1.一种深度学习的供热控制方法,其特征在于,包括:
2.根据权利要求1所述的深度学习的供热控制方法,其特征在于,所述历史供热影响因素至少包括目标建筑内部的历史平均温度、外部的历史湿度、外部的历史温度以及外部的历史风速。
3.根据权利要求2所述的深度学习的供热控制方法,其特征在于,对所述历史供热影响因素进行预处理,包括:
4.根据权利要求3所述的深度学习的供热控制方法,其特征在于,采用深度学习模型构建供热负荷预测模型,包括:采用bp神经网络或者卷积神经网络作为供热负荷预测模型。
5.根据权利要求3所述的深度学习的供热控制方法,其特征在于,采用训练数据以及目标建筑的历史供热负荷对供热负荷预测模型进行训练,得到训练完成的供热负荷预测模型,包括:以单位时间内对应的训练数据作为供热负荷预测模型的输入数据,以单位时间内对应历史供热负荷作为供热负荷预测模型的期望输出数据,并基于反向学习对供热负荷预测模型进行训练,得到训练完成的供热负荷预测模型。
6.根据权利要求5所述的深度学习的供热控制方法,其特征在于,基于反向学习对供热负荷预测模型进行训练,包括:
7.根据权利要求6所述的深度学习的供热控制方法,其特征在于,初始化供热负荷预测模型的第一个体,采用反向学习生成第一个体对应的反向个体,得到第二个体,包括:
8.根据权利要求6所述的深度学习的供热控制方法,其特征在于,针对第一个体,以全局最优个体对第一个体进行更新,得到更新后的第一个体,包括:
9.根据权利要求8所述的深度学习的供热控制方法,其特征在于,针对第二个体,采用历史最优值以及协作更新的方法对第二个体进行更新,得到更新后的第二个体,包括:
10.根据权利要求9所述的深度学习的供热控制方法,其特征在于,针对第三个体,引入狼群捕猎机制对第三个体进行更新,得到更新后的第三个体,包括: