(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111172351.7 (22)申请日 2021.10.08 (71)申请人 科瑞特空调集团有限公司 地址 253308 山东省德州市武城县 鲁权屯 镇第二产业园 (72)发明人 李连宏　潘蒿　吴金顺　吴宝贞　 李阳　李凯悦　王新如　赵红霞　 (74)专利代理 机构 济南知来知识产权代理事务 所(普通合伙) 37276 代理人 李真 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/08(2020.01) (54)发明名称 一种基于A ctorCritic算 法的地铁空调系统 节能控制方法 (57)摘要 本发明涉及空调控制领域， 公开了一种基于 ActorCritic算法的地铁空调系统节能控制方 法， 包括： 建立地铁空调系统能耗模型； 采集地铁 空调系统指标数据， 并对地铁空调系统指标数据 进行预处理， 得到预处理后的地铁空调系统指标 数据集合； 以地铁空调系统指标数据为输入， 下 一时刻的地铁空调系统能耗预测值为输出， 构建 地铁空调系统能耗预测模型； 将地铁空调风 ‑水 系统作为强化学习智能体， 以地铁空调系统能耗 预测值最小为训练目标， 利用ActorCritic算法 对强化学习智能体进行训练， 得到地铁空调风 ‑ 水系统的控制动作。 本发明设计地铁空调系统节 能模型， 通过结合前馈神经网络以及强化学习得 到地铁空调系统的控制动作， 实现地铁空调的实 时节能控制。 权利要求书4页 说明书10页 附图1页 CN 113901713 A 2022.01.07 CN 113901713 A 1.一种基于ActorCritic算法的地铁空调系统节能控制方法， 其特征在于， 所述方法包 括： S1： 建立地铁空调系统能耗模型， 所述建立地铁空调系统能耗模型包括建立冷冻水泵 能耗模型以及冷却水泵能耗模型、 建立 风机能耗模型； S2： 采集地铁空调系统指标数据， 并对地铁空调系统指标数据进行预处理， 得到预处理 后的地铁空调系统指标 数据集合； S3： 以地铁空调系统指标数据为输入， 下一 时刻的地铁空调系统能耗预测值为输出， 构 建地铁空调系统能耗预测模型； S4： 将地铁空调风 ‑水系统作为强化学习智能体， 以地铁空调系统能耗预测值最小为训 练目标， 利用ActorCritic算法对强化学习智能体进行训练， 得到地铁空调风 ‑水系统的控 制动作。 2.如权利 要求1所述的一种基于ActorCritic算法的地铁空调系统节能控制方法， 其特 征在于， 所述S1步骤中建立冷冻水泵能耗模型以及冷却水泵能耗模型， 包括： 所建立的地铁空调系统能耗模型中的冷冻水泵能耗模型为： 其中： Pe为地铁空调系统中冷冻水泵的能耗； me为冷冻水泵的实际流 量； He为冷冻水泵的扬程； ge为冷冻水泵的流 量扬程系数， 将其设置为0.8； ηe为冷冻水泵的能耗效率； 所建立的地铁空调系统能耗模型中的冷却水泵能耗模型为： Pr＝QrηrTempr(TempCH‑TempCW) 其中： Pr为地铁空调系统中冷却水泵的能耗； Qr为冷却水泵的额定制冷量； Tempr为温度调节系数； TempCH为冷却水泵中冷却水 供水温度； TempCW为冷冻水泵中冷冻水 供水温度。 3.如权利 要求1所述的一种基于ActorCritic算法的地铁空调系统节能控制方法， 其特 征在于， 所述S1步骤中建立 风机能耗模型， 包括： 所建立的地铁空调系统中的风机能耗模型为： 其中： Pt为地铁空调系统中风机的能耗； mt为风机的实际风 量； Ht为风机的风压；权　利　要　求　书 1/4 页 2 CN 113901713 A 2gt为风机的风 量风压系数， 将其设置为0.7； ηt为风机的能耗效率。 4.如权利 要求2‑3所述的一种基于ActorCritic算法的地铁空调系统节能控制方法， 其 特征在于， 所述S1步骤中建立 地铁空调系统能耗模型， 包括： 地铁空调系统中包括15个组合式空调箱， 每个组合式空调箱都具有一个风机， 两个冷 冻水泵以及两个冷却水泵， 则地铁空调系统的整体能耗模型为： P＝Pe+Pr+Pt 其中： Pe为地铁空调系统中冷冻水泵的能耗； Pr为地铁空调系统中冷却水泵的能耗； Pt为地铁空调系统中风机的能耗。 5.如权利 要求4所述的一种基于ActorCritic算法的地铁空调系统节能控制方法， 其特 征在于， 所述S2步骤中采集地铁空调系统指标数据， 并对地铁空调系统指标数据进行预处 理， 包括： 采集地铁空调系统指标数据 其 中N表示地铁空调系统指标 数据中的指标 数量， t表示指标 数据的时间戳信息； 对地铁空调系统指标 数据进行归一 化处理： 其中： xi表示地铁空调系统指标i的指标 数据； xi,min表示地铁空调系统指标i中数据的最小值； xi,max表示地铁空调系统指标i中数据的最大值； x′i表示归一 化处理后的地铁空调系统指标i的指标 数据。 6.如权利 要求5所述的一种基于ActorCritic算法的地铁空调系统节能控制方法， 其特 征在于， 对归一化后的地铁空调系统指标 数据进行平 滑滤波处 理， 所述平 滑滤波处 理流程为： 对于任意地铁空调系统指标数据序列， 确定平滑滤波窗口为n， 将地铁空调系统指标数 据序列中连续的n个数据作为队列， 取队列的算 术平均值 替换队列的第一个数据。 7.如权利 要求6所述的一种基于ActorCritic算法的地铁空调系统节能控制方法， 其特 征在于， 所述S3步骤中构建地铁空调系统能耗预测模型， 包括： 所述地铁空调系统能耗预测模型的输入为预处理后的地铁空调系统指标数据， 输出为 下一时刻的地铁空调系统能耗预测值， 其中地铁空调系统能耗预测模型的预测流 程为： 1)将预处理后的地铁空调系统指标数据作为模型输入层的输入值， 其中地铁空调系统 指标数据为连续的时序数据序列 其 中N表示地铁空调系统指标 数据中的指标 数量， 其值为9， t表示指标 数据的时间戳信息； 2)隐藏层对输入的地铁空调系统指标 数据X进行 特征映射： y＝σ(wX+b)权　利　要　求　书 2/4 页 3 CN 113901713 A 3