一种空调负荷在线学习方法.pdfVIP

下载本文档

0
0
约1.53万字
约 13页
2023-05-17 发布于四川
举报
版权申诉

一种空调负荷在线学习方法.pdf

1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种空调负荷在线学习方法，包括：步骤S1：将一时刻采集的空调气象参数和负荷参数定义为一组数据，实时采集若干组所述数据；步骤S2：对所述S1采集的每一组所述数据进行预处理；步骤S3：将每一组所述数据分别对应一特征向量；步骤S4：根据所述特征向量，得到每一组所述数据对应的若干组组合特征；步骤S5：获取预设的梯度提升树模型，采用一组所述数据对应的若干组所述组合特征对所述梯度提升树模型进行训练。本发明在空调负荷预测领域具有更快的训练速度、更低的内存消耗和更好的准确率，具有良好地泛化性能，以促

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114811858 A (43)申请公布日 2022.07.29 (21)申请号 202210288166.2 (22)申请日 2022.03.22 (71)申请人国网上海市电力公司地址 2001