-
公开(公告)号：CN116306229A
公开(公告)日：2023-06-23
申请号：CN202310066509.5
申请日：2023-01-16
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F113/04 , G06F119/02
Abstract: 本发明属于电力数据处理领域，具体涉及一种基于深度强化学习和迁移学习电力短期负荷预测方法；所述方法包括获取多组不同的源域电力负荷数据，并进行预处理；采用预处理后的多组源域电力负荷数据和相应的电力融合特征各自训练多个基于GRU网络的电力负荷源域预测模型；将目标域电力负荷数据作为输入，基于时间序列双深度Q网络选择源域预测模型；基于多核最大均值差异算法对源域电力负荷数据和目标域电力负荷数据进行动态分布对齐，并对选择的源域预测模型的模型参数进行调整；将调整后的源域预测模型的模型参数迁移到基于GRU网络的电力负荷目标域预测模型；将目标域电力负荷数据输入到目标域预测模型中，输出电力负荷在短期内的预测结果。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
