用于建筑能源控制的深度强化学习方法及系统

本申请适用于深度强化学习技术领域，提供了一种用于建筑能源控制的深度强化学习方法及系统，该方法包括：基于目标建筑环境构建智能体；收集智能体与目标建筑环境进行交互时的普通经验数据；构建提示文本；将提示文本输入大语言模型，得到控制动作的动作范围；根据动作范围对普通经验数据进行修正处理，得到基于LLM修正的经验数据；根据普通经验池和LLM经验池，通过最小化损失函数对智能体进行训练。本申请利用大语言模型分析不同环境状态下的控制动作的动作范围，从而对智能体随机探索中低质量的经验数据进行指导修正，使智能体能够获得高质量经验，提高建筑能源控制策略学习的效率和整体性能。