一种基于强化学习的暖通控制方法、设备及介质

本说明书实施例公开了一种基于强化学习的暖通控制方法、设备及介质，涉及暖通控制技术领域，方法包括：利用预先构建的Mamba时序预测模型，确定目标建筑对应的预测温度数据，通过预测温度数据和预设的时空约束矩阵进行强化学习预训练，确定初始暖通控制策略；以初始暖通控制策略，对目标建筑内的暖通空调系统进行初始调控，采集目标建筑对应的实时建筑数据；根据实时建筑数据，对目标建筑进行动态分区，确定多个动态控制分区，以基于动态控制分区和时空约束矩阵，构建分区状态空间描述，利用渐进式探索策略，通过分区状态空间描述进行针对性的在线强化学习训练，生成目标建筑对应的暖通控制策略，以通过暖通控制策略对目标建筑进行控制。