基于K-means算法的某工业园区经济发展情况监测分析
摘要
基于K-means聚类算法，对某工业园区的经济发展情况进行监测分析，采用大数据挖掘分析技术为工业园区的经济运行监测提供新的参考方向，通过归集工业园区内企业用电量及电费缴纳情况，通过时间、行业分类、用户明细等数据，在园区内经济运行效益的基础上，对个单位用电量进行预测分析，建立工业园区企业经济运行与用电量、电费间的分析评估模型，辅助开展园区内供电服务保障决策，其次通过用户聚类对单个用户或用户群组有进一步的认识，有助于开展工区园区客户经济活动分析和潜在优质客户的整体筛选，为政府发展和经济活动部门开展园区规划、企业信用和债务评价提供参考依据，为电力数据服务工业园区经济发展情况监测分析方面具有创新意义和可推广价值。
关键词
工业园区；K-means算法；经济发展；预测
参考
[1] 赵腾,王林童,张焰,田世明.采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法[J].中国电机工程学 报,2016,36(03):604-614. [2] 魏小曼,余昆,陈星莺,颜拥,张爽,景伟强.基于 Affinity propagation 和 K-means 算法的电力大用户细分方法分析[J].电力需求侧 管理,2018,20(01):15-19+35. [3] 赵晨,尹玉芬.电力体制改革下工业用电客户差异化管理策略[J].电力与能源,2018,3(05):708-713. [4] 王利利,张琳娟,许长清,武宏波,李翼铭,黄玉晶.能源互联网背景下园区用户画像及成熟度评价模型研究[J].中国电 力,2020,53(08):19-28. [5] 尚海昆.K-means 聚类算法的研究[D].华北电力大学(河北),2009. [6] 凌德祥,黄拓,关晓林,赵严.基于大数据的电力客户行为分析体系研究及实践[J].电力大数据,2018,21(10):13-17
Refbacks
- 当前没有refback。