-
Patent Agency Ranking
公开(公告)号：CN110825723A
公开(公告)日：2020-02-21
申请号：CN201910952518.8
申请日：2019-10-09
Applicant: 上海电力大学
IPC: G06F16/215 , G06F16/28 , G06K9/62 , G06Q50/06
Abstract: 本发明提供了一种基于用电负荷分析的居民用户分类方法，首先对日用电负荷数据进行数据预处理获取多个样本数据，接着对样本数据进行预聚类和凝聚聚类获取多个数据聚类，然后通过对多个数据聚类的轮廓平均值与预定的轮廓阈值进行比较判断，然后根据判断结果、凝聚聚类次数以及数据聚类中的样本数据的数量，对样本数据进行重复多次预聚类和凝聚聚类，最后根据数据聚类对居民用户进行分类。
-
公开(公告)号：CN110825723B
公开(公告)日：2023-04-25
申请号：CN201910952518.8
申请日：2019-10-09
Applicant: 上海电力大学
IPC: G06F16/215 , G06F16/28 , G06F18/2321 , G06Q50/06
Abstract: 本发明提供了一种基于用电负荷分析的居民用户分类方法，首先对日用电负荷数据进行数据预处理获取多个样本数据，接着对样本数据进行预聚类和凝聚聚类获取多个数据聚类，然后通过对多个数据聚类的轮廓平均值与预定的轮廓阈值进行比较判断，然后根据判断结果、凝聚聚类次数以及数据聚类中的样本数据的数量，对样本数据进行重复多次预聚类和凝聚聚类，最后根据数据聚类对居民用户进行分类。
-
公开(公告)号：CN111832796B
公开(公告)日：2022-12-23
申请号：CN202010132437.6
申请日：2020-02-29
Applicant: 上海电力大学
Abstract: 本发明公开了一种针对居民用电负荷模式的精细分类及预测方法及系统，包括，采集居民的用电负荷数据及天气数据；基于贝叶斯信息准则对气象特征进行筛选；满足条件的气象特征构成气象特征库；对居民用电负荷数据行聚类分析，得到居民的用电模式；使用融合激活函数对LSTM网络进行改进；基于改进LSTM网络分别对不同用电模式下的居民用电负荷进行预测。本发明的有益效果：本发明提供的分类和预测方法能够对居民的用电模式进行更精确的分类，并根据分类结果得到更为精准的预测结果。
-
公开(公告)号：CN111832796A
公开(公告)日：2020-10-27
申请号：CN202010132437.6
申请日：2020-02-29
Applicant: 上海电力大学
Abstract: 本发明公开了一种针对居民用电负荷模式的精细分类及预测方法及系统，包括，采集居民的用电负荷数据及天气数据；基于贝叶斯信息准则对气象特征进行筛选；满足条件的气象特征构成气象特征库；对居民用电负荷数据行聚类分析，得到居民的用电模式；使用融合激活函数对LSTM网络进行改进；基于改进LSTM网络分别对不同用电模式下的居民用电负荷进行预测。本发明的有益效果：本发明提供的分类和预测方法能够对居民的用电模式进行更精确的分类，并根据分类结果得到更为精准的预测结果。
-
公开(公告)号：CN111861781A
公开(公告)日：2020-10-30
申请号：CN202010132423.4
申请日：2020-02-29
Applicant: 上海电力大学
Abstract: 本发明公开了一种居民用电行为聚类中的特征优选方法及系统，包括，采集数据并构建原始特征集；构建评价函数；基于评价函数对原始特征集进行筛选；对密度峰值算法进行改进；基于改进的密度峰值算法进行聚类分析。本发明的有益效果：通过对用电特征和气象因素特征共同构成的原始特征集的优选，构成能够实现较好效果的计算量最少的最优特征子集并进行聚类分析，从而完成用户用电模式的分类研究，通过优选合适样本用户集的用电特征集，不仅能大大减少分析时所需计算的数据，降低计算量，同时能有效地提高分析性能。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
