤S607，基于第二深度神经网络，对每个样本计算目标函数值；
[0024]步骤S608，计算误差梯度，并更新第一深度神经网络的参数；
[0025]步骤S609，定期将第一深度神经网络的参数同步到第二深度神经网络；
[0026]步骤S610，重复步骤S603～S609，当状态收敛时，获得最优用能策略。
[0027]进一步地，求解用能策略的步骤包括：
[0028]步骤S701，采集室内环境数据与设备功率数据，并从外部获取天气数据与电价数据；
[0029]步骤S702，更新设备功率数据聚类结果；
[0030]步骤S703，计算上一时刻设备状态的真实设定；
[0031]步骤S704，训练第三深度神经网络与第四深度神经网络；
[0032]步骤S705，使用第一智能体求解用户自发的用能策略；
[0033]步骤S706，使用第二智能体求解用能优化策略。
[0034]进一步地，在所述步骤S704中，使用不同的深度神经网络，分别完成设备功率预测与室内环境模拟；其中，设备功率预测基于过去的设备状态数据与设备功率数据，室内环境模拟基于过去的室内环境数据、设备功率数据和气象数据。
[0035]进一步地，在所述步骤S705中，智能体将仅考虑舒适度目标的用能设备状态设定方案作为用户自发的用能策略；在所述步骤S706中，智能体将同时考虑舒适度目标与电费目标的用能设备状态设定方案作为最终的用能优化策略。
[0036]实施本专利技术具有如下有益效果：本专利技术的用能策略生成的是设备状态的设定，满足现实中绝大多数情况下用户通过设定设备工作状态来实现对用能设备功率进行控制的需求；本专利技术通过计算多维舒适度指标，将用户使用温湿独立控制空调系统的综合体验进
行量化，不仅为温湿独立空调
‑
吸附式制冷机能源系统提供了用能优化方案，而且提升了用户对用能优化方案的满意度；本专利技术生成的优化策略根据是否处于高峰时段调整各目标的影响程度，可实现不同用电策略的自动切换。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术实施例一种温湿独立空调
‑
吸附式制冷机能源系统用能优化方法的流程示意图。
[0039]图2是本专利技术实施例中温湿独立空调
‑
吸附式制冷机能源系统的结构示意图。
[0040]图3是本专利技术实施例中多智能体强化学习模型示意图。
[0041]图4是本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种温湿独立空调
‑
吸附式制冷机能源系统用能优化方法，其特征在于，包括：步骤S1，定期采集所述温湿独立空调
‑
吸附式制冷机能源系统中各可控设备的监测数据；步骤S2，建立各可控设备的设备状态与设备功率之间的对应关系；步骤S3，根据采集到的监测数据从多种维度计算用户的舒适度指标；步骤S4，构建以电费与总体舒适度指标最小化作为优化目标的用能优化模型；步骤S5，通过将用能优化问题转化为多智能体强化学习问题，求解所述用能优化模型，获得用能优化策略。2.根据权利要求1所述的方法，其特征在于，所述步骤S1采集的监测数据包括：设备功率数据、室内环境数据、气象数据和下一时刻的电价。3.根据权利要求1所述的方法，其特征在于，所述步骤S2具体使用K
‑
means聚类方法建立设备状态与设备功率之间的对应关系。4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，用户的舒适度指标包括衡量用户对室内热舒适度、室内空气质量、用能舒适度的评价指标，其中，室内空气质量基于二氧化碳、PM
2.5
细颗粒物、臭氧这三类室内空气污染物计算；用能舒适度通过用能策略改变用户用能行为的持续时长来衡量。5.根据权利要求4所述的方法，其特征在于，所述步骤S4构建的优化目标包括电费优化目标和总体舒适度优化目标，总体舒适度目标包括室内热舒适度优化目标、室内空气质量优化目标、用能舒适度优化目标。6.根据权利要求1所述的方法，其特征在于，所述步骤S5中，将室内环境与温湿独立空调系统作为一个整体充当强化学习的环境，将不采纳用能优化策略的问题模型作为第一智能体，将采纳用能优化策略的问题模型作为第二智能体，通过智能体与环境之间的不断交互获得各自的最优用能设备状态设定。7.根据权利要求6所述的方法，其特征在于，所述步骤S5中，智能体采用双重深度...

【专利技术属性】
技术研发人员：刘子俊，王静，赵宇明，汪桢子，赖天德，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：