買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學申請的專利一種結合魯棒馬爾可夫與SAC算法的多建筑能量管理方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119784114B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510281576.8，技術領域涉及：G06Q10/0631；該發明授權一種結合魯棒馬爾可夫與SAC算法的多建筑能量管理方法及系統是由方海豹;孫銘陽;趙世一設計研發完成，并于2025-03-11向國家知識產權局提交的專利申請。

本一種結合魯棒馬爾可夫與SAC算法的多建筑能量管理方法及系統在說明書摘要公布了：本發明公開了一種結合魯棒馬爾可夫與SAC算法的多建筑能量管理方法及系統，包括：獲取建筑能量消耗、儲能情況和環境信息，構成多建筑環境仿真系統；對多建筑環境進行建模，利用結合魯棒SAC（軟演員評論家算法）進行能量管理策略優化；通過數據處理模塊處理觀察值、獎勵和動作，輸入強化學習代理模塊進行訓練；強化學習代理模塊包括改進的神經網絡模型、經驗回放緩沖區和優化的策略算法，通過訓練優化能量管理策略；該發明提供了一種在復雜多變環境下，通過結合魯棒馬爾可夫和SAC算法實現智能動態能量管理的方法，有效提高了系統的整體能效和穩定性，并引入了氣象數據和市場電價等外部數據源，提高決策的準確性和經濟性。

本發明授權一種結合魯棒馬爾可夫與SAC算法的多建筑能量管理方法及系統在權利要求書中公布了：1.一種結合魯棒馬爾可夫與SAC算法的多建筑能量管理方法，其特征在于，包括如下步驟： 步驟1：采集建筑能源管理系統的歷史運行數據，并利用梯度增強決策樹GBDT構建建筑能源特性模型，預測建筑在未來時刻的建筑能源需求； 步驟2：引入自然代理建模不確定性，其具體內容為： 利用已訓練的GBDT模型計算建筑能源需求在時刻t的預測殘差： ； 其中為建筑真實的建筑能源需求；為GBDT模型輸入的建筑能源管理系統的運行數據，由于殘差分布較為復雜，使用混合高斯模型捕捉多模態特性：其中K為高斯分布的數量，為每個高斯分布的權重，為每個高斯分布的均值，為每個高斯分布的方差，殘差分布； 步驟3：根據殘差分布，構造一個包含不確定性的動態環境，包括：從建模的殘差分布中隨機采樣擾動，動態調整GBDT的預測值，得到包含GBDT的確定性預測和不確定性擾動的動態環境中時刻t的建筑能源需求； 步驟4：構建基于SAC算法的低碳能源調度模型，包括：強化學習代理根據觀察值和策略模型生成動作，并從環境中獲取獎勵和下一狀態，將經驗存儲到回放緩沖區中，定期進行策略更新； 構建基于SAC算法的低碳能源調度模型，其具體內容為： 定義強化學習問題的狀態、動作和獎勵函數，其中狀態集合S包括建筑當前的環境信息和設備狀態：，為時刻t的狀態集合，為動態環境中時刻t的建筑能源需求，為儲能狀態特征，為天氣特征，為時間特征；動作集合A包括可控變量：，為時刻t動作集合，為儲能系統的充電和放電功率，為供暖功率，為制冷功率； 獎勵函數r：綜合考慮能源成本、碳排放、負載平滑性和魯棒性： ； 其中，，，，為權重系數，為在狀態集合下選擇動作集合的獎勵函數； 構建SAC所需的以下五個神經網絡：一個策略網絡：輸入狀態，輸出動作；一個狀態值網絡：輸入狀態、動作，輸出為策略下的動作價值函數的映射，為映射策略；一個目標狀態值網絡:用于穩定訓練；兩個狀態動作值網絡和：輸入，輸出動作價值； 記憶庫初始化:創建一個經驗回放緩沖區D，用于存儲交互數據，為時刻t的獎勵函數值，以支持網絡的梯度更新，設置記憶庫容量； 初始化策略網絡、狀態值網絡、目標狀態值網絡以及狀態動作值網絡和； 步驟5：將所述低碳能源調度模型部署到實際系統中，實時指導建筑能源系統的優化控制。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。