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申请的专利一种基于深度强化学习的风冷空调系统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：CN120819886B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511308573.5，技术领域涉及：F24F11/64；该发明授权一种基于深度强化学习的风冷空调系统节能优化控制方法是由李辉设计研发完成，并于2025-09-15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风冷空调系统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风冷空调系统节能优化控制方法，涉及空调节能优化控制技术领域，该方法的步骤包括：采集风冷空调系统的运行状态数据并进行预处理；分析动作空间参数变化引起状态空间参数变化的敏感程度构建状态‑动作敏感度；基于状态‑动作敏感度分析敏感区域的密度分布特征构建粗区域分区和粗区域敏感密度；基于粗区域敏感密度分析Q值表中的分割粒度，并构建自适应分割粒度；基于自适应分割粒度对Q‑Learning强化学习算法中的状态空间与动作空间进行离散化处理。本发明解决了在风冷空调化控制过程中，通过强化学习算法离散化处理时，容易导致控制精度不足，无法实现对空调系统的精确调控的问题。

本发明授权一种基于深度强化学习的风冷空调系统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风冷空调系统节能优化控制方法，其特征在于：包括以下步骤： S1、采集风冷空调系统的运行状态数据并进行预处理； S2、分析动作空间参数变化引起状态空间参数变化的敏感程度构建状态-动作敏感度； S3、基于所述状态-动作敏感度分析敏感区域的密度分布特征构建粗区域分区，并计算粗区域分区的粗区域敏感密度； S4、基于所述粗区域敏感密度分析Q值表中的分割粒度，并构建自适应分割粒度； S5、基于所述自适应分割粒度对Q-Learning强化学习算法中的状态空间与动作空间进行离散化处理，并构建Q值表，实现对风冷空调的节能优化控制； 步骤S1中，所述运行状态数据包括状态空间参数和动作空间参数；所述状态空间参数的数据包括：室内温度数据、室外温度数据、室内相对湿度数据、室内二氧化碳浓度数据和系统总耗电功率数据；所述动作空间参数的数据包括：空调主机压缩机的运行频率和室内风机转速； 根据拉依达准则剔除传感器异常值；采用基于相邻时刻数据的线性插值法对缺失值进行填充处理；并采用最大最小归一化方法将所有运行状态数据中的数据进行归一化处理，形成标准化的时间序列数据集；所述状态-动作敏感度的构建过程包括： 以t时刻为例，取最近邻N个时刻构成一个时间窗，分别将一个时刻的状态空间参数、动作空间参数所构成的向量分别记为状态向量、动作向量；通过相邻时刻状态向量的变化来评估动作向量的敏感程度，则状态-动作敏感度计算公式为： 其中，表示t时刻的状态-动作敏感度，N表示时间窗内的时刻数量，和分别表示t时刻所对应的时间窗内第个和第个状态向量，表示t时刻所对应的时间窗内第个动作向量，表示向量取模函数，表示超参数； 所述基于所述状态-动作敏感度分析敏感区域的密度分布特征构建粗区域分区的具体过程包括： 将t时刻与时刻状态向量的差记为时刻的状态差向量，将时刻的状态差向量与动作向量进行合并，构成一个状态-动作参数向量，将采集到的历史时刻的状态-动作参数向量作为K-means聚类算法的输入，通过手肘法确定最佳聚类数K，输出为聚类后的状态空间参数数据所构成的K个聚类簇，将一个聚类簇内状态空间参数数据所构成的区域记为一个粗区域分区，在该聚类簇内状态-动作参数向量所对应的时刻中，将聚类簇内所有时刻状态-动作敏感度的均值记为该聚类簇的中心特征值。

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，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”。

以上内容由龙图腾AI智能生成。