[发明专利]一种公共机构能效优化的控制方法及系统

权利要求书

1.一种公共机构能效优化的控制方法，其特征在于，包括以下步骤：

构建经验池，所述经验池包括公共机构在过去一段时间的环境数据和人工调控数据；

构建决策网络和设定所述决策网络的初始参数；

根据所述经验池中的环境数据和人工调控数据，对决策网络进行初始化训练，得到经过训练的决策网络；

将当前时刻公共机构的环境数据输入到所述经过训练的决策网络中，经过所述决策网络运算后，输出得到相应的第一输出数据，对所述第一输出数据进行决策控制处理，得到经过处理后的第二输出数据；

将当前时刻公共机构输入数据和第二输出数据均保存在所述经验池中；

根据所述决策网络的更新频率，提取所述经验池中公共机构最近m周的数据包，进行相应的筛选，利用经过筛选的单周数据包，构建该周对应的总体优化目标函数，并分别得到最终每周的总体优化目标值；

提取其中单周总体优化目标值最小的数据包作为决策网络的训练数据，对所述决策网络进行训练，得到经过优化的各个节点的节点参数；

将所述单周总体优化目标值最小的数据包中对应的第三输出数据作为学习目标，按照决策网络更新的周期频率，其中所述决策网络的节点参数为经过优化的各个节点的节点参数，其数值在所述周期内的一直保持不变，输入决策网络更新的周期中每个时刻的环境数据，输出得到经过优化的第四输出数据，再根据所述第四输出数据来调整公共机构的各个系统。

2.按照权利要求1所述的一种公共机构能效优化的控制方法，其特征在于，所述构建经验池还包括：

对所述经验池初始化，所述经验池用于记录公共机构在过去一段时间的环境数据和人工调控数据，所述环境数据包括光伏发电系统的功率、电价、室内温度、室外温度、室内湿度、室外湿度和室内亮度，所述人工调控数据包括空调系统温度、照明系统功率、动力系统功率和储能系统功率。

3.按照权利要求1所述的一种公共机构能效优化的控制方法，其特征在于，所述构建决策网络和设定所述决策网络的初始参数包括：

决策网络构建：构建输入层节点数量为7、隐藏层节点数为n、输出层节点数为4的神经网络模型；

参数初始化设定：设定决策网络参数的学习率r、迭代学习次数N₁、决策网络更新频率F；

约束条件设置：设定所述储能系统功率约束条件，公共机构温度约束条件，湿度约束条件和照明约束条件；

分时电价设置：根据当地分时电价的标准设定不同时刻的电价。

4.按照权利要求3所述的一种公共机构能效优化的控制方法，其特征在于：所述约束条件包括：

储能系统功率约束条件：其中P_st表示储能系统的输出或输入功率，表示24小时内储能系统的充电量与放电量之和为0；

温度约束条件：室内温度下限值≤室内温度≤室内温度上限值；

湿度约束条件：室内湿度下限值≤室内湿度≤室内湿度上限值；

照明约束条件：室内亮度下限值≤室内亮度≤室内亮度上限值。

5.按照权利要求1所述的一种公共机构能效优化的控制方法，其特征在于，对所述决策网络进行初始化训练包括以下步骤：

将所述环境数据为决策网络输入，将所述人工调控数据作为目标输出，对所述决策网络进行训练，得到经过训练的决策网络。

6.按照权利要求2所述的一种公共机构能效优化的控制方法，其特征在于，对所述第一输出数据进行决策控制处理，得到经过处理后的第二输出数据包括以下步骤：

决策值调整：在所述输出的第一输出数据的基础上，对所有第一输出数据添加一个随机噪声后，得到经过处理后的第二输出数据，其中随机噪声的幅值会随着迭代学习次数的增加而减少；

决策控制：利用得到的所述第二输出数据分别对空调系统温度、照明系统功率、动力系统功率和储能系统功率进行控制。

7.按照权利要求1所述的一种公共机构能效优化的控制方法，其特征在于，所述总体优化目标函数包括用电成本最小化的目标函数和用电量最小化的目标函数。