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。
声明：
“采用深度Q神经网络调参的LSTM风电负荷预测方法” 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)
863
编辑：管理员
来源：北方有色网
咨询细节
