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！

龙图腾网获悉浙江大学申请的专利一种结合鲁棒马尔可夫与SAC算法的多建筑能量管理方法及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：CN119784114B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510281576.8，技术领域涉及：G06Q10/0631；该发明授权一种结合鲁棒马尔可夫与SAC算法的多建筑能量管理方法及系统是由方海豹;孙铭阳;赵世一设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本一种结合鲁棒马尔可夫与SAC算法的多建筑能量管理方法及系统在说明书摘要公布了：本发明公开了一种结合鲁棒马尔可夫与SAC算法的多建筑能量管理方法及系统，包括：获取建筑能量消耗、储能情况和环境信息，构成多建筑环境仿真系统；对多建筑环境进行建模，利用结合鲁棒SAC（软演员评论家算法）进行能量管理策略优化；通过数据处理模块处理观察值、奖励和动作，输入强化学习代理模块进行训练；强化学习代理模块包括改进的神经网络模型、经验回放缓冲区和优化的策略算法，通过训练优化能量管理策略；该发明提供了一种在复杂多变环境下，通过结合鲁棒马尔可夫和SAC算法实现智能动态能量管理的方法，有效提高了系统的整体能效和稳定性，并引入了气象数据和市场电价等外部数据源，提高决策的准确性和经济性。

本发明授权一种结合鲁棒马尔可夫与SAC算法的多建筑能量管理方法及系统在权利要求书中公布了：1.一种结合鲁棒马尔可夫与SAC算法的多建筑能量管理方法，其特征在于，包括如下步骤： 步骤1：采集建筑能源管理系统的历史运行数据，并利用梯度增强决策树GBDT构建建筑能源特性模型，预测建筑在未来时刻的建筑能源需求； 步骤2：引入自然代理建模不确定性，其具体内容为： 利用已训练的GBDT模型计算建筑能源需求在时刻t的预测残差： ； 其中为建筑真实的建筑能源需求；为GBDT模型输入的建筑能源管理系统的运行数据，由于残差分布较为复杂，使用混合高斯模型捕捉多模态特性：其中K为高斯分布的数量，为每个高斯分布的权重，为每个高斯分布的均值，为每个高斯分布的方差，残差分布； 步骤3：根据残差分布，构造一个包含不确定性的动态环境，包括：从建模的残差分布中随机采样扰动，动态调整GBDT的预测值，得到包含GBDT的确定性预测和不确定性扰动的动态环境中时刻t的建筑能源需求； 步骤4：构建基于SAC算法的低碳能源调度模型，包括：强化学习代理根据观察值和策略模型生成动作，并从环境中获取奖励和下一状态，将经验存储到回放缓冲区中，定期进行策略更新； 构建基于SAC算法的低碳能源调度模型，其具体内容为： 定义强化学习问题的状态、动作和奖励函数，其中状态集合S包括建筑当前的环境信息和设备状态：，为时刻t的状态集合，为动态环境中时刻t的建筑能源需求，为储能状态特征，为天气特征，为时间特征；动作集合A包括可控变量：，为时刻t动作集合，为储能系统的充电和放电功率，为供暖功率，为制冷功率； 奖励函数r：综合考虑能源成本、碳排放、负载平滑性和鲁棒性： ； 其中，，，，为权重系数，为在状态集合下选择动作集合的奖励函数； 构建SAC所需的以下五个神经网络：一个策略网络：输入状态，输出动作；一个状态值网络：输入状态、动作，输出为策略下的动作价值函数的映射，为映射策略；一个目标状态值网络:用于稳定训练；两个状态动作值网络和：输入，输出动作价值； 记忆库初始化:创建一个经验回放缓冲区D，用于存储交互数据，为时刻t的奖励函数值，以支持网络的梯度更新，设置记忆库容量； 初始化策略网络、状态值网络、目标状态值网络以及状态动作值网络和； 步骤5：将所述低碳能源调度模型部署到实际系统中，实时指导建筑能源系统的优化控制。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；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”。