[发明专利]一种基于深度强化学习的智慧家庭能量管理方法及系统

摘要

本发明公开了一种基于深度强化学习的智慧家庭能量管理方法及系统，方法的设计步骤如下：将在无建筑热动力学模型和维持室内温度在舒适范围的情况下最小化智慧家庭能量成本这一能量管理问题建模为马尔可夫决策过程并设计相应的环境状态、行为、奖励函数；利用深度确定性策略梯度算法训练出不同环境状态下能量存储系统或/和可控负载的最优行为，进而最大化奖励函数；将训练好的深度神经网络参数定期拷贝至智慧家庭能量管理系统本地的深度神经网络，用于实际性能测试。本发明提出的方法无需知晓任何不确定性系统参数的先验信息和建筑热动力学模型，且采用本地测试与云端训练相结合的在线学习模式来应对环境变化可能带来的性能降级问题。

主权项

1.一种基于深度强化学习的智慧家庭能量管理方法，其特征是，包括如下步骤：/n获取智慧家庭的当前环境状态；/n本地深度神经网络根据所述当前环境状态，输出能量存储系统或/和可控负载的当前行为；/n根据所述当前行为，对能量存储系统或/和可控负载实施控制；/n获取智慧家庭的下一时间步环境状态和下一时间步奖励；/n将所述当前环境状态、所述当前行为、所述下一时间步环境状态、所述下一时间步奖励发送至云端经验池；/n从云端经验池中提取训练样本集，以所述奖励最大化为目标，利用深度确定性策略梯度算法对云端深度神经网络进行训练；/n将训练好的云端深度神经网络参数更新至本地深度神经网络。/n