申请/专利权人：华北电力大学(保定)

申请日：2024-01-03

公开（公告）日：2024-04-05

公开（公告）号：CN117828438A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/2415;G06F18/243;G06F18/23213;G06F18/15;G06N7/01;G06N5/01;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明属于用能行为预测技术领域，具体涉及一种基于非齐次马尔可夫链模型的用能行为预测方法，本发明针对住宅建筑用能行为预测的准确性，根据住宅用户的特征参数与用户用能行为的建立关联性，运用非齐次马尔可夫链，建立一个基于用户差异性的用能行为的预测模型，有效提高了用能行为预测的准确度。在只了解用户的特征信息的情况下，仍然可以进行用户用能行为的预测，对进一步建筑的能耗模拟提供了帮助。

主权项：1.一种基于非齐次马尔可夫链模型的用能行为预测方法，其特征在于，包括以下步骤：步骤1，建立数据集：获取某一时间尺度住宅建筑里住户特征信息以及用户行为信息，作为数据集；步骤2，数据预处理：对数据集进行预处理，分为训练集与测试集；步骤3，相关性分析：用户行为信息通过Spareman相关性分析，利用训练集内的样本计算不同住户特征参数与总在室时间的相关系数，在此基础上选择合适的住户特征参数，各住户特征参数归一化处理后，并将相关系数作为权值赋予各住户特征参数；步骤4，用户类别分类：采用K-means聚类分析对各住户特征参数进行分类，通过计算CH和DB指标确定最佳聚类数k，得到k个聚类结果，并分别对每个聚类分析结果中的数据添加一次聚类类别标签，将带有一次聚类类别标签的训练集划分为子训练集及相应的子测试集；步骤5，用户用能行为分类：在子训练集中，每类的基础上提取住户特征信息和用能行为信息，用能行为信息的基础上提取多种用能行为信息，并以每种用能行为不同状态发生的总时长作为特征变量，进行第二次K-means聚类分析，并生成类别标签；步骤6，训练预测模型：根据第二次聚类分析结果，基于R语言平台构建非齐次马尔可夫链模型，将用户的用能行为按不同类别分组，并作为对应的非齐次马尔可夫链模型的输入，训练模型得到用能行为预测模型；步骤7，决策树规则学习：在进行完两次聚类后，得到带有类别标签的用能行为信息，采用分类决策树方法学习住户特征信息与各用能行为类别标签间的决策规则，从而建立类决策树模型；步骤8，用能行为模式识别：提取测试集中的住户特征信息，再加上子测试集作为新测试集，根据步骤3得到的不同住户特征参数与总在室时间的相关系数，对新测试集样本的住户特征信息进行加权处理，然后以测试集样本加权特征参数与k个聚类中心的欧式距离为依据分为k类，并分别对每个聚类分析结果中的数据添加一次聚类类别标签，然后根据步骤7已建立的分类决策树模型，对带有一次聚类类别标签的测试集样本进行二次聚类类别标签的识别，得到带有二次聚类的类别标签的测试集样本；步骤9，预测模型选择并预测：根据步骤6训练得到的预测模型，依据测试集的类别标签，选择相对应的预测模型进行预测；步骤10，行为组合判定：预测结果与实际用能行为数据进行对比分析，最终得到预测结果。

全文数据：

权利要求：

百度查询： 华北电力大学(保定) 一种基于非齐次马尔可夫链模型的用能行为预测方法

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