本发明公开了一种基于改进深度信念网络的综合能源负荷控制方法及装置,方法包括:通过数据选择与预处理,使用自编码神经网络对历史数据进行聚合;利用高斯‑伯努利受限玻尔兹曼机构建改进的深度信念网络模型,同时基于最大似然估计进行网络模型的参数调整,并利用对比散度CD‑k算法加速RBM的训练过程;采用强化学习无监督训练对网络模型进行预训练;利用有限记忆微调网络对预测结果进行修正;由负荷数据训练得到输出数据,得到综合能源系统负荷的预测值,该预测值用于综合能源系统的负荷控制。装置包括:数据聚合模块、优化模块及预测模块。本发明能够充分挖掘历史负荷数据中的规律性,提高预测准确性,进而提高综合能源负荷控制的精度。
声明:
“基于改进深度信念网络的综合能源负荷控制方法及装置” 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)