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！

龙图腾网获悉西安交通大学申请的专利基于强化学习的通用基站温控方法和系统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：CN116578134B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310678767.9，技术领域涉及：G05D23/20；该发明授权基于强化学习的通用基站温控方法和系统是由徐占伯;刘靓;刘亚萍;周睿璇;吴江设计研发完成，并于2023-06-08向国家知识产权局提交的专利申请。

本基于强化学习的通用基站温控方法和系统在说明书摘要公布了：本发明公开了基于强化学习的通用基站温控方法和系统，该系统由信息感知系统、中央处理器、智能控制器、基站空调系统以及机房动环监控系统组成。该方法使用机房动环监控系统提供的数据作为方法的输入，并且可以部署在BBU中，无需过多额外硬件投入来获取输入信息和部署算法。该方法在数据质量好、数据源丰富的基站进行本地模型推理，构建模型库；对于数据少、数据准备度较差的基站，通过集成学习和迁移学习的技术手段，获得迁移模型和初始控制控制策略，实现在无数据积累和输入少量参数的情况下有效地从现有数据中学习，提升方法对于不同基站的可迁移性和泛化能力；后续通过强化学习的技术手段，利用收集的数据进行本地模型推理，优化控制策略。

本发明授权基于强化学习的通用基站温控方法和系统在权利要求书中公布了：1.基于强化学习的通用基站温控方法，其特征在于，包括以下步骤： S1、利用符合要求的基站数据进行本地模型推理，得到本地模型，并利用本地模型的参数进行全局模型聚合得到模型库； S2、判断基站是否为符合要求的基站：若该基站符合要求，执行S8和S10；否则跳转至S3； S3、获取基站基础信息，将基站的基础信息与模型库进行基于聚类的匹配得到迁移模型； S4、获取天气信息、动环监控系统反馈的数据，并构建数据集； S5、根据数据集构建训练集进行训练，得到基站站点热环境模型； S6、进行本地模型推理：利用数据集和基站站点热环境模型训练Q-table，得到本地模型； S7、判断本地模型是否优于迁移模型；若是则执行S8；否则，执行S9； S8、根据本地模型推理得到的Q-Table选择动作； S9、根据站点当前状态和迁移模型选择动作； S10、得到S8或S9输出的动作，根据设定的空调温度设定点和动作之间的关系输出温度控制策略； 所述步骤S1中，模型库通过以下步骤构建： S1.1、对于每个符合要求的基站：获取站点已有的数据，所述数据包括站点基础信息、外界天气历史数据和动环监控系统历史数据，并构建站点基础信息向量； S1.2、将获取的数据进行数据预处理，根据预处理后的数据构建数据集，其中，，为所有蓄电池在t时刻的表面温度，为第i组蓄电池在t时刻的温度，i=1,…,，为蓄电池的数量；为所有BBU在t时刻的入风温度，为第j个BBU在t时刻的入风温度,j=1,…,，为BBU的数量；为动环监控系统监测的室内温度；为室外温度特征；为空调功率特征； S1.3、建立STGCN模型，处理S1.2得到的数据集得到训练集并训练STGCN，得到基站站点热环境模型； S1.4、进而利用数据集和基站站点热环境模型更新Q-Table，得到本地模型，本地模型包括Q-Table和站点基础信息向量；Q-Table以表格形式存储状态-动作对s,a的动作价值函数； S1.5、将本地模型上传至云平台进行全局模型聚合得到模型库； 所述步骤S3包括以下步骤： S3.1、取出模型库中的基站基础信息，用基站基础信息和构成样本集； S3.2、设定降维后的维度、聚类后的维度、簇划分后所在簇大小的阈值，进行聚类，得到聚类后的簇划分； S3.3、设所在簇的样本为；若，取出模型库中对应的Q表；否则取出模型库的所有Q-Table：；得到迁移模型，迁移模型包括和在聚类过程中得到的各与之间的相似度，为与对应的基站基础信息向量，表示包含的Q-Table的数量。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28号；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。