基于时间序列多尺度分解的建筑用电负荷预测方法

随着近年来建筑能耗的迅速增长,建筑节能成为可持续发展战略的一个重要问题,因此,构建一个可以快速精准预测建筑能耗的模型成为实现建筑节能的关键一步.本文结合集合经验模态分解,将LSSVR与ARIMA相融合,构建了一种基于时间序列多尺度分解的预测建筑用电负荷数据的EEMD-LSSVR-ARIMA混合模型.该模型通过EEMD将建筑用电负荷数据分解为多个频率不同的分量,使用LSSVR模型预测高频分量以及用电负荷数据与各分量之和的差值序列,使用ARIMA模型预测低频分量,最后将各分量的预测结果以及差值序列的预测结果叠加得到最终的预测结果.并通过某建筑的用电数据进行实验分析,通过与传统的ARIMA和EEMD-ARIMA模型以及基于残差的ARIMA-LSTM模型进行对比,实验结果表明,本文提出的模型预测精度达到了98%以上,与其他模型相比预测精度提升了将近2%.

基于时间序列分解的混合短期电力负荷预测

短期电力预测负荷是电力系统合理规划和电网稳定运行的基础,可以准确评估出地区电力负荷的变化。为了充分利用电力负荷数据的时序特征,提高短期电力负荷预测的准确性,提出了一种CEEMD-SVR-ARIMA电力负荷预测模型。该模型将电力负荷数据和电力负荷影响因素数据进行数据分解,分解为不同频率的负荷数据分量和影响因素数据分量,采用Pearson相关性分析方法,选择最优分量作为SVR模型的特征输入和预测输出,同时结合ARIMA模型对低频电力负荷数据分量进行预测,将各个分量结果通过叠加得到预测结果。实验证明,该方法的负荷数据预测精度提升了1.1%,达到99.1%。

进楼道单元门要人脸识别? 法院:物业若强制验证属侵权

由于物业公司在楼道安装了人脸识别门禁,宁波市某小区业主以此举危及个人信息安全为由,将物业公司诉至法院。他要求物业公司删除其人脸识别信息的请求获法院支持。据悉,这是自《民法典》施行以来宁波市的首例个人信息保护案。