摘要
本发明提供了一种基于自适应探索深度Q网络的能源管理优化方法，属于人工智能技术领域。该方法对各用能设备的用电环境状态、总用电数据以及光伏发电数据进行预处理；利用自回归插值法进行补全各用能设备的用电环境状态、总用电数据以及光伏发电数据的缺省值；构基于深度Q神经网络的建智能体并获得相应的总奖励；训练深度Q神经网络获得Q神经网络的预测Q值和和Target‑Q神经网络的目标Q值并通过深度Q神经网络的损失函数计算损失值；将各用能设备用电环境状态、光伏发电状态以及电价输入到训练好的Target‑Q神经网络中得到一系列动作向量作为优化策略，并且在执行优化策略后，得到更新的用电环境状态。
