基于强化学习的室内温湿度联合控制方法研究

为解决目前风机盘管控制方法仅以室内温度作为单一控制对象且忽略湿度的问题,以采用风机盘管加新风系统的北京某办公建筑为研究对象,提出一种基于动作干预的强化学习控制方法对风机盘管的送风量进行调节,以期获得更佳的室内温度和相对湿度联合控制满足率。利用TensorFlow部署强化学习算法,在TRNSYS中建立建筑空调系统仿真模型,利用自开发的TRNSYS-Python联合仿真平台对所提算法进行训练、测试和评估。结果表明:与传统的通断控制和基于规则的控制方法相比,本研究提出的控制方法可以将室内温度和相对湿度联合控制满足率提高9.5%以上。可见该方法具有工程应用价值,为提高建筑室内热舒适提供了新的研究思路。