本發明涉及一種采用深度Q神經網絡調參的LSTM風電負荷預測方法,該方法包括以下步驟:1)采集電力系統環境的原始數據,選取訓練集及預測集;2)采用LSTM作為預測模型,利用DQN調節預測模型中的超參數,利用DQN調節預測模型中的超參數具體包括環境參數調節、狀態調整、動作選擇、調整學習率的強化學習獎勵;3)將訓練集代入調節參數后的預測模型,利用經驗回收方法,將訓練結果反饋至DQN中進行參數優化,獲取最優LSTM預測模型;4)利用最優LSTM預測模型進行風電負荷預測。與現有技術相比,本發明無需不同的地域時需要專業人才去調節,可大大提高預測效率。
聲明:
“采用深度Q神經網絡調參的LSTM風電負荷預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)