【技术实现步骤摘要】
本专利技术属于能耗预测，涉及一种基于聚类算法和机器学习的工业行业能源消耗量时间序列预测方法及系统。
技术介绍
1、在中国双碳目标下，控制工业部门的能源消耗成为节能减碳的重要环节。估算行业的节能潜力，对行业的能源消耗量进行预测，能够为该行业的减碳工作提供数据支撑。
2、在行业能耗预测方面，单变量时间序列预测因其训练数据特征需求少，运行效率高和不存在多变量预测的变量间误差叠加等优势，是中短期时间序列预测的常用方法。通常用单变量预测的模型是统计模型和人工网络模型。以arima为代表的统计模型在预测线性序列上存在优势；以ann、rnn等为代表人工神经网络模型在预测非线性序列上存在优势。但单一的预测模型的预测精度十分有限，在单步迭代预测上的累计误差较大。同时，单变量时间序列预测无法分析能效提升带来的节能量。我国已经发布了许多工业行业的能效标准值，但由于工业行业的企业能耗水平差距很大，能效低的企业难以在短时间内将能效提升至标准值，通过单一能效标准值对标难以有效计算的行业节能潜力。同时，行业的统一能效标准很难对于能效标准值差距大的企业的节...
【技术保护点】
1.一种基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征是，包括：
2.根据权利要求1所述的基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征在于，步骤S1中行业内企业聚类的指标为能源消耗规模与能源消耗强度，其计算公式如下：
3.根据权利要求1所述的基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征在于，步骤S1中确定各类别企业的能耗强度标准即确定能效对标值，之后，通过能效差距计算节能潜力，具体的，企业完成聚类后，将各簇中企业的平均能耗强度作为该类别企业的能效对标值。
4.根据权利要求3所述的基于聚类算法和...
【技术特征摘要】
1.一种基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征是，包括：
2.根据权利要求1所述的基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征在于，步骤s1中行业内企业聚类的指标为能源消耗规模与能源消耗强度，其计算公式如下：
3.根据权利要求1所述的基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征在于，步骤s1中确定各类别企业的能耗强度标准即确定能效对标值，之后，通过能效差距计算节能潜力，具体的，企业完成聚类后，将各簇中企业的平均能耗强度作为该类别企业的能效对标值。
4.根据权利要求3所述的基于聚类算法和机器学习的工业行业能源消耗量预测方法，其特征在于，计算节能潜力具体为：
5.根据权利要求1所述的基于聚类算法和机器学习的工业行业能源消耗量预测方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。