基于大数据模式识别机器学习算法的热力站动态能耗指标预测模型

• 作者: 张海增 李添 王炎 胡新华 赵隽
• 来源期刊: 电力大数据
• 学科: 工学
• 关键词: 大数据模式识别 机器学习 指标 预测 欧式距离 复合相关系数
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 大数据专题
• 页码范围: 47-53
• 页数: 7页
• 分类号: TP39
• 字数: 5590字
• 语种: 中文

摘要

为了实现对供热系统热力站的热负荷预测,将天气、用户室内温度和时间迟滞性等因素作为负荷预测的数据依据.本文利用统计学原理和大数据架构,通过大量数据样本的学习和修正,为解决热力行业热力控制理论缺失问题提供了一条崭新的方法.将模式识别算法和时间序列相关性分析作为算法的核心,为解决天气和时间迟滞性对用户供热的影响提供了可能.本文以我公司n个典型热力站和其所带热用户为实验对象,以所在地区天气预报和天气实时数据为依据,对供暖期间所采集的热力站供暖数据、天气预报数据、典型供暖用户室内温度,通过大数据模式识别机器学习算法对样本进行学习训练,形成一套完整热力站动态能耗指标预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王炎		3	0	0.0	0.0
2	张海增		1	0	0.0	0.0
3	胡新华		1	0	0.0	0.0
4	赵隽		1	0	0.0	0.0
5	李添		1	0	0.0	0.0