文章目录

0 引言

1 数据处理

1.1 数据剔除

1.2 数据转化

2 热力站热耗分析方法

2.1 基于层次的聚类算法

    2.1.1 层次聚类算法简介

    2.1.2 凝聚型层次聚类算法流程

2.2 基于密度的聚类算法

    2.2.1 密度聚类算法简介

    2.2.2 DBSCAN聚类算法流程

2.3 基于划分的聚类算法

    2.3.1 划分聚类算法流程

    2.3.2 K-means聚类算法流程

3 热力站热耗聚类分析效果

3.1 数据样本来源

3.2 相关性分析

3.3 聚类效果分析

    3.3.1 凝聚型层次聚类效果分析

    3.3.2 DBSCAN聚类效果分析

    3.3.3 K-means聚类效果分析

3.4 影响因素分析

4 结论

文章摘要:合理掌握集中供热系统热力站耗热量现状,对指导集中供热系统节能运行、促进节能减排具有重要意义。对集中供热系统热力站耗热量及影响因素数据进行处理和转化,剔除数据中的异常值及离群值,并将处理后的文本型数据转化成数值型;运用皮尔森相关系数确定了影响热力站耗热量的主要因素为建筑保温性能和二次侧供回水平均温度;将耗热量及主要影响因素作为输入参数,运用SPSS软件分别进行层次聚类算法、划分聚类算法分析,同时利用Python语言进行密度聚类算法分析,通过3种聚类分析结果对比,最终采用K-means聚类分析算法建立耗热量的最佳聚类模型,得出各类热力站的耗热量及影响因素的聚类中心值,为进一步集中供热系统热力站节能潜力分析提供理论依据。

文章关键词:

论文分类号:TU995

上一篇：电力工业论文_电站热力系统能级理论泛化方程

下一篇：电力工业论文_电厂汽机热力系统运行的优化