【技术实现步骤摘要】
本专利技术属于供热、供燃气、通风及空调工程,建筑设备控制领域。
技术介绍
1、目前的暖通系统的基于模型的优化控制中,常见的冷却侧模型有黑箱模型与物理模型两类,黑箱模型是各类输入-输出关系的经验模型,典型代表是多项式曲线拟合和人工神经网络,物理模型为各类基于能量、质量、传热、动量、流量平衡等基本定律的数学方程。每种制冷设备都具有其独立的性能与能耗计算模型,并通过性能参数的平衡关联构成整个冷却侧的性能与能耗模型,输入模型中需要的环境参数,即可估计冷却侧及各制冷设备在该环境下的性能与能耗。
2、现有技术问题:设备的黑箱模型与物理模型各有优劣,黑箱模型仅对所涵盖的训练数据范围内的工作点是可靠的,超出该范围的外推可能会导致显著误差,不能保证稳定的性能预测;物理模型需要准确的系统参数和边界条件,参数采样的误差可能会影响模型的准确性和可靠性,被简化的物理模型在复杂的系统和实际应用中缺乏更多的非线性和时变性。上述缺点会使得在单纯采用一种方法搭建模型时得到的性能与能耗预测结果在不同环境下与真实值出现偏差,影响能耗估计效果,因此需要一种方法来平
...【技术保护点】
1.一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,工作流程如下:
2.如权利要求1所述一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,步骤S101中,所述冷却侧模型包括多个冷却侧设备模型,通过系统中各设备的性能平衡构成冷却侧整体模型;
3.如权利要求1所述一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,步骤S103中,状态参数是一个向量或特征集合,帮助智能体做出决策选择动作;
4.如权利要求1所述一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,步骤S104中,将使用不同冷却侧系统模型能耗估计结果的权
...【技术特征摘要】
1.一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,工作流程如下:
2.如权利要求1所述一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,步骤s101中,所述冷却侧模型包括多个冷却侧设备模型,通过系统中各设备的性能平衡构成冷却侧整体模型;
3.如权利要求1所述一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,步骤s103中,状态参数是一个向量或特征集合,帮助智能体做出决策选择动作;
4.如权利要求1所述一种暖通系统冷却侧能耗估计模型加权优化方法,其特征在于,步骤s104中,将使用不同冷却侧系统模型能耗估计结果的权重作为动作,即表示在当前状态下应采用的系统能耗估计模型的加权策略,状态-动作q表中的动作列名称通常由各动作空间排列组成列表形式...
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。