基于属性加权动态k-邻近机器学习算法的热力站动态能耗指标预测模型

摘要：

以公司某热力站和其所带热用户为实验对象,在大氛围的热负荷区间内采样了1000条训练样本.运用机器学习算法对样本进行学习训练,观察在不同样本数量时的学习效果，运用属性加权动态k—邻近机器学习算法建立了热力站动态能耗指标预测模型，相比人为手工计算，机器学习的好处是运行速度快，随着不断地学习，预测的准确性也逐步提高，且对于错误的训练样本不敏感。

关键词： 热力站 热负荷 k-邻近机器学习算法 能耗指标预测模型

作者: 关向东 于志国 张海增

作者单位: 北京华源热力管网有限公司

会议类型: 国内会议

会议名称: 2017供热工程建设与高效运行研讨会

会议地点: 浙江嘉兴

会议语种:中文

页码: 415-418

在线出版日期: 2017-05-01（万方平台首次上网日期，不代表论文的发表时间）