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！

龙图腾网获悉上海碳趣科技有限公司申请的专利一种基于深度强化学习的机房水冷空调节能智控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：CN118859769B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410805360.2，技术领域涉及：G05B19/042；该发明授权一种基于深度强化学习的机房水冷空调节能智控方法是由高磊华设计研发完成，并于2024-06-21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机房水冷空调节能智控方法在说明书摘要公布了：本发明涉及一种基于深度强化学习的机房水冷空调节能智控方法，属于空调节能控制技术领域。其中，该方法包括：获取空调运行数据、环境信息数据、空间信息数据，根据空间信息数据建立几何模型；对几何模型进行属性配置并生成数字网格图；通过环境信息数据定义全局控制量，根据全局控制量对几何模型进行有效性判定，对符合有效性的模型进行可视化处理得到模型展示结果图；根据模型展示结果图并优化调整空调末端需求参数并构建深度强化学习控制器；深度强化学习控制器以能耗最低为优化目标挖掘最低能耗控制策略得到控制参数，空调系统根据控制参数自动设定运行参数。实现了机房多主机空调的智能启停，优化机房或数据中心内存在的局部热点问题。

本发明授权一种基于深度强化学习的机房水冷空调节能智控方法在权利要求书中公布了：1.一种基于深度强化学习的机房水冷空调节能智控方法，其特征在于，包括： S1：获取空调运行数据、环境信息数据、空间信息数据；根据所述空间信息数据以及机房设备参数建立几何模型； S2：通过属性编辑器对所述几何模型中的物块添加材质和尺寸信息，根据所述材质和尺寸信息对所述几何模型进行网格生成，得到基于几何模型的数字网格图； S3：通过所述环境信息数据定义全局控制量，在所述数字网格图内根据所述全局控制量计算对应的几何模型的收敛度，预设模型有效性判定阈值，若所述收敛度大于所述模型有效性判定阈值，则执行所述S2的步骤重新生成数字网格图，若所述收敛度小于所述模型有效性判定阈值，则对所述几何模型进行可视化处理得到模型展示结果图； S4：提取所述模型展示结果图中的局部热点和气流死角，根据所述局部热点和所述气流死角优化调整所述空调运行数据中的空调末端需求参数，将优化后的所述空调末端需求参数作为空调末端边界约束要求并构建深度强化学习控制器； 所述全局控制量包括散热方式、流态、辐射、迭代次数，所述流态根据雷诺数与佩克莱特数得到，具体包括层流和湍流形式，所述辐射具体包括电磁辐射和红外辐射，所述散热方式具体包括自然对流散热和强制对流散热，所述自然对流散热为由温度差引起的空气或流体的自发流动进行的热量传递，所述强制对流散热为通过空调设备强制流动流体来进行热量传递，所述迭代次数设置为300次； 所述深度强化学习控制器以能源管理采集的机组数据作为环境状态，将所述空调末端需求参数作为空调末端边界约束要求，并以可调参数集合作为控制动作，通过设定降低能耗的所述控制动作为奖励，所述控制动作产生的环境温度上升作为惩罚生成自动控制策略，所述控制动作的逼近动作价值函数为： ， 其中，s为当前状态，a为当前控制动作，s 1为下一状态，a 1为优化后的控制动作，Qs,a为执行s状态下a动作的价值，r为执行动作a后获得的即时奖励，ps 1,rǀs,a为状态转移概率，在当前状态s执行动作a后转移到下一个状态s 1并获得奖励r的概率，γ为折扣因子，表示对未来奖励的重视程度，max a1 Qs 1,a 1：下一个状态s 1中选择最优动作a 1的动作价值函数的最大值； S5：所述深度强化学习控制器以能耗最低为优化目标挖掘最低能耗控制策略得到控制参数，空调系统根据所述控制参数自动设定运行参数。

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上海碳趣科技有限公司，其通讯地址为：200336 上海市长宁区天山路600弄4号28A室；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”。

以上内容由龙图腾AI智能生成。