会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 5. 发明授权
    • 基于综合互信息度的主成分分析的空间负荷预测方法
    • CN113112090B
    • 2023-12-19
    • CN202110474605.4
    • 2021-04-29
    • 内蒙古电力(集团)有限责任公司内蒙古电力经济技术研究院分公司
    • 蔡文斌王鹏王渊程晓磊吕海霞金翠孙舒熳赵嘉冬李晔宋凯洋特古斯南家楠孙莹闫肖蒙李琦杨帅石磊徐日娥董国静白伟刘向龙沈洲
    • G06Q10/04G06Q50/06G06F18/2135
    • 本发明涉及基于综合互信息度的主成分分析的空间负荷预测方法,包括以下步骤:S1,利用MIS‑PCA算法对从地理信息系统获取的空间信息数据进行筛选和降维;S2,以经MIS‑PCA算法处理过的信息为基础,建立基于空间数据挖掘技术的用地类型预测模型;S3,利用用地分类结果对空间负荷进行预测。本发明提出一种改进的综合互信息度主成分分析方法(MIS‑PCA),可有效提高降维后数据分类准确率与所选特征子集的有效性,同时能够得到更少的主成分维度,降低了特征维数,以便减少后端分类或识别的计算量;本发明将MIS‑PCA算法引入用地规则挖掘的过程中,通过对可能影响元胞用地类型决策的众多相(56)对比文件US 2019081476 A1,2019.03.14FR 3088466 A1,2020.05.15KR 20200123310 A,2020.10.29WO 2019237840 A1,2019.12.19CN 106600063 A,2017.04.26杨莉等. 基于数据挖掘的日负荷曲线预测与修正.计算机系统应用.2014,第23卷(第12期),182-186.王延超.数据挖掘与电力系统负荷预测.现代交际.2016,(第7期),227-228.郑美春.基于用电信息采集系统数据挖掘的负荷预测方法及应用. CNKI优秀硕士学位论文全文库.2016,(第09期),1-90.黄庆键 等.关于空间电力负荷预测方法综述与展望.自动化应用.2017,(第02期),79-81.乐欢.基于空区推论的空间负荷预测分类分区实用法.电力系统自动化.2009,第33卷(第7期),81-85.朱俊丞等.深度学习在电力负荷预测中的应用总数.郑州大学学报.2019,第40卷(第5期),13-22.Mark Rafferty等.Real-Time MultipleEvent Detection and Classification UsingMoving Window PCA.IEEE Transactions onSmart Grid.2016,第7卷(第5期),2537 - 2548.Ahmad Tanvee等.A comprehensiveoverview on the data driven and largescale based approaches for forecasting ofbuilding energy demand: A review.Energyand Buildings.2018,第165卷301-320.Ammar O. Hoori等.Electric LoadForecasting Model Using a MulticolumnDeep Neural Networks.IEEE Transactions onIndustrial Electronics.2020,第67卷(第8期),6473 - 6482.Fabian Heymann等.Distribution networkplanning considering technology diffusiondynamics and spatial net-loadbehavior.International Journal ofElectrical Power & Energy Systems.2019,第106卷(第3期),254-265.Salah Bouktif.Optimal Deep LearningLSTM Model for Electric Load Forecastingusing Feature Selection and GeneticAlgorithm: Comparison with MachineLearning Approaches.Energies .2018,第11卷(第7期),1-20.D.A.G. Vieira等.Large scale spatialelectric load forecasting framework basedon spatial convolution.InternationalJournal of Electrical Power & EnergySystems.2020,第11卷(第7期),1-20.陈立.考虑城市用电构成与用地划分的空间负荷预测研究.中国优秀硕士学位论文工程科技Ⅱ辑.2020,(第6期),C042-63.程鹏等 .一种基于概率神经网络的城市用地高分辨率影像信息提取方法.林业调查规划.2016,第41卷(第2期),10-16.张素智等.基于互信息可信度的主成分分析数据降维.湖北民族学院学报.2019,第37卷(第4期),425-430.