本發(fā)明公開了一種基于改進(jìn)深度信念網(wǎng)絡(luò)的綜合能源負(fù)荷控制方法及裝置，方法包括：通過數(shù)據(jù)選擇與預(yù)處理，使用自編碼神經(jīng)網(wǎng)絡(luò)對(duì)歷史數(shù)據(jù)進(jìn)行聚合；利用高斯?伯努利受限玻爾茲曼機(jī)構(gòu)建改進(jìn)的深度信念網(wǎng)絡(luò)模型，同時(shí)基于最大似然估計(jì)進(jìn)行網(wǎng)絡(luò)模型的參數(shù)調(diào)整，并利用對(duì)比散度CD?k算法加速RBM的訓(xùn)練過程；采用強(qiáng)化學(xué)習(xí)無(wú)監(jiān)督訓(xùn)練對(duì)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練；利用有限記憶微調(diào)網(wǎng)絡(luò)對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正；由負(fù)荷數(shù)據(jù)訓(xùn)練得到輸出數(shù)據(jù)，得到綜合能源系統(tǒng)負(fù)荷的預(yù)測(cè)值，該預(yù)測(cè)值用于綜合能源系統(tǒng)的負(fù)荷控制。裝置包括：數(shù)據(jù)聚合模塊、優(yōu)化模塊及預(yù)測(cè)模塊。本發(fā)明能夠充分挖掘歷史負(fù)荷數(shù)據(jù)中的規(guī)律性，提高預(yù)測(cè)準(zhǔn)確性，進(jìn)而提高綜合能源負(fù)荷控制的精度。