Optimum operation point search system of the air conditioner components using deep reinforcement learning algorithm

The present invention relates to a system for searching for a component operating point of an air conditioner using a deep reinforcement learning algorithm, which can be operated at an optimal operating condition. The system of the present invention comprises: an air conditioner assembled by including components of a compressor, an expansion valve, an indoor fan, and an outdoor fan; a first computer for receiving a revolution value of the outdoor fan from the air conditioner; and a second computer for receiving data on power consumption and heating/cooling efficiency from the air conditioner to provide the same for the first computer. 본 발명은 공기조화기 분야에서 제품 최적의 효율을 구사하기 위하여 제품 각 컴포넌트의 최적 디자인 포인트 혹은 열역학적인 시뮬레이션(P-h 선도점, 냉매유량설계, 공기유량설계)을 모르더라도, 주어진 각 컴포넌트의 사양정도만 매칭된다면, 제품의 각 컴포넌트들이 조립된 상태에서 최적의 제품 효율(energy efficiency)을 발휘하기 위한 각 컴포넌트의 운전점을 심층강화학습 알고리즘을 활용해 찾아내는 시스템에 관한 것이다. 특히 냉방운전 혹은 난방운전이 가능하도록 압축기, 팽창밸브, 실내기팬, 실외기팬의 컴포넌트를 포함하여 조립되는 공기조화기; 상기 공기조화기로부터 상기 압축기의 회전수(COM), 상기 팽창밸브 개도(EEV), 상기 실내기팬 회전수(IF), 상기 실외기팬의 회전수값(OF)을 제공받는 제1 컴퓨터; 및 상기 공기조화기로부터 가동중인 공기조화기의 시간에 따른 소비전력(P(t)), 냉난방능력(C(t)), 냉난방효율(EER(t)), 냉난방효율의 기울기 (dEER(t)/dt)와, 상기 공기조화기의 목표치로 미리 설정된 냉난방 능력(Cset)의 데이터를 제공받아 상기 제1 컴퓨터로 제공하는 제2 컴퓨터를 포함하고, 상기 제1 컴퓨터는 상기 제2 컴퓨터로부터 제공된 각각의 데이터와 상기 공기조화기로부터 제공된 각각의 데이터를 통하여 미리 설치된 신경망 구조를 통하여 심층 강화학습을 수행하여 상기 공기조화기의 최고효율 운전이 가능한 상기 압축기의 회전수(COM), 상기 팽창밸브 개도(EEV), 상기 실내기팬 회전수(IF), 상기 실외기팬의 회전수값(OF)을 자동으로 서치하는 심층 강화학습 알고리즘을 활용한 공기조화기 컴포넌트 운전포인트 서치 시스템에 관한 것이다.