[发明专利]一种冷负荷预测的情景-聚类方法

权利要求书

1.一种冷负荷预测的情景-聚类方法，其特征在于包括如下步骤：

1）生成情景聚类条件；

2）基于先验知识的情景粗聚类；

3）基于智能算法的自动情景细聚类；

4）根据细聚类结果生成情景分类器；

5）根据细聚类结果生成针对性的有监督学习预测模型；

6）利用分类器和针对性的预测模型进行冷负荷预测。

2.根据权利要求1所述的冷负荷预测的情景-聚类方法，其特征在于上述步骤1）所述的生成情景聚类条件为利用冷负荷历史数据集生成情景聚类条件。

3.根据权利要求2所述的冷负荷预测的情景-聚类方法，其特征在于上述情景聚类条件选取最高和最低温度、最高和最低湿度、节假日情况、使用情况共6个属性作为冷负荷的属性。

4.根据权利要求1所述的冷负荷预测的情景-聚类方法，其特征在于上述步骤2）所述的基于先验知识的情景粗聚类为使用常识、先验知识、资料进行情景粗聚类。

5.根据权利要求1所述的冷负荷预测的情景-聚类方法，其特征在于上述步骤3）所述的基于智能算法的自动情景细聚类为一个迭代寻优的过程，包括智能算法自动情景聚类，情景聚类有效性指标评估，通过对上述两步的迭代，最终确定最佳情景聚类数和聚类结果。

6.根据权利要求5所述的冷负荷预测的情景-聚类方法，其特征在于上述的智能算法自动情景聚类为使用智能算法，在粗聚类的基础上，自动地确定情景聚类数，把所有的冷负荷历史数据都进行聚类，确定相应的聚类结果。

7.根据权利要求4所述的冷负荷预测的情景-聚类方法，其特征在于上述情景聚类有效性指标评估为使用情景聚类相关的指标判断情景聚类数和聚类结果的有效性和最优性。

8.根据权利要求1所述的冷负荷预测的情景-聚类方法，其特征在于上述步骤4）所述的根据细聚类结果生成情景分类器为根据细聚类结果确定的聚类中心数和聚类情况，设计情景分类器。

9.根据权利要求1所述的冷负荷预测的情景-聚类方法，其特征在于上述步骤5）所述的根据细聚类结果生成针对性的有监督学习预测模型为根据细聚类结果确定的聚类情况，分析每一类的特性，并根据特征选取相应的有监督学习预测模型并训练。

10.根据权利要求1所述的冷负荷预测的情景-聚类方法，其特征在于上述步骤6）利用分类器和针对性的预测模型进行冷负荷预测的方法是：首先把待预测数据输入到情景分类器中，对数据进行情景分析，然后再把数据输入到情景对应的已训练好的有监督学习预测模型中，得出最后的冷负荷预测值。