检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向安全的高校宿舍空调用电预测方法研究

华北科技学院学报 2023年第6期20卷 105-114页

作者：张云雷李子昂马骧尧李冬艳华北科技学院计算机学院北京东燕郊065201 河北省物联网监控技术创新中心北京东燕郊065201

近年来,随着大学宿舍空调的普及,学生宿舍的用电量也逐渐增加。空调作为宿舍耗能的主要组成部分,分析其用电特性及预测用电量,有助于用电安全管理和宿舍线路规划,也可以帮助同学们合理规划空调使用,预防电路过载导致安全隐患。本文提出... 详细信息

近年来,随着大学宿舍空调的普及,学生宿舍的用电量也逐渐增加。空调作为宿舍耗能的主要组成部分,分析其用电特性及预测用电量,有助于用电安全管理和宿舍线路规划,也可以帮助同学们合理规划空调使用,预防电路过载导致安全隐患。本文提出了一种基于Bi-LSTM循环神经网络的高校宿舍空调短期用电预测方法。通过采集高校宿舍空调用电数据,并建立用于短期用电预测的数据集,使用Bi-LSTM网络提取用电量样本中的时序信息,并在网络中加入正则化,避免出现网络退化问题。在此基础上,利用该模型对未来一天的用电量进行预测。实验结果表明,该模型相对于传统的预测方法,在预测准确率和稳定性方面均有明显的提升。本文首先对数据集进行了预处理和特征提取,包括对数据的清洗、聚类、归一化处理以及特征选择等。随后,使用预处理后的数据训练了多种预测模型并进行对比。最终选择基于Bi-LSTM循环神经网络的模型来预测高校宿舍空调的短期用电。在实际应用中,该方法可以帮助高校宿舍管理部门更加准确地预测未来一天的空调用电量,从而合理安排用电计划和调整设备运行状态,达到节能减排和优化设备使用效率的目的。

关键词：安全管理用电预测循环神经网络高校宿舍

在线全文

学校读者我要写书评

暂无评论

基于LSTM的智能家庭用电预测模型研究

软件工程 2022年第2期25卷 39-41,38页

作者：周游徐丹赵灿谭宇渲国网江苏省电力有限公司苏州供电分公司江苏苏州215004

家庭用电是能源市场的一个重要组成部分,预测家庭用电需求能够实现智能供电,可以有效地提高供给率,但目前预测方法大多效果不佳。针对此,提出了一种基于LSTM的面向家庭智能用电预测算法,建立了端到端的智能家庭用电预测模型。其在Borut... 详细信息

家庭用电是能源市场的一个重要组成部分,预测家庭用电需求能够实现智能供电,可以有效地提高供给率,但目前预测方法大多效果不佳。针对此,提出了一种基于LSTM的面向家庭智能用电预测算法,建立了端到端的智能家庭用电预测模型。其在Boruta特征筛选的基础上设计了特征选择方法,对多个特征进行重要性计算,选取其中重要性高的部分进行建模,然后利用LSTM网络与全连接层对时间序列数据进行训练,得到预测模型。实验结果表明,所提方法的预测效果明显优于其他三种模型,能与真实数据较好地拟合。

关键词：智慧能源用电预测特征选择时间序列 LSTM网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种根据经济主导行业进行用电预测的新方法

电网技术 1998年第7期22卷 45-48,57页

作者：仇新宇江苏省电力局用电处

文章基于对江苏省１９８６年以来各类电量数据的分析，提出了一种根据经济主导行业用电增长率进行用电预测的新方法。

关键词：负荷预测主导行业分类用电用电预测电力系统

在线全文

学校读者我要写书评

暂无评论

基于XGBoost的公共建筑用电预测研究

信息与电脑 2021年第20期33卷 74-76页

作者：臧世伟高丽婷赵睿哲河北建筑工程学院张家口市大数据技术创新中心河北张家口075000

影响大型公共建筑用电量预测的因素众多,为了准确预测其影响因素,本文提出一种基于XGBoost的预测模型。该预测模型运用卡方检测建筑周围的湿度、温度和人为活动等影响用电量的因素,计算各个影响因素与用电量的相关性,进而提取出主要影... 详细信息

影响大型公共建筑用电量预测的因素众多,为了准确预测其影响因素,本文提出一种基于XGBoost的预测模型。该预测模型运用卡方检测建筑周围的湿度、温度和人为活动等影响用电量的因素,计算各个影响因素与用电量的相关性,进而提取出主要影响因素,然后对数据集进行预处理。该预测模型是通过XGBoost算法与网格搜索算法结合,通过训练获得该公共建筑的最优用电预测模型。最后与其他预测方法对照实验,结果表明,该模型具有更高的准确率和更低的失误率。

关键词： XGBoost算法卡方检测网格搜索算法用电预测

Xgboost算法在区域用电预测中的应用!

在线全文

学校读者我要写书评

暂无评论

自动化仪表 2018年第7期39卷 1-5页

作者：许裕栗杨晶李柠甘中学新奥科技发展有限公司河北廊坊065001 煤基低碳能源国家重点实验室河北廊坊065001 上海交通大学自动化系系统控制与信息处理教育部重点实验室上海200240

针对区域用户用电预测的影响因素众多、用户行为模式差异的特点,提出一种基于Xgboost算法的综合预测方法。该方法从周期、趋势、扰动三方面考虑用电的影响因素,搜集用户历史用电数据和气象数据,对数据中的缺失值进行补充,并对数据进行... 详细信息

针对区域用户用电预测的影响因素众多、用户行为模式差异的特点,提出一种基于Xgboost算法的综合预测方法。该方法从周期、趋势、扰动三方面考虑用电的影响因素,搜集用户历史用电数据和气象数据,对数据中的缺失值进行补充,并对数据进行平滑化处理。将所得用户数据进行K-means聚类,从而得到不同类别的用户。运用最大信息系数(MIC)计算各影响因素与用户用电量的相关性大小,依据相关性大小对不同影响因素排序,进而提取主要影响因素。利用Xgboost算法构建不同用户类别的用电预测模型,对不同类别用户进行用电预测,进而获得区域整体用电情况。采用实际用电数据,调整算法参数,对综合方法进行仿真分析,并与其他方法进行对比。结果表明,该方法综合考虑了多方面影响因素,划分了不同的用户群落,具有更高的精度和可靠性。Xgboost算法在区域用电预测中具有较好的应用前景。

关键词：用电预测 K-means 最大信息系数 Xgboost模型决策树

基于智能技术的用电预测数据挖掘(DM)模型的建立

在线全文

学校读者我要写书评

暂无评论

自动化技术与应用 2003年第6期22卷 16-20页

作者：陈秀实大连华锐股份有限公司设计研究院大连116022

在电力营销决策中 ,运营成本是决策所需考虑的重要方面 ,同时也是决策管理者最为关心的一个问题 ,而电力营销活动中 ,与运营成本相关的最主要因素是电量的销售情况。若能够以前几个月的用电量预测出下一个月的用电量 ,并以此为依据购电 ... 详细信息

在电力营销决策中 ,运营成本是决策所需考虑的重要方面 ,同时也是决策管理者最为关心的一个问题 ,而电力营销活动中 ,与运营成本相关的最主要因素是电量的销售情况。若能够以前几个月的用电量预测出下一个月的用电量 ,并以此为依据购电 ,这样既可以避免购电过多所造成的存储电量损耗 ;又可以避免由于购电过少而难以达到用户需求的情况。为了完成这个目的 ,必须对数据仓库中的数据进行分析 ,从中发现并提取出隐藏在其中的信息或知识。这个过程就是数据挖掘的过程 ,本文提出了一种基于智能技术的用电预测数据挖掘模型。

关键词：电力系统用电预测数据挖掘智能技术数据模型电力企业电力营销决策

基于Elman神经网络算法的用户短期用电量预测

在线全文

学校读者我要写书评

暂无评论

通信电源技术 2023年第5期40卷 38-41页

作者：余红平国网湖北省电力有限公司老河口市供电公司湖北老河口441800

针对用户短期用电量预测能力低下的问题,提出了神经网络算法模型,实现用电预测系统的设计。用电预测评定的功能设计,通过完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法和经... 详细信息

针对用户短期用电量预测能力低下的问题,提出了神经网络算法模型,实现用电预测系统的设计。用电预测评定的功能设计,通过完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法和经验模态分解(Empirical Mode Decomposition,EMD)信号对用电预测数据进行评估和计算,进而实现对用电预测终端、电网负荷的评定。采用双层极限梯度提升(Extreme Gradient Boosting,XGBoost)算法构建弱学习器,提取用电预测数据的特征变量,调用权重和增益完成特征选择,建立好预测模型后进行负荷预测。实验表明,在进行用电预测的精确度测试时,用电预测的准确度可达97%。

关键词：用电预测神经网络负荷预测极限梯度提升(XGBoost)算法弱学习器

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于偏最小二乘回归的企业用电量预测研究

电器与能效管理技术 2023年第6期 58-62页

作者：胡敏张跃伟高孝天上海电器科学研究院上海200063 上海电器科学研究所(集团)有限公司上海200063

随着电力改革深入推进,电力市场化建设进一步加快。用电量分析与预测成为供电企业及用电企业关注的焦点,另外用电量也可以反映企业当前的运行状况和发展趋势,对生产型企业具有重要的意义。但是,企业月度用电预测存在样本数量较少以及数... 详细信息

随着电力改革深入推进,电力市场化建设进一步加快。用电量分析与预测成为供电企业及用电企业关注的焦点,另外用电量也可以反映企业当前的运行状况和发展趋势,对生产型企业具有重要的意义。但是,企业月度用电预测存在样本数量较少以及数据精度不足等问题,常见的机器学习方法在该应用中适用性不强。通过采用偏最小二乘(PLS)法解决上述问题,处理了所获取数据之间本身的相关性较高的问题。基于PLS建立了企业用电量预测的回归模型,并通过数据仿真验证了模型的有效性和准确性。

关键词：机器学习用电预测偏最小二乘高相关性

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

华东电网2004年用电预测

华东电力 2004年第3期32卷 30-30页