区域供热中热负荷模式的发现：一种数据驱动方法
计算工程、金融与科学
2019-09-19 v3 机器学习
机器学习
摘要
理解客户的热使用对有效的区域供热运营与管理至关重要。遗憾的是，关于客户及其热负荷行为的现有认知相当匮乏。以往多数研究局限于小规模分析，不足以代表性地理解整体网络的行为。本工作中，我们提出一种数据驱动方法，能够在无需先验知识的情况下对区域供热网络中的热负荷模式进行大规模自动分析。我们的方法将客户剖面聚类为不同组别，提取其代表性模式，并检测剖面显著偏离组内其余客户的异常客户。利用我们的方法，通过对瑞典南部两个区域供热网络中六类不同客户所属的众多建筑进行案例研究，呈现了首个大规模、全面的热负荷模式分析。这1222栋建筑总建筑面积为340万平方米，在2016年期间使用了1540 TJ热量。结果表明，所提方法具有较高潜力可实际部署并用于分析和理解客户用热习惯。
引用
@article{arxiv.1901.04863,
title = {A data-driven approach for discovering heat load patterns in district heating},
author = {Ece Calikus and Slawomir Nowaczyk and Anita Sant'Anna and Henrik Gadd and Sven Werner},
journal= {arXiv preprint arXiv:1901.04863},
year = {2019}
}