一种基于物理先验神经网络的空调建筑系统负荷建模方法及系统

本发明公开了一种基于物理先验神经网络的空调建筑系统负荷建模方法及系统，涉及空调建筑系统负荷领域，方法包括：将空调建筑系统的热力学负荷动态演变过程建模为离散时间马尔科夫决策过程；建立相应的物理先验神经网络架构；对单热源加热的房间场景进行仿真生成训练数据，明确其中状态以及动作空间的物理意义，更新损失函数形式；训练物理先验神经网络并进行超参数调优，分别在仿真以及实际场景的测试数据集上验证其预测性能；本发明实现对空调建筑系统温度及功率的精准建模以及控制，相较传统神经网络更快地收敛，并且对训练数据的需求更少，有着更好的泛化性能以及更高的可扩展性部署潜力。