基于数据截断与模块化迁移学习的建筑系统自适应控制方法

本申请公开了基于数据截断与模块化迁移学习的建筑系统自适应控制方法，涉及智能建筑能耗优化与控制技术领域，对建筑系统的各个组件进行模块化建模，采用混合循环神经网络作为建筑系统模块化模型的架构，混合循环神经网络包括多个循环神经网络单元，每个循环神经网络单元对应建筑系统中的各个组件模块；在检测到建筑系统发生突变后，仅解冻受突变影响的模块参数进行微调，未受突变影响的模块参数保持冻结；同时，舍弃突变前的数据以消除旧域影响，仅保留突变后的数据用以对解冻的模块参数进行微调；另外，在模型迁移学习过程中，仅将受突变影响的模块输出的预测误差作为损失函数。本申请旨在解决领域迁移效率低与旧域数据干扰新域学习的问题。