本发明公开了一种基于深度强化学习的建筑能耗预测方法及系统,包括:采集建筑能耗历史数据,同时采集建筑面积、建筑常住人口数量、建筑常住人口消费水平、建筑所在地天气状况数据。将采集到的数据样本分组,根据所得到的训练样本输入到深度强化学习网络模型中进行训练并保存使状态动作值函数最优的网络模型。最后将预测样本输入到深度强化学习网络模型,进行建筑能耗预测。本发明采用深度学习中的卷积神经网络与强化学习中的Q学习相结合的方法实现了建筑的能耗预测,相对于传统的预测方法,用卷积神经网络结合Q学习算法的深度强化学习网络可以减少数据量,降低数据的存储要求,提高数据的使用效率,加快数据处理的效率。
声明:
“基于深度强化学习的建筑能耗预测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)