典型文献
基于电力数据挖掘的涉污企业用电量预测方法研究
文献摘要：
为对工业涉污企业进行准确管控,提出一种基于用电特性聚类与ConvLSTM神经网络算法结合的涉污企业用电量预测方法.对于企业用电数据中的数据异常与缺失的问题,采用局部离群因子算法(LOF)筛选异常值后输入至灰色模型中进行校正;通过K-means算法对修正后的企业历史用电数据进行特征提取并分析其用电特征,考虑影响用电量的因素不仅包括日期特性、节日特性,还提取了重污染天气下政府对涉污企业的管控特性;构建ConvLSTM模型,充分挖掘企业数据时序性特征,有效提高涉污企业短期用电量预测精度.选择四川省成都市涉污企业的用电数据验证模型算法的有效性.验证结果表明,所提方法对于不同企业、不同类型日期均更有效,能更精确地预测企业未来用电的趋势.
文献关键词：
企业用电量预测;ConvLSTM;LOF;灰色模型;K-means聚类算法;时序性特征;用电特性聚类
中图分类号：
作者姓名：
成贵学;乔臻;滕予非;唐伟
作者机构：
上海电力大学 计算机科学与技术学院,上海 200090;国网四川省电力公司电力科学研究院,四川 成都 610072
文献出处：
引用格式：
[1]成贵学;乔臻;滕予非;唐伟-.基于电力数据挖掘的涉污企业用电量预测方法研究)[J].现代电子技术,2022(15):151-156
A类：
企业用电量预测,用电特性聚类
B类：
电力数据,ConvLSTM,神经网络算法,用电数据,数据异常,局部离群因子,LOF,异常值,灰色模型,means,企业历史,用电特征,节日,重污染天气,企业数据,时序性特征,成都市,数据验证,验证模型,模型算法,不同企业,来用,聚类算法
AB值：
0.246714
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
