[发明专利]基于GPU并行强化学习的建筑节能方法

说明书

本发明提供基于GPU并行强化学习的建筑节能方法，涉及建筑节能方法领域。该基于GPU并行强化学习的建筑节能方法，包括以下步骤：S1.在服务器端生成节能操控容器实例，并从系统平台感知环境参数;S2.在服务器端，判定环境参数，如达到初始设置要求，则停止操作；否则，构造决策模型;S3.将模型传输到GPU计算工作站;S4.GPU计算工作站根据模型，进行FCM分类;S5.选取每个分类中的典型操控策略，逐个对比，整体评估;S6.将最优操控策略传输到边缘控制系统，进行系统操控。本发明设计的建筑节能方法中的策略评估过程采用GPU并行计算技术，运行速度和效率加快，系统实时响应提升，同时该建筑节能方法中策略分类、测评与策略执行是同时执行的，系统吞吐率被有效提升。

技术领域

本发明涉及建筑节能方法技术领域，具体为基于GPU并行强化学习的建筑节能方法。

背景技术

作为占地资源、消耗水、电、气大户的公共建筑领域，《中国建筑节能发展研究报告》(2017-2020)统计数据，商业办公建筑和住宅建筑能耗逐年攀升，远远超过其他领域能耗的上升速度。同时，建筑能耗伴随着建筑面积的逐步扩大和人们对所居住建筑的智能化、绿色、便利、舒适度需求的提高，呈现出不断攀升的趋势。随着技术的进步，智能建筑的节能研究不可避免成为大家关注和研究的重点。大数据，深度学习、模糊分类、人工智能以及它们之间的协同工作，是近期在建筑节能开发研究中，新兴的也是很有发展前景的技术领域。

在智能建筑节能领域，国际上不断有基于强化学习的方法被提出，用于进行节能控制。理论上，在节能控制领域，经典的强化学习算法是一种行之有效的方法，但应用到建筑的现实情况中，两个问题需要解决：其一是维数不可控问题，因为影响节能的因素很多，而且处于变化中；其二是在大容量状态空间或者多态连续空间问题中，传统的强化学习算法存在收敛速度慢，甚至会出现难以收敛的情况。针对在国内建筑节能领域中，重硬件轻软件控制的实际情况，本发明提出的基于GPU并行强化学习的建筑节能方法，体现在快速策略评估和与环境交互并行计算上。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于GPU并行强化学习的建筑节能方法，解决了传统强化学习方法维数不可控，存在收敛速度慢，甚至会出现难以收敛的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：基于GPU并行强化学习的建筑节能方法，包括以下步骤：

S1.在服务器端生成节能操控容器实例，并从系统平台感知环境参数；

S2.在服务器端，判定环境参数，如达到初始设置要求，则停止操作；否则，构造决策模型；

S3.将模型传输到GPU计算工作站；

S4.GPU计算工作站根据模型，进行FCM分类；

S5.选取每个分类中的典型操控策略，逐个对比，整体评估；

S6.将最优操控策略传输到边缘控制系统，进行系统操控；

S7.边缘控制系统接收操控策略，并按策略向末端设备发送指令；

S8.边缘设备将按照指令操作后更新的参数，传送服务器。

优选的，所述S2中决策模型选用马尔科夫决策建模。

优选的，所述决策模型对建筑环境中的空间状态、动作、回馈以及状态转移函数进行建模。

优选的，所述S4中GPU工作站安装FCM算法，对可能的策略进行分类，算法具体包括：

a.输入：当前执行的划分方法相关的参数：i，C_i，权重指数m，聚类中心

b.Δ＝0；