Print

基于气象与移动数据的楼宇短期负荷预测

论文摘要

针对用电负荷预测问题,提出了一种基于气象数据及移动人群数据的楼宇短期负荷建模方法,使用上海某商场移动数据及该地天气数据作为特征参数,对于样本特征使用模糊C均值（fuzzy C-means,FCM）预处理,具有相似特征的时刻的气象与移动人群数据分别建立梯度提升决策树（gradient lifting decision tree,GBDT）模型。实验表明,引入移动数据对于小样本楼宇短期负荷建模精度有所提升。

论文目录

  • 1 模糊C均值算法与梯度提升决策树模型
  •   1) CART决策树。
  •   2) 创建GBDT模型。
  • 2 基于模糊C均值聚类与GBDT模型的短期负荷预测
  •   1) 预测输入变量。
  •   2) 预测流程。
  • 3 预测实验结果与性能分析
  •   1) 加入楼宇移动数据进行电力负荷预测。
  •   2) FCM加GBDT对电力负荷预测的影响。
  •   3) 算法对比。
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 卜凡鹏,田世明,蒲天骄,田英杰,苏运

    关键词: 移动数据,模糊聚类,梯度提升决策树,楼宇负荷

    来源: 测绘地理信息 2019年04期

    年度: 2019

    分类: 基础科学,信息科技,工程科技Ⅱ辑

    专业: 建筑科学与工程

    单位: 中国电力科学研究院有限公司,国网上海市电力公司

    基金: 国家电网公司科技项目(52094017002U)

    分类号: TU85

    DOI: 10.14188/j.2095-6045.2018448

    页码: 73-76

    总页数: 4

    文件大小: 1713K

    下载量: 129

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e5808e792cdb2e9796cd36df.html