基于注意力机制的强化学习冷负荷预测方法
陈曦尧1
张颖1
赵立凡1
何坤1
陈建平2
1.苏州科技大学电子与通信工程学院 苏州 215009;苏州科技大学江苏省建筑智慧节能重点实验室 苏州 2150092.苏州科技大学电子与通信工程学院 苏州 215009;苏州科技大学江苏省建筑智慧节能重点实验室 苏州 215009;苏州科技大学建筑与城市规划学院 苏州 215009
摘要：短期建筑冷却负荷预测是许多建筑能源管理任务的重要基础.针对传统预测模型将相关性较低的特征作为输入会导致模型降低预测精度,提出基于注意力机制的深度强化学习(深度确定性策略梯度,AM-DDPG)短期建筑冷负荷预测方法.该方法首先将数据进行归一化处理.其次,将预测问题建模为马尔可夫决策过程.其中状态为当前气象数据以及历史冷负荷;动作为下一小时建筑冷负荷预测值;奖赏为下一小时建筑冷负荷真实值与预测值的差.最后通过数据深度强化学习智能体学习并且更新内部网络参数得到预测模型.由于存在部分相关性较低的特征,在深度强化学习智能体的Ac-tor网络加入注意力机制,使模型聚焦于相关性较高的特.实验结果表明,在平均绝对误差评估指标下,AM-DDPG比BP、LSTM、DDPG分别降低了22.12%、10.99%、21.40%;在均方根误差的评估指标下AM-DDPG比BP、LSTM、DDPG分别降低了10.43%、4.58%、7.09%.
关键词：深度强化学习注意力机制冷负荷预测
分类号：TP391(计算技术、计算机技术)
资助基金：国家重点研发计划(2020YFC2006602)国家自然科学基金(62072324)江苏省高校自然科学基金项目(21KJA520005)
论文发表日期：2025-06-20
在线出版日期：2025-09-23（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1591-1597 )
英文信息