科研之友
微信
新浪微博
Facebook
分享链接
摘要
用电分析和预测对于工业企业的能源管理具有重要意义。现有工业用电分析与预测方法大多局限于离线本地计算,数据导入和导出等步骤仍需要人工操作,存在效率低和实时性差等问题。针对此问题,本文基于某工业企业用电数据采集系统获取的工业用电数据,在阿里云平台上实现了实时数据导入,并对影响工业用电的主要因素进行了特征分析,进而采用梯度提升决策树回归算法构建了该工业企业的工业用电预测模型,并与支持向量回归机和线性回归算法进行对比,证明了梯度提升决策树回归算法具有更好的预测效果。本文还对云平台的数据同步时间和算法计算时间进行了统计分析,证明了基于云平台的工业用电分析与预测具有更好的效率和实时性。
-
单位自动化学院; 福州大学
