CN107194526A - 一种基于模糊聚类的售电侧市场化改革进度评估方法 - Google Patents
一种基于模糊聚类的售电侧市场化改革进度评估方法 Download PDFInfo
- Publication number
- CN107194526A CN107194526A CN201710198540.9A CN201710198540A CN107194526A CN 107194526 A CN107194526 A CN 107194526A CN 201710198540 A CN201710198540 A CN 201710198540A CN 107194526 A CN107194526 A CN 107194526A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- reform
- sales
- index
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于模糊聚类的售电侧市场化改革进度评估方法。以往并没有进行售电侧市场化改革进度评估分析。本发明采用的技术方案为:首先,根据国内外电改历史经验,客观可靠地选择能全面评估售电侧改革进展的各项指标,收集其实际统计数据,并结合区间赋值和专家打分法,将指标数据量化;其次,在充分研究我国电改历程和国外成熟电改经验基础上,根据我国当下售电市场改革的内在逻辑和改革方向,结合国外各阶段特点和我国改革试点情况,将售电侧改革过渡期分为三个阶段;最后,用模糊C均值聚类算法进行售电侧改革过渡期进度评估。本发明运用模糊聚类数学分析模型进行阶段分类,使得售电侧改革进度评估结果更加合理。
Description
技术领域
本发明属于电力系统领域,具体地说是一种基于模糊聚类的售电侧市场化改革进度评估方法。
背景技术
2015年3月15日发表的电改九号文标志着新一轮电力体制改革开启,新一轮电改按照管住中间、放开两头的体制架构,逐步放开输配以外的竞争性环节电价和公益性调节性以外的发用电计划,并有序向社会资本开放配售电业务,其中售电侧改革直接面对用户,与其他改革任务联系密切,作为重中之重,将走在改革的最前沿。
售电侧改革涉及面广、工作量大,主要包括鼓励社会资本投资配电业务、建立市场主体准入退出等各类市场机制、多途径培育市场主体、加强监督监管保障,使用户能够自由选择售电主体购电。
售电侧改革过渡期各阶段将呈现不同的特征,也不可避免的出现各种各样的问题,科学评估、合理推断售电侧改革过渡期具体进程,有利于抓住售电侧市场化改革的重要核心,坚持改革的原则,在改革的过程中尽量少走弯路。
对于政府职能部门,有效的售电市场化改革进度评估能为其政策制定提供依据,更好的实现市场监管与调控,保证市场竞争公平有序。对于用户,改革进度评估能实时掌握售电市场的各项信息,有助于实现自主选择权。对于各类售电主体,售电市场化改革进度评估有助于明晰市场形势,便于公司在各阶段经营服务范围与模式中调整侧重点。
我国正在售电侧改革的进程中,以往并没有进行售电侧市场化改革进度评估分析,由于我国的实际国情和各区域省市改革状况的差异,对进度评估对象的选取是一大难题,为使建立的模型实时有效,全方位的指标数据分析、获取尤为重要。在数学分析模型的带入中,对于同一时间同一指标,各省份数值的量化与实际若有偏差,将会对分析结果产生影响。
发明内容
本发明所要解决的问题是克服上述现有情况带来的影响,选取模糊聚类数学算法,提供一种基于模糊聚类的售电侧市场化改革进度评估方法,其充分考虑不同阶段售电侧市场化建设各指标对改革进度评估的影响,以提高结果的可信度和合理性。
为此,本发明采用如下的技术方案:一种基于模糊聚类的售电侧市场化改革进度评估方法,其包括:
首先,根据国内外电改历史经验,客观可靠地选择能全面评估售电侧改革进展的各项指标,收集其实际统计数据,并结合区间赋值和专家打分法,将指标数据量化;
其次,在充分研究我国电改历程和国外成熟电改经验基础上,根据我国当下售电市场改革的内在逻辑和改革方向,结合国外各阶段特点和我国改革试点情况,将售电侧改革过渡期分为三个阶段;
最后,用模糊C均值聚类算法进行售电侧改革过渡期进度评估,聚类分两次,第一次聚类确定n个市场(如以省为单位)的阶段所属,第二次聚类确定在具体某一阶段中的等级划分,两次聚类均按模糊C均值聚类算法基本步骤进行,用Matlab软件仿真运行,最终得到各阶段的分类结果。
利用本发明判断出的售电侧市场化改革进度阶段,可以为各省市地区制定适应当前的改革标准,提供相关预案示例和针对性方案,为自身找出错误出处,及时修正改革路线,保证电改顺利进行。
本发明充分考虑了我国电改未成熟且各区域省市实际改革状况不相同等特点,同时解决了评价售电侧市场化的不同类型评价指标难以统一数据共同分析的问题。
本发明采用以下具体步骤:
步骤1),建立售电侧市场化改革进度评估指标体系
从售电市场基础设施建设、售电市场机制建设、售电侧市场化程度、售电市场增值服务以及电力用户反馈5个方面建立评估指标体系,分出多个指标。
步骤2),划分指标量化等级标准和设定指标权重
以实际统计数据为基础,进行评估指标的量化,根据已有的电力市场化改革标准进行评价打分,给出量化等级评分标准;将售电侧市场化改革进展部分指标按5个等级进行评分,即V={v1,v2,v3,v4}={很好,较好,一般,不好,较差};为了明确各项指标在评估指标体系中所具有的不同的重要程度,分别赋予各项指标以不同的权重数。
步骤3),确定分类对象及样本数据标准化
每个样本点都有m项指标x1,xk…,xm,得观测数据:
xij,i=1,...,n;j=1,...,m;
其均值为
标准差为
Matlab采用标准化变换将数据规格化,使不同量纲、不同取值范围和数量级的指标数据统一;
对特性指标矩阵的第j列分别计算和sj,然后作变换:
步骤4),建立模糊聚类算法流程
初始化:给定聚类类别数c,2≤c≤n,n即是数据个数,取模糊加权指数m=2,设定迭代停止阈值ε,初始化聚类原型模式V;
步骤一:计算或更新划分矩阵U
对于i,k,如果dik>0,则有
如果i,k,使dik=0,则有uik=1,
dik表示第i类中样本指标xk到聚类中心Vi的距离,djk表示第j类中样本指标xk到聚类中心Vi的距离;
步骤二:更新矩阵V
上式中,xk为第k项样本指标,(uik)m为权重;
步骤三:计算目标函数J(U,V),如果J(U,V)<ε,则算法停止并输出划分矩阵U和矩阵V,否则重复步骤一、步骤二;上述算法也可以先初始化聚类中心,然后再执行迭代过程;
目标函数J(U,V)的计算公式为:
其中U=[uik]c×n为模糊隶属矩阵,uik为样本指标xk对第i类样本隶属度,Vi是第i类样本的聚类中心,m∈[1,∞]是加权指数;J(U,V)表示各类别中样本到聚类中心的加权距离平方和,即类别内加权平均误差和,权重(uik)m是样本指标xk对i隶属度的m次方,聚类问题就转化为求min(J(U,V))的非线性规划,经优化迭代求解后,得出近似最优解U,V。用模糊C均值聚类算法(FCM)求解满足上式中的J(U,V)为最小时的分类结果。
步骤5),将售电侧改革过渡期划分为三个阶段;
结合国外各阶段特点和我国改革试点情况,将售电侧改革过渡期分为三个阶段,阐述阶段演化过程和各阶段的特征;从市场核心、售电主体、用户群体、交易内容四个方面体现出售电侧市场化改革进度评估各指标的差异。
步骤6),建立进度评估模型
在两次聚类中选取好样本点数(即待分类市场数)n的值和预定类别数目c的值,因售电侧市场化改革分为三个阶段,故c=3,指标数为36;指标值由各省市实际数据并结合专家打分确定,用a1-a36共36组列向量表示;同时选加权指数m=2,初始聚类中心选取时令参数δ=0.7,γa=γb=1.8;
根据步骤4)的算法流程,用Matlab软件运行得到最终的聚类中心和隶属度值,以确定阶段分类。
步骤7),仿真结果实际验证。
以青海、四川、陕西、河北、浙江、广东、重庆、辽宁及广西9个在经济基础、电力供需、电网发展、政策机制等方面存在差异的省市为例,应用基于模糊C均值聚类算法的售电侧改革进度评估模型进行改革进度评估。
本发明在我国售电侧改革进程中属于前瞻性研究,结合了我国已有电力改革状况和各地区不同电改实际情况,全方位的选取能有效评估售电侧改革的指标数据,根据实际调查结果进行专家打分使指标数据量化,多次求证国外已有经验和我国相关法规政策,调整指标权重减少数据误差,运用模糊聚类数学分析模型进行阶段分类,使得售电侧改革进度评估结果更加合理;并以当前电改实际情况进行验证,充分考虑了各地区实时变化信息对评估结果的影响,提高了结果的可信度和合理性。
附图说明
图1为本发明模糊C均值聚类算法流程图;
图2为本发明基于模糊C均值聚类算法的售电侧进度评估流程图;
图3为本发明二维三聚类中心仿真图;
图4为本发明2016年Matlab聚类仿真结果图;
图5为本发明2020年Matlab聚类仿真结果图。
具体实施方式
以下结合附图对本发明作进一步说明,本发明的步骤如下:
步骤(1),售电侧市场化改革进度评估指标体系的建立,具体是:
售电侧市场化改革进展评估指标体系如表1所示。
表1售电侧市场化改革进展评估指标体系
步骤(2),指标量化等级标准划分,具体是:
根据实际采集到的数据采用传统专家打分制的等级评价方法,对其中的16个指标进行量化,专家根据已有的电力市场化改革标准和具有技术前瞻性的标准进行评价打分,具体量化等级评分标准如表2所示。
表2售电侧市场化改革进展部分指标按等级分类的评分标准
将售电侧市场化改革进展部分指标按5个等级进行评分,即V={v1,v2,v3,v4}={很好,较好,一般,不好,较差};为了明确各项指标在评价指标体系中所具有的不同的重要程度,需要分别赋予各项指标以不同的权重数。
步骤(3),标准化变化
对特性指标矩阵的第j列分别计算均值和标准差sj,然后作变换:
步骤4),算法流程
具体步骤,初始化:给定聚类类别数c,2≤c≤n,n即是数据个数,取模糊加权指数m=2,设定迭代停止阈值ε,初始化聚类原型模式V。
步骤一:计算或更新划分矩阵U:
对于i,k,如果dik>0,(dik表示第i类中样本xk到聚类中心vi的距离),则有
如果i,k,使dik=0,则有uik=1。
步骤二:更新矩阵V
其中(uik)m为权重,
步骤三:计算目标函数J(U,V),如果J(U,V)<ε,则算法停止并输出划分矩阵U和矩阵V,否则重复步骤一、步骤二。上述算法也可以先初始化聚类中心,然后再执行迭代过程。图1所示为模糊C均值聚类算法流程图。
步骤5),售电侧市场化改革阶段划分
具体是:在充分研究我国电改历程与国外电改经验基础上,根据我国当下售电市场改革的内在逻辑和改革方向,结合相关政策文件及改革试点情况,将售电侧改革过渡期分为三个阶段,具体如表3所示。
表3售电侧改革过渡期阶段衍化
步骤(6),进度评估模型建立,具体是:用量化的各分区数据进行两次聚类如图2,即第一次聚类确定n个市场(如以省为单位)的阶段所属,第二次聚类确定在具体某一阶段中的等级划分,两次聚类均按上节所述算法的基本步骤进行。用Matlab软件运行得到最终的聚类中心和隶属度值,得出如图3的结果。将各市场分区对应的各个聚类中心进行比较,选择隶属度值最大的聚类中心作为该样本点所属的类别,最终确定分类结果。
步骤(7),仿真结果实际验证分析,具体是:
以青海、四川、陕西、河北、浙江、广东、重庆、辽宁及广西9个在经济基础、电力供需、电网发展、政策机制等方面存在差异的省市为例,取当前2016年与售电侧改革进一步发展的2020年为分析断面,根据该9个待评价市场分区的实际情况与相关数据,结合专家打分与形势预判,应用基于模糊C均值聚类算法的售电侧改革进度评估模型,对其改革进度进行评估,并验证算法模型。
应用例
以2016年为时间断面,对青海、四川、陕西、河北、浙江、广东、重庆、辽宁及广西9个待评价市场分区进行算例分析,36个指标数据如表4所示。
表4 2016年市场分区指标值
用Matlab软件运行得到2016年市场分区的最终聚类中心和隶属度值,如表5所示。
表5 2016年各市场分区隶属度值
青海 | 四川 | 陕西 | 河北 | 浙江 | 广东 | 重庆 | 辽宁 | 广西 | |
第一类市场 | 0.06 | 0.05 | 0.07 | 0.04 | 0.36 | 0.89 | 0.83 | 0.02 | 0.02 |
第二类市场 | 0.16 | 0.86 | 0.35 | 0.90 | 0.50 | 0.07 | 0.11 | 0.06 | 0.08 |
第三类市场 | 0.78 | 0.09 | 0.59 | 0.06 | 0.14 | 0.04 | 0.06 | 0.92 | 0.90 |
由图4的仿真结果,将各市场分区对应的各个聚类中心进行比较,选择隶属度值最大的聚类中心作为该样本点所属的类别,最终确定分类结果,得出具体的等级划分如表6。
表6 2016年各市场分区在售电侧改革第一阶段中的等级划分
一等 | 广东 | 重庆 | ||
二等 | 浙江 | 四川 | 河北 | |
三等 | 山西 | 广西 | 青海 | 辽宁 |
同理在2016年的模型基础上,对2020年9个省份进行售电侧市场化改革进度评估,用模型仿真得到图5所示2020年Matlab聚类结果。
Claims (3)
1.一种基于模糊聚类的售电侧市场化改革进度评估方法,其特征在于,包括:
首先,根据国内外电改历史经验,客观可靠地选择能全面评估售电侧改革进展的各项指标,收集其实际统计数据,并结合区间赋值和专家打分法,将指标数据量化;
其次,在充分研究我国电改历程和国外成熟电改经验基础上,根据我国当下售电市场改革的内在逻辑和改革方向,结合国外各阶段特点和我国改革试点情况,将售电侧改革过渡期分为三个阶段;
最后,用模糊C均值聚类算法进行售电侧改革过渡期进度评估,聚类分两次,第一次聚类确定n个市场的阶段所属,第二次聚类确定在具体某一阶段中的等级划分,两次聚类均按模糊C均值聚类算法基本步骤进行,用Matlab软件仿真运行,最终得到各阶段的分类结果。
2.根据权利要求1所述的售电侧市场化改革进度评估方法,其特征在于,包括以下具体步骤:
步骤1),建立售电侧市场化改革进度评估指标体系
从售电市场基础设施建设、售电市场机制建设、售电侧市场化程度、售电市场增值服务以及电力用户反馈5个方面建立评估指标体系,分出多个指标;
步骤2),划分指标量化等级标准和设定指标权重
以实际统计数据为基础,进行评估指标的量化,根据已有的电力市场化改革标准进行评价打分,给出量化等级评分标准;将售电侧市场化改革进展部分指标按5个等级进行评分,即V={v1,v2,v3,v4}={很好,较好,一般,不好,较差};为了明确各项指标在评估指标体系中所具有的不同的重要程度,分别赋予各项指标以不同的权重数;
步骤3),确定分类对象及样本数据标准化
每个样本点都有m项指标x1,xk…,xm,得观测数据:
xij,i=1,...,n;j=1,...,m;
其均值为
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
标准差为
<mrow>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
Matlab采用标准化变换将数据规格化,使不同量纲、不同取值范围和数量级的指标数据统一;
对特性指标矩阵的第j列分别计算均值和标准差sj,然后作变换:
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
</mrow>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>;</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
步骤4),建立模糊聚类算法流程
初始化:给定聚类类别数c,2≤c≤n,n即是数据个数,取模糊加权指数m=2,设定迭代停止阈值ε,初始化聚类原型模式V;
步骤一:计算或更新划分矩阵U
对于如果dik>0,则有
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<msub>
<mi>d</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mfrac>
<mn>2</mn>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
如果使dik=0,则有uik=1;
dik表示第i类中样本指标xk到聚类中心Vi的距离,djk表示第j类中样本指标xk到聚类中心Vi的距离;
步骤二:更新矩阵V
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
上式中,xk为第k项样本指标,(uik)m为权重;
步骤三:计算目标函数J(U,V),如果J(U,V)<ε,则算法停止并输出划分矩阵U和矩阵V,否则重复步骤一、步骤二;
步骤5),将售电侧改革过渡期划分为三个阶段;
步骤6),建立进度评估模型
在两次聚类中选取好样本点数n的值和预定类别数目c的值,因售电侧市场化改革分为三个阶段,故c=3,指标数为36;指标值由各省市实际数据并结合专家打分确定,用a1-a36共36组列向量表示;同时选加权指数m=2,初始聚类中心选取时令参数δ=0.7,γa=γb=1.8;
根据步骤4)的算法流程,用Matlab软件运行得到最终的聚类中心和隶属度值,以确定阶段分类;
步骤7),仿真结果实际验证。
3.根据权利要求2所述的售电侧市场化改革进度评估方法,其特征在于,步骤4)中,目标函数J(U,V)的公式为:
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<mi>V</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
其中,U=[uik]c×n为模糊隶属矩阵,uik为样本指标xk对第i类样本隶属度,Vi是第i类样本的聚类中心,m∈[1,∞]是加权指数;J(U,V)表示各类别中样本到聚类中心的加权距离平方和,即类别内加权平均误差和,权重(uik)m是样本指标xk对第i类隶属度的m次方,聚类问题转化为求min(J(U,V))的非线性规划,经优化迭代求解后,得出近似最优解U,V;用模糊C均值聚类算法求解满足上式中的J(U,V)为最小时的分类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710198540.9A CN107194526A (zh) | 2017-03-29 | 2017-03-29 | 一种基于模糊聚类的售电侧市场化改革进度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710198540.9A CN107194526A (zh) | 2017-03-29 | 2017-03-29 | 一种基于模糊聚类的售电侧市场化改革进度评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107194526A true CN107194526A (zh) | 2017-09-22 |
Family
ID=59871064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710198540.9A Pending CN107194526A (zh) | 2017-03-29 | 2017-03-29 | 一种基于模糊聚类的售电侧市场化改革进度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194526A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958268A (zh) * | 2017-11-22 | 2018-04-24 | 用友金融信息技术股份有限公司 | 一种数据模型的训练方法及装置 |
CN108733107A (zh) * | 2018-05-18 | 2018-11-02 | 深圳万发创新进出口贸易有限公司 | 一种基于无线传感器网络的禽畜饲养环境测控系统 |
CN109685379A (zh) * | 2018-12-27 | 2019-04-26 | 清华大学 | 交直流设备供电分区方法、系统、设备及介质 |
CN114398493A (zh) * | 2021-12-29 | 2022-04-26 | 中国人民解放军92728部队 | 一种基于模糊聚类与费效价值的无人机型谱构建方法 |
CN117670382A (zh) * | 2023-12-05 | 2024-03-08 | 广州穗圣信息科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
-
2017
- 2017-03-29 CN CN201710198540.9A patent/CN107194526A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958268A (zh) * | 2017-11-22 | 2018-04-24 | 用友金融信息技术股份有限公司 | 一种数据模型的训练方法及装置 |
CN108733107A (zh) * | 2018-05-18 | 2018-11-02 | 深圳万发创新进出口贸易有限公司 | 一种基于无线传感器网络的禽畜饲养环境测控系统 |
CN108733107B (zh) * | 2018-05-18 | 2020-12-22 | 皖西学院 | 一种基于无线传感器网络的禽畜饲养环境测控系统 |
CN109685379A (zh) * | 2018-12-27 | 2019-04-26 | 清华大学 | 交直流设备供电分区方法、系统、设备及介质 |
CN114398493A (zh) * | 2021-12-29 | 2022-04-26 | 中国人民解放军92728部队 | 一种基于模糊聚类与费效价值的无人机型谱构建方法 |
CN114398493B (zh) * | 2021-12-29 | 2022-12-16 | 中国人民解放军92728部队 | 一种基于模糊聚类与费效价值的无人机型谱构建方法 |
CN117670382A (zh) * | 2023-12-05 | 2024-03-08 | 广州穗圣信息科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194526A (zh) | 一种基于模糊聚类的售电侧市场化改革进度评估方法 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN108491969A (zh) | 基于大数据的空间负荷预测模型构建方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN107169633A (zh) | 一种输气管网、储气库调峰方案综合评价方法 | |
CN102930482A (zh) | 一种县域配电网投资效果评估方法 | |
CN107292534A (zh) | 城市配电网中长期动态投资的标尺竞争评价方法及装置 | |
CN103761690A (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN109461025A (zh) | 一种基于机器学习的电能替代潜在客户预测方法 | |
CN105956779A (zh) | 电力变压器运行状态评估方法和装置 | |
CN104933627A (zh) | 机床产品制造系统的能效组合评价方法 | |
CN107067341A (zh) | 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法 | |
CN104077493B (zh) | 一种电力继电保护系统状态评估指标体系的构建方法 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN106779279A (zh) | 一种工业用户能效评估方法及系统 | |
CN109377082A (zh) | 精细化管理背景下的县级供电企业综合评价方法及装置 | |
CN109003010A (zh) | 电网项目投资效益的评价方法 | |
CN108647869A (zh) | 工程评估方法和装置 | |
CN104809522B (zh) | 一种综合能源预测方法 | |
CN108549907A (zh) | 一种基于多源迁移学习的数据校验方法 | |
CN105160496A (zh) | 一种企业电力能效综合评估方法 | |
CN107169655A (zh) | 一种优选配电网方案适应性的方法及装置 | |
CN105868906A (zh) | 一种优化的区域发展成熟度分析方法 | |
CN111163487A (zh) | 通信波形综合传输性能评价方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170922 |