CN113888356A - 一种建筑用能模式分析与判定方法及系统 - Google Patents
一种建筑用能模式分析与判定方法及系统 Download PDFInfo
- Publication number
- CN113888356A CN113888356A CN202111216980.5A CN202111216980A CN113888356A CN 113888356 A CN113888356 A CN 113888356A CN 202111216980 A CN202111216980 A CN 202111216980A CN 113888356 A CN113888356 A CN 113888356A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- consumption mode
- building
- building energy
- classifier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000007637 random forest analysis Methods 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 11
- 238000007726 management method Methods 0.000 description 10
- 230000005611 electricity Effects 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提出了一种建筑用能模式分析与判定方法及系统，方法包括如下步骤：对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，利用随机森林构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；获取当前建筑的外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。本公开对同一用户不同日期的历史能耗进行聚类和再分类获取建筑能耗模式和影响用户行为的关键因素，对能量管理系统的优化和相关政策的制定起到关键性的引导作用。
Description
技术领域
本公开涉及环保与能源相关技术领域，具体的说，是涉及一种建筑用能模式分析与判定方法及系统，可应用于智能建筑、建筑能量智能管控。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。
随着社会的发展，建筑能耗在总能耗中的比重日益增加。建筑能耗管理、家庭能量管理、用户行为引导等智能化系统可以有效提高建筑的用能效率。但是，不同于其他能耗形式的规律性和操控性，建筑能耗直接受控于用户的用能习惯，更加的随机性和个人化。这就使得对其进行能量优化管理更加困难。基于此，研究用户的用能行为，提取其行为特征，分析建筑能耗模式，不仅仅有利于能量管理的优化，也可以为相关政策的制定起到关键的引导作用。
检索发现，针对建筑能耗的研究尚处于起步阶段，相关的发明专利尤显不足。中国发明专利CN109902915A《一种基于模糊C均值模型的电水气用能行为分析方法》利用模糊C均值聚类方法，将一定区域内的用户进行聚类，以分析多个用户相同的用能习惯。中国发明专利CN109919173A《一种基于减法聚类模型的多表融合用能行为分析方法》中利用用户日用电量、用水量和用气量，构建水电气融合数据，通过聚类算法，得到用户分类。上述方法都仅仅利用聚类方法，将实现不同用户之间的分类，也无法提取影响用户行为的关键因素，更无法对单个用户的不同用能模式进行深入的研究。对能量管理和政策制定的相关问题缺乏确定性的引导内容。
发明内容
本公开为了解决上述问题，提出了一种建筑用能模式分析与判定方法及系统，基于数据挖掘和特征提取对建筑用能模式进行预测，该方法对同一用户不同日期的历史能耗进行聚类和再分类获取建筑能耗模式和影响用户行为的关键因素，对能量管理系统的优化和相关政策的制定起到关键性的引导作用。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种建筑用能模式分析与判定方法，包括如下步骤：
对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；
根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，利用随机森林构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；
获取带识别建筑的外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。
本公开第二方面提供了一种建筑用能模式分析与确定系统，包括：
聚类模块，被配置为用于对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；
分类器构建模块：被配置为用于根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，利用随机森林构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；
分类调控模块：被配置为用于获取当前建筑的外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。
本公开第三方面提供了一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。
本公开第四方面提供了一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。
与现有技术相比，本公开的有益效果为：
本实施例通过该建筑用能模式判定方法，可以获得影响用户行为的关键外部因素，融合k-means++和随机森林算法探寻建筑用能负荷与外部因素的相关性，从而获得建筑用能模式，提高了用能模式判断的准确性，基于数据挖掘和特征提取对建筑用能模式进行预测，能够实现建筑用能智能调控。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
图1是本公开实施例1的方法流程图；
图2是本公开实施例2的系统的框图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
实施例1
在一个或多个实施方式公开的技术方案中，如图1所示，一种建筑用能模式分析与判定方法，包括如下步骤：
步骤1、对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；
步骤2、根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，以训练随机森林，构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；
步骤3、获取当前建筑的关键外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。
可选的，采用聚类方法对采集的数据进行聚类，优选的，可以利用k-means++对历史建筑日负荷曲线进行聚类。
本实施例通过该建筑用能模式判定方法，可以获得影响用户行为的关键外部因素，融合k-means++和随机森林算法探寻建筑用能负荷与外部因素的相关性，从而获得建筑用能模式，提高了用能模式判断的准确性，基于数据挖掘和特征提取对建筑用能模式进行预测，能够实现建筑用能智能调控。相关分析结果对能量管理和政策制定等相关节能系统与措施极具参考价值。
步骤1中，还包括历史数据获取和预处理步骤：
可选的，获取历史负荷数据即为建筑的历史日负荷曲线，对获取的历史负荷数据进行预处理，预处理包括缺失值的处理和归一化处理。可以按照设定补偿获取数据，设定的步长可以根据需要设定，如步长可以为15分钟。
(1)缺失值：将前后各一周相对应时间点的数据均值作为缺失值的替补值。
(2)归一化：将历史数据序列映射到[0,1]范围内。
步骤1中，将历史数据以天为一组，组成日负荷曲线，通过肘部方法寻找最优K值，利用K-means++对日负荷曲线聚类，聚类结果中的每一个簇都代表一种建筑用能模式，其对应的中心曲线为典型日负荷曲线。
步骤2中基于聚类结果，为每一条日负荷曲线标记建筑用能模式标签，具体的，根据聚类结果中典型日负荷曲线确定每个簇的建筑用能模式标签，为聚类结果中每个簇设置建筑用能模式标签，将每个簇内的每一条日负荷曲线标记该簇的建筑用能模式标签。
步骤2中，根据每一条的日负荷曲线以及其用能模式标签，以外部影响因素为输入，以建筑用能模式标签为输出，训练随机森林模型，构建未来用能模式分类器，以获得未来用能模式。
本实施例以聚类后的聚类结果为基础，精确聚类后再分类，融合了K-means++聚类方法以及随机森林分类方法，能够提高分类的准确性。
训练随机森林模型的方法具体为：
步骤21：获取可能影响历史负荷数据的外部影响因素，可以包括时间、节假日、天气和政策四类。
时间类的影响因素可以包括年、月、日、星期、季节等；
节假日类的影响因素可以包括节日、假期、学生假期；
天气类的影响因素可以包含温度、湿度、降水、风速(日均风速)等；
其中，温度因素包括日均温度、日最高温度、日最低温度等；湿度因素包括日均湿度、日最高湿度、日最低湿度等；降水因素包括日均降水、日最高降水、日最低降水等。风速因素可以为日均风速。政策包括气价、电价或峰谷电价等。
步骤22：建立随机森林模型作为建筑用能模式分类器；
步骤23：以外部影响因素作为随机森林模型输入，以当日对应的建筑用能模式作为输出，利用差分进化算法优化模型参数，获得训练好的建筑用能模式分类器；
步骤24：根据建筑用能模式分类器评估各外部影响因素在分类过程中的权重，以确定影响建筑用能模式的关键影响因素。
该训练过程包括确定了模型参数和关键因素的确定步骤，基于该训练好的用能模式分类器，在进行建筑用能模式的确定过程中，根据确定的关键影响因素可以直接采集对应建筑未来用能外部影响因素。
根据分类器评估获得影响建筑用能模式的关键外部影响因素的方法，具体的，可以为通过构建的未来用能模式分类器评估外部影响因素的权重，选择大于权重设定值的因素，组成影响建筑用能模式的关键因素即为关键外部影响因素。
优选的，权重设定值可以设定为0.1。
本实施例通过分类器确定了关键外部影响因素，采用随机森林算法提取了特征，提高了特征提取的准确性，确定关键外部影响因素有利于为能量管理、用户行为引导和政策制定等起到引导作用。
步骤3中，获取的建筑外部影响因素可以包括未来天气、节假日、新政策等，通过对未来一段时间内的外部影响因素，为建筑的用能模式进行预判。提高了建筑用能管控的时效性。
实施例2
基于实施例1，本实施例提供一种建筑用能模式分析与确定系统，包括：
聚类模块，被配置为用于对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；
分类器构建模块：被配置为用于根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，利用随机森林构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；
分类调控模块：被配置为用于获取当前建筑的关键外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。
分类调控模块获取的建筑外部影响因素可以包括未来天气、节假日、新政策等，通过对未来一段时间内的外部影响因素，为建筑的用能模式进行预判。提高了建筑用能管控的时效性。
实施例3
本实施例提供一种智慧楼宇系统，所述系统至少包括楼宇用电监测装置、服务器以及配电设备，所述用电监测装置用于获取建筑日负荷曲线；服务器被配置为执行实施例1所述的建筑用能模式判定方法，根据获得的建筑用能模式向配电设备发送调控指令；配电设备用于根据获得调控指令执行配电操作。
智慧楼宇系统还可以包括楼宇图像采集模块、楼宇空气质量监测模块、楼宇烟雾监测模块、楼宇温湿度监测模块、楼宇用电监测模块、显示模块、中央控制模块、无线信号传输模块、数据存储模块、数据分析模块、楼宇器件执行模块和居民提醒模块等。
实施例4
本实施例提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1的方法所述的步骤。
实施例5
本实施例提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1的方法所述的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种建筑用能模式分析与判定方法，其特征是，包括如下步骤：
对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；
根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，以训练随机森林，构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；
获取待识别建筑的关键外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。
2.如权利要求1所述的一种建筑用能模式分析与判定方法，其特征是：对历史建筑日负荷曲线进行聚类的方法，利用k-means++对历史建筑日负荷曲线进行聚类。
3.如权利要求1所述的一种建筑用能模式分析与判定方法，其特征是：获取历史建筑日负荷曲线后还包括预处理步骤包括缺失值的处理和归一化处理，其中缺失值处理为：将前后各一周相对应时间点的数据均值作为缺失值的替补值。
4.如权利要求1所述的一种建筑用能模式分析与判定方法，其特征是：外部影响因素包括时间、节假日、天气和政策。
5.如权利要求1所述的一种建筑用能模式分析与判定方法，其特征是：建筑用能模式标签的设定方法：根据聚类结果，根据聚类结果中典型日负荷曲线，为聚类结果中每个簇设置建筑用能模式标签，将每个簇内的每一条日负荷曲线标记该簇的建筑用能模式标签。
6.如权利要求1所述的一种建筑用能模式分析与判定方法，其特征是，根据分类器评估获得影响建筑用能模式的关键外部影响因素的方法为：通过构建的未来用能模式分类器评估外部影响因素的权重，选择大于权重设定值的因素，组成影响建筑用能模式的关键外部影响因素。
7.如权利要求1所述的一种建筑用能模式分析与判定方法，其特征是，训练随机森林模型的方法具体为：
获取影响历史负荷数据的外部影响因素；
建立随机森林模型作为建筑用能模式分类器；外部影响因素作为随机森林模型输入，以当日对应的建筑用能模式作为输出，利用差分进化算法优化模型参数，获得训练好的建筑用能模式分类器；
根据建筑用能模式分类器评估各外部影响因素在分类过程中的权重，以确定影响建筑用能模式的关键影响因素。
8.一种建筑用能模式分析与确定系统，其特征是，包括：
聚类模块，被配置为用于对历史建筑日负荷曲线进行聚类，以获得建筑用能模式和每一种用能模式对应的典型日负荷曲线；
分类器构建模块：被配置为用于根据聚类结果，以外部影响因素作为输入，对应的建筑用能模式标签作为输出，利用随机森林构建用能模式分类器，根据分类器评估获得影响建筑用能模式的关键外部影响因素；
分类调控模块：被配置为用于获取待识别建筑的外部影响因素，通过用能模式分类器输出建筑用能模式，根据用能模式实现建筑用能的智能化调控。
9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111216980.5A CN113888356A (zh) | 2021-10-19 | 2021-10-19 | 一种建筑用能模式分析与判定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111216980.5A CN113888356A (zh) | 2021-10-19 | 2021-10-19 | 一种建筑用能模式分析与判定方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113888356A true CN113888356A (zh) | 2022-01-04 |
Family
ID=79003625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111216980.5A Pending CN113888356A (zh) | 2021-10-19 | 2021-10-19 | 一种建筑用能模式分析与判定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113888356A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106485262A (zh) * | 2016-09-09 | 2017-03-08 | 国网山西省电力公司晋城供电公司 | 一种母线负荷预测方法 |
| CN112561156A (zh) * | 2020-12-11 | 2021-03-26 | 国网江苏省电力有限公司南通供电分公司 | 基于用户负荷模式分类的短期电力负荷预测方法 |
| CN112836720A (zh) * | 2020-12-16 | 2021-05-25 | 博锐尚格科技股份有限公司 | 建筑运维设备异常诊断方法、系统及计算机可读存储介质 |
-
2021
- 2021-10-19 CN CN202111216980.5A patent/CN113888356A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106485262A (zh) * | 2016-09-09 | 2017-03-08 | 国网山西省电力公司晋城供电公司 | 一种母线负荷预测方法 |
| CN112561156A (zh) * | 2020-12-11 | 2021-03-26 | 国网江苏省电力有限公司南通供电分公司 | 基于用户负荷模式分类的短期电力负荷预测方法 |
| CN112836720A (zh) * | 2020-12-16 | 2021-05-25 | 博锐尚格科技股份有限公司 | 建筑运维设备异常诊断方法、系统及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103853106B (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
| CN112561156A (zh) | 基于用户负荷模式分类的短期电力负荷预测方法 | |
| CN109376772B (zh) | 一种基于神经网络模型的电力负荷组合预测方法 | |
| CN101728868A (zh) | 遥测电力负荷特性的分类和预测方法 | |
| CN111612228A (zh) | 一种基于用电信息的用户用电行为分析方法 | |
| Liu et al. | A data mining research on office building energy pattern based on time-series energy consumption data | |
| KR102478684B1 (ko) | 앙상블 학습을 이용한 에너지 소비 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치 | |
| CN110658725A (zh) | 一种基于人工智能的能源监管和预测系统及其方法 | |
| CN115907822A (zh) | 一种考虑区域及经济影响的负荷特征指标关联性挖掘方法 | |
| CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
| CN108717552A (zh) | 基于新标签发现和标签增量学习的动态多标签分类方法 | |
| CN113935557A (zh) | 一种基于深度学习的相同模式能耗大数据预测方法 | |
| Sarmas et al. | Baseline energy modeling for improved measurement and verification through the use of ensemble artificial intelligence models | |
| CN117787670B (zh) | 一种基于建筑工程的bim数据管理方法及系统 | |
| CN117458544B (zh) | 一种基于多类型储能资源动态聚合的优化协同调控方法 | |
| CN114358474A (zh) | 一种典型多能用户模型建立方法 | |
| CN117634678A (zh) | 基于实际运行场景的低碳园区碳排放预测方法 | |
| CN117390550A (zh) | 考虑排放训练集的低碳园区碳排放动态预测方法及系统 | |
| CN113888356A (zh) | 一种建筑用能模式分析与判定方法及系统 | |
| Moreno et al. | Exploiting IoT-based sensed data in smart buildings to model its energy consumption | |
| CN109583763A (zh) | 分行业用户电力负荷增长特征挖掘算法 | |
| CN115358797A (zh) | 基于聚类分析法的综合能源用户用能行为分析方法、系统及存储介质 | |
| CN114648163A (zh) | 一种适用于智慧城市的能耗数据管理系统及方法 | |
| CN112579721A (zh) | 构建人群分布图的方法及系统、终端设备、存储介质 | |
| Rajaan et al. | Efficient Usage of Energy Infrastructure in Smart City Using Machine Learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |