一种基于模糊因果聚类的室内热舒适预测方法

提出一种用于室内热舒适预测的模糊因果聚类分析方法。在论域内随机产生若干样本点,对合理样本点运用模糊因果聚类方法求出其最佳聚类,提取各类样本的特征构造模糊预测模型。通过对室内热舒适指标的实例分析,说明该方法可用于不同地区的热舒适预测,能解决PMV等指标预测出现的较大偏差等问题。

一种广义预测模型的研究

传统的预测方法存在着难以全面考虑影响因素 ,其中包括算法复杂、精度较差、实时应用等缺点 .针对供热、空调、电力、供水等系统的负荷既受到环境因素等模拟量的影响 ,又受到节假日、上下班等开关量影响的特点 ,将模拟人脑逻辑思维的模糊技术与模拟人脑自学习的神经网络技术相结合的模糊神经网络引入到负荷的预测中 ,提出了一种新型的基于模糊神经网络的预测模型 ,并对输入量的选择进行了详细的分析 ,既考虑了历史数据的影响 ,又考虑了突发事件的作用 。

基于因果聚类和模式识别的模糊预测方法及其应用

基于因果聚类和模式识别的模糊预测方法,是将企业待预测时段的运行状况与历史上的运行模式相比较,根据"最大隶属原则"将待预测时段的运行状况归入某一运行模式,利用此模式的模糊数对预测量进行预测。

基于模糊C均值聚类算法的电-热互联综合能源系统负荷预测

电-热互联综合能源系统负荷预测参数相似度较高,预测收敛性较差。提出基于模糊C均值聚类算法的电-热互联综合能源系统负荷预测方法。联合能源转换器、负荷预测芯片两个初级应用设备,完成电-热互联综合能源系统的特性负荷元件研究。按照能源系统电-热数据密度估计条件,设定实际均值聚类参数,通过预测系数归一化处理实现基于模糊C均值聚类算法电-热互联综合能源系统负荷预测。实验结果表明,与传统基于RBF电量调试的能源系统负荷预测方法相比,所提方法应用过程中,UDC指标(单位时间内电压输出水平)、IDC指标(单位时间内电流输出水平)均出现上升趋势,有效降低了能源系统特性元件负载电量过高情况发生概率。