14、建筑空调实时电价自适应控制中的AI模型应用

建筑空调实时电价自适应控制中的AI模型应用

在建筑能源管理中，如何在满足室内舒适度的前提下，有效降低电力成本是一个重要的课题。本文将介绍两种先进的技术方法：LSTM模型在实时电价（RTP）自适应控制中的应用，以及模拟退火（SA）算法在最优搜索控制中的应用。

1. LSTM模型在RTP自适应控制中的应用

在建筑多类型空调系统中，RTP自适应控制旨在根据实时电价调整空调的电力消耗，以实现成本的优化。然而，设施维护操作可能会对这种控制策略产生干扰。

1.1 设施维护操作对RTP自适应控制的干扰

建筑多类型空调的正常运行和RTP自适应控制操作的逐分钟电力时间序列如图所示。在过去，神经网络用于预测每分钟的电力和响应电力限制命令10分钟后的室温，并根据电价和室温舒适度的平衡，每5分钟发布最合适的电力限制命令。

在RTP自适应控制操作中，从18:00到18:30的30分钟内，电价每10分钟按30、10和100的顺序变化。该控制策略旨在使系统在低电价时段（如30和10）使用更多电力以维持室温舒适度，而在高成本时段（电价为100）发布电力限制命令以避免用电。

然而，在电价为100的时段进行设施维护操作时，即使使用RTP最优控制发布不使用电力的命令，也会变得毫无意义。

1.2 干扰预测LSTM模型

RTP自适应控制的优化算法和控制评估分数的计算公式如下：
[
\overline{J} {I}^{b}=\alpha\sum {m = 1}^{m_{max}}R(m)\cdot\overline{W} {5}^{b}(m)+(1 - \alpha