[发明专利]一种基于人工智能的供暖循环泵调节方法

权利要求书

1.一种基于人工智能的供暖循环泵调节方法，其特征在于，包括：

获取目标压差和目标二网流量以及供暖机组实时在线数据，并对实时数据进行清洗归一化；

在线学习强化学习策略模型的预测模型，根据目标压差与实际压差差值或者目标二网流量与实际二网流量差值，在线更新模型的循环泵的频率；

确定差值最小并输入预测模型得到循环泵频率，进而进行循环泵调节。

2.根据权利要求1所述一种基于人工智能的供暖循环泵调节方法，其特征在于，所述根据根据目标压差与实际压差差值或者目标二网流量与实际二网流量差值，在线更新模型的循环泵的频率的具体步骤包括：

根据当前时刻压差确定目标压差的公式为：

或者当前时刻二网流量确定目标二网流量的公式为：

其中，P^t为当前时刻压差，P^target为目标压差，P^Δt为下一时刻压差，T^t为当前时刻二网流量，T^target为目标二网流量，T^Δt为下一时刻二网流量。

3.根据权利要求1所述一种基于人工智能的供暖循环泵调节方法，其特征在于，所述对实时数据进行清洗归一化的具体步骤包括：

对获取的实时数据进行异常无效数据去除；

再将数据归一化，并映射到区间(0，1)上。

4.根据权利要求3所述一种基于人工智能的供暖循环泵调节方法，其特征在于，所述输入预测模型得到循环泵频率的具体步骤包括：

通过周期性运行模型，根据实时状态数据，控制循环泵的频率；

使得预测的二网供压与回压的压差和目标压差一致；或

使得二网流量与目标流量一致，则获得循环泵频率并进一步调节。

5.根据权利要求4所述一种基于人工智能的供暖循环泵调节方法，其特征在于，所述策略网络更新公式为：

其中，s为环境的状态特征，s_t为在时间戳t上的状态；a为智能体采取的行为，a_t表示在时间戳t上的动作；π(a|s)为智能体的决策模型，s为接受输入为状态，p(a|s)表示给出决策后执行动作的概率分布，满足∑_a∈Aπ(a|s)，r(a|s)为环境在状态s时接受动作a后给出的反馈信号，在时间戳t上获得的奖励记为r_t，为值网络输出值。

6.根据权利要求5所述一种基于人工智能的供暖循环泵调节方法，其特征在于，所述值网络参数更新公式为：

其中，表示值网络输出值，dist(a,b)为a和b的距离度量器，采用欧式距离；为的目标值；γ为值网络的学习率；

采集循环泵的实时运行数据结合模型预测循环泵的输出流量或者泵前泵后的水力的压差目标。