企业能效评价模型与评级方法研究

被引:7
作者
李明江
马立新
机构
[1] 上海理工大学机械工程学院
关键词
能效评估; 主成分分析; 遗传算法; 支持向量机;
D O I
10.19651/j.cnki.emt.1902890
中图分类号
F206 [能源管理]; TP18 [人工智能理论];
学科分类号
020201 [国民经济学]; 140502 [人工智能];
摘要
为帮助企业了解自身能效水平为节能减排提供可靠依据,提出基于PCA-GA-SVM的能效评估模型。首先针对传统方法在确定能效指标时缺乏有效依据,使用主成分分析法对能效指标进行筛选并对指标进行量化分级处理。为避免选择支持向量机内部参数时的主观性,提出用遗传算法来进行参数选取并通过交叉验证的方法来跟踪最优的惩罚因子以及核参数。最终的实验结果验证了该方法不但克服了参数选择时人工试验的主观性还极大提高了分级的准确性以及合理性,能够为企业进行能效改造提供有力支持。
引用
收藏
页码:98 / 102
页数:5
相关论文
共 13 条
[1]
基于PCA-GA-SVM的烟叶分级方法 [J].
姚学练 ;
贺福强 ;
平安 ;
罗红 ;
管琪明 .
烟草科技, 2018, 51 (12) :98-105
[2]
能耗系统的电力能效测评与分级方法研究 [J].
马立新 ;
徐曼如 ;
吕梦圆 .
电子测量技术, 2018, 41 (13) :10-13
[3]
基于支持向量机和遗传算法的变压器故障诊断 [J].
吐松江卡日 ;
高文胜 ;
张紫薇 ;
莫文雄 ;
王红斌 ;
崔屹平 .
清华大学学报(自然科学版), 2018, 58 (07) :623-629
[4]
电力能效智能量化分级方法研究 [J].
马立新 ;
吕梦圆 .
电力科学与工程, 2017, 33 (05) :46-49
[5]
基于主成分分析与遗传算法-支持向量机的喷溅预测方法 [J].
韩顺杰 ;
齐冀樊 ;
姜玉莲 ;
尤文 .
钢铁研究学报, 2016, 28 (12) :21-26
[6]
高电耗系统的能效评测及分级新方法 [J].
马立新 ;
朱润 ;
周小波 ;
王井 .
控制工程, 2016, 23 (09) :1375-1379
[7]
电力用户的智能能效分析及评级新方法 [J].
马立新 ;
朱润 ;
周小波 .
控制工程, 2016, 23 (04) :474-477
[8]
基于SVM的火电企业能效监督评价体系 [J].
周永芳 ;
时章明 ;
沈浩 .
冶金能源, 2015, 34 (04) :3-6+45
[9]
电力用户综合能效评估模型 [J].
罗耀明 ;
毛李帆 ;
姚建刚 ;
袁斌 ;
郭知非 ;
杨胜杰 .
电力系统及其自动化学报, 2011, 23 (05) :104-109
[10]
实时电能质量监测系统的构建及应用 [J].
王玲 ;
康健 ;
邹宏亮 ;
崔大伟 ;
李晨光 .
电力系统保护与控制, 2011, 39 (02) :108-111