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基于深度强化学习的多参数耦合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：CN121364640B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511935684.9，技术领域涉及：G05B13/04；该发明授权基于深度强化学习的多参数耦合优化控制方法是由李辉设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本基于深度强化学习的多参数耦合优化控制方法在说明书摘要公布了：一种基于深度强化学习的多参数耦合优化控制方法，包括：实时采集建筑不同高度分区中冷冻水管网的末端阀门开度与压差数据，结合泵房出口压力与建筑高度差，构建水力状态模型。基于水力状态模型，提取关键补偿参数，并在冷冻水管网的初始动作空间中扩增分区差压补偿信号，以构建多参数动作空间。基于多参数动作空间，在仿真环境中训练深度强化学习策略，并在深度强化学习策略中引入水力约束。调用深度强化学习策略根据实时分区水力状态生成多个控制指令，以控制冷冻水管网中冷机、泵和风机的设定以及分区差压补偿信号。实时监测控制指令执行后高区末端的供水温度与流量，以验证建筑不同高度分区的水力状态是否满足预设目标阈值。

本发明授权基于深度强化学习的多参数耦合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多参数耦合优化控制方法，其特征在于，所述方法包括： 实时采集建筑不同高度分区中冷冻水管网的末端阀门开度与压差数据，结合泵房出口压力与建筑高度差，构建建筑高度分区的水力状态模型； 基于所述水力状态模型，提取关键补偿参数，并在所述冷冻水管网的初始动作空间中扩增分区差压补偿信号，以构建多参数动作空间； 基于所述多参数动作空间，在仿真环境中训练深度强化学习策略，并在所述深度强化学习策略中引入水力约束； 调用所述深度强化学习策略根据实时分区水力状态生成多个控制指令，以控制所述冷冻水管网中冷机、泵和风机的设定以及所述分区差压补偿信号； 实时监测所述控制指令执行后高区末端的供水温度与流量，以验证建筑不同高度分区的水力状态是否满足预设目标阈值； 其中，所述建筑不同高度分区分别为高区、中区与低区；所述关键补偿参数为高区末端最小压差数据以及中区和低区的阀门余量；所述初始动作空间为冷冻水供水温度、水泵转速、风机转速以及阀门开度； 所述基于所述多参数动作空间，在仿真环境中训练深度强化学习策略，并在所述深度强化学习策略中引入水力约束，包括： 获取建筑各高度分区的室内温湿度，并将所述室内温湿度写入所述多参数动作空间，同时对所述多参数动作空间和所述室内温湿度归一化处理至预设区间，得到归一化后的状态空间集合； 基于所述状态空间集合，构建以所述冷冻水管网系统总功率消耗为优化目标的奖励函数，并在所述奖励函数中引入峰值惩罚、所述水力约束以及舒适约束，得到复合奖励函数； 其中，所述水力约束为高区末端压差不允许低于设定阈值且中低区阀门开度不允许超过设定上限；所述舒适约束为所述室内温湿度满足设定温湿度范围； 所述基于所述多参数动作空间，在仿真环境中训练深度强化学习策略，并在所述深度强化学习策略中引入水力约束，还包括： 将所述多参数动作空间与所述深度强化学习策略关联，并以所述状态空间集合作为深度学习框架的输入，在仿真环境中进行深度强化学习训练，得到所述深度强化学习策略； 以所述复合奖励函数作为优化目标，将所述复合奖励函数引入所述深度强化学习策略。

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：210000 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。