基于二阶相似度的即时学习软测量建模方法

针对即时(惰性)学习模型频率降低间接导致的精度下降问题,提出一种二阶相似性的即时学习方法。该方法综合顾及到样本集的整体分布特性,在传统一阶相似度准则的基础上建立二阶相似度准则,采用与测试样本具有绝大部分相同近邻的二阶相似样本建立当前时刻的模型;同时将累计相似度因子用于建立局部模型时样本量的确定,并采用相似度阈值的方式判断此刻模型是否需要重新建立。该方法在青霉素发酵过程产物浓度的预测实验中得到了有效的验证。

基于PK-Means算法的用电模式聚类

用电模式聚类是电网需求侧管理,负荷预测、电力系统规划等工作的重要基础,对电力系统的分析、运行、规划都具有重要意义。针对传统的K-Means算法在进行用电模式聚类时没有有效利用时序特征的问题,提出了一种基于K-Means算法改良的时间序列聚类算法PK-Means,并在SSE评价指标基础上进行了改进,提出了一种用于时间序列聚类算法的评价指标累计相似度(CS),通过皮尔逊相关系数的引入,PK-Means算法在用电模式聚类的场景下相较于传统的K-Means取得了更好的聚类效果。