一种基于混合聚类框架的用户用电行为分类方法及系统

    公开(公告)号:CN117171593A

    公开(公告)日:2023-12-05

    申请号:CN202311119827.X

    申请日:2023-08-31

    摘要: 本发明公开了一种基于混合聚类框架的用户用电行为分类方法及系统,采用混合聚类框架对用户用电行为进行深层次挖掘,第一层次根据是否参与电力需求响应分为两类,包括A类和B类;第二层为深度聚类层,将第一层得到的参与需求响应B类用户的用电行为进一步聚类,得到细分的四类用电行为;B类为参与电力需求响应,且空调运行事件在电力需求响应事件执行期间;C类为参与电力需求响应,且电力需求响应事件在空调运行事件执行期间;D类为参与电力需求响应,且电力需求响应事件在前,并先于空调运行事件结束;E类为参与电力需求响应,且空调运行事件在前,并先于电力需求响应事件结束;最终给出参与电力需求响应的各类用户的空调运行控制策略。

    一种基于迁移学习的建筑负荷预测方法及相关系统

    公开(公告)号:CN118195088A

    公开(公告)日:2024-06-14

    申请号:CN202410429621.5

    申请日:2024-04-10

    摘要: 本发明属于建筑负荷预测,公开了一种基于迁移学习的建筑负荷预测方法及相关系统,本发明构建的模型在源建筑和目标建筑之间进行迁移,当目标建筑数据量较少时,可以从源建筑中提取相似特征,进行迁移学习,提高预测精度。该模型适用于历史数据较少的建筑能耗预测。本发明的特征提取器对噪声具有鲁棒性,可以减小提取私有和公有特征过程中底层共享分布噪声的影响。本发明不仅能够降低信息的损失,还能够将特征解耦为领域专属特征和领域不变性特征,领域不变性特征用来迁移知识而领域专属特征则被用来降低目标域泛化误差,并且能够提取特征的高层语义。