[发明专利]基于深度强化学习的智能园区空调负荷调控方法和系统

说明书

本发明提供一种基于深度强化学习的智能园区空调负荷调控方法、系统、存储介质和电子设备，涉及空调负荷预测技术领域。本发明包括采集并预处理园区的历史数据；根据预处理后的历史气象数据和历史负荷数据，构建园区空调负荷短期预测模型，获取园区的空调负荷预测数据；根据预处理后的空调历史运行数据和空调负荷预测数据，构建园区空调制冷系统能耗优化的学习模型；采用深度强化学习方法进行寻优，获取园区的最优空调负荷调控方案。基于园区空调负荷短期预测值对园区空调负荷进行整体调控，提高园区能源的利用效率和整体经济性；在园区空调负荷预测的基础上对园区空调负荷进行优化调控，对于实现园区空调系统节能运行也有重要意义。

技术领域

本发明涉及空调负荷预测技术领域，具体涉及一种基于深度强化学习的智能园区空调负荷调控方法、系统、存储介质和电子设备。

背景技术

目前，我国电力供需仍是紧张状态，仅靠单一的增加发电规模无法应对这一状态，必须调动负荷侧资源参与电网调峰，才能有效缓解电力供需矛盾。智能园区存在用电、用热、用冷等多种用能需求，用电量占全社会用电量很大比重，智能园区空调的集中使用不仅增大电网峰谷差，而且给电网的安全稳定运行带来隐患，针对智能园区内空调负荷容量大、可控性较强等特点，提前预测出园区空调系统的负荷，在满足智能园区空调负荷需求且保证安全高效运行的情况下，根据空调负荷需求的变化，及时调整制冷机组的相关运行参数，对于降低整个园区空调综合能耗具有决定性作用。

现有的技术方案框架是：在园区空调负荷预测阶段，采用白箱方法，根据详细的建筑物理参数、建筑设计参数以及气象参数，通过计算或者模拟仿真的方式预测空调负荷；在园区空调负荷调控阶段，采用占空比控制的直接负荷控制方法，根据一定时间内空调的实际运行时间与总时间之比得到功率的占空比，在特定的功率开启关闭空调，实现对空调负荷的优化调控。

但是，上述技术方案在仿真建模过程中有对数据进行假设和简化的过程，导致预测结果会有误差，进而影响了园区能源的利用效率。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于深度强化学习的智能园区空调负荷调控方法、系统、存储介质和电子设备，解决了园区能源的利用效率低的技术问题。

(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：

一种基于深度强化学习的智能园区空调负荷调控方法，包括：

S1、采集并预处理园区的历史数据，所述历史数据包括历史气象数据、历史负荷数据和空调历史运行数据；

S2、根据预处理后的所述历史气象数据和历史负荷数据，构建园区空调负荷短期预测模型，获取所述园区的空调负荷预测数据；

S3、根据预处理后的所述空调历史运行数据和所述空调负荷预测数据，构建园区空调制冷系统能耗优化的学习模型；

S4、根据所述学习模型，采用基于策略的深度强化学习方法进行寻优，获取所述园区的最优空调负荷调控方案。

优选的，所述智能园区空调负荷调控方法还包括：

S5、将最优空调负荷调控方案实时推送给空调机房管理人员，指导管理人员及时调整各运行参数。

优选的，所述S1中：

所述历史气象数据包括1周前逐小时室外温度；

所述历史负荷数据包括1周前对应时刻负荷值、24h前对应时刻负荷值、3h前对应时刻负荷值、2h前对应时刻负荷值、1h前对应时刻负荷值；