【技術實現步驟摘要】
本專利技術涉及中央空調參與電力需求響應的，具體為一種中央空調無感自動決策方法及系統。
技術介紹
1、中央空調因其龐大的負荷量成為電力需求響應中不可或缺的重要資源，但傳統中央空調調控方法過于依賴預設的定時調度或對溫濕度等參數的手動設定，不僅浪費人力資源，而且缺乏對實時環境變化的感知能力和響應能力，無法滿足電力用戶的個性化需求。
2、近年來，隨著數據處理技術和人工智能等技術的發展，神經網絡方法在電力行業得到了廣泛的應用。各種智能控制技術的進步使得中央空調能夠實時監測室內外環境數據、用戶行為數據等，并對這些數據進行自動分析和處理，盡量滿足用戶在節能和舒適度層面的需求。
3、在滿足用戶舒適度的同時，還需要減少用戶對中央空調的手動調控頻率，真正做到無感，不僅有利于智能終端對中央空調的調控，還能提高中央空調用戶參與需求響應的積極性，因此研究中央空調無感自動決策方法意義重大。
技術實現思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術解決的技術問題是：如何通過智能化和自動化技術，實現中央空調系統的無感自動調控，以優化能效、提升用戶舒適度，并有效響應電力需求變化，從而減少人工干預并提高系統的整體運行效率。
3、為解決上述技術問題，本專利技術提供如下技術方案：一種中央空調無感自動決策方法，其包括如下步驟，
4、通過溫濕度傳感器、空氣質量監測器、人體感應器設備，實時采集室內外環境數據和用戶行為數據；建立中央空調參與需求響應
5、作為本專利技術所述的一種中央空調無感自動決策方法的一種優選方案，其中：所述室內外環境數據包括室內外溫度、室內外濕度、室內外空氣流速、室內外氣壓，用戶行為數據包括用戶著裝數據、用戶活動數據。
6、作為本專利技術所述的一種中央空調無感自動決策方法的一種優選方案，其中：所述中央空調參與需求響應時的電力運行模型為：
7、
8、
9、
10、其中，ttin和ttout分別為時段t用戶室內和室外溫度，rin和cin分別為用戶室內的熱阻和熱容，ptac為t時段的中央空調電功率，ηac為中央空調工作效率，tin和分別為用戶可接受的室內溫度最低和最高值，為動作變量，取值為1或0，表示時段空調的開啟狀態或停機狀態，取值為1時表示空調為開啟狀態，取值為0表示空調為停機狀態，為空調額定功率。
11、中央空調工作效率與中央空調電功率相乘為中央空調的制冷量或制熱量，表示為，
12、qac＝ηacpac。
13、作為本專利技術所述的一種中央空調無感自動決策方法的一種優選方案，其中：所述pmv指標由個體活動、著裝熱阻、所處室內溫度、所處環境相對濕度、所處室內平均輻射溫度和所處室內空氣流速六個參數計算得出：
14、
15、其中，
16、
17、
18、tcl＝35.7-0.028×(m-w)-icl×3.96×10-8×fcl×{[(tcl+273)4-(tr+273)4]+hc×fcl×(tcl-ta)}
19、
20、其中，e為自然常數，m代表人體活動產生的能量代謝率，w為人體做機械功的功率，pa為環境飽和蒸汽壓，為所處環境相對濕度，ta為所處環境空氣室溫，fcl為服裝影響系數，icl為服裝的熱阻，tcl為服裝外表面溫度，tr為所處環境平均輻射溫度，hc為服裝表面傳熱系數，va為所處環境空氣流速。
21、作為本專利技術所述的一種中央空調無感自動決策方法的一種優選方案，其中：所述中央空調自動決策模型采用深度確定性策略梯度算法分析室內外環境數據和用戶行為數據，預測室內外環境變化趨勢及用戶需求，制定中央空調無感自動調控策略，基于無感的定義，智能終端制定中央空調無感自動決策策略參與需求響應，設置獎勵函數如下：
22、
23、
24、
25、其中，為空調舒適度的獎勵函數，為中央空調負荷波動的懲罰，為總獎勵函數，ω1、ω2為權重系數。
26、作為本專利技術所述的一種中央空調無感自動決策方法的一種優選方案，其中：所述中央空調自動決策模型還包括采用actor神經網絡和critic神經網絡，分別用于學習中央空調的行為動作和評估行為動作的價值。
27、作為本專利技術所述的一種中央空調無感自動決策方法的一種優選方案，其中：所述actor神經網絡通過輸入中央空調的第i個狀態行為數據，定義第i個狀態動作為ai，表示為，
28、ai＝μθ(si)
29、其中，si為狀態，μ為動作的目標狀態函數；
30、基于bellman方程，critic網絡根據中央空調當前動作和狀態計算目標動作的價值yi：
31、yi＝ri+γq'(si+1,μ'i+1|θq')
32、其中，q'為當前動作的價值函數，si+1為第i+1個狀態，μ'i+1為第i+1個狀態當前動作的目標狀態函數，γ為折扣因子，ri為獎勵函數，可直接代入中央空調無感自動決策策略中的獎勵函數
33、通過最小化損失來更新critic網絡：
34、
35、其中，q為目標動作的價值函數，θ為隨機權重，n為隨機過程。
36、通過最大化累計期望獎勵的方法更新actor網絡中參數：
37、
38、通過指數移動平均法更新動作行為決策網絡：
39、θq'←τθq+(1-τ)θq'
40、θμ'←τθμ+(1-τ)θμ'
41、其中，τ為控制模型更新速度的參數，θ(*)表示*函數的隨機權重。
42、本專利技術的另外一個目的是提供一種中央空調無感自動決策系統，其能通過實時監測和分析室內外環境數據及用戶行為，自動調整中央空調的運行策略，解決了現有系統依賴預設定時調度和手動設置，缺乏動態調整能力的問題。
43、為解決上述技術問題，本專利技術提供如下技術方案：一種中央空調無感自動決策系統，包括數據采集模塊、自動決策模型模塊以及智能終端模塊。
44、所述數據采集模塊用于采集室內外的環境數據以及用戶行為數據。
45、所述自動決策模型模塊自動決定中央空調的運行狀態。
46、所述執行單元模塊根據智能終端接收到的調控指令，調控中央空調的運行模式。
47、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現如上所述一種中央空調無感自動決策方法的步驟。
48、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述一種中央空調無感自動決策方法的步驟。
49、本專利技術的本文檔來自技高網...
【技術保護點】
1.一種中央空調無感自動決策方法，其特征在于，包括：
2.如權利要求1所述的一種中央空調無感自動決策方法，其特征在于：所述室內外環境數據包括室內外溫度、室內外濕度、室內外空氣流速、室內外氣壓，用戶行為數據包括用戶著裝數據、用戶活動數據。
3.如權利要求2所述的一種中央空調無感自動決策方法，其特征在于：所述中央空調參與需求響應時的電力運行模型為：
4.如權利要求3所述的一種中央空調無感自動決策方法，其特征在于：所述PMV指標由個體活動、著裝熱阻、所處室內溫度、所處環境相對濕度、所處室內平均輻射溫度和所處室內空氣流速六個參數計算得出：
5.如權利要求4所述的一種中央空調無感自動決策方法，其特征在于：所述中央空調自動決策模型采用深度確定性策略梯度算法分析室內外環境數據和用戶行為數據，預測室內外環境變化趨勢及用戶需求，制定中央空調無感自動調控策略，基于無感的定義，智能終端制定中央空調無感自動決策策略參與需求響應，設置獎勵函數如下：
6.如權利要求5所述的一種中央空調無感自動決策方法，其特征在于：所述中央空調自動決策模型還包括采用
7.如權利要求6所述的一種中央空調無感自動決策方法，其特征在于：所述Actor神經網絡通過輸入中央空調的第i個狀態行為數據，定義第i個狀態動作為ai，表示為，
8.一種采用如權利要求1～7任一所述的一種中央空調無感自動決策方法的系統，其特征在于：包括數據采集模塊、自動決策模型模塊以及智能終端模塊；
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的一種中央空調無感自動決策方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述一種中央空調無感自動決策方法的步驟。
...【技術特征摘要】
1.一種中央空調無感自動決策方法，其特征在于，包括：
2.如權利要求1所述的一種中央空調無感自動決策方法，其特征在于：所述室內外環境數據包括室內外溫度、室內外濕度、室內外空氣流速、室內外氣壓，用戶行為數據包括用戶著裝數據、用戶活動數據。
3.如權利要求2所述的一種中央空調無感自動決策方法，其特征在于：所述中央空調參與需求響應時的電力運行模型為：
4.如權利要求3所述的一種中央空調無感自動決策方法，其特征在于：所述pmv指標由個體活動、著裝熱阻、所處室內溫度、所處環境相對濕度、所處室內平均輻射溫度和所處室內空氣流速六個參數計算得出：
5.如權利要求4所述的一種中央空調無感自動決策方法，其特征在于：所述中央空調自動決策模型采用深度確定性策略梯度算法分析室內外環境數據和用戶行為數據，預測室內外環境變化趨勢及用戶需求，制定中央空調無感自動調控策略，基于無感的定義，智能終端制定中央空調無感自動決策策略參與需求響應，設置獎勵函數如下：
【專利技術屬性】
技術研發人員：韓帥，盧健斌，陳衛東，郭小璇，阮詩雅，吳寧，肖靜，卓毅鑫，郭敏，吳曉銳，胡志超，
申請(專利權)人：廣西電網有限責任公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。