一种基于聚类特征的电力负荷预测方法及装置.pdf
茂学****23
亲,该文档总共25页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于聚类特征的电力负荷预测方法及装置.pdf
本发明公开了一种基于聚类特征的电力负荷预测的方法及装置,该方法包括:分析接收到的负荷预测请求,得到与负荷预测请求相匹配的负荷预测信息,根据负荷预测信息,获取历史电力负荷数据,对获取到的所有历史电力负荷数据执行聚类操作,得到至少一个负荷类别,将每个负荷类别中所包括的所有历史电力负荷数据输入值预先设定的目标预测模型,得到目标预测模型的目标输出结果,根据目标输出结果,生成电力负荷预测结果。可见,实施本发明能够基于聚类特征对电力负荷进行预测,能够有利于提高对于电力负荷预测的准确性,以及能够有利于提高对于电力负荷预
一种电力负荷聚类的方法及装置.pdf
本发明提供了一种电力负荷聚类的方法及装置。所述方法包括:采集电力负荷数据;将所述电力负荷数据进行Canopy聚类,生成若干canopy类和canopy中心;将所述canopy中心作为K值,利用K‑Means聚类算法,生成电力负荷聚类结果。本发明提出运用Canopy聚类和K‑means聚类相结合的方法进行客户聚类,极大地提高了聚类的速度和准确度,避免了k值选择的随机性和盲目性;并且,通过对不同属性和行为特征的用电客户聚类分群,分析同群体内客户用电负荷趋势,可以使电力公司有针对性的对批量客户提供主动服务,实现
基于层次聚类和神经网络的负荷预测输入特征筛选方法.pdf
本发明公开了一种基于层次聚类和神经网络的负荷预测输入特征筛选方法,该方法利用层次聚类分析将包括负荷预测的原始数据集进行聚类,将数据集根据其特征分为不同的类,对每一类中的特征进行分析,利用神经网络对每一类中的不同特征的预测效果进行分析,最终剔除预测效果较差的特征,得到最终优化的建筑负荷预测的输入特征集。本发明可以对冗杂的负荷预测输入数据集进行筛选,降低负荷预测的复杂性,提高负荷预测的计算速度,同时保留数据集中的有效特征,保证负荷预测的准确性。
一种电力负荷预测方法和装置.pdf
本发明涉及一种电力负荷预测方法和装置,属于电力技术领域,解决了现有预测方法环境信息收集实时性不足,难以适用电力负荷非线性和非平稳关系的问题。该方法包括:采集各时刻电力负荷预测所需的电力负荷时间序列;利用所述电力负荷时间序列构建多变量无阈值改进递归图以将所述电力负荷时间序列转化为编码图像,其中,通过所述电力负荷时间序列相空间重构获得反映多态动力信号信息的相空间,并在所述相空间中构造无阈值改进递归图;以及将生成的编码图像输入卷积神经网络预测模型,以生成预测的电力负荷。改进的递归图能够提高特征反映能力,减少特征
基于特征工程和多路深度学习的电力负荷预测方法.pdf
本发明公开了一种基于特征工程和多路深度学习的电力负荷预测方法,包括步骤:S1.采集电力负荷数据以及气温数据;S2.依据目标特征对电力负荷数据以及气温数据进行处理,生成数据集;S3.对数据集进行切分得到N个数据子集;S4.将N个数据子集分别输入到N个径向基函数网络,进行训练,得到N个训练后的径向基函数网络;S5.采集测试数据;S6.从N个已训练的径向基函数网络中选取K个径向基函数网络,并将测试数据分别输入到K个径向基函数网络,输出K个电力负荷预测结果,将K个电力负荷预测结果的求和平均值作为最终的电力负荷预测