IDEAL Household Energy Dataset（负荷分解数据集）

已于 2022-03-30 21:42:45 修改
阅读量914 收藏 7
点赞数 2
分类专栏： nilm 文章标签： 其他
于 2021-12-21 20:31:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aa2962985/article/details/122051382
版权

在这里插入图片描述

IDEAL Household Energy Dataset包括来自255个英国家庭的数据。除了来自每个家庭的电力和燃气数据之外，语料库还包含各个房间的温度和湿度读数以及来自锅炉的温度读数。255个家庭中有39个有更详细的数据，包括个人电器使用数据和个人散热器数据。传感器数据由匿名调查数据和元数据扩充，包括居住者人口统计、自我报告的能源意识和态度，以及建筑、房间和电器特征。00README.txt总结了其他文件的内容。

因为源地址在国外，下载太慢了，我自己存了一份。

链接：r7si

Ben出没冇注意
关注
专栏目录
家庭用电预测-数据集
03-26
家庭用电预测
家庭能耗数据
04-28
包含多个家庭的用个数据，数据包含多种电器，适合做数据挖掘的人使用
负荷预测数据集（38000多条数据，96节点，时间间隔15min，含温度、湿度、风速、降雨等特征）
04-03
数据内容为38000多条符合数据，96节点，时间间隔15min，含温度、湿度、风速、降雨等特征
地级市风电、光伏、负荷真实数据集——专业国内某地级市18年风电、光伏、负荷真实数据，全年小时数据，负荷数据为IEEE33节点数据。该数据可直接用于风光荷数据处理及仿真
最新发布
09-18 988
专业国内某地级市18年风电、光伏、负荷真实数据，全年小时数据，负荷数据为IEEE33节点数据。 该数据可直接用于风光荷数据处理及仿真，也适用于优化调度、规划、风电光伏预测等领域。
电力负荷预测数据集（128158条数据，时间间隔15min，含天气状况，最高温度，最低温度，白天晚上风力，风力，风向等天气数据）
爱分享数据的一个人的博客
05-10 6404
下载地址：电力负荷预测数据集（128158条数据，时间间隔15min，含天气状况，最高温度，最低温度，白天晚上风力，风力，风向等天气数据）
非侵入式负荷分解数据集
2301_80430808的博客
10-26 1278
【NILM】非侵入式负荷分解数据集大全（含下载链接）
分享一个电力负荷预测数据集，附matlab代码
woaipythonmeme的博客
03-28 2731
负荷数据集是2018年江阴市、宜兴市、以及锡澄电网在网供和全社会的负荷值。文件夹如下：数据集包含2018年全年的负荷值。每个文件夹包含当月所有的数据集。每个表格打开后是下面这个样子的：可以看到，该数据集是每15分钟进行一次采样，每个样本都包含全地区的负荷值和江阴市、宜兴市、以及锡澄电网在网供和全社会的负荷值。还包含一个天气状况的excel，包含2018年全年每天的最高温和最低温，风向和天气情况。大...
居民住宅小区用电负荷分析与计算
01-21
PAGE PAGE 1 居民住宅小区用电负荷分析与计算 摘要众所周知在电力系统中要想确定供电等级和供电方式必须进行用电负荷的计算进行合理有效的用电负荷计算对于电力系统全局的把握是非常重要的本文即对此
完整电负荷、热负荷数据（负荷预测）
02-13
完整电负荷、热负荷数据 完整电负荷、热负荷数据 完整电负荷、热负荷数据
household-power-consumption数据集
10-29
这个数据集包含两个主要文件：原始的文本文件 "household_power_consumption.txt" 和转换后的 CSV 文件 "household_power_consumption.csv"。 首先，我们来看 "household_power_consumption.txt" 文件。这是一个...
电力负荷数据.zip
06-09
电力负荷数据、欧洲智能技术网络(EUNITE)竞赛负荷预测样本数据Load1998、第九届电工数学建模竞赛
电力负荷预测数据集（负荷、气象）
03-18
13-15能源消耗数据集、Tianchi数据集、第九届电工数学建模竞赛等
电力负荷分类，电力负荷分解，redd数据集
02-05
电力负荷分类（Electric Load Classification）是指将电力系统中的负荷按照不同的特征和属性进行分类。这样的分类可以帮助电力系统运营者更好地了解负荷的性质和行为，从而进行合理的负荷调度和规划。常见的电力负荷分类方法包括按用途分类（如工业负荷、商业负荷、居民负荷等）、按时间分类（如基础负荷、峰值负荷、谷值负荷等）以及按特征分类（如恒定负荷、变动负荷、间歇负荷等）等。 电力负荷分解（Electric Load Decomposition）是指将总体电力负荷按照不同的成分进行分解和拆分，以便更好地理解和分析负荷的组成部分。常见的负荷分解方法包括经验分解法（Empirical Mode Decomposition, EMD）、小波分析法（Wavelet Analysis）、因子分析法（Factor Analysis）等。通过负荷分解，可以识别出负荷中的趋势项、季节性变化、瞬时波动等，为负荷预测、负荷管理和能源规划提供支持。 REDD数据集（Reference Energy Disaggregation Dataset）是一个公开的电力负荷分解数据集，用于研究和评估电力
电力负荷预测数据.zip_预测数据集
07-15
亲测 很好用的预测数据用于做电力负荷预测 内容很全
Household Debt Service Payments (Percent)-数据集
03-05
765 household-debt-service-payments-as-a-percent-of-disposable-personal-income_metadata.json TDSP.csv
Estimate of Median Household Income Group Series-数据集
03-08
这是由美国联邦调查局经济数据库（FRED）托管的美国人口普查局的数据集。有关每个文件的更多详细信息，请参见各个文件的说明。 estimate-of-median-household-income-for-alameda-county-ca_metadata.json ...
Household Electric Power Consumption-数据集
03-27
Household Electric Power ConsumptionThis archive contains 2075259 measurements gathered between December 2006 and November 2010 (47 months).
电力负荷预测数据集-第九届全国大学生电工数学建模竞赛
Delicia_Lani的博客
04-21 9325
链接: https://pan.baidu.com/s/1ReylAWSIeUEKqUAjdvQ9Wg 提取码: rr89 近期在做电力负荷预测的项目，看论文中好多人用该数据集，折腾了一番，终于找到了，希望对小伙伴有帮助 ...
household变换 qr分解matlab代码
07-01
### 回答1： `household`变换是一种常用于QR分解的技术，用于将一个矩阵转化为上三角矩阵。在Matlab中，可以使用以下代码实现`household`变换和QR分解。 ```matlab function [Q, R] = qr_householder(A) [m, n] = size(A); % 获取输入矩阵的大小 Q = eye(m); % 初始化Q为单位矩阵 for k = 1:min(m-1, n) x = A(k:m, k); % 选取当前列的向量 e = zeros(length(x), 1); % 初始化e向量 e(1) = 1; % e向量的第一个元素为1 % 计算Householder反射向量 v = sign(x(1)) * norm(x, 2) * e + x; v = v / norm(v, 2); % 更新A和Q A(k:m, k:n) = A(k:m, k:n) - 2 * v * (v' * A(k:m, k:n)); Q(k:m, :) = Q(k:m, :) - 2 * v * (v' * Q(k:m, :)); end R = A; % 上三角矩阵R为变换完成后的A矩阵 end ``` 这个函数接受一个输入矩阵A，使用`household`变换和QR分解算法将A分解为Q和R两个矩阵，其中Q为正交矩阵，R为上三角矩阵。在算法中，循环逐列选取向量进行`household`变换，更新A和Q的值，最终得到变换完成后的A矩阵，即上三角矩阵R。 希望这个回答能够帮助你理解在Matlab中实现`household`变换和QR分解的代码。如果还有其他问题，请随时提问。 ### 回答2： qr分解是一种常用的矩阵变换方法，可以将一个矩阵分解为一个正交矩阵Q和一个上三角矩阵R的乘积。在Matlab中，我们可以使用"qr"函数进行qr分解。 "qr"函数的基本语法是： [Q,R] = qr(A) 其中，A是待分解的矩阵，Q是正交矩阵，R是上三角矩阵。 假设我们有一个名为A的矩阵，我们可以使用以下代码进行qr分解： A = [1 2 3; 4 5 6; 7 8 9]; [Q, R] = qr(A); 执行上述代码后，我们得到的Q矩阵如下： Q = -0.1231 0.9364 -0.3270 -0.4923 0.2144 0.8427 -0.8615 -0.5076 -0.0294 R矩阵如下： R = -8.1240 -9.6011 -11.0782 0 0.7483 1.4965 0 0 0.0000 这样，我们将矩阵A成功地分解为Q和R。 qr分解在数值计算、线性代数等领域都有广泛的应用，可以用于求解线性方程组、矩阵的逆、最小二乘拟合等问题。它的一个重要应用是求解特征值和特征向量。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值