在高级计量设施(AMI)中,为了最大限度减少智能电能表的数据传输量和数据简化,提出一个基于预测的轻量级框架.首先,建立决策树以找到预测方法和用电数据统计特征之间的关系;然后,分析用电数据的时间序列以提取统计特征;最后,为了增加框架对智能电能表不断变化的数据模式的自适应能力,采用监督式学习方案实时切换到最适合当前数据模式的预测方法.从数据集中提取1年中10个用户的用电数据,每个用户采集的总记录数为17 600个.实验结果表明,所提框架可以实现较高的数据简化准确度(DRA)和数据简化率(DRP),其中,DRA最高为96.7％,DRP最高为98.6％.
国家科技期刊平台
NSTL
万方数据
维普
