龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国网山东省电力公司营销服务中心(计量中心);山东大学
摘要：本发明提供了一种基于聚类与迁移学习的代理购电用户负荷预测方法及系统，本发明基于多元信息挖掘，探索代理购电用户分区域、精细化聚类方法，基于聚类的用户负荷分析方法，根据其用电行为特征将用户聚类为不同的用电群体，在行业、产业分类的基础上对用户再次进行聚类，确定不同用电群体负荷时空分布，再针对每类用户建模分析以满足精细化电力负荷预测的需求，能够有效提升代理购电用户负荷预测的准确性。
主权项：1.一种基于聚类与迁移学习的代理购电用户负荷预测方法，其特征是，包括以下步骤：获取区域内各代理购电用户一定时间内的历史负荷数据及外部影响因素的数据，并将数据按照行业进行划分；对历史负荷数据和外部影响因素数据进行预处理；采用最大相关最小冗余准则提取负荷及电量内部数据典型特征和外部影响因素的数据典型特征；基于提取到的最优特征集，运用密度峰值快速搜索聚类算法将同一行业下的用电行为相似的代理购电用户负荷数据进行聚类，分析不同聚类结果下的轮廓系数，确定最佳聚类结果；根据聚类结果划分源域和目标域，利用皮尔逊相关系数筛选出影响用户负荷的主要因素，将筛选出的历史负荷数据和主要因素数据集输入到源域预测模型，训练模型直至达到目标预测精度；利用迁移学习理论，对训练好的源域模型进行迁移，最终得到目标域的预测模型；利用目标域的预测模型，基于区域内各代理购电用户一定时间内的负荷数据和外部影响因素的数据，进行负荷预测。
全文数据：
权利要求：
百度查询： 国网山东省电力公司营销服务中心(计量中心) 山东大学 基于聚类与迁移学习的代理购电用户负荷预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号