排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
以上海市长宁区的大型办公建筑为研究对象,利用数据分析方法分析其用电行为与节能潜力。针对传统用电行为分析,采用单一聚类算法拓展性较差的问题,文章提出通过优选方法进行聚类融合以吸收不同算法优点,增强算法适应能力。首先进行方法优选,针对聚类效果评价指标的不一致问题,提出综合聚类评价指标并对R语言库中大量的单一聚类方法进行评价,采用基于簇的相似度划分算法(CSPA)进行聚类融合。试验集的结果表明该聚类融合方法具有更好的有效性。利用该改进聚类融合算法对用户负荷曲线进行聚类,提取用户用电模式,分析其用电构成与特征,并进行节能策略的分析。结果表明,该办公类建筑具有4类基本用电模式,且有一定节能潜力。 相似文献
2.
随着用电信息的采集完善,准确的用户用电模式分析将为电力智能化建设提供重要依据,在此背景下,针对用电模式分析中考虑聚类特征类型单一的问题,提出一种考虑多类型特征优选的加权聚类分析方法.首先,将负荷类特征和气象类特征归一化建立待选择特征集合;然后,结合互信息和灰色关联度优选出聚类特征集;最后,采用权重分配的k-means方法对优选特征集合进行聚类,结合负荷曲线分析各用电模式的典型用电行为.通过对上海市某商场用电负荷数据的分析,证明该方法能够减少数据冗余信息的干扰并提升聚类质量. 相似文献
3.
4.
为了改进传统楼宇短期负荷预测的准确度与效率,以上海市某商场建筑为研究对象,采取了基于相似日选取和BP神经网络的方法,对其夏季短期负荷进行了预测。首先,对夏季气象类因素进行去量纲处理,并采用灰色关联度挑选出对负荷影响最大的气象因素;然后,以关键气象因素为基准,采用加权相似度函数选择相似日,并按照相似度大小进行降序排列;最后,将相似日的负荷和关键气象因素数据输入到BP神经网络模型中,预测输出该商场2017年夏季短期负荷值,并对预测结果进行对比分析。通过实例数据进行了算例验证,结果表明,提出的方法具有较好的有效性和实用性。 相似文献
1