一种基于深度强化学习的中央空调净化方法及系统

本发明涉及能源管理技术领域，具体为一种基于深度强化学习的中央空调净化方法及系统。具体实现方法为：获取室内外环境参数和ASHRAE数据集，并对所得数据进行预处理；使用ASHRAE数据集训练前馈神经网络，通过已训练好的神经网络预测室内环境中个体的热舒适度；通过人口密度检测方法准确地识别和统计出建筑内不同区域的人员分布情况，提供关键的人流密度信息；定义MDP模型，包括状态空间、动作空间、奖励函数、转移函数和折扣因子；通过PRE‑DDPG算法，系统根据实时收集的环境数据和人员需求动态调整空调运行参数，以最大程度地净化室内空气质量和提升舒适性，同时有效节约能源消耗，符合节能减排的现代化建筑管理理念。