Гнатюк В.И. Закон оптимального
построения техноценозов, 2005 – главная страница Адрес монографии в сети – http://gnatukvi.narod.ru/ind.html |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
5.2.3.
Нормирование электропотребления объектами техноценоза |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Подготовка данных. Кластерный анализ
объектов по электропотреблению. Нормирование
объектов в кластерах. Определение прогнозируемых норм для
объектов. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Задача нормирования электропотребления ресурсов в техноценозе может
быть эффективно решена средствами рангового анализа (п. 4.1). Научно
обоснованные нормы электропотребления являются эффективным инструментом
энергосбережения. С целью нормирования объекты разбиваются на группы со
сходным электропотреблением, что реализуется посредством кластер-анализа
(метод «Ближнего соседа» [1,16,39]). Подготовка
данных
Задаем начало отсчета и считываем исходные данные: R – вектор рангов объектов;
W – матрица упорядоченных данных по электропотреблению за рассматриваемый
период, кВт·ч; n – количество объектов; «Rang» – матрица рангов,
соответствующих величине электропотребления каждого объекта за определенный
временной интервал.
Кластерный
анализ объектов по электропотреблению
Для решения задачи был использован метод усредненного связывания для
одномерных данных [1,15,20]. В ходе реализации метода на каждом шаге применен
объединяющий алгоритм, основанный на оценке расстояний между точками,
выявлении пары ближайших друг к другу точек и замены их средним. Процесс
продолжается до тех пор, пока не останется единственное объединение
(кластер). Создается дерево, которое представляет собой многоуровневую
иерархию, в которой кластеры одного уровня образуют кластеры следующего более
высокого уровня. Это позволяет принимать решение о наиболее приемлемом уровне
кластеризации. Количество кластеров «С» задается исходя из располагаемых вычислительных
ресурсов, что позволяет на определенном шаге прекращать работу подпрограммы.
Матрица «N» возвращает номера точек с минимальным расстоянием до следующей
точки по годам.
Далее с помощью специальной подпрограммы определяем, к какому
кластеру относится соответствующая точка (расчет осуществляется по годам):
Нормирование
объектов в кластерах
По результатам расчетов объекты техноценоза разбиваются на кластеры
по электропотреблению. Кластеризация осуществляется отдельно для каждого
временного интервала (года). После этого возникает возможность определения
норм электропотребления для каждого объекта (среднее и эмпирический стандарт)
[15,16,20]. Вычисляем среднее для кластеров:
Количество объектов в кластерах:
Среднее для каждого кластера:
Стандарт для каждого кластера:
Визуализация результатов кластеризации (рис. 5.35 и 5.36).
Определение
прогнозируемых норм для объектов
Итоговая (прогнозируемая) норма электропотребления объекта определяется
экстраполяцией на следующий временной интервал норм, полученных для данного
объекта на всех временных интервалах предыстории [15,16,20]. Для осуществления прогнозирования определяем принадлежность объектов
к кластерам и соответствующие им нормы. При этом используется методология Z-прогнозирования,
описанная в пункте 5.2.2.
Норма для объектов в исходной базе данных:
Стандарт для объектов в исходной базе данных:
Рассчитаем нормы на шаг вперед (экстраполяция с использованием
встроенной функции «predict»):
Норма для объектов на следующем временном шаге:
Стандарт для объектов на следующем временном шаге:
Верхняя граница нормы:
Нижняя граница нормы:
Отранжируем результирующие нормы:
Покажем нормы графически (рис. 5.37):
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
При использовании материалов ссылки
обязательны Все права защищены © Гнатюк В.И.,
2005 E-mail: gnatukvi@mail.ru |