检索结果-内蒙古大学图书馆

电力系统保护与控制 2024年第23期52卷 10-21页

作者：黄南天唐立鹏戴千斌现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 吉林吉林132012 辽宁蒲石河抽水蓄能有限公司辽宁丹东118216

目前数值天气预报(numerical weatherpr ediction, NWP)风速修正方法大多基于纵向误差的幅值特性评估建模,忽视了NWP风速序列与历史风速序列间超前或延迟效应导致的横向误差对NWP风速修正的潜在影响。因此,提出计及NWP风速横纵向误差的... 详细信息

目前数值天气预报(numerical weatherpr ediction, NWP)风速修正方法大多基于纵向误差的幅值特性评估建模,忽视了NWP风速序列与历史风速序列间超前或延迟效应导致的横向误差对NWP风速修正的潜在影响。因此,提出计及NWP风速横纵向误差的循环确定性策略梯度(recurrent deterministic policy gradient, RDPG)风速修正模型。首先,基于加权欧式距离相似度确定各个NWP风速待修正点超前/滞后时序区间(lead/lag timing interval, LLTI)边界,构成强相关时序区间。然后,采用LLTI内统计特征代替该区间NWP原始气象特征,并基于沙普利可加性解释法(shapley additive explanation, SHAP)归因理论,根据每个特征的边际贡献评估不同特征对模型输出的影响程度。最后,建立基于RDPG的NWP风速修正模型。通过算例分析,验证了所提方法在超短期、短期预测的不同时间尺度下修正NWP风速的有效性和可行性。

关键词：数值天气预报横向误差纵向误差超前/滞后时序区间循环确定性策略梯度

来源：评论

学校读者我要写书评

暂无评论

基于改进DDPG的中央空调负荷预测方法研究

引用

电子测量技术 2022年第3期45卷 85-91页

作者：贾静高文忠上海海事大学商船学院上海201306

为降低因节假日引起的建筑内部得热对大型中央空调系统负荷预测精度的负面影响,以上海世博园区某办公建筑群作为研究区域,引入新的日期特征DPH,在现有深度确定性策略梯度网络结构的基础上,利用长短期记忆神经网络替换深度确定性策略梯... 详细信息

为降低因节假日引起的建筑内部得热对大型中央空调系统负荷预测精度的负面影响,以上海世博园区某办公建筑群作为研究区域,引入新的日期特征DPH,在现有深度确定性策略梯度网络结构的基础上,利用长短期记忆神经网络替换深度确定性策略梯度的全连接神经网络,提出基于循环确定性策略梯度的大型中央空调系统冷负荷预测方法。研究结果表明,考虑DPH日期特征的改进算法预测模型能够捕捉因节假日引起的负荷变化趋势,有效提高预测准确性,预测精度达0.951,误差值为7.08%。

关键词：空调负荷预测冷热电三联供系统长短期记忆神经网络循环确定性策略梯度深度强化学习

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制与深度强化学习的超短期光伏功率预测

引用

计算机应用 2023年第5期43卷 1647-1654页

作者：丁正凯傅启明陈建平陆悠吴宏杰方能炜邢镔苏州科技大学电子与信息工程学院江苏苏州215009 江苏省建筑智慧节能重点实验室(苏州科技大学) 江苏苏州215009 苏州科技大学建筑与城市规划学院江苏苏州215009 重庆工业大数据创新中心有限公司重庆400707

针对传统光伏(PV)功率预测模型受功率随机波动性影响以及易忽略重要信息导致预测精度低的问题,将注意力机制分别与深度确定性策略梯度(DDPG)和循环确定性策略梯度(RDPG)相结合提出了ADDPG和ARDPG模型,并在此基础上提出一个PV功率预测框... 详细信息

针对传统光伏(PV)功率预测模型受功率随机波动性影响以及易忽略重要信息导致预测精度低的问题,将注意力机制分别与深度确定性策略梯度(DDPG)和循环确定性策略梯度(RDPG)相结合提出了ADDPG和ARDPG模型,并在此基础上提出一个PV功率预测框架。首先,将原始PV功率数据以及气象数据标准化,并将PV功率预测问题建模为马尔可夫决策过程(MDP),历史功率数据和当前气象数据则作为MDP的状态;然后,将注意力机制加入DDPG和RDPG的Actor网络,赋予状态中各个分量不同的权重来突出重要且关键的信息,并通过深度强化学习智能体和历史数据的交互来学习数据中的关键信息;最后,求解MDP问题得到最优的策略,作出准确的预测。在DKASC、Alice Springs光伏系统数据上的实验结果表明,ADDPG和ARDPG在均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)上均取得了最优结果。可见,所提模型能够有效提高PV功率的预测精度,也可以推广到其他预测领域如电网预测、风力发电预测等。

关键词：深度强化学习注意力机制光伏功率预测深度确定性策略梯度循环确定性策略梯度

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的智能路由技术研究

引用

郑州大学学报（工学版） 2023年第1期44卷 44-51页

作者：黄万伟郑向雨张超钦王苏南张校辉郑州轻工业大学软件学院河南郑州450001 郑州轻工业大学计算机与通信工程学院河南郑州450001 深圳职业技术学院电子与通信工程学院广东深圳518055 河南信安通信技术股份有限公司河南郑州450001

针对现有智能路由算法收敛速度慢、平均时延高、带宽利用率低等问题,提出了一种基于深度强化学习(DRL)的多路径智能路由算法RDPG-Route。该算法采用循环确定性策略梯度(RDPG)作为训练框架,引入长短期记忆网络(LSTM)作为神经网络,基于RDP... 详细信息

针对现有智能路由算法收敛速度慢、平均时延高、带宽利用率低等问题,提出了一种基于深度强化学习(DRL)的多路径智能路由算法RDPG-Route。该算法采用循环确定性策略梯度(RDPG)作为训练框架,引入长短期记忆网络(LSTM)作为神经网络,基于RDPG处理高纬度问题的算法优势,以及LSTM循环核中记忆体的存储能力,将动态变化的网络状态输入神经网络进行训练。算法训练收敛后,将神经网络输出的动作值作为网络链路权重,基于多路径路由策略进行流量划分,以实现网络路由的智能动态调整。最后,将RDPG-Route路由算法分别与ECMP、DRL-TE和DRL-R-DDPG路由算法进行对比。结果表明,RDPG-Route具有较好的收敛性和有效性,相比于其他智能路由算法至少降低了7.2%平均端到端时延,提高了6.5%吞吐量,减少了8.9%丢包率和6.3%的最大链路利用率。

关键词：体验质量软件定义网络深度强化学习路由算法循环确定性策略梯度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：