【技术实现步骤摘要】
本专利技术属于建筑能源控制领域，具体涉及一种基于智能体的建筑能源系统控制方法。
技术介绍
1、当前，既有建筑运维不仅能耗居高不下，占比高达30%，且技术手段落后，过度依赖人工经验与简单规则，智能化水平严重不足，难以灵活应对复杂多变的室内外环境。与此同时，人工智能技术为建筑运维带来了新机遇，然而，现有算法多依赖纯数据驱动，缺乏热力学机理、设备性能特性等领域知识支撑，导致策略可解释性差、泛化能力弱。其中，小模型(drl,deepreinforcementlearning)虽能与环境频繁交互探索策略组合，但其黑箱特性易引发策略偏离物理可行域，难以适配不同建筑场景，仅适用于“定制微调”；大模型(dt,decisiontransformer)凭借序列模型优势具备跨场景知识迁移能力，更适合“通用套路”。
2、在此大背景下，存在3个关键问题：一是如何将暖通专家的物理规则（如热力学模型、设备性能曲线）转化为drl的约束条件或奖励函数，避免纯数据驱动的黑箱缺陷；二是drl属于小模型，其应用泛化性不好，如何利用dt的序列建模能力提取通用控制策略...
【技术保护点】
1.一种基于智能体的建筑能源系统控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于智能体的建筑能源系统控制方法，其特征在于，所述建筑能源控制领域知识库中包含：热力学机理方程、设备性能曲线和专家领域知识。
3.根据权利要求1或2所述的一种基于智能体的建筑能源系统控制方法，其特征在于，建立建筑能源系统联合仿真模型之后，还包括以下步骤：
4.根据权利要求1或2所述的一种基于智能体的建筑能源系统控制方法，其特征在于，所述输出数据覆盖-20℃~40℃温区、60%~95%湿度范围和全年8760小时。
5.根据权利...
【技术特征摘要】
1.一种基于智能体的建筑能源系统控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于智能体的建筑能源系统控制方法，其特征在于，所述建筑能源控制领域知识库中包含：热力学机理方程、设备性能曲线和专家领域知识。
3.根据权利要求1或2所述的一种基于智能体的建筑能源系统控制方法，其特征在于，建立建筑能源系统联合仿真模型之后，还包括以下步骤：
4.根据权利要求1或2所述的一种基于智能体的建筑能源系统控制方法，其特征在于，所述输出数据覆盖-20℃~40℃温区、60%~95%湿度范围和全年8760小时。
5.根据权利要求1或2所...
【专利技术属性】
技术研发人员：张国昊，杨婷，徐张，张少星，王本栋，何梦然，
申请(专利权)人：天府永兴实验室，
类型：发明
国别省市：
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。