[发明专利]利用神经网络的空调机房消耗功率分析装置

说明书

本发明涉及一种利用神经网络的空调机房消耗功率分析装置，所述装置包括：强化学习设备，用于将卷积神经网络模型作为智能体模型，将与预约用户的预约信息关联的输入数据输入到智能体模型并开展智能体模型的强化学习过程，获得空调机房当天消耗功率；策略选择设备，用于在空调机房当天消耗功率大于等于设定功耗阈值时，发出人工干预请求以触发人工现场温控处理。本发明还涉及一种利用神经网络的空调机房消耗功率分析方法。通过本发明，能够基于针对性设计的强化学习智能体模型完成对空调机房每日消耗功率的智能化预测，同时还在空调机房每日消耗功率过高时，请求派遣人工赶赴空调机房执行温控处理，从而有效削减了空调机房的碳排量数值。

技术领域

本发明涉及神经网络应用领域，尤其涉及一种利用神经网络的空调机房消耗功率分析装置。

背景技术

多少年以来，人们从医学、生物学、生理学、哲学、信息学、计算机科学、认知学、组织协同学等各个角度企图认识并解答人脑是如何工作的这一问题。在寻找上述问题答案的研究过程中，逐渐形成了一个新兴的多学科交叉技术领域，称之为“神经网络”。神经网络的研究涉及众多学科领域，这些领域互相结合、相互渗透并相互推动。不同领域的科学家又从各自学科的兴趣与特色出发，提出不同的问题，从不同的角度进行研究。

人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对于写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。

所以网络学习的准则应该是：如果网络做出错误的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予（0，1）区间内的随机值，将“A”所对应的图像模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”（结果正确），则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能做出正确的判断。

神经网络普遍用于各种应用领域，但由于其普及的时间较短以及应用领域过于细化和复杂，在某些领域缺乏针对性的应用方案。例如，在对空调机房执行碳排量管理时，需要一种智能体模型，能够在空调机房每天启动之前对空调机房当天消耗功率执行智能化预测，如果预测结果对应的碳排量过高，则需要安排现场管理人员执行温控处理以实现空调机房的节能减排。然而，现有技术中缺乏上述领域的针对性研究成果。

发明内容

为了解决现有技术中的上述问题，本发明提供了一种利用神经网络的空调机房消耗功率分析装置，能够对每天预约授权进入空调机房内的各个用户的惯用设定温度作为卷积神经网络即一种智能体模型的多个输入，以每天空调机房消耗功率作为所述智能体模型的单个输出，通过强化学习算法预测空调机房每天的消耗功率，如果消耗功率过高，执行人工干预进行温控，从而形成不同状态下的温度调控策略，达到降低碳排放量的最终目的。

相比较于现有技术，本发明至少需要具备以下四处突出的实质性特点：

（1）通过对每天预约授权进入空调机房内的各个用户的预约信息解析各自的空调习惯设定温度，并以工作时长较长的多个用户分别对应的多个空调习惯设定温度作为智能体模型的输入数据，并开展所述智能体模型的强化学习过程，获得空调机房当天消耗功率以作为强化学习智能体模型的输出数据，从而在空调机房每天启动之前对空调机房当天消耗功率执行智能化预测；

（2）在智能化预测到的空调机房当天消耗功率大于等于设定功耗阈值时，发出人工干预请求以请求派遣温控管理人员到达空调机房现场执行温控的人工干预，从而避免空调机房当天整体消耗功率过高，达到降低空调机房碳排量的效果；

（3）将空调机房历史日期中某一天的输入数据输入到所述智能体模型，将所述某一天的空调机房当天节省能源数值作为对所述智能体模型进行强化学习的奖励信号对所述智能体模型执行一次强化学习过程；