买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京深度智控科技有限公司;深度智控(广东)智慧能源有限公司申请的专利一种基于深度强化学习的制冷机房节能优化控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120494453B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510984129.9，技术领域涉及：G06Q10/0631；该发明授权一种基于深度强化学习的制冷机房节能优化控制方法是由李辉;路晓阳设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种基于深度强化学习的制冷机房节能优化控制方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的制冷机房节能优化控制方法，涉及机房制冷技术领域，该方法的步骤包括：根据机柜间距对机房进行自组织热网格划分，得到初始冷却分区，并实时计算分区内负载状态；检测每个机柜的每个U位是否存在设备，若检测存在空位，运行冷气泄露路径监测策略，实时监测每个冷却分区机柜前端空置U位热分布，自动识别冷气泄漏路径，得到每个冷却分区的补偿风量；如果检测存在设备，则直接运行风量配置算法，将冷却分区内负载状态、补偿风量、电缆密度作为风量配置算法的输入，得到每个出风口的风量及角度。解决了空挡板缺失造成的风洞效应使大量冷气通过空位直接泄向热通道或机房地面，冷气利用率大幅下降的问题。

本发明授权一种基于深度强化学习的制冷机房节能优化控制方法在权利要求书中公布了：1.一种基于深度强化学习的制冷机房节能优化控制方法，其特征在于：包括以下步骤： S1、根据机柜间距对机房进行自组织热网格划分，得到初始冷却分区，并实时计算分区内负载状态； S2、检测每个机柜的每个U位是否存在设备，若检测存在空位，则运行S3；如果检测存在设备，则直接运行S4； S3、设置冷气泄露路径监测策略，实时监测每个冷却分区机柜前端空置U位热分布，自动识别冷气泄漏路径，得到每个冷却分区的补偿风量； S4、构建风量配置算法，将冷却分区内负载状态、补偿风量作为风量配置算法的输入，结合冷却分区内电缆密度，得到每个出风口的风量及角度； 所述自组织热网格划分过程包括： S11、将机房平面划分为大小一致的M×N的二维网格； S12、对每台机柜j，在其周围r个网格单元内均匀释放个虚拟热粒子，每个网格单元通过虚拟热粒子在网格上连续游走，每个虚拟热粒子在网格上按温度势能迭代规则移动，能量最高的网格点成为该机柜的热核心，通过热核心吸引周围机柜，相邻热核心自然汇聚，形成分区边界，对每个热核心分区，将其覆盖的机柜集合收集，即完成初始冷却分区； S13、提取每个初始冷却分区对应的机柜数量，并通过机柜U位数量计算分区内负载状态； 所述冷气泄露路径监测策略具体步骤包括： S31、在顶部或机柜前方布置红外相机，输出热图序列，表示分区内U位坐标，并对热图序列去噪得到平滑温度场； S32、同步采集每个U位的静态差压与动态流速信号，将温度梯度与压差梯度共同作为泄漏威胁输入，并通过设置目标进风温度定义每个U位的泄漏威胁； S33、将泄漏威胁排名前5%的U位作为起点集，将对应分区边界处的回风口或冷通道出口作为终点； S34、设置泄漏代价函数，其中表示U位间的距离，l表示分区内U位的数量； S35、输出每个冷却分区最小泄漏代价函数对应的路径，得到每个冷却分区补偿风量； 所述风量配置算法具体步骤包括： S41、随机生成粒子风量和角度，每个粒子用一个向量表示所有配置； S42、根据每个粒子的风量和角度配置，将冷却分区内负载状态、补偿风量作为输入，创建温度平衡模型，得到适应度函数fit； S43、在粒子更新后，按照粒子接受机制接受当前解对应的风量风向配置； S44、当适应度函数fit达到设定的最大迭代次数或达到设定的收敛阈值时，停止迭代，并输出当前风量和角度配置，否则返回步骤S42继续迭代。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京深度智控科技有限公司;深度智控(广东)智慧能源有限公司，其通讯地址为：211800 江苏省南京市江北新区星火路17号创智大厦A座6层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。