概述

本项目将基于本团队在时间序列预测与机器学习上的技术积累，及该核心算法在电力市场的实践经验，目标在于通过与具备用能终端仿真设计和长效管理研究基础的博士后团队全面合作， 从而拓展本团队核心算法的应用场景，进而全面提升本团队在综合能源服务方面的市场竞争力。本项目拟解决如下的关键技术问题： 1.基于末端边缘计算的用能设备性能预测模型构建与数据筛选基于用能设备物理特征，构建适用于末端边缘计算的性能预测模型，可根据采集的数据实时计算当前设备的负荷、用电量及用电效率。 2.基于云端机器学习的用能末端特征数据的时间序列管理与调度框架能源数据的时间序列预处理和数据特征工程；开发可视化的数据流管理工具；移除在时间序列变量预测过程中的人工经验性因素介入（模型选择、参数调整）； 3.基于用户数据，研发负荷预测算法，负荷预测误差达到业内较高水平煉比较并优化传统统计学算法与机器学习算法提高不同能源数据集下的预测精度。