联系人: 房先生
所在地:福建 厦门市
本发明涉及一种冷负荷预测的情景-聚类方法。包括如下步骤:1)生成情景聚类条件;2)基于先验知识的情景粗聚类;3)基于智能算法的自动情景细聚类;4)根据细聚类结果生成情景分类器;5)根据细聚类结果生成针对性的有监督学习预测模型;6)利用分类器和针对性的预测模型进行冷负荷预测。本发明利用情景聚类的方法对冷负荷相关历史数据进行处理,根据不同情景的特点优化选择有监督学习预测算法,并减少了算法的训练样本数,以此提高了预测的准确度和精度,且减少了预测模型的训练时间和预测时间,达到细粒度预测的目标。本发明的方法实现简单,实用性高,泛化能力和推广能力强。
Copyright © 2019 青海技术市场 青ICP备18001110号-4