[发明专利]一种采用深度Q神经网络调参的LSTM风电负荷预测方法在审
| 申请号： | 201810575699.2 | 申请日： | 2018-06-06 |
| 公开（公告）号： | CN108932671A | 公开（公告）日： | 2018-12-04 |
| 发明（设计）人： | 赵坤;张挺 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06Q10/04;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 叶敏华 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种采用深度Q神经网络调参的LSTM风电负荷预测方法，该方法包括以下步骤：1)采集电力系统环境的原始数据，选取训练集及预测集；2)采用LSTM作为预测模型，利用DQN调节预测模型中的超参数，利用DQN调节预测模型中的超参数具体包括环境参数调节、状态调整、动作选择、调整学习率的强化学习奖励；3)将训练集代入调节参数后的预测模型，利用经验回收方法，将训练结果反馈至DQN中进行参数优化，获取最优LSTM预测模型；4)利用最优LSTM预测模型进行风电负荷预测。与现有技术相比，本发明无需不同的地域时需要专业人才去调节，可大大提高预测效率。 | ||
| 搜索关键词： | 预测模型 负荷预测 风电 神经网络 训练集 采集电力系统 参数优化 动作选择 环境参数 强化学习 训练结果 原始数据 状态调整 预测集 反馈 回收 地域 预测 奖励 学习 | ||
【主权项】：
1.一种采用深度Q神经网络调参的LSTM风电负荷预测方法，其特征在于，该方法包括以下步骤：1)采集电力系统环境的原始数据，选取训练集及预测集；2)采用LSTM作为预测模型，利用DQN调节预测模型中的超参数；3)将训练集代入调节参数后的预测模型，将训练结果反馈至DQN中进行参数优化，获取最优LSTM预测模型；4)利用最优LSTM预测模型进行风电负荷预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810575699.2/，转载请声明来源钻瓜专利网。
- 上一篇：牲畜信息追溯方法及相关设备
- 下一篇：一种河长制水域综合管理系统
