申请/专利权人：国网山东省电力公司;国网山东省电力公司经济技术研究院

申请日：2023-12-26

公开（公告）日：2024-04-02

公开（公告）号：CN117808149A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06F30/27;G06F18/243;G06F18/23213;G06N5/01;G06F113/04;G06F119/22

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明提出了基于梯度提升决策树模型的煤耗量预测方法及系统，涉及碳排放监测和计量领域，收集待预测电厂的煤电机组运行数据，基于公用直调机组等级的煤电机组运行数据，采用XGBoost算法训练生成梯度提升决策树模型；利用其他等级的煤电机组运行数据，通过梯度提升决策树模型预测电厂的煤耗量；其中，所述电厂特征包括电厂的日发电量、日供热量、年均供电标准煤耗、年利用小时数、近三年实际耗煤量平均值和聚类结果，所述聚类结果是使用k均值算法将煤电机组聚类成不同群组，选取一个群组分类作为电厂的类型；本发明采用k均值算法将机组聚类成不同群组，再通过XGboost算法以直调公用机组训练数据预测其他等级机组的煤耗量。

主权项：1.基于梯度提升决策树模型的煤耗量预测方法，其特征在于，包括：收集待预测电厂的煤电机组运行数据，所述煤电机组分为四个等级：公用直调机组、地调公用机组、并网自备机组和孤网自备机组；基于公用直调机组等级的煤电机组运行数据，采用XGBoost算法训练生成梯度提升决策树模型，所述模型以电厂特征为输入、煤耗量为输出；利用其他等级的煤电机组运行数据，通过梯度提升决策树模型预测电厂的煤耗量；其中，所述电厂特征包括电厂的日发电量、日供热量、年均供电标准煤耗、年利用小时数、近三年实际耗煤量平均值和聚类结果，所述聚类结果是使用k均值算法将煤电机组聚类成不同群组，选取一个群组分类作为电厂的类型。

全文数据：

权利要求：

百度查询： 国网山东省电力公司;国网山东省电力公司经济技术研究院 基于梯度提升决策树模型的煤耗量预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD