本发明专利技术公开了一种含数字孪生和深度强化学习的大型公共建筑风水联调方法，包括：构建大型公共建筑多层级风水联调系统数字孪生模型；构建各用户建筑的逐时负荷需求预测模型，并计算获得大型公共建筑各楼栋的逐时负荷需求预测结果；分析各用户建筑的逐时用风量需求结果、用水量需求结果和水温需求结果、各楼栋的逐时用水量需求结果，并结合外部条件变化，将大型公共建筑多层级风水联调系统的运行模式进行划分；以通风能耗最小化、用水能耗最小化和各用户建筑区域温度偏差最小化为目标，设置适应各运行模式的风水联调系统多层级的控制变量组合目标值；采用深度强化学习算法进行风水联调系统多层级的设备控制指令计算，并下发给各层级相关设备执行。
1、随着我国城市化的快速发展，带动了建筑行业的前进，我国的建筑行业体量不断增加，除了住宅建筑之外，大型公共建筑的比例也相对较高，例如新建的大型机场、地铁站、商业楼宇、办公楼宇等。这些大型公共建筑体量的增加加剧了能源的消耗，在建成使用后，需要根据建筑功能类型、环境条件、人流密度等提供相应的能源，满足建筑自身在运行时的能源需求。
2、目前，大型公共建筑内会集中安装有中央空调系统，来进行供热和制冷，满足建筑内的冷热负荷需求，而中央空调末端的负荷是动态变化的，负荷变化对应的是空调水系统的热水或冷冻水流量的变化以及空调风系统的需求风量变化，另外空调风系统和水系统之间是一对耦合系统，相比较于传统的空调系统，风水联调系统的能效更高。风水联调系统通常是以冷冻水定温差进行风机盘管内的冷冻水流量调控，同时也进行风机风速调控，调节送风量，满足室内负荷需求，减少系统运行能耗，然而风水联调系统目前存在着一些问题，例如面临多种外部条件的变动，例如季节不同、室外环境不同、室内区域人流量变化、极端天气、灾害等，风水联调系统不能自适应运行，因此就需要大型公共建筑风水联调系统能够自适应各类条件的变动进行系统运行模式的切换和设备的优化调控，另外风水联调系统设备优化调控的精确度较低。
>1、本专利技术的目的是提供一种含数字孪生和深度强化学习的大型公共建筑风水联调方法，能够通过源侧能源中心的调节、楼前的楼栋水流量调节和户前的空调风量调节、空调水系统的水流量和水温调节，通过多层级联合调节实现大型公共建筑的风水联调，并且进行风水联调系统的运行模式精细化划分，对不同运行模式的风水联调系统进行优化控制，能够自适应各种运行模式下的条件变动。2、为了解决上述技术问题，本专利技术提供了一种含数字孪生和深度强化学习的大型公共建筑风水联调方法，所述大型公共建筑风水联调方法包括：
3、s1、在大型公共建筑末端的各个楼栋前安装用于调节楼栋水流量的电调阀和在各楼栋内各用户的户前安装用于变频调节风量的空调通风装置、以及安装用于调节用户水流量和水温的空调水系统，以及结合源侧能源中心、站侧换热站形成大型公共建筑多层级风水联调系统；
4、s2、构建包括物理层、交互层、数字孪生层和应用层的大型公共建筑多层级风水联调系统数字孪生模型，并校验该数字孪生模型与实际系统物理实体的一致性；
5、s3、基于校验后的大型公共建筑多层级风水联调系统数字孪生模型，考虑各楼栋内各用户建筑区域的功能、所处位置、区域内人群密度、外界环境条件和区域内环境参数，构建各用户建筑的逐时负荷需求预测模型，并计算获得大型公共建筑各楼栋的逐时负荷需求预测结果；
6、s4、基于各用户建筑的逐时负荷需求预测结果和各楼栋的逐时负荷需求预测结果，分析各用户建筑的逐时用风量需求结果、用水量需求结果和水温需求结果、各楼栋的逐时用水量需求结果，并结合外部条件变化，将大型公共建筑多层级风水联调系统的运行模式进行划分；
7、s5、根据划分的大型公共建筑多层级风水联调系统的运行模式，以通风能耗最小化、用水能耗最小化和各用户建筑区域温度偏差最小化为目标，设置适应各运行模式的风水联调系统多层级的控制变量组合目标值；
8、s6、根据各运行模式的风水联调系统多层级的控制变量组合目标值，采用深度强化学习算法进行风水联调系统多层级的设备控制指令计算，并下发给各层级相关设备执行。
9、进一步，所述步骤s1中，所述源侧能源中心至少包括有供冷时的多台冷水机组、供热时的多台锅炉；所述站侧换热站的数量为多个，每个换热站与各自用户的空调通风装置、空调水系统相连接；
10、所述空调通风装置包括：风机和风机盘管；
11、所述空调水系统包括：空调设备、分水器、集水器、阀门和水泵；
12、所述大型公共建筑多层级风水联调系统的调节策略包括：首先，将源侧能源中心锅炉供给的热水或冷水机组供给的冷冻水通过调节电调阀分配给各个楼栋，再由空调水系统中的水泵将热水或冷冻水送至分水器，然后由分水器通过各供水支管分别送至各用户的空调设备，通过空调设备的水温处理、阀门的水流量调节后由各回水支管流回至集水器和通过集水器返回至锅炉或冷水机组，如此反复循环进而改变水流量和水温，以及最后流经至各用户建筑区域的风机盘管，再由风机变频调节风量后，调节各用户建筑区域的温度分布和空气流动。
13、进一步，所述s2具体包括：
14、构建物理层：利用多源传感器感知大型公共建筑多层级风水联调系统的设备运行工况和环境信息传输至交互层，且通过多源数据的交互反馈实现与数字孪生层的交互映射，并根据应用层进行风水联调系统的设备控制；所述设备运行工况包括风水联调系统中各设备的运行状态参数；所述环境信息包括室外天气温度、天气湿度、建筑区域人流量和建筑区域温度；
15、构建交互层：将多源传感器采集的设备运行工况和环境信息传输至应用层，并通过数据预处理、数据融合、数据挖掘建立数字孪生层与物理实体的状态同步和交互协同控制；
16、构建数字孪生层：构建融合物理模型、机理模型、数据模型、仿真模型的数字孪生模型；所述物理模型表明大型公共建筑风水联调系统的物理实体的结构特征；所述机理模型表明物理实体进行风水联调时的逻辑描述和机理解释；所述数据模型包括感知的风水联调系统物理实体的设备运行工况、环境信息和仿真运行数据，并利用仿真运行数据对数字孪生模型进行实时监测，根据实时监测数据进行数字孪生模型的参数优化和结构优化；所述仿真模型表明风水联调系统物理实体与数字孪生模型的虚实交互；
17、构建应用层：建立风水联调系统智能决策模块，进行系统运行状态监测和风水联调控制决策；
18、将物理层、交互层、数字孪生层和应用层进行交互融合后构建大型公共建筑多层级风水联调系统数字孪生模型；
19、对风水联调系统物理实体和数字孪生模型进行一致性校验：评估数字孪生模型的物理结构、运行状态与物体实体的一致性程度是否在预设范围内，若在预设范围内，则一致性校验通过；否则，对数字孪生模型进行参数优化和结构优化。
20、进一步，所述评估数字孪生模型的物理结构、运行状态与物体实体的一致性程度包括：
21、建立一致性程度评估的多维一级评估指标体系，包括：模型一致性程度指标、仿真一致性程度指标、数据一致性程度指标和交互一致性程度指标；
22、建立多维一级评估指标体系中的每一指标对应的二级评估指标体系；
23、进行评估指标体系的主观权重计算和客观权重计算后，并进行主客观权重的融合，获得数字孪生模型与物理实体的一致性程度综合评估结果；
24、所述主权权重计算采用层次分析法和模糊矩阵运算法相结本文档来自技高网...
【技术保护点】
1.一种含数字孪生和深度强化学习的大型公共建筑风水联调方法，其特征在于，所述大型公共建筑风水联调方法包括：
2.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述步骤S1中，所述源侧能源中心至少包括有供冷时的多台冷水机组、供热时的多台锅炉；所述站侧换热站的数量为多个，每个换热站与各自用户的空调通风装置、空调水系统相连接；
3.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述S2具体包括：
4.根据权利要求3所述的大型公共建筑风水联调方法，其特征在于，所述评估数字孪生模型的物理结构、运行状态与物体实体的一致性程度包括：
5.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述S3中，所述各楼栋内各用户建筑区域的功能包括：营业场所、办公场所；所述各楼栋内各用户建筑区域的功能会引起热负荷或冷负荷影响度不同，且不同功能区域所需负荷的时长不同；所述热负荷或冷负荷影响度定义为：
6.根据权利要求5所述的大型公共建筑风水联调方法，其特征在于，所述第一机器学习算法为ARIMA算法；所述第二机器学习算法为NBEATSx时序数据预测算法；所述第三机器学习算法为DELM深度极限学习机算法，并采用雪消融优化算法对DELM算法进行参数优化；所述强化学习算法为Q学习算法。
7.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述S4具体包括：
8.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述S5中，所述以通风能耗最小化、用水能耗最小化和各用户建筑区域温度偏差最小化为目标分别表示为：
9.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述S6具体包括：
10.根据权利要求9所述的大型公共建筑风水联调方法，其特征在于，所述深度强化学习TD3算法结构包括在线网络和目标网络；所述在线网络包括一个在线Actor网络和两个在线Critic网络；所述目标网络包括一个目标Actor网络和两个目标Critic网络。
...
【技术特征摘要】
1.一种含数字孪生和深度强化学习的大型公共建筑风水联调方法，其特征在于，所述大型公共建筑风水联调方法包括：
2.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述步骤s1中，所述源侧能源中心至少包括有供冷时的多台冷水机组、供热时的多台锅炉；所述站侧换热站的数量为多个，每个换热站与各自用户的空调通风装置、空调水系统相连接；
3.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述s2具体包括：
4.根据权利要求3所述的大型公共建筑风水联调方法，其特征在于，所述评估数字孪生模型的物理结构、运行状态与物体实体的一致性程度包括：
5.根据权利要求1所述的大型公共建筑风水联调方法，其特征在于，所述s3中，所述各楼栋内各用户建筑区域的功能包括：营业场所、办公场所；所述各楼栋内各用户建筑区域的功能会引起热负荷或冷负荷影响度不同，且不同功能区域所需负荷的时长不同；所述热负荷或冷负荷影响度定义为：
6.根据权利要求...
【专利技术属性】
技术研发人员：赵琼，刘定杰，裘天阅，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。