TY -的A2蔡Sang-Bing盟——郭魏盟——张,凯盟——魏Xinjie盟——刘美PY - 2021 DA - 2021/11/29 TI -基于深度强化学习的短期负荷预测方法对智能电网SP - 8453896六世- 2021 AB -短期负荷预测是一个重要的部分支持电网的规划和运作,但目前的负荷预测方法模型参数自适应能力差的问题,这是难以确保高效和准确的电网负荷预测的需求。为了解决这个问题,提出了一种智能电网短期负荷预测方法基于多层网络模型。这种方法使用集成经验模态分解(IEMD)方法实现有序、可靠的负载状态数据和提供高质量的数据对预测网络模型的支持。增强网络初始模块用于深层神经网络自适应地调整参数(款)预测模型,提高预测网络的拟合和跟踪能力。同时,引入混合粒子群优化算法进一步提高了动态优化的能力深强化学习模型参数,可以实现智能电网的准确的短期负荷预测。仿真结果表明,平均绝对百分比误差 e 日军 和均方根误差 e RMSE 性能指标的预测模型分别是10.01%和2.156兆瓦,分别显示了较好的曲线拟合能力和负荷预测能力。SN - 1574 - 017 - 2021/8453896 / 10.1155 x你——https://doi.org/10.1155/2021/8453896——摩根富林明-移动信息系统PB - Hindawi KW - ER