一种冷负荷预测的情景-聚类方法

摘要

本发明涉及一种冷负荷预测的情景-聚类方法。包括如下步骤：1）生成情景聚类条件；2）基于先验知识的情景粗聚类；3）基于智能算法的自动情景细聚类；4）根据细聚类结果生成情景分类器；5）根据细聚类结果生成针对性的有监督学预测模型；6）利用分类器和针对性的预测模型进行冷负荷预测。本发明利用情景聚类的方法对冷负荷相关历史数据进行处理，根据不同情景的特点优化选择有监督学预测算法，并减少了算法的训练样本数，以此提高了预测的准确度和精度，且减少了预测模型的训练时间和预测时间，达到细粒度预测的目标。本发明的方法实现简单，实用性高，泛化能力和推广能力强。

主权项

一种冷负荷预测的情景‑聚类方法，其特征在于包括如下步骤：1）生成情景聚类条件；2）基于先验知识的情景粗聚类；3）基于智能算法的自动情景细聚类；4）根据细聚类结果生成情景分类器；5）根据细聚类结果生成针对性的有监督学习预测模型；6）利用分类器和针对性的预测模型进行冷负荷预测。