摘要
本发明提供了一种学习驱动自动化建筑能源管理方法，具体步骤：1.根据不同能源设备的结构和特性，建立一个可组合的虚拟能源系统数字孪生环境。2.在该虚拟环境中，明确系统的状态空间、动作空间及奖励函数。3.利用DQN算法，通过强化学习的方式，优化不同配置下的控制策略，并合理设置超参数。4.通过数值实验，验证基于DQN算法优化的控制策略在虚拟能源系统中的性能。本发明通过构建可组合的数字孪生虚拟仿真环境，并结合深度强化学习算法，实现了能源系统的智能调控。研究表明，即便在面对系统配置差异及数据获取难题的情况下，所提出的方法仍能够生成高效的控制策略，实现对温度的精准调节和能源消耗的显著降低。
