本发明涉及温度、湿度、空气清净度以及空气循环(Heating,Ventilation,Air‑conditioningand Cooling,HVAC)的控制系统的智能控制方法,具体是一种基于广义互熵(generalizedcorrentropy,GC)损失函数的长短期记忆神经网络(Long Short‑term Memory,LSTM)和深度强化学习(Deep Reinforcement Learning,DRL)算法的HVAC控制系统。该方法包括的步骤如下:采集室外环境温度、室内环境温度和电网的电价信息,对采集到的数据进行预处理,使用室外环境温度历史数据预测未来多步的室外环境温度,基于未来室外温度值、室内环境温度和电网电价信息利用DRL的深度确定性策略(Deep Deterministic Policy Gradient,DDPG)算法控制HVAC系统的功率输出。本发明能实时智能控制HVAC系统以减少用户成本并且保证用户的满意度,具有较高的实际工程应用价值。
声明:
“基于多步预测深度强化学习算法的HVAC控制系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)