-
公开(公告)号:CN115130733B
公开(公告)日:2024-07-09
申请号:CN202210631486.3
申请日:2022-06-06
申请人: 南京邮电大学
IPC分类号: G06Q10/0631 , G06Q50/06 , H02J3/38 , G06N3/045 , G06N3/08
摘要: 本发明公开了建筑能源系统运行控制领域的一种联合优化与学习的含氢建筑能源系统运行控制方法,包括:建立含氢建筑能源系统的期望运行成本最小化问题模型,并转化为多个单时隙最优化子问题模型;将单时隙最优化子问题模型分解为上层子问题模型和下层子问题模型;对上层子问题模型采用凸优化方法进行求解,并根据上层子问题的求解结果计算得到燃料电池产热量;将燃料电池产热量作为下层子问题模型的输入状态;对下层子问题模型进行求解,得到热能子系统的最优控制策略;实现对含氢建筑能源系统的运行进行实时控制;本发明利用基于模型的凸优化方法和基于无模型的学习方法的双重优势,实现高热舒适性下的运行成本最小化。
-
公开(公告)号:CN115130733A
公开(公告)日:2022-09-30
申请号:CN202210631486.3
申请日:2022-06-06
申请人: 南京邮电大学
摘要: 本发明公开了建筑能源系统运行控制领域的一种联合优化与学习的含氢建筑能源系统运行控制方法,包括:建立含氢建筑能源系统的期望运行成本最小化问题模型,并转化为多个单时隙最优化子问题模型;将单时隙最优化子问题模型分解为上层子问题模型和下层子问题模型;对上层子问题模型采用凸优化方法进行求解,并根据上层子问题的求解结果计算得到燃料电池产热量;将燃料电池产热量作为下层子问题模型的输入状态;对下层子问题模型进行求解,得到热能子系统的最优控制策略;实现对含氢建筑能源系统的运行进行实时控制;本发明利用基于模型的凸优化方法和基于无模型的学习方法的双重优势,实现高热舒适性下的运行成本最小化。
-
公开(公告)号:CN115017584A
公开(公告)日:2022-09-06
申请号:CN202210631141.8
申请日:2022-06-06
申请人: 南京邮电大学
IPC分类号: G06F30/13 , G06F30/27 , G06F119/02
摘要: 本发明公开了一种基于进化深度强化学习的商业建筑HVAC控制方法及系统,包括:获取商业建筑HVAC控制模型;将HVAC控制模型设计为与风阀控制和区域供风速率控制相关的马尔可夫博弈问题;采用多智能体注意力进化深度强化学习算法并行求解马尔可夫博弈问题,得到多组多智能体群的最优控制策略;对不同种群的最优控制策略进行重组并将其作为规模更大的多智能体群的初始策略;重复求解规模更大的马尔可夫博弈问题直到种群规模与风阀数量与区域数量之和相等,最终得到HVAC系统的最优控制策略;将训练得到的HVAC最优控制策略部署到实际系统进行在线控制。相比现有方法,本发明可在维持高舒适性的同时显著降低能量成本。
-
-