基于电力数据挖掘的涉污企业用电量预测方法研究

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.

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

所属期刊栏目：45

分类号：TN911.1-34;TP391.9

资助基金：国网四川省电力公司科技项目52199718001A

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：151-156