基于迁移深度强化学习的火电机组实时碳排放预测方法

摘要：

由于火电厂机组碳数据类型多样、样本过多,导致机组碳排放预测精度低,为此提出了基于迁移深度强化学习的火电机组实时碳排放预测方法.首先,设计火电厂碳排放数据自动采集系统进行数据采集;其次,引入神经网络的全自动编码器对样本数据解码重构,结合深度迁移学习的方法提取碳排放数据特征;再次,设计强化学习的支持向量机回归模型,把经过特征提取后的数据导入线性回归函数中,进行非线性回归计算;最后,计算样本集的拟合值和均方误差值,把碳排放影响因素经过迁移深度强化学习归一化处理后带到预测模型进行计算,实现火电机组碳排放实时预测.由实验可知,所提方法对2022年测试机组碳排放量预测的最大误差为0.02 × 104 t,均方误差和平均绝对误差较小,预测精准度高,具有较好的应用效果.

关键词：火电厂、碳排放预测、特征提取、迁移深度学习、强化学习、支持向量回归机

所属期刊栏目：53

分类号：TK012(一般性问题)

资助基金：国家自然科学基金;重庆市技术创新与应用发展专项面上项目

在线出版日期：2024-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-69,75