基于Q-learning和自适应网络约束的空调节能控制方法研究
唐杰
林进华
珠海格力电器股份有限公司 广东珠海 519070
摘要：提出了一种基于Q-learning和自适应网络约束的空调节能控制方法,以解决传统积分微分控制(PID)下空调能耗过高的问题.首先,利用专家系统和Reward函数构建奖励矩阵,并将其元素对应的空调运行参数划分为数据集A和B.其次,初始化径向基函数(Radial Basis Function)神经网络模型,以数据集A为训练数据对建构网络进行训练,使用数据集B对网络约束模型进行验证,直到准确率达到90％以上.最后,将网络约束模型与强化学习的Q-learning策略相结合,实现空调运行的最优策略决策.实验结果表明,在满足用户舒适性的前提下,该算法相较于传统的空调控制逻辑,能够实现节能效果.
关键词：专家系统径向基神经网络强化学习舒适节能
分类号：TM925.1(电气化、电能应用)TB6(制冷工程)
论文发表日期：2024-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 46-50 )
英文信息