科学网—Building Simulation|DeepSeek+深度强化学习控制光伏空调-清华大学出版社学术期刊的博文
精选
已有 273 次阅读
2026-11-12 09:46
| 个人分类: Building Simulation | 系统分类: 论文交流
一句话成果总结：本文试图让大语言模型负责“如何优化”，让深度强化学习控制器负责“如何执行”，为建筑能源系统的自主决策与智能运行提供了一条新的技术路径。
摘要
光伏空调（ PVAC ）是降低建筑制冷能耗与碳排放的重要技术，但如何在不断变化的天气和光伏发电条件下，同时兼顾室内舒适性与运行经济性，仍然是智能控制面临的挑战。近年来，深度强化学习为建筑能源系统智能控制提供了新思路，但其性能依赖奖励函数的设计，通常需要专业人员反复调整优化目标。
针对这一问题，本文提出一种融合大语言模型（ LLM ）与深度强化学习的分层智能控制框架，将高层优化决策与底层实时控制相结合。大语言模型根据历史运行数据和性能指标，动态调整不同优化目标的权重；深度强化学习控制器则根据实时工况调节空调压缩机转速，实现舒适性与经济性的协调优化。
研究采用 TD3 算法作为底层控制器，并比较了 DeepSeek-R1 与 -V3 两种模型的监督决策表现。基于经实验验证的建筑与空调仿真模型，在一周运行测试中，相较于固定奖励权重的控制方式，不同优化配置下舒适时间占比、运行费用节省和碳减排量分别最高提升 18.68% 、 14.2% 和 35.88% 。其中， R1 表现出较强的探索与推理能力， V3 则具有更快的响应速度和更平稳的调整特征。
研究为大语言模型与传统智能控制算法的协同提供了一种新思路，也为建筑能源系统向更加自主、灵活的智能运行方式发展提供了参考。
关键词： 大语言模型；建筑能源系统；光伏空调；深度强化学习；分层智能控制
01 背景介绍
随着光伏发电技术的发展，建筑不仅是能源的消费者，也逐渐成为能源的生产者。对于光伏空调系统而言，如何充分利用光伏发电、减少电网购电，同时保证室内热舒适，是一个典型的多目标控制问题。
例如，晴天光伏发电充足，空调可以适当提高运行功率；夜间光伏停止发电，系统则需要权衡购电费用与室内舒适性。不同天气、不同用电价格以及不同用户需求下，最合适的运行策略并不相同。
近年来，深度强化学习（ DRL ）为这一问题提供了新的解决方法。通过对运行环境的学习，智能控制器可以自主寻找适合不同工况的控制策略。然而，强化学习仍然面临一个关键问题：系统应该更重视舒适性，还是更重视经济性？
这通常需要通过调整奖励函数中的权重来实现。传统方法依赖人工经验或优化算法反复搜索，面对不断变化的运行需求时，灵活性仍然有限。
与此同时，大语言模型展现出了综合信息分析、目标理解和辅助决策的能力，但其计算延迟与运行稳定性等问题，又限制了直接用于设备实时控制的可行性。
本文尝试解决：能不能让大语言模型负责调整运行策略，而让专业控制算法继续负责实时控制？
02 控制框架
本文提出一种由大语言模型监督决策、智能控制器实时执行、建筑能源系统反馈运行结果构成的分层控制框架。主要包括以下三个环节。
（ 1 ）分层架构：大模型负责决策，控制器负责执行。
整个框架从顶到底层，共有三个层次：
（最顶层）监督决策层：大语言模型综合历史运行数据、舒适性和经济性指标，确定下一周期的优化目标权重。
（中间层）实时控制层：智能控制器根据实时状态及当前优化目标，实时调整空调压缩机的运行转速。
（最底层）建筑物理层：建筑与光伏空调系统响应控制指令，并将运行状态反馈至控制层和监督决策层。
这种方法的关键是将高层决策与实时执行分离。大语言模型不直接发出高频设备控制指令，而是通过调整控制目标影响底层控制器的运行策略。
本文选择 TD3 深度强化学习算法实现实时控制层，并对这种协同机制进行了仿真验证。
图 1 基于大语言模型监督决策与 TD3 实时控制的分层控制框架
（ 2 ）实时控制：让空调自主平衡舒适性与经济性。
在底层控制中，研究采用 TD3 算法，以室内外温度、光伏发电功率和空调能耗为状态输入，通过调节压缩机转速，平衡室内热舒适与运行费用。
奖励函数主要包含舒适性和经济性两部分，两者的相对权重决定了控制器的运行倾向。当舒适性权重较高时，系统优先维持室内温度；当经济性权重较高时，系统倾向于充分利用光伏发电，减少电网购电；而在两者权重接近时，控制器则尝试在舒适性与经济性之间取得平衡。
（ 3 ）大模型监督：通过运行反馈实现目标自适应调整。
为避免奖励权重长期固定，本文引入大语言模型进行周期性监督优化。
在研究设置中， TD3 控制器每分钟执行一次控制，而大语言模型每 24 小时进行一次优化决策。系统首先收集过去一个运行周期的室内温度、舒适时间占比、运行费用、光伏利用情况及压缩机启停次数等指标，再通过结构化提示词将这些数据交给大语言模型。大语言模型结合历史运行效果与优化需求，生成下一周期的奖励权重，并以 JSON 格式输出，供控制程序读取。由此形成一个持续迭代的闭环：系统运行 → 性能评价 → 大模型调整权重 → 控制器执行 → 系统反馈。
这一机制使控制目标能够根据历史运行效果进行调整，减少对人工经验和固定参数的依赖。
03 运行效果
（ 1 ）实验校核为智能控制仿真提供可靠基础。
研究基于湖南大学搭建的光伏空调实验平台开展模型验证。实验系统包含光伏发电、变频空调、建筑测试房间及环境监测设备。验证结果表明，空调功率模型的归一化平均偏差（ NMBE ）为 1.68% ，建筑室内温度模型的平均绝对误差（ MAE ）为 0.65 ℃。在此基础上，研究利用经过实验验证的模型构建仿真环境，开展智能控制策略的训练与性能评价。
图 2 光伏空调系统
（ 2 ）大模型监督改善了舒适性、经济性和碳减排表现。
研究比较了固定奖励权重控制与大模型监督控制的表现。以固定权重 TD3 策略作为基准，在七天仿真测试中，不同大模型及初始权重配置下获得了如下最大改善幅度：
舒适时间占比（ CTR ）提高 18.68% ；
运行费用节省指标（ Saving ）提高 14.2% ；
碳减排指标（ CR ）提高 35.88% 。
其中， DeepSeek-R1 在舒适性优化方面表现突出，而 DeepSeek-V3 在经济性与碳减排方面获得了较好的结果。
图 3 不同初始奖励权重及大语言模型配置下的系统性能比较
（ 3 ）两种大模型展现出不同的决策特点。
研究进一步比较了 DeepSeek-R1 （推理模型）与 DeepSeek-V3 （对话模型）的奖励权重调整过程。
结果表明， R1 倾向于在较大的参数空间内探索，通过幅度较大的权重调整寻找更优运行策略。在部分工况下，这种方式能够较快改善表现较弱的运行指标，但也可能引起较明显的短期波动。相比之下， V3 更倾向于渐进式调整，使控制目标的变化更加平稳。此外， V3 的平均推理耗时约为 R1 的十五分之一，在需要较快完成监督决策的场景中具有明显优势。这说明不同类型的大语言模型并不一定存在绝对的优劣，而是具有不同的决策特点，可以根据实际控制需求进行选择。
图 4 两种大语言模型的奖励权重调整过程及响应时间对比
（ 4 ）扩展优化目标，进一步改善设备运行特性。
为考察框架处理复杂控制需求的能力，研究进一步将压缩机启停次数和分时电价纳入奖励函数，使优化目标由原来的两项扩展为四项。在七天仿真测试中，引入四目标优化后，压缩机启停次数由双目标 V3 控制配置下的 3191 次降低至 1133 次。这一结果表明，所提出的框架能够通过扩展奖励函数，进一步考虑设备启停约束与电价变化，具有向更复杂建筑能源系统控制任务扩展的潜力。
04 成果小结
本研究的核心创新不仅在于将大语言模型应用于光伏空调系统，更在于提出了一种大语言模型高层监督、智能控制算法实时执行、建筑能源系统反馈优化的分层控制思路。
这种架构将大语言模型的信息综合与策略调整能力，同传统智能控制算法的实时执行能力相结合，使人工智能能够从单纯执行控制指令，进一步参与控制目标的动态调整。
研究以 TD3 算法和 DeepSeek 大语言模型为例，在实验校核的仿真环境中验证了框架的可行性，并展示了不同大模型在策略探索、调整稳定性和响应速度方面的差异。
作者
武振兴、符筱、李思慧、彭晋卿、李洪强、李厚培 *
Zhenxing Wu¹ ˒ ², Xiao Fu¹ ˒ ², Sihui Li³, Jinqing Peng¹ ˒ ², Hongqiang Li¹ ˒ ², Houpei Li¹ ˒ ²*
1 湖南大学土木工程学院，长沙，中国
2 建筑安全与节能教育部重点实验室（湖南大学），长沙，中国
3 长沙理工大学能源与动力工程学院，长沙，中国
通讯作者：李厚培（ Houpei Li ）
作者简介
武振兴， 论文第一作者， 湖南大学土木工程学院硕士研究生，研究 课题为 基于规则与大语言模型监督决策的光伏直驱空调动态调控机制，为光伏直驱空调运行提效。目前就职于珠海格力电器股份有限公司，从事空调运行控制提效方法的研究 工作 。
李厚培，论文通讯作者，湖南大学土木工程学院副教授。主要研究方向为 空调运行节能与低碳技术 ，包括制冷空调、制冷剂两相流、建筑可再生能源系统等相关内容。
基金致谢
本研究得到国家自然科学基金青年项目“光伏直驱空调系统控制与建筑被动储能协同优化机制的研究 ”（项目编号： 52308091 ）和湖南省交通运输厅科技项目“高速公路服务区零碳技术与可再生能源利用研究”（项目编号： 202508-1 ）的资助。
文章引用
Wu Z, Fu X, Li S, et al. A hierarchical control framework for photovoltaic-driven air conditioning systems: LLM-based reward weight adaptation and TD3 real-time control. Building Simulation, 2026, 19(8): 1911-1934. https://doi.org/10.1007/s12273-026-1467-
Building Simulation 2 0 0 8 年 创 刊 ， 是 世 界 上 第 一 本 有 关 建 筑 模 拟 领 域 最 新 研 究 成 果 的 英 文 学 术 期 刊 ， 跨 多 种 学 科 领 域 ， 涉 及 建 筑 技 术 、 土 木 工 程 、 建 筑 学 、 环 境 工 程 、 能 源 及 动 力 工 程 等 ， 致 力 于 为 中 外 同 行 提 供 一 个 高 水 平 的 学 术 交 流 平 台 。 被 S C I 、 E I C o m p e n d e x 、 S c o p u s 、 C S C D 等 数 据 库 收 录 。 2 0 26 年 S C I 影 响 因 子6.9 ， 在 J C R 两 个 学 科 领 域 均 位 于 Q 1 区 ； 位 于中国科学院 期 刊 分 区 ， 工 程 技 术 类 1 区Top；入选2025年度世界一流科技期刊目录 。
Building Simulation 2024-2025文章主题索引下载
公众号：建筑模拟 期刊官网1 （国内免费下载）
http://www.sciopen.com/journal/1996-3599
期刊官网2 （海外合作）
http://www.springer.com/journal/12273
编辑部：bsjournal@tsinghua.edu.cn
转载本文请联系原作者获取授权，同时请注明本文来自清华大学出版社学术期刊科学网博客。 链接地址： https://blog.sciencenet.cn/blog-3534092-1560798.html
上一篇： 西南交通大学胡春峰等：MAB相及其二维衍生物的结构、制备与应用进展 欢迎参加科学网十佳博文评选活动！ 主办单位： 
支持单位： 