[发明专利]一种基于EnergyPlus的建筑能源系统自适应优化方法

权利要求书

1.一种基于EnergyPlus的建筑能源系统自适应优化方法，其特征在于，该方法包括以下步骤：

步骤(1)：获取现实建筑的建筑参数，并通过sketchup软件制作该建筑对应的3D模型，转换为idf格式文件；

步骤(2)：将建筑对应的idf模型文件同建筑所在区域的气象数据文件一起输入EnegyPlus软件；

步骤(3)：在EnergyPlus软件设定建筑能源系统中电力设备的参数，使其与现实中建筑能源系统设备参数保持一致；

步骤(4)：获取建筑能源系统在EnergyPlus软件模拟运行产生的数据，选择部分数据作为该建筑的状态变量，并生成用于决策模型训练的历史数据集；

步骤(5)：使用强化学习算法和获取的训练数据训练决策模型，对决策模型参数进行迭代更新，直到达到预先设定的迭代次数；

步骤(6)：固定训练完成的决策模型参数，根据当前建筑能源系统状态，输入决策模型获得建筑能源系统在该调度周期的调度决策并执行。

2.根据权利要求1所述的一种基于EnergyPlus的建筑能源系统自适应优化方法，其特征在于，所述步骤(1)中的建筑系参数包括建筑结构、建筑材料、窗户材料及屋顶材料。

3.根据权利要求1所述的一种基于EnergyPlus的建筑能源系统自适应优化方法，其特征在于，所述步骤(2)中的气象数据是指用于模拟现实建筑运行的天气数据，所述气象数据包括晴雨指数、太阳辐射角度、太阳辐射强度参数，通过EnergyPlus软件模拟建筑物的采暖、通风、照明及其它能源消耗，并且，该软件具有可再生能源模块，用于模拟建筑物中可再生能源设备的运行，通过该软件模拟运行获得的建筑能耗数据作为真实的建筑运行数据。

4.根据权利要求1所述的一种基于EnergyPlus的建筑能源系统自适应优化方法，其特征在于，所述步骤(3)中的设备参数包括建筑内设备额定功率、设备产电产热效率及二氧化碳排放量，获取电价、天然气价及电储能充放电折旧成本以计算建筑能源系统的总运行成本。

5.根据权利要求1所述的一种基于EnergyPlus的建筑能源系统自适应优化方法，其特征在于，所述步骤(4)中所选部分数据为电负荷需求量、热负荷需求量、可再生能源发电功率、电储能荷电状态及调度时段，使用所选部分数据构成建筑的状态变量，并通过EnergyPlus软件中建筑的模拟运行获得预设时长内的历史数据。

6.根据权利要求1所述的一种基于EnergyPlus的建筑能源系统自适应优化方法，其特征在于，所述步骤(5)中使用的强化学习算法为DDPG算法，该算法具有两个独立的动作网络和值网络，分别输出决策动作和决策奖励，决策动作由热电联机组充放电功率、电储能充放电功率燃气锅炉输出热功率三个变量组成，决策奖励为值网络对该状态下执行该决策动作降低系统运行成本的估计值，DDPG算法步骤如下：

步骤(5.1)：确定迭代训练次数及调度周期长度，初始化第一经验回放池和调度时刻，并增加一个设置准入条件的第二经验回放池；

步骤(5.2)：从历史数据集中随机选择状态作为建筑能源系统的初始状态变量；

步骤(5.3)：将初始状态变量输入动作网络得到决策动作，并对决策动作叠加随机噪声，对EnergyPlus中的虚拟建筑模型执行该决策动作，获得建筑能源系统的下一个状态变量；

步骤(5.4)：计算建筑能源系统转移至下一个状态所获得的即时奖励，该即时奖励为状态转移过程中建筑能源系统运行成本的倒数与减少的碳排放量之和，并将当前状态变量、决策动作、下一个状态变量及即时奖励组成的状态转移过程储存至经验回放池，根据是否满足准入条件选择第一经验回放池或第二经验回放池存放；

步骤(5.5)：若不满足调度周期长度要求，则从两个经验回放池中各随机抽取一定数量的状态转移过程用于更新值网络和动作网络参数，并跳至步骤(5.3)；

步骤(5.6)：检查迭代训练次数是否满足要求，若不满足则跳至步骤(5.2)，满足则结束训练，获得训练完成的决策模型。