买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于多模态强化学习智能体系统的大型公共建筑需求响应智能调控方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120031292B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510039755.0，技术领域涉及：G06Q10/0631；该发明授权一种基于多模态强化学习智能体系统的大型公共建筑需求响应智能调控方法是由钟崴;王松杰;林小杰;周懿;吴燕玲设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于多模态强化学习智能体系统的大型公共建筑需求响应智能调控方法在说明书摘要公布了：本发明公开了一种基于多模态强化学习智能体系统的大型公共建筑需求响应智能调控方法。该方法通过引入多模态数据处理和多智能体协同机制，构建多模态强化学习智能体系统；将多模态强化学习智能体系统部署至大型公共建筑中，通过分布式执行机制实现多模态强化学习智能体系统的协同控制；基于多模态强化学习智能体系统协同求解电‑碳‑绿证市场大型公共建筑需求响应双层调控模型，从而调控关键可调控设备，实现大型公共建筑参与电力市场、碳市场、绿证市场需求响应调控。本发明的优势在于通过多模态数据融合，提升大型公共建筑运维状态感知能力，增强大型公共建筑对动态市场和复杂环境的适应性。

本发明授权一种基于多模态强化学习智能体系统的大型公共建筑需求响应智能调控方法在权利要求书中公布了：1.一种基于多模态强化学习智能体系统的大型公共建筑需求响应智能调控方法，其特征在于，包括如下步骤： S1，根据大型公共建筑的运维特性，确定大型公共建筑参与需求响应调控范围并识别关键可调控设备；根据所述参与需求响应调控范围和关键可调控设备，确定涉及的智能体种类及其各自功能，得到多模态强化学习智能体系统； S2，采用智能传感器实现大型公共建筑多模态数据感知与采集，构建大型公共建筑多模态数据集合D，并对集合D进行特征提取得到大型公共建筑多模态数据特征集合F；结合现有大语言模型、视觉语言模型初步构建所述步骤S1中多模态强化学习智能体系统的各智能体，并采用深度强化学习算法初步训练各智能体； S3，根据多模态数据特征集合𝐹及步骤S2中构建的各智能体，采用深度学习强化算法集中训练多模态强化学习智能体系统，并基于分布式执行机制实现所述步骤S2构建的各智能体的协同控制； S4，将多模态强化学习智能体系统部署到所述大型公共建筑中； S5，多模态强化学习智能体系统参与大型公共建筑需求响应智能调控，具体方法为：建立电-碳-绿证市场大型公共建筑需求响应双层调控模型，基于多模态强化学习智能体系统协同求解所述电-碳-绿证市场大型公共建筑需求响应双层调控模型，并基于模型求解结果调控所述步骤S1中关键可调控设备；并对所述多模态强化学习智能体系统进行维护； 所述步骤S2中包括如下步骤： 步骤S21，采用智能传感器实现大型公共建筑多模态数据感知与采集，所述智能传感器包括温度传感器、气体传感器、红外传感器、智能摄像头、射频识别传感器；大型公共建筑多模态数据是指反映大型公共建筑各环节运维状况的多样化类型数据；大型公共建筑各环节运维状况包括环境数据、能源数据、室内人员行为数据、电力市场数据、碳市场数据；多样化类型数据包括文本、音频、视频、图像多模态数据，通过无线通信技术上传至大型公共建筑现有综合能源智能管控平台； 步骤S22，构建大型公共建筑多模态数据集合D；所述多模态数据集合D由大型公共建筑现有综合能源智能管控平台汇总的历史数据集合及大型公共建筑既往知识集合构成；所述大型公共建筑既往知识集合包括电碳耦合需求响应、绿色建筑能效优化、能源系统集成与管理、涵盖可再生能源利用、能源转换与存储技术、以及智能化能源监控与调度系统已有知识，这些已有知识的载体是电子书籍、现有标准、音频、视频，或者大型公共建筑运维过程中形成的案例集合资料，或者运维人员之间的交谈语音； 所述大型公共建筑多模态数据集合D以多元组的形式表示： 其中，Di表示第i种模态的数据集合，n是模态的总数；每种模态的数据集合进一步表示为： 其中，是第i种模态的第k个数据点在时间t的值，mi是第i种模态的数据点总数； 步骤S23，利用智能算法对多模态数据集D进行特征处理与融合，具体包括去噪、时间对齐、标准化与归一化、特征提取、特征融合，得到大型公共建筑多模态数据特征集合F，F以多元组的形式表示： 其中，Fi表示第i种模态的数据特征集合，n是模态的总数；第i种模态的数据特征集合Fi表示为： 其中，是第i种模态的第k个特征在时间t的值，Mi是第i种模态的数据特征总数； 步骤S24，基于现有大语言模型、视觉语言模型、深度强化学习算法初步构建大型公共建筑各单智能体，具体为： 首先，将大型公共建筑多模态数据特征集合F作为输入特征提供给现有大语言模型及视觉语言模型，初步构建所述多模态强化学习智能体系统中的各智能体； 然后利用深度强化学习算法对各智能体进行初步训练，具体方法为： 定义参数：全局状态，第i个单智能体观测到的局部状态空间、第i个单智能体的动作空间和第i个单智能体的奖励函数； 全局状态，用于描述整个大型公共建筑的运维状态，具体包括环境温度、环境湿度、设备运行状态、人员活动水平、电力市场、碳市场、绿证市场实时状态信息； 第i个单智能体的局部状态为，其观测到的局部状态空间是全局状态的子集，即： 其中，T为环境温度，H代表环境湿度，E代表设备运行状态，P为人员活动水平，为电力市场信息、为碳市场信息、为绿证市场信息； 第i个单智能体执行的所有可能动作的集合表示为动作空间，即： 式中，为第i个智能体的联合动作，代表大型公共建筑环境温度调节量，代表大型公共建筑照明调节量，代表大型公共建筑供暖调节量，为大型公共建筑在电力市场中交易量、为大型公共建筑在碳市场中交易量、为大型公共建筑在绿证市场中交易量； 奖励函数是根据第i个单智能体的当前状态和执行的动作来定义的，用以指导智能体的学习过程； 式中，是基于能耗的奖励，是基于室内舒适度的奖励，是参与电力市场需求响应的奖励，是参与碳市场交易的奖励，是参与绿证市场交易的奖励； 采用深度强化学习算法训练第i个智能体的本质是学习下的最大化期望累积奖励对应的策略，具体采用以下数学模型表示： 式中，是第i个智能体学习策略的性能指标；表示期望值，由初始状态s0和动作的分布概率计算的；ρ⋅∣是在策略下的状态分布；是第i个智能体在时间t的折扣因子，用于平衡即时奖励和未来奖励的重要性，

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。