基于數據倉庫的區(qū)域能耗預警系統(tǒng)研究與實現.pdf

1、隨著經濟的快速發(fā)展，能源發(fā)展問題已經成為國家的重要戰(zhàn)略，能源管理也正成為時下的一個重要研究課題。而目前，關于企業(yè)能源節(jié)能降耗的研究，相對是比較多的，但是以某個整體、某個區(qū)域作為研究對象的能源研究很少，而區(qū)域能源的分析和預警對政府的能耗宏觀管理，對企業(yè)能源的節(jié)能，都具有重要意義。同時當前的能源管理，越來越期望能主動發(fā)現內在的能耗規(guī)律性知識，對能耗數據的智能分析和決策提出了更高的要求。
　　本文以區(qū)域和企業(yè)能源管理為背景，針對區(qū)域能源

2、管理在數據分析、能耗預警上存在的問題，采用數據倉庫技術和數據挖掘算法加以解決并融入于區(qū)域能耗預警系統(tǒng)中，取得了良好的實際效果。本文的主要工作和成果如下:
　　1、針對區(qū)域能耗數據的多維性，本文引入數據倉庫技術，通過概念模型、邏輯模型和物理模型設計，分別確定了能耗預警主題、數據倉庫模型、數據庫的索引等，從而構建了區(qū)域能耗數據倉庫，并在數據倉庫的基礎上進行了OLAP的多維數據分析。
　　2、針對傳統(tǒng)預警中存在的缺陷與弊端，提出了

3、利用關聯(lián)規(guī)則作能耗數據的相關性預警，通過研究經典Apriori算法和區(qū)域的多維性，提出了一種具有時空特性的分層挖掘Apriori算法，該算法提高了Apriori算法的挖掘速度，有利于相關性預警知識的挖掘。
　　3、針對區(qū)域能效的利用率問題，對于多指標下的多維能耗數據，提出了適用于區(qū)域能耗預警系統(tǒng)的粒子群和K-means的混合聚類算法進行非監(jiān)督式的聚類，對遠離聚類中心的項進行能耗預警，從而有利于能管中心采取有效措施，最終提高區(qū)域能源