一种基于强化学习的主变负荷预测特征优化方法

本发明涉及一种基于强化学习的主变负荷预测特征优化方法，包括：通过收集历史气象数据、历史负荷数据及获取未来预报信息；依据特征情况，定义状态、动作空间，设计奖励函数，状态以二进制向量呈现特征，动作对应特征操作，奖励根据模型预测的RMSE与最优值比较而定；选定Q‑learning算法，初始化关键参数，构建适配状态、动作空间的Q表，并设定学习率和折扣因子；采用ε‑greedy策略在环境中进行多轮训练，查询Q表选择行动，执行后据反馈更新Q值，循环至终止条件；训练完成后解析Q表，定位最优特征组合，计算状态Q值总和，找出最大总和对应状态的特征选择，作为高精度预测模型的输入。该方法解决了传统负荷预测特征工程部分需要人工进行优化费时费力的问题。