本發(fā)明涉及一種采用深度Q神經(jīng)網(wǎng)絡調(diào)參的LSTM風電負荷預測方法,該方法包括以下步驟:1)采集電力系統(tǒng)環(huán)境的原始數(shù)據(jù),選取訓練集及預測集;2)采用LSTM作為預測模型,利用DQN調(diào)節(jié)預測模型中的超參數(shù),利用DQN調(diào)節(jié)預測模型中的超參數(shù)具體包括環(huán)境參數(shù)調(diào)節(jié)、狀態(tài)調(diào)整、動作選擇、調(diào)整學習率的強化學習獎勵;3)將訓練集代入調(diào)節(jié)參數(shù)后的預測模型,利用經(jīng)驗回收方法,將訓練結(jié)果反饋至DQN中進行參數(shù)優(yōu)化,獲取最優(yōu)LSTM預測模型;4)利用最優(yōu)LSTM預測模型進行風電負荷預測。與現(xiàn)有技術(shù)相比,本發(fā)明無需不同的地域時需要專業(yè)人才去調(diào)節(jié),可大大提高預測效率。
聲明:
“采用深度Q神經(jīng)網(wǎng)絡調(diào)參的LSTM風電負荷預測方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)