公开(公告)号：CN112465198B

公开(公告)日：2023-07-28

申请号：CN202011279183.7

申请日：2020-11-16

Applicant: 湖南大学

Inventor： 曹一家 ,  王雅慧 ,  李勇 ,  龙乙林 ,  邓有月 ,  侯波

IPC: G06Q10/04 ,  G06Q30/0201 ,  G06Q50/06 ,  G06N3/048 ,  G06F30/27 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明公开一种针对园区小样本数据的双代理辅助搜索能量优化方法(简称为DSEO‑SSD)。该方法针对智慧园区多能协同能量优化的工程问题，采用全局/局部搜索结合的双代理模型改进深度学习优化算法。在DSEO‑SSD中，将智慧园区的小样本数据库划分为多个子集，再通过集成学习增强代理模型的预测精度；同时设计基于Kriging代理模型策略和RBF代理模型策略，分别用于全局搜索和局部搜索，并将两者结合为一个高精度的代理集成。若运用传统的单一代理辅助搜索的优化算法解决该问题，常面临采样数据不充足、可能陷入局部最优的难题，而将本方法应用于智慧园区多能协同能量优化工程问题时，比普通的智能优化方法效果更明显。

公开(公告)号：CN112465198A

公开(公告)日：2021-03-09

申请号：CN202011279183.7

申请日：2020-11-16

Applicant: 湖南大学

Inventor： 曹一家 ,  王雅慧 ,  李勇 ,  龙乙林 ,  邓有月 ,  侯波

IPC: G06Q10/04 ,  G06Q30/02 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08 ,  G06F30/27 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明公开一种针对园区小样本数据的双代理辅助搜索能量优化方法(简称为DSEO‑SSD)。该方法针对智慧园区多能协同能量优化的工程问题，采用全局/局部搜索结合的双代理模型改进深度学习优化算法。在DSEO‑SSD中，将智慧园区的小样本数据库划分为多个子集，再通过集成学习增强代理模型的预测精度；同时设计基于Kriging代理模型策略和RBF代理模型策略，分别用于全局搜索和局部搜索，并将两者结合为一个高精度的代理集成。若运用传统的单一代理辅助搜索的优化算法解决该问题，常面临采样数据不充足、可能陷入局部最优的难题，而将本方法应用于智慧园区多能协同能量优化工程问题时，比普通的智能优化方法效果更明显。