CN107133722A - 基于电力企业大数据技术的配电网差异特征诊断分析方法 - Google Patents

基于电力企业大数据技术的配电网差异特征诊断分析方法 Download PDF

Info

Publication number
CN107133722A
CN107133722A CN201710251787.2A CN201710251787A CN107133722A CN 107133722 A CN107133722 A CN 107133722A CN 201710251787 A CN201710251787 A CN 201710251787A CN 107133722 A CN107133722 A CN 107133722A
Authority
CN
China
Prior art keywords
index
distribution network
mrow
data
electric power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710251787.2A
Other languages
English (en)
Inventor
薛振宇
胡航海
宋毅
刘道新
王杨
冯昊
吴志力
靳夏宁
杜斌
孙充勃
郭玥
原凯
杨卫红
宋红芳
张立峰
益西措姆
厉瑜
龙迪
谭景明
杨龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Economic and Technological Research Institute
Original Assignee
State Grid Corp of China SGCC
State Grid Economic and Technological Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Economic and Technological Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN201710251787.2A priority Critical patent/CN107133722A/zh
Publication of CN107133722A publication Critical patent/CN107133722A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)

Abstract

本发明涉及一种基于电力企业大数据技术的配电网差异特征诊断分析方法，1)信息融合：构造含电力企业内部管理数据和经济社会外部数据的配电网数据资源平台；2)指标提取：从配电网数据资源平台中提取配电网诊断的关键指标，构建诊断指标集；3)样本筛选：按诊断指标对多个电力企业的电网发展状态作聚类合并，筛出所得簇对象内仅含孤立点的电力企业，其他簇作为种子样本；4)分类诊断：以种子样本的类中心作为诊断参数，采用系统聚类法对种子样本再作聚类合并，按所得分类系统图将种子样本聚合为有限个群，对有限个群进行分类诊断，得到不同电力企业的差异特征。本发明可广泛应用于包含大量电力企业的海量配电网数据的分析诊断。

Description

基于电力企业大数据技术的配电网差异特征诊断分析方法
技术领域
本发明涉及电力企业数据诊断分析技术领域，特别是关于一种基于电力企业大数据技术的配电网差异特征诊断分析方法。
背景技术
配电网具有点多面广、直接面向用户、设备类型繁多等特点，其发展的差异特征十分明显。配电网的差异性不但会受到地区经济、社会、人口、环境等外部条件影响，而且也会受到电力企业在规划、建设、运行、营销以及财务、人资等领域的内部业务管理方面的影响。因此，客观地认识配电网发展的差异规律，把握外部条件和内部业务管理对配电网发展的推动作用，精确辨识配电网发展存在的薄弱环节，对指导配电网建设至关重要。
配电网所涉数据总量多、信息大、关系深，差异特征的诊断分析高度依赖数据资源，信息密度和技术手段对提高诊断分析质量具有决定性作用。电力系统大数据技术能够将配电网海量信息快速、有效整合，通过数据挖掘技术提炼形成基于数据联系的新认识，辅助开展电网发展的分析决策。合理运用电力系统大数据技术，能够更加准确、全面地预警薄弱问题，提升电网精准投资水平和企业发展质量。
传统的配电网差异特征的诊断分析大多基于指标分析，评价指标一般是源于专家讨论或经验认识，分析方法主要是对单个指标进行统计分析或应用综合评价进行打分判断，但对以下方面均考虑不够：(1)分析角度多从电网建设和运行入手，没有统筹考虑影响配电网发展的外部因素和辅助管理要素，导致诊断结论的全面性不足；(2)诊断指标囿于经验认识或主观判断，缺乏对相关数据内在关系的定量判断，导致诊断结论的客观性不足；(3)总是假定认为不同地区的配电网是可比的，忽略了导致发展差异的决定因素，导致诊断结论的公正性不足；(4)诊断对象的颗粒度没有深入到电力企业经营配电网的最小单位，多以省、市为单位研究，导致诊断结论的精细度不足。
发明内容
针对上述问题，本发明的目的是提供一种基于电力企业大数据技术的配电网差异特征诊断分析方法，整合了与配电网发展相关的外部影响因素和内部管理因素，通过对相关因素进行海量数据挖掘获取诊断分析评价指标，形成基于指标特征的配电网分析诊断结论，可以解决现有技术中存在的全面性、客观性、公正性和精细度不足等问题。
为实现上述目的，本发明采取以下技术方案：一种基于电力企业大数据技术的配电网差异特征诊断分析方法，其特征在于包括以下步骤：1)信息融合：构造含电力企业业务内部管理数据和经济社会外部数据的配电网数据资源平台；2)指标提取：采用数据挖掘技术从配电网数据资源平台中提取配电网诊断的关键指标，构建诊断指标集；3)样本筛选：将得到的诊断指标集中的诊断指标作为诊断参数，对多个电力企业的电网发展状态作聚类合并，筛出所得簇对象内仅含孤立点的电力企业，其他簇作为种子样本；4)分类诊断：以种子样本的类中心作为诊断参数，采用系统聚类法对种子样本再作聚类合并，按所得分类系统图将种子样本聚合为有限个群，对有限个群进行分类诊断，得到各群的差异特点，也即配电网中不同电力企业的差异特征。
所述步骤1)中，构建的配电网数据资源平台包括经济社会、电网规模、电网经营和电网运行四大类数据。
所述经济社会类数据包括经济发展指标、土地资源指标、人口资源指标和用电客户指标；所述电网规模类数据包括变压器数量、线路条数和线路长度指标；所述电网经营类数据包括售电量、电力损耗、购售电费、电费管理、电网投入、供电质量、业扩报装、资产利润和人力资源指标；所述电网运行类数据包括安全水平、轻载运行、重载运行和高损运行指标。
所述步骤2)中，采用数据挖掘技术中的主成分分析技术分别对四类数据进行关键指标提取的方法包括以下步骤：①根据各样本数据中相关系数矩阵的特征多项式，计算得到各样本数据中相关系数矩阵的特征值；②根据得到的相关系数矩阵的特征值大小，确定各样本数据中的主成分个数；③计算步骤②中确定的各主成分指标中不同元素的载荷系数；④选取各主成分指标中载荷系数绝对值最大者为该主成分指标的关键指标；⑤将得到的各类样本数据中的所有关键指标作为诊断分析配电网差异特征的诊断指标集。
所述步骤②中，确定主成分个数的计算公式为：
式中，k为主成分指标个数，ki为计数器，且当λi＞1时取1，否则取0；p为样本数据的指标个数；λi为第i个指标的特征值。
所述步骤③中，各主成分指标中不同元素的载荷系数的计算公式为：
式中：aij为特征值λi对应特征向量的第j个元素；sij为载荷系数。
本发明由于采取以上技术方案，其具有以下优点：1、本发明由于将影响配电网发展的内部因素和外部因素有效融合，对配电网的发展差异，既考虑经济社会等外部影响，也考虑企业内部管理驱动，并将两者结合起来，分析角度更加全面。2、本发明由于所得诊断指标全部建立在对海量数据关联关系深入挖掘的基础上，更加注重数据特征所表现的规律价值，完全不依赖经验判断，从根本上克服了指标的主观性问题。3、本发明由于对配电网按照诊断指标所表现出的相似度作分类合并，使发展相近的配电网之间可相互比较，并引导划入同一类别内的配电网发展方向指向其中的先进者，而不同类别的配电网则可比较发现其差异特点。4、本发明由于立足于经营配电网的任何电力企业，由于依托大数据处理技术，诊断对象可以深入到县层面的电力企业，颗粒度更加精细。本发明可以广泛应用于配电网数据的分析诊断中。
附图说明
图1为本发明基于电力企业大数据技术的配电网差异特征诊断分析方法的流程图；
图2为本发明基于数据挖掘技术提取得到的诊断分析关键指标集；
图3为本发明实施例的配电网差异特征诊断雷达图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供的基于电力企业大数据技术的配电网差异特征诊断分析方法，具体包括如下步骤：
1)信息融合：构造含电力企业业务内部管理数据和经济社会外部数据的配电网数据资源平台，并将与配电网差异特征诊断分析的相关数据划分为经济社会、电网规模、电网运营和电网运行四类。
具体的，根据企业内电网规划、建设、运行、营销以及财务、人资等专业的信息化系统或报表，结合企业所在地区的经济、人口、土地等信息，整合数据资源并将其分为经济社会、电网规模、电网经营和电网运行4大类。其中：
①经济社会类数据
经济社会类数据用于反映经济、人口、土地及与之相关的电力用户，主要指标包括经济发展指标、土地资源指标、人口资源指标、用电客户指标，具体清单如表1所示。
表1 经济社会类指标清单
②电网规模类数据
电网规模类数据用于反映配电网110(66)kV、35kV、10kV及以下各电压等级电网存量规模，主要包括变压器数量、线路条数、线路长度等指标，具体清单如表2所示。
表2 电网规模类指标清单
③电网经营类数据
电网经营类数据用于反映企业在配电网经营管理方面的绩效，主要包括售电量、电力损耗、购售电费、电费管理、电网投入、供电质量、业扩报装、资产利润和人力资源等方面指标，具体清单如表3所示。
表3 电网经营类指标清单
④电网运行类数据
电网运行类数据用于反映配电网的运行质量和效率，主要包括安全水平、轻载运行、重载运行、高损运行等方面指标，具体清单如表4所示。
表4 电网运行类指标清单
2)指标提取：采用数据挖掘技术从步骤1)中整合的四类数据中，提取配电网诊断的关键指标，构建诊断指标集。
如图2所示，采用数据挖掘技术中的主成分分析技术分别对四类数据进行关键指标提取，构建诊断指标集。提取方法包括以下步骤：
①根据各样本数据中相关系数矩阵的特征多项式，计算得到各样本数据中相关系数矩阵的特征值。
对含有p个指标的样本数据进行计算，假设其相关系数矩阵为A，即存在AX＝λX，按照特征多项式计算，得到其相关系数矩阵的特征值为λ1、λ2、…、λp。
②根据得到的相关系数矩阵的特征值大小，确定各样本数据中的主成分个数k。
根据p个特征根大小确定关键指标个数为k，作为样本数据的主成分个数，其计算公式为：
式中：ki为计数器，当λi＞1时取1，否则取0。
③计算步骤②中确定的k个主成分指标中不同元素的载荷系数。
对所确定的k个主成分指标，计算其载荷系数：
式中：aij为特征值λi对应特征向量的第j个元素；sij为载荷系数。
④选取各主成分指标中载荷系数绝对值最大者为该主成分指标的关键指标。
⑤将得到的各类样本数据中的所有关键指标分别作为诊断分析配电网差异特征的诊断指标集。
3)样本筛选：将得到的诊断指标集作为诊断参数，对多个电力企业的电网发展状态作聚类合并，筛出所得簇对象内仅含孤立点的电力企业，其他簇作为种子样本。
具体的，以步骤2)中提取的关键指标对应的全部数据为基础，采用系统聚类法(如平均连接法、组平均连接法或离差平方和法等)生成分类系统图。分类系统图中，相似程度大的样本首先聚合，相似程度较小的样本则在最后才参与聚合，将聚合过程中较多轮次仍为孤立点的样本标记筛出。系统聚类法为已有技术，本发明不再赘述。
4)分类诊断：以种子样本的类中心作为诊断参数，采用系统聚类法对种子样本再作聚类合并，按所得分类系统图将种子样本聚合为有限个群，对有限个群进行分类诊断，得到各群的差异特点，也即配电网中不同电力企业的差异特征。
具体的，在样本筛选后所得种子样本的基础上，根据其系统聚类所得的分类系统图，将样本分为若干个群，将每个群诊断指标对应的类中心绘制为雷达图，分类诊断各群的差异特点。
下面以某年度国内1548个县电力公司为对象，对本发明做进一步描述。
如图2所示，为基于数据挖掘技术提取得到的诊断分析关键指标集。提取后，6个代表经济社会的关键指标分别为：用电客户数量、地区生产总值、人均GDP、城镇化率、供电面积、供电人口；3个代表电网规模的关键指标分别为：10kV及以下线路长度、10kV配变总数、110(66)kV及以下线路总条数；11个代表电网经营的关键指标分别为：售电量、综合线损率、低压线损率、销售均价、电费回收率、累计申请新装/增容户数与容量、累计完成减容/销户户数与容量、职工平均人数、全员劳动生产率；8个代表电网发展的关键指标分别为：110(66)kV及以下线路N-1通过率、供电可靠率、综合电压合格率、110(66)kV及以下线路重损总数、10千伏配变重载比例、10千伏配变轻载比例、110(66)kV及以下线路重载比例、110(66)kV及以下线路轻载比例。
之后，对1548个县电力公司进行筛选，共有16个单位在系统聚类的多数阶段保持独立。该16个单位主要特征为GDP总量和售电量名列前茅，体量远高于其他县，但其彼此之间也存在一定差距，因此无法形成一个簇。同时，得到12个种子样本。
如图3所示，最后，对样本筛选出的12个种子样本进一步聚类，将12个种子样本聚合为3个群，绘制含28个诊断指标的雷达图，并对各群配电网发展差异化的内外部因素作用分析，如下表5所示。
表5 实施例所涉县电力公司配电网差异化诊断效果
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种基于电力企业大数据技术的配电网差异特征诊断分析方法，其特征在于包括以下步骤：
1)信息融合：构造含电力企业业务内部管理数据和经济社会外部数据的配电网数据资源平台；
2)指标提取：采用数据挖掘技术从配电网数据资源平台中提取配电网诊断的关键指标，构建诊断指标集；
3)样本筛选：将得到的诊断指标集中的诊断指标作为诊断参数，对多个电力企业的电网发展状态作聚类合并，筛出所得簇对象内仅含孤立点的电力企业，其他簇作为种子样本；
4)分类诊断：以种子样本的类中心作为诊断参数，采用系统聚类法对种子样本再作聚类合并，按所得分类系统图将种子样本聚合为有限个群，对有限个群进行分类诊断，得到各群的差异特点，也即配电网中不同电力企业的差异特征。
2.如权利要求1所述的基于电力企业大数据技术的配电网差异特征诊断分析方法其特征在于：所述步骤1)中，构建的配电网数据资源平台包括经济社会、电网规模、电网经营和电网运行四大类数据。
3.如权利要求2所述的基于电力企业大数据技术的配电网差异特征诊断分析方法其特征在于：所述经济社会类数据包括经济发展指标、土地资源指标、人口资源指标和用电客户指标；所述电网规模类数据包括变压器数量、线路条数和线路长度指标；所述电网经营类数据包括售电量、电力损耗、购售电费、电费管理、电网投入、供电质量、业扩报装、资产利润和人力资源指标；所述电网运行类数据包括安全水平、轻载运行、重载运行和高损运行指标。
4.如权利要求1所述的基于电力企业大数据技术的配电网差异特征诊断分析方法，其特征在于：所述步骤2)中，采用数据挖掘技术中的主成分分析技术分别对四类数据进行关键指标提取的方法包括以下步骤：
①根据各样本数据中相关系数矩阵的特征多项式，计算得到各样本数据中相关系数矩阵的特征值；
②根据得到的相关系数矩阵的特征值大小，确定各样本数据中的主成分个数；
③计算步骤②中确定的各主成分指标中不同元素的载荷系数；
④选取各主成分指标中载荷系数绝对值最大者为该主成分指标的关键指标；
⑤将得到的各类样本数据中的所有关键指标作为诊断分析配电网差异特征的诊断指标集。
5.如权利要求4所述的基于电力企业大数据技术的配电网差异特征诊断分析方法，其特征在于：所述步骤②中，确定主成分个数的计算公式为：
<mrow> <mi>k</mi> <mo>=</mo> <msub> <mi>&amp;Sigma;k</mi> <mi>i</mi> </msub> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>&gt;</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <msub> <mi>k</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <msub> <mi>k</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
式中，k为主成分指标个数，ki为计数器，且当λi＞1时取1，否则取0；p为样本数据的指标个数；λi为第i个指标的特征值。
6.如权利要求4所述的基于电力企业大数据技术的配电网差异特征诊断分析方法，其特征在于：所述步骤③中，各主成分指标中不同元素的载荷系数的计算公式为：
<mrow> <msub> <mi>s</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msqrt> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> </msqrt> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> </mrow> 1
式中：aij为特征值λi对应特征向量的第j个元素；sij为载荷系数。
CN201710251787.2A 2017-04-18 2017-04-18 基于电力企业大数据技术的配电网差异特征诊断分析方法 Pending CN107133722A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710251787.2A CN107133722A (zh) 2017-04-18 2017-04-18 基于电力企业大数据技术的配电网差异特征诊断分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710251787.2A CN107133722A (zh) 2017-04-18 2017-04-18 基于电力企业大数据技术的配电网差异特征诊断分析方法

Publications (1)

Publication Number Publication Date
CN107133722A true CN107133722A (zh) 2017-09-05

Family

ID=59716647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710251787.2A Pending CN107133722A (zh) 2017-04-18 2017-04-18 基于电力企业大数据技术的配电网差异特征诊断分析方法

Country Status (1)

Country Link
CN (1) CN107133722A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190920A (zh) * 2018-08-10 2019-01-11 国网浙江省电力有限公司温州供电公司 一种配电网规划项目优选方法和系统
CN110309578A (zh) * 2019-06-27 2019-10-08 郑州铁路职业技术学院 一种基于计算机数据处理的经济数据拟合系统及方法
CN110321914A (zh) * 2018-03-30 2019-10-11 中国石化销售有限公司 一种油品质量分析管控系统
CN112270622A (zh) * 2020-11-19 2021-01-26 广东电网有限责任公司电力调度控制中心 基于电力企业大数据技术的配电网差异特征诊断分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942727A (zh) * 2014-04-10 2014-07-23 国家电网公司 一种基于电网特征差异的线损水平评价方法
CN105354685A (zh) * 2015-12-03 2016-02-24 南华大学 基于图的距离分类和主成分分析的评价指标体系构建方法
CN106203856A (zh) * 2016-07-18 2016-12-07 交通运输部公路科学研究所 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942727A (zh) * 2014-04-10 2014-07-23 国家电网公司 一种基于电网特征差异的线损水平评价方法
CN105354685A (zh) * 2015-12-03 2016-02-24 南华大学 基于图的距离分类和主成分分析的评价指标体系构建方法
CN106203856A (zh) * 2016-07-18 2016-12-07 交通运输部公路科学研究所 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙义豪 等: "基于主成分分析及系统聚类的县域电网综合评价方法", 《电力系统保护与控制》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110321914A (zh) * 2018-03-30 2019-10-11 中国石化销售有限公司 一种油品质量分析管控系统
CN109190920A (zh) * 2018-08-10 2019-01-11 国网浙江省电力有限公司温州供电公司 一种配电网规划项目优选方法和系统
CN110309578A (zh) * 2019-06-27 2019-10-08 郑州铁路职业技术学院 一种基于计算机数据处理的经济数据拟合系统及方法
CN110309578B (zh) * 2019-06-27 2023-09-29 郑州铁路职业技术学院 一种基于计算机数据处理的经济数据拟合系统及方法
CN112270622A (zh) * 2020-11-19 2021-01-26 广东电网有限责任公司电力调度控制中心 基于电力企业大数据技术的配电网差异特征诊断分析方法

Similar Documents

Publication Publication Date Title
Yue et al. A review of data mining-based financial fraud detection research
CN106650797B (zh) 一种基于集成elm的配电网窃电嫌疑用户智能识别方法
Saen A new model for selecting third-party reverse logistics providers in the presence of multiple dual-role factors
CN107633265A (zh) 用于优化信用评估模型的数据处理方法及装置
CN107133722A (zh) 基于电力企业大数据技术的配电网差异特征诊断分析方法
CN108764584A (zh) 一种企业电能替代潜力评估方法
CN113537807B (zh) 一种企业智慧风控方法及设备
CN112417176B (zh) 基于图特征的企业间隐性关联关系挖掘方法、设备及介质
CN114048436A (zh) 一种预测企业财务数据模型构建方法及构建装置
CN108268624A (zh) 用户数据可视化方法及系统
CN112700324A (zh) 基于CatBoost与受限玻尔兹曼机结合的用户借贷违约预测方法
WO2022143431A1 (zh) 一种反洗钱模型的训练方法及装置
CN113837578B (zh) 一种电力监理企业网格化监督管理评价方法
Ripoll-Zarraga et al. Exploring the reasons for efficiency in Spanish airports
CN106296315A (zh) 基于用户用电数据的情境感知系统
Jena et al. Foreign capital and growth nexus revisited: empirical evidence from South Asian countries
CN109858832A (zh) 一种多属性绿色指标分级协调评价方法
Liu et al. Application of hierarchical clustering in tax inspection case-selecting
Nguyen et al. Aggregation of outputs and inputs for DEA analysis of hospital efficiency: Economics, operations research and data science perspectives
CN108629506A (zh) 风控模型的建模方法、装置、计算机设备和存储介质
CN111144910B (zh) 基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置
CN114626940A (zh) 数据分析方法、装置及电子设备
CN113706336A (zh) 风险评估方法、装置、计算机设备和存储介质
Zhou et al. Apply logit analysis in bankruptcy prediction
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170905