基于Q-Learning算法的建筑能耗预测
提出一种基于Q-learning算法的建筑能耗预测方法.通过将建筑能耗预测问题建模为一个标准的马尔科夫决策过程,利用深度置信网对建筑能耗进行状态建模,结合Q-learning算法,实现对建筑能耗的实时预测.通过美国巴尔的摩燃气和电力公司公开的建筑能耗数据进行测试实验,结果表明,基于本文所提出的模型,利用Q-learning算法可以实现对建筑能耗的有效预测,并在此基础上,基于深度置信网的Q-learning算法具有更高的预测精度.此外,实验部分还进一步验证了算法中相关参数对实验性能的影响.
强化学习、建筑能耗预测、Q-learning、深度置信网
28
国家自然科学基金61502329,61876121,61772357,61750110519,61672371,61602334,61472267;江苏省重点研发计划BE2017663;江苏省高校自然科学研究项目18KJB520045;江苏省建设系统科技指导项目2017ZD005
2019-03-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
156-162