论文摘要
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Qlearning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.
论文目录
文章来源
类型: 期刊论文
作者: 陈建平,陈其强,胡文,陆悠,吴宏杰,傅启明
关键词: 强化学习,建筑能耗预测,深度置信网
来源: 计算机系统应用 2019年01期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 苏州科技大学电子与信息工程学院,江苏省建筑智慧节能重点实验室,苏州市移动网络技术与应用重点实验室
基金: 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)~~
分类号: TU111.195
DOI: 10.15888/j.cnki.csa.006752
页码: 156-162
总页数: 7
文件大小: 1162K
下载量: 205