[发明专利]一种基于深度强化学习的建筑能耗预测方法及系统

摘要

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。

主权项

1.一种基于深度强化学习的建筑能耗预测方法，其特征在于，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；采集得到的数据划分为训练样本集和预测样本集，对样本集数据进行预处理；将训练样本集数据输入到深度强化学习模型中进行训练，直到得到最优的状态动作值函数后停止，并保存训练后的深度强化学习模型；深度强化学习模型采用训练样本的输入向量为xi，每一个输入向量中包含n个元素，输入向量经过卷积神经网络与全连接神经网络运算后，输出状态动作值，通过状态动作值获取迭代后的损失函数，进而获得权值更新的梯度，使用梯度下降法更新权值；将预测样本输入到训练后的深度强化学习网络模型，进行建筑能耗预测。