江西省通信产业服务有限公司

本发明提供基于深度强化学习的机房空调智能调度方法及系统，方法包括：基于机房的多模态感知数据获取高维状态特征向量；将高维状态特征向量输入包括初始策略网路及价值网络的初始强化学习模型，获取预测联合动作及预测价值评分，将预测联合动作输入交互式仿真环境，获取预测数据组，并完成单轮迭代；通过若干次单轮迭代下的预测数据组最小化裁剪替代目标函数，以获取最终强化学习模型，进而获取空调控制动作。通过上述方式，使得多台空调的调度决策能够全局协同优化，降低了能耗；将事后反应转换为事前预测；且确保了强化学习过程的稳定性与收敛性。