基于改進(jìn)Q學(xué)習(xí)算法和組合模型的超短期電力負(fù)荷預(yù)測

摘要： 單一模型在進(jìn)行超短期負(fù)荷預(yù)測時會因負(fù)荷波動而導(dǎo)致預(yù)測精度變差，針對此問題，提出一種基于深度學(xué)習(xí)算法的組合預(yù)測模型。首先，采用變分模態(tài)分解對原始負(fù)荷序列進(jìn)行分解，得到一系列的子序列。其次，分別采用雙向長短期記憶網(wǎng)絡(luò)和優(yōu)化后的深度極限學(xué)習(xí)機對每個子序列進(jìn)行預(yù)測。然后，利用改進(jìn)Q學(xué)習(xí)算法對雙向長短期記憶網(wǎng)絡(luò)的預(yù)測結(jié)果和深度極限學(xué)習(xí)機的預(yù)測結(jié)果進(jìn)行加權(quán)組合，得到每個子序列的預(yù)測結(jié)果。最...