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！

龙图腾网获悉国信科技(湖北)有限公司申请的专利基于人工智能的智慧建筑中暖通空调能耗节能控制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：CN119196865B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411247403.6，技术领域涉及：F24F11/46；该发明授权基于人工智能的智慧建筑中暖通空调能耗节能控制系统是由李建;李辉;胡东梅;万小迪;卢凯;王浩;田东山设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本基于人工智能的智慧建筑中暖通空调能耗节能控制系统在说明书摘要公布了：本发明涉及空调节能控制技术领域，具体为基于人工智能的智慧建筑中暖通空调能耗节能控制系统，包括制冷机建模单元、总能耗建模单元、目标建模单元、约束建模单元、能耗优化建模单元、模型求解单元、空调控制单元、状态预测单元和节能控制单元，还包括：风机建模单元，所述风机建模单元用于基于智慧建筑室内冷负荷、智慧建筑室内设定温度和送风温度构建目标暖通空调的风机出风模型。本发明利用风机建模单元、冷冻水泵建模单元和制冷机建模单元，通过建立和优化模型来精确预测和控制暖通空调系统的能耗，从而确保了对系统各个组件能耗的精准把控，从而最大限度地提高能效。

本发明授权基于人工智能的智慧建筑中暖通空调能耗节能控制系统在权利要求书中公布了：1.基于人工智能的智慧建筑中暖通空调能耗节能控制系统，包括制冷机建模单元3、总能耗建模单元4、目标建模单元5、约束建模单元6、能耗优化建模单元7、模型求解单元8、空调控制单元9、状态预测单元10和节能控制单元11，其特征在于： 风机建模单元1，所述风机建模单元1用于基于智慧建筑室内冷负荷、智慧建筑室内设定温度和送风温度构建目标暖通空调的风机出风模型，基于所述目标暖通空调的风机出风模型获取所述目标暖通空调的送风流量，基于所述目标暖通空调的送风流量构建所述目标暖通空调的风机能耗模型，基于所述目标暖通空调的风机能耗模型获取所述目标暖通空调的风机能耗，将所述目标暖通空调的送风流量传输至冷冻水泵建模单元2，将所述目标暖通空调的风机能耗传输至总能耗建模单元4； 冷冻水泵建模单元2，所述冷冻水泵建模单元2对风机建模单元1传输的所述目标暖通空调的送风流量进行接收，并用于基于所述送风温度、表冷器进风温度、冷冻水供回水温差和所述目标暖通空调的送风流量构建所述目标暖通空调的冷冻水泵冷冻模型，基于所述目标暖通空调的冷冻水泵冷冻模型获取所述目标暖通空调的冷冻水流量，基于所述目标暖通空调的冷冻水流量构建所述目标暖通空调的冷冻水泵能耗模型，基于所述目标暖通空调的冷冻水泵能耗模型获取所述目标暖通空调的冷冻水泵能耗，将所述目标暖通空调的冷冻水流量传输至制冷机建模单元3，将所述目标暖通空调的冷冻水泵能耗传输至总能耗建模单元4； 所述制冷机建模单元3对冷冻水泵建模单元2传输的所述目标暖通空调的冷冻水流量进行接收，并用于基于冷冻水出水温度、冷却水回水温度、所述冷冻水供回水温差和所述目标暖通空调的冷冻水流量构建所述目标暖通空调的制冷机性能模型，基于所述目标暖通空调的制冷机性能模型获取所述目标暖通空调的制冷机性能曲线，基于所述目标暖通空调的制冷机性能曲线构建所述目标暖通空调的制冷机能耗模型，基于所述目标暖通空调的制冷机能耗模型获取所述目标暖通空调的制冷机能耗，将所述目标暖通空调的制冷机能耗传输至总能耗建模单元4； 所述总能耗建模单元4对风机建模单元1传输的所述目标暖通空调的风机能耗、冷冻水泵建模单元2传输的所述目标暖通空调的冷冻水泵能耗和制冷机建模单元3传输的所述目标暖通空调的制冷机能耗进行接收，并用于基于所述目标暖通空调的风机能耗、冷冻水泵能耗和制冷机能耗构建所述目标暖通空调的总功率模型，基于所述目标暖通空调的总功率模型获取所述目标暖通空调的总功率，将所述目标暖通空调的总功率传输至目标建模单元5； 所述目标建模单元5对总能耗建模单元4传输的所述目标暖通空调的总功率进行接收，并用于使所述目标暖通空调的总功率最小为目标构建目标优化函数，将所述目标优化函数传输至能耗优化建模单元7； 所述约束建模单元6用于基于所述目标暖通空调的运行参数构建所述目标暖通空调的约束条件，将所述目标暖通空调的约束条件传输至能耗优化建模单元7； 所述能耗优化建模单元7对目标建模单元5传输的所述目标优化函数和约束建模单元6传输的所述目标暖通空调的约束条件进行接收，并用于基于所述目标优化函数和所述目标暖通空调的约束条件构建能耗优化模型，将所述能耗优化模型传输至模型求解单元8； 所述模型求解单元8对能耗优化建模单元7传输的所述能耗优化模型进行接收，并用于通过优化算法对所述能耗优化模型进行求解，以得到所述目标暖通空调的第一控制参数，将所述目标暖通空调的第一控制参数传输至空调控制单元9； 所述空调控制单元9对模型求解单元8传输的所述目标暖通空调的第一控制参数进行接收，并用于基于所述目标暖通空调的第一控制参数对所述目标暖通空调进行控制，并对所述目标暖通空调的运行状态数据进行实时监控，以得到所述目标暖通空调的运行状态数据，所述运行状态数据包括压缩机高压压力、压缩机低压压力、变频设备的实际频率、外机风扇输出风速、内机两个膨胀阀的开度、智慧建筑当前室内温度和当前目标暖通空调的能效比，将所述目标暖通空调的运行状态数据传输至状态预测单元10； 所述状态预测单元10对空调控制单元9传输的所述目标暖通空调的运行状态数据进行接收，并用于将所述目标暖通空调的运行状态数据输入至训练好的状态预测模型中，通过所述训练好的状态预测模型输出所述目标暖通空调下一预设时间的运行状态数据，所述状态预测模型采用神经网络模型，将所述目标暖通空调下一预设时间的运行状态数据传输至节能控制单元11； 所述节能控制单元11对状态预测单元10传输的所述目标暖通空调下一预设时间的室内温度和能效比进行接收，并用于基于所述目标暖通空调下一预设时间的室内温度和能效比通过强化学习构建所述目标暖通空调外机的第一智能体和所述目标暖通空调内机的第二智能体，对所述第一智能体和所述第二智能体进行求解，以得到所述目标暖通空调的第二控制参数，基于所述目标暖通空调的第二控制参数对所述目标暖通空调进行控制； 所述目标暖通空调外机的第一智能体包括第一状态、第一动作和第一奖励函数，所述第一状态表达式如下： ； 其中，表示第一状态，表示内机的设定温度，表示室外温度，表示下一预设时间的能效比，表示下一预设时间的室内温度； 所述第一动作表达式如下： ； 其中，表示第一动作，表示变频设备的实际频率，表示压缩机高压压力，表示压缩机低压压力，表示外机风扇输出风速； 所述第一奖励函数表达式如下： ； 其中，表示第一奖励函数； 所述目标暖通空调内机的第二智能体包括第二状态、第二动作和第二奖励函数，所述第二状态表达式如下： ； 其中，表示第二状态，表示第i个内机的设定温度，表示第i个内机的下一预设时间的室内温度； 所述第二动作表达式如下： ； 其中，表示第二动作，和表示内机的两个膨胀阀开度； 所述第二奖励函数表达式如下： ； 其中，表示第二奖励函数； 通过优化算法对所述能耗优化模型进行求解，以得到所述目标暖通空调的第一控制参数，包括以下步骤： A1、设定发现者占比，侦查者占比和警戒值，并对种群进行初始化，所述种群初始化公式如下： ； 其中，和表示种群中第个和第个个体，表示取余数函数； A2、计算所述种群中每个个体的适应度值，并按照所述适应度值的高低进行排序，在所述适应度值大于预设的适应度值阈值的个体中选出发现者，并对所述发现者的位置进行更新，所述发现者的位置更新公式如下： ； 其中，和表示种群中坐标为的发现者第次和第次迭代中在d维解空间的位置，表示决定发现者移动距离的随机数，表示决定发现者移动方向的随机数，表示第次迭代的当前发现者最优位置，和表示分割系数，表示安全阈值； A3、在从所述种群中选出所述发现者后，将所述种群中剩余的个体作为加入者，并对所述加入者的位置进行更新，所述加入者位置更新公式如下： ； 其中，和表示种群中坐标为的加入者第次和第次迭代中在d维解空间的位置，表示第次迭代的当前加入者全局最差位置，表示第次迭代的当前加入者的最优位置，表示随机数1或-1组成的矩阵，表示单位矩阵，表示种群中个体的总数； A4、在所述种群中随机选出侦查者，并对所述侦查者的位置进行更新，所述侦查者位置更新公式如下： 其中，表示种群中坐标为的侦查者第次和第次迭代中在d维解空间的位置，表示第次迭代的当前侦查者全局最差位置，表示第次迭代的当前侦查者的最优位置，表示随机数，其服从期望为0、方差为1的高斯分布，取10E-8，表示方向和步长的随机系数，表示侦查者的适应度值，和表示侦查者的最优适应度值和最差适应度值； A5、对当前最优解进行扰动，重新计算种群适应度，找出扰动后的最优解，所述当前最优解扰动公式如下： ； 其中，表示种群中坐标为的个体第次迭代中在d维解空间的位置，表示当前最优解，表示标准柯西分布函数； A6、判断是否达到终止条件，若达到终止条件，则输出最优个体位置及其适应度值，否则，则重复执行步骤A2。

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国信科技(湖北)有限公司，其通讯地址为：430000 湖北省武汉市洪山区梨园街道中北东路165号东湖尚郡2栋2302室-2；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。