-
公开(公告)号：CN109064353B
公开(公告)日：2022-07-01
申请号：CN201810771056.5
申请日：2018-07-13
Abstract: 本发明涉及一种基于改进聚类融合的大型建筑用户行为分析方法，该方法用于确定大型建筑用户的用电模式，该方法包括如下步骤：(1)获取待分析的大型建筑用户的总负荷数据以及分项计量数据；(2)构建聚类效果综合评价指标，选取多种优质聚类方法；(3)采用选取的优质聚类方法分别对待分析的大型建筑用户的总负荷数据进行聚类得到不同聚类结果；(4)对所述的优质聚类方法得到的聚类结果进行融合得到最终用电模式。与现有技术相比，本发明可以吸取不同单一聚类算法的优点，其有效性与准确度均高于单一聚类方法，且拓展性得到提高。
-
公开(公告)号：CN108960657B
公开(公告)日：2021-11-12
申请号：CN201810771748.X
申请日：2018-07-13
Abstract: 本发明涉及一种基于特征优选的楼宇负荷特性分析方法，该方法包括如下步骤：(1)获取待分析时间区间内楼宇负荷数据以及影响楼宇负荷的样本特征，所述的样本特征包括气象类特征和负荷类特征；(2)基于楼宇负荷数据对样本特征进行综合优选，选取影响楼宇负荷的优选特征；(3)对优选特征进行加权聚类，确定不同的用电模式，结合负荷数据确定每种用电模式下的负荷分布。与现有技术相比，本发明特征优选聚类方法能够有效提取出关键影响特征，提高聚类的质量，并且计算速度快，通用型强，分析结果准确可靠。
-
Patent Agency Ranking
公开(公告)号：CN109064353A
公开(公告)日：2018-12-21
申请号：CN201810771056.5
申请日：2018-07-13
CPC classification number: G06Q50/06 , G06K9/6218 , G06Q10/06393
Abstract: 本发明涉及一种基于改进聚类融合的大型建筑用户行为分析方法，该方法用于确定大型建筑用户的用电模式，该方法包括如下步骤：(1)获取待分析的大型建筑用户的总负荷数据以及分项计量数据；(2)构建聚类效果综合评价指标，选取多种优质聚类方法；(3)采用选取的优质聚类方法分别对待分析的大型建筑用户的总负荷数据进行聚类得到不同聚类结果；(4)对所述的优质聚类方法得到的聚类结果进行融合得到最终用电模式。与现有技术相比，本发明可以吸取不同单一聚类算法的优点，其有效性与准确度均高于单一聚类方法，且拓展性得到提高。
-
公开(公告)号：CN108960657A
公开(公告)日：2018-12-07
申请号：CN201810771748.X
申请日：2018-07-13
CPC classification number: G06Q10/0639 , G06K9/6223 , G06K9/6228 , G06Q50/06
Abstract: 本发明涉及一种基于特征优选的楼宇负荷特性分析方法，该方法包括如下步骤：(1)获取待分析时间区间内楼宇负荷数据以及影响楼宇负荷的样本特征，所述的样本特征包括气象类特征和负荷类特征；(2)基于楼宇负荷数据对样本特征进行综合优选，选取影响楼宇负荷的优选特征；(3)对优选特征进行加权聚类，确定不同的用电模式，结合负荷数据确定每种用电模式下的负荷分布。与现有技术相比，本发明特征优选聚类方法能够有效提取出关键影响特征，提高聚类的质量，并且计算速度快，通用型强，分析结果准确可靠。
-
公开(公告)号：CN118691870A
公开(公告)日：2024-09-24
申请号：CN202410359824.1
申请日：2024-03-27
Applicant: 国网上海市电力公司
IPC: G06V10/764 , G06V10/40 , G06V10/56 , G06N20/20
Abstract: 本发明的一种基于LAB颜色空间特征提取和随机森林的负荷识别方法,负荷识别方法包括离线阶段和在线阶段；离线阶段包括:离线步骤1：负荷图像的特征提取步骤；离线步骤2：分类学习步骤；在线阶段包括:在线步骤1：在线特征提取步骤；在线步骤2：在线负荷识别步骤。本发明利用LAB颜色空间进行特征提取可以提高模型的准确性：使用不同的颜色空间可以提供更多信息，帮助分类模型更好地捕捉数据的特征，从而提高模型的准确性，有助于提高图像分类识别的速度和准确度。
-
公开(公告)号：CN118196521A
公开(公告)日：2024-06-14
申请号：CN202410359821.8
申请日：2024-03-27
Applicant: 国网上海市电力公司
IPC: G06V10/764 , G06V10/40 , G06N20/10 , G06V10/28
Abstract: 本发明公开了一种基于GRAY颜色空间特征提取和SVM的负荷识别方法,其特征在于:负荷识别方法包括离线阶段和在线阶段；离线阶段包括:离线步骤1：负荷图像的特征提取步骤；离线步骤2：分类学习步骤；在线阶段包括:在线步骤1：在线特征提取步骤；在线步骤2：在线负荷识别步骤。本发明利用GRAY颜色空间进行特征提取可以提高模型的准确性：使用不同的颜色空间可以提供更多信息，帮助分类模型更好地捕捉数据的特征，从而提高模型的准确性，有助于提高图像分类识别的速度和准确度。
-
公开(公告)号：CN109583645A
公开(公告)日：2019-04-05
申请号：CN201811433017.0
申请日：2018-11-28
Applicant: 上海电力学院
Abstract: 本发明涉及一种公共楼宇短期负荷预测方法，考虑了天气情况、气温、体感温度等外部条件变化对负荷的影响，采用互信息的方法挑选出对负荷影响最大的气象因素；以关键影响因素为基准，采用欧式距离选择相似日，并将相似日按照欧氏距离从小到大的顺序进行排列，提高预测性能和预测的有效性；对采用ARIMA进行初次负荷预测，将其预测值与相似日的负荷值、相似日以及预测日的的关键影响因素值作为BP神经网络的输入，形成ARIMA-BP混合模型，进行第二次负荷预测，预测结果具有科学性和准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.066 seconds)
