摘要
本发明公开了一种多源异构数据融合的煤矿用电量预测方法及系统,属于电力系统领域,通过采集煤矿用电设备及区域的实时和历史多源数据,涵盖用电量、设备运行、生产工艺、环境数据,经预处理后提取相应特征;运用主成分分析法对特征筛选分类,结合随机森林模型获取不同关注用电量指标的特征子集;基于白鲸改进算法构建支持向量机预测模型,经训练验证实现用电量预测。依据预测结果,在尖峰时段合理安排关键设备的运行,与电力供应商协商电价优惠套餐,优化发电设备启停时间和生产工艺流程,将高耗能作业安排在低谷时段,降低用电成本。
技术关键词
多源异构数据融合
支持向量机预测模型
主成分分析法
设备运行数据
随机森林模型
指标
协方差矩阵
重采样技术
瓦斯涌出量
训练样本集
模块
训练集
特征值
数据验证
预测系统
发电设备
功率因数
系统为您推荐了相关专利信息
寒区隧道洞口
时间预测方法
支持向量回归模型
梯度提升模型
随机森林模型
多元线性回归模型
皮尔逊相关系数
叶片氮素含量
传感器探头
指数
随机森林模型
温湿度
网格搜索方法
交叉验证方法
数据
协同调度系统
分布式设备
协同调度策略
产能
动态