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：王炎; 张海增; 胡新华; 赵隽; 李添

来源：电力大数据, 2020, 23(04): 47-53.

DOI：10.19317/j.cnki.1008-083x.2020.04.007

• 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

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。