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！

龙图腾网获悉湘潭大学申请的专利一种基于强化学习的变容热水器需求响应优化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：CN115879362B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202211128919.X，技术领域涉及：G06F30/27；该发明授权一种基于强化学习的变容热水器需求响应优化方法是由苏永新;徐梦瑶;陈磊;谭貌;彭寒梅;陈颉设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种基于强化学习的变容热水器需求响应优化方法在说明书摘要公布了：本发明公开了一种基于强化学习的变容热水器需求响应优化方法，其核心步骤为：1建立变容热水器运行的水温和水量安全约束；2获取电网未来24小时的能源价格数据以及预测的用户未来24小时热水需求量，生成未来能源价格趋势信号和未来热水需求量趋势信号；3建立基于DQN的变容热水器需求响应优化的强化学习模型；4根据强化学习输出的控制动作，维持实际变容量热水器运行。本发明提出的方法满足实时性要求，同时能够应对调度过程中的不确定性，实现变容热水器需求响应的自动优化，不仅节约了能源，还减少了用户的电费支出。

本发明授权一种基于强化学习的变容热水器需求响应优化方法在权利要求书中公布了：1.一种基于强化学习的变容热水器需求响应优化方法，其特征在于，包含以下步骤： 步骤S1：根据用户用水舒适温度建立热水舒适温度约束，根据灭菌温度要求建立灭菌温度约束，根据变容热水器的安全使用要求建立水量约束，其中，灭菌温度要求为将热水器的水温每天至少一次保持60℃以上，且持续时间为11分钟以上； 步骤S2：获取电网未来24小时的能源价格数据概率分布以及预测的用户未来24小时热水需求量概率分布，根据能源价格数据生成未来能源价格趋势信号，根据预测的热水需求量生成未来热水需求量趋势信号，包括以下步骤： 步骤S201：从其他专用设备获取未来24小时的预测的用户热水需求量数据均值μD和能源价格数据均值μE，热水需求量和能源价格具有很大的不确定性，在各区间内分别服从正态分布，，其中和为不确定量的方差，分别取0.05μD和0.05μE； 步骤S202：在每次迭代中按正态分布随机采样得到具有不确定性的热水需求量数据和能源价格数据分别为Dn，En；设趋势区间长度为m，m为热水器控制周期t的整数倍，第n时段的热水需求量趋势数据RD,n为[n+1,n+m]时间段上的热水需求量数据均值μD与n时段的热水需求量数据Dn的差值；同理，第n时段的能源价格趋势数据RE,n为[n+1,n+m]时间段上的能源价格数据均值μE与n时段的能源价格数据En的差值； 步骤S3：包括以下步骤： 步骤S301：获取n时段的变容热水器热水温度Tn和热水水量Vn；通过步骤S2获取的未来24小时用户热水需求量数据D和能源价格数据E，将N个时段的用户热水需求量数据和能源价格数据分别加和并求平均，计算出回合整体用户热水需求量均值AD和回合整体能源价格均值AE；然后计算n时段的能源价格离差LE,n和用户热水需求量离差LD,n，其中能源价格离差LE,n为第n时段的能源价格数据En与回合整体能源价格均值AE,n的差值，用户热水需求量离差LD,n为第n时段的热水需求量数据Dn与回合整体用户热水需求量均值AD,n的差值； 步骤S302：设计强化学习的状态量，第n时段的状态量sn设计为sn={n,Tn,Vn,AE,AD,LE,n,LD,n,RE,n,RD,n}，包括当前时段n，第n时段的变容热水器热水温度Tn、热水水量Vn、回合整体能源价格均值AE、回合整体用户热水需求量均值AD、能源价格离差LE,n、用户热水需求量离差LD,n、热水需求趋势数据DE,n和未来能源价格趋势数据RE,n； 步骤S303：设计强化学习的动作空间，第n时段的控制动作组合an包括控制加热开关的动作X1,n和控制加水开关的动作X2,n； 步骤S304：通过S301获取的n时段的变容热水器热水温度Tn和热水水量Vn得到违背约束热水舒适温度约束标志C1,n和违背水量约束标志C2,n，当满足TnTmin或TmaxTn时，违背约束热水舒适温度约束标志C1,n=1，反之C1,n=0；当满足VnVmin或VmaxVn时，违背水量约束标志C2,n=1，反之C2,n=0；一个回合结束后，通过获取的回合内所有时段的热水温度Tn,n=1,2,…,N得到违背灭菌温度约束标志C3,n，当满足max{Tn,n=1,2,…,N}Th时，C3,n=1，反之C3,n=0； 步骤S305：设计强化学习的回报函数，第n时段的立即回报rn=-tPEnX1,n-αC1,n+C2,n，tPEnX1,n部分为用能成本，其中t是一个控制周期，αC1,n+C2,n部分为违背热水舒适温度约束和水量约束违约惩罚，其中P为变容热水器的额定功率，En为第n时段的能源价格，α为惩罚系数，取正值，大于tPEn，默认取3tPEn；第k个训练回合的总回报，为违背灭菌温度约束违约惩罚，β为惩罚系数，灭菌温度约束只有在一轮训练完成后，才能判断是否违约； 步骤S306：建立基于DQN的变容热水器需求响应优化的深度强化学习网络； 步骤S307：建立基于DQN的变容热水器需求响应优化的深度强化学习训练算法； 步骤S4：基于DQN的变容热水器需求响应优化的强化学习模型训练至收敛后，强化学习输出加热开关、加水开关控制动作给变容热水器，支配变容量热水器运行。

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湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区湘潭大学；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。