CN119494523A 基于能耗分项计量的用电需求自动响应方法 （南京深度智控科技有限公司）

基于能耗分项计量的用电需求自动响应方法一种基于能耗分项计量的用电需求自动响2获取电网历史负荷数据，并对所述电网历史负荷数据进行预通过相关系数从所述数据集中选取与负荷值相关度超过第一阈值的提取特征计算不同聚类数目的总平方误差，并通过肘部法则确定最优聚类数目，以及采用K_基于所述选定的聚类数目和初始聚类中心对所述降维后的特征矩阵进行K_means聚构建未来特征矩阵，并将所述未来特征矩阵投影统计特征为通过计算历史第一时间段内的所述电网历史负荷数据的平均负荷和标准差得;采用Z_score算法检测异常值，并获取设定的第二阈值，在Z_sco通过Z_score算法对所述电网历史负荷数据中的数值特征进行标准化处理，所述Z_;3采用相关系数算法选取与负荷值相关度超过第一阈值的提取特征;通过主成分分析算法基于所述提取特征构建原始特征矩阵，求解所述协方差矩阵的特征值和特征向量，按照特征值大小进计算不同聚类数目下的总平方误差，以绘制所述聚类数目;述基于所述选定的聚类数目和初始聚类中心对所述降维后的特征矩阵进行K_means聚类，计算每个样本到各簇质心的欧式距离，以分配到所述最计算每个样本的轮廓系数，以评估聚类过程的分散7.根据权利要求1至6任一项所述的基于4基于预测的所述电网负荷情况以及各工序的电量需求，通过深度学基于所述工序拓扑排序结果，并结合预测的所述电网负荷情况以及各工序的用电需数据预处理模块，用于获取电网历史负荷数据，并对所述电网特征处理模块，用于通过相关系数从所述数据集中选取与聚类算法模块，用于计算不同聚类数目的总平方误迭代聚类模块，用于基于所述选定的聚类数目和初始聚类中心对所述降统计特征为通过计算历史第一时间段内的所述电网历史负荷数据的平均负荷和标准差得所述处理器用于根据所述指令进行操作以执行根据权利要求1_7任一项所述方法的步5基于所述选定的聚类数目和初始聚类中心对所述降维后的特征矩阵进行K_means滚动统计特征为通过计算历史第一时间段内的所述电网历史负荷数据的平均负荷和标准6通过Z_score算法对所述电网历史负荷数据中的数值特征进行标准化处理，所述78滚动统计特征为通过计算历史第一时间段内的所述电网历史负荷数据的平均负荷和标准所述处理器用于根据所述指令进行操作以执行第一方面所述方目，以及采用K_means聚类算法初始化聚类中心，得到选定的最优聚类数目和初始聚类中用电设备或工序在特殊时段或用电需求多变情境下特征为通过计算历史第一时间段内的电网历史负荷数据的平均9[0032]步骤S140，基于选定的聚类数目和初始聚类中心对降维后的特征矩阵进行K_[0042]在具体的实施例中，本发明提供的基于能耗分项计量的用电需求自动响应方法，u和oi分别为负荷值的均值和标准差。[0051]对数值特征进行标准化处理，确保不同特征具有相同的尺度，在本例中使用Z_[0059]将步骤2.2构建的原始特征矩阵投影到选[0080]将未来特征分配至训练好的簇中，首先将未来特征矩阵投影到降维后的特征空[0087]将预测负荷值整理为未来6小时的负荷预测结果，以输出未来6小时的负荷预测[0089]基于工序环境需求确定工序电量情况，根据工厂内各工序对环境条件的不同需[0094]拓扑排序生成过程中利用深度学习算法，基于工序的依[0099]特征处理模块用于通过相关系数从数据集中选取与负荷值相关度超过第一阈值[0101]迭代聚类模块用于基于选定的聚类数目和初始聚类中心对降维后的特征矩阵进计算不同聚类数目下的总平方误差，以绘制聚类数目与总平方误差之间的关系[0121]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形[0122]这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如处理装置的处理器执行时，产生了实现流程图和/