CN108647849A - 一种基于灰色关联度的分布式电源电力客户信用评价方法 - Google Patents
一种基于灰色关联度的分布式电源电力客户信用评价方法 Download PDFInfo
- Publication number
- CN108647849A CN108647849A CN201810273589.0A CN201810273589A CN108647849A CN 108647849 A CN108647849 A CN 108647849A CN 201810273589 A CN201810273589 A CN 201810273589A CN 108647849 A CN108647849 A CN 108647849A
- Authority
- CN
- China
- Prior art keywords
- power
- index
- credit
- evaluation
- weight
- 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
- 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
Abstract
本发明公开了一种基于灰色关联度的分布式电源电力客户信用评价方法,其包括以下步骤:步骤1.构建考虑分布式电源的电力客户信用等级评价指标体系;步骤2.收集评价指标数据;步骤3.对不同的量纲进行归一化处理;步骤4.最满意组合权重的确定;步骤5.基于灰色关联度的电力用户信用评价。本发明具有综合考虑新电力市场环境,分析用户的电力市场活动对电网风险的影响,提出考虑分布式电源的电力客户信用等级综合评价指标体系。采用基于灰色关联度的组合权重评价方法,综合利用主观赋权法、客观赋权法和智能赋权法多种方法,寻找最优组合权重,均衡了单一方法的不一致性,有效规避了传统评估单一方法的片面性。
Description
技术领域
本发明涉及电力客户信用评价领域,特别是涉及一种基于灰色关联度的分布式电源电力客户信用评价方法。
背景技术
随着分布式电源入网的放开、大用户直购电的推广、节能减排政策的实施等,电力客户对电网经营风险的影响已不仅仅局限于欠费、窃电问题上,还会直接影响电网的运营成本和经营收益。
目前供电企业评价用电客户的信用多依赖于营销队伍的主观经验,以个别的信用指标(如欠费次数、窃电次数等)作为评价依据,由于利用的用户用电信息有限,评价结果经常出现偏差。此外,由于主观因素和样本差异对评价结果产生影响,传统单一评价方法具有片面性,需要综合多种类型的赋权方法,以保证评价结果的准确性。
因此,电力公司亟需一套适应新形势的电力客户信用评价体系,科学准确地评估客户信用对电网经营风险的影响,为供电企业增加电费回收、减少违规用电、优化配置资源、提高经营水平提供理论依据。
发明内容
本发明的目的在于提供一种基于灰色关联度的分布式电源电力客户信用评价方法,分析用户的电力市场活动对电网风险的影响,提出考虑分布式电源的电力客户信用等级综合评价指标体系。
本发明提供一种基于灰色关联度的分布式电源电力客户信用评价方法,所述电力客户信用评价方法包括以下步骤:
步骤1.构建分布式电源电力客户信用等级评价指标体系;
步骤2.收集评价指标数据;
步骤3.对不同的量纲进行归一化处理;
步骤4.确定最优组合权重;
步骤5.对基于灰色关联度的电力用户进行信用评价。
优选地,所述步骤1中基于管控电网经营风险,通过分析电力用户的电力市场活动对电网风险的影响,构建所述分布式电源电力客户信用等级的评价指标体系。
优选地,所述评价指标体系根据用户缴费信用、电力法规信用、电力合作信用、经营能力信用、社会交往信用和抵押信用保障6个方面确定。
优选地,所述步骤2通过截取所述电力客户某段时间内的用电信息,按照指标定义分析计算得到所述评价指标数据。
优选地,所述步骤3中所述电力客户的原始用电信息数据构成m×n维矩阵,其中m表示所述电力客户的个数,n表示所述评价指标数据的个数,对不同的量纲进行归一化处理,实现实际值到指标评价值的转化,评价指标包括:极大型、极小型、区间型和定指标型,所述步骤3包括如下子步骤:
(1)极大型指标归一化处理:
(2)极小型指标归一化处理:
(3)区间型指标归一化处理:
公式③中[xminj,xmaxj]为指标xj的最佳取值区间;
(4)定指标型指标归一化处理:
公式④中为指标xj的最佳值,
根据公式①至公式④处理所述电力客户的原始用电信息数据,得到归一化后的评价矩阵
优选地,所述步骤4是基于单一评价权重与最优组合权重的偏差最小化并综合多种类型的赋权方法,确定所述最优组合权重,所述步骤4包括如下子步骤:
(1)构造基本权重集
使用不同的评价方法可得到相应的权重向量,每种评价方法计算得到的权重向量为基本权重,使用L种方法分别计算指标权重,可得到不同属性的赋权结果:ωh=[ωh1,ωh2,...,ωhn],h=1,2,...,L,进而形成一组基本权重向量集合:[ω1,ω2,...,ωL];
(2)确定可能权重集
为了融合、均衡不同属性的评价方法的优缺点,充分利用各类评价方法传递的主客观信息,通过线性组合构造基本权重向量:
公式⑤中,λh为线性组合系数,ω为可能权重向量;
对基本权重向量进行交叉、计算,可得全部可能的权重向量集,表示为:
(3)确定最优组合权重
在权重向量集合中选取最优组合权重,使得所述组合权重与各单一评价方法得到的权重间的偏差最小:
求解公式⑦和公式⑧得到线性组合系数λh,即为所求得的融合、均衡不同属性权重评价方法赋权得到的所述最优组合权重;
所述公式⑦和公式⑧联立转化为公式⑨,求解最优线性组合系数:
优选地,所述步骤5中灰色关联度的评价方法是通过分析新评价指标体系中电力客户各信用指标与最优信用指标间的关系确定电力客户信用等级,所述步骤5包括如下子步骤:
(1)确定关联系数
计算电力用户的每一个信用指标与相对应的理想信用指标间的关联系数,形成关联系数矩阵,假设由每一个评估指标的满意值构成基准指标集合为X0=(x01,x02,...,x0n),电力用户i的信用指标为Xi=(xi1,xi2,...,xin),则电力用户i的指标xik与理想指标x0k之间的关联系数为:
公式⑩中,0≤ρ≤1为分辨系数,m为电力用户个数,n为评价指标个数;计算公式⑩得到表征所有电力用户指标关联程度的关联系数矩阵:
公式中,ξik为电力用户i第k个指标与第k个理想指标的关联系数;
(2)确定分辨系数
关联系数的大小由ρ值决定,ρ值选取决定了最终评价的离散程度,记Δv为所有样本差值绝对值的平均值,用于衡量样本指标数据的离散程度:
bΔ=Δv/maxΔ0i,为了得到合适的分辨率,ρ值的取值范围是:
(3)确定关联度
由关联系数矩阵得到各电力用户各指标的关联系数,某个电力用户指标综合评价结果可通过对该用户的各指标关联系数进行线性加权得到:
公式中,ω=(ω1,ω2,...,ωk,...,ωn)为指标的权重向量,ωk为第k个指标的权重,则电力用户i的综合信用评价结果为
关联度Ri即为电力用于信用评价得分,Ri越大,电力用户i的信用度越高;反之,Ri越小,电力用户i的信用度越差。
本发明的有益效果是:
本发明综合考虑新电力市场环境,分析用户的电力市场活动对电网风险的影响,提出考虑分布式电源的电力客户信用等级综合评价指标体系。采用基于灰色关联度的组合权重评价方法,综合利用主观赋权法、客观赋权法和智能赋权法多种方法,寻找最优组合权重,均衡了单一方法的不一致性,有效规避了传统评估单一方法的片面性。
附图说明
图1是基于灰色关联度的分布式电源电力客户信用评价方法的流程图。
图2是基于灰色关联度的分布式电源电力客户信用评价方法的考虑分布式电源的电力客户信用等级评价指标体系。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于灰色关联度的分布式电源电力客户信用评价方法,其包括:
S1.构建考虑分布式电源的电力客户信用等级评价指标体系;
S2.收集评价指标数据;
S3.对不同的量纲进行归一化处理;
该步骤包括如下子步骤:
S3-1.极大型指标归一化处理
S3-2.极小型指标归一化处理
S3-3.区间型指标归一化处理
S3-4.定指标型指标归一化处理
S4.最满意组合权重的确定;
该步骤包括如下子步骤:
S4-1.构造基本权重集
S4-2.确定可能权重集
S4-3.确定最满意组合权重
S5.基于灰色关联度的电力用户信用评价;
该步骤包括如下子步骤:
S5-1.确定关联系数
S5-2.确定分辨系数
S5-3.确定关联度
下面参照附图1来说明本发明的实施例。本发明的一种基于灰色关联度的分布式电源电力客户信用评价方法的具体步骤如下:
S1.构建考虑分布式电源的电力客户信用等级评价指标体系
基于管控电网经营风险,通过分析电力用户的电力市场活动对电网风险的影响,提出一套考虑分布式电源的电力客户信用等级新评价指标体系,如图2所示。这里按照“5C”理论从用户缴费信用、电力法规信用、电力合作信用、经营能力信用、社会交往信用、抵押信用保障六个方面考虑,设计了包括用户分布式发电并网电量比、用户分布式电源并网电能质量达标率、大用户直购电违约电量比、用户减碳配额完成率这四个新电力市场环境下的新指标在内的24个电力客户信用风险评价指标,更加全面、系统地反映了电网以交易成本和经营风险为考量时需要关注的电力客户用电信息。
S2.收集评价指标数据
选取评价对象,截取其某段时间内的用电信息,按照指标定义分析计算得到各指标数据。
S3.对不同的量纲进行归一化处理
上述电力客户原始用电信息数据构成m×n维矩阵,其中m表示评价对象(电力客户)的个数,n表示评价指标的个数。对不同的量纲进行归一化处理,以实现实际值到指标评价值的转化,该过程又称为无量纲化。评价指标可分为四类:极大型(越大越好)、极小型(越小越好)、区间型(以落在某个固定区间为佳)和定指标型(越接近某个标准值越好)。
该步骤包括如下子步骤:
S3-1.极大型指标归一化处理:
S3-2.极小型指标归一化处理:
S3-3.区间型指标归一化处理:
式中[xminj,xmaxj]为指标xj的最佳取值区间。
S3-4.定指标型指标归一化处理:
式中为指标xj的最佳值。
根据上述各式处理原始数据,得到归一化后的评价矩阵
S4.最满意组合权重的确定
如何科学合理的确定权重是电力客户信用等级评价模型的关键,直接影响评价结果的客观性和准确性。确定权重的方法可大致分为三类:主观赋权法、客观赋权法和智能赋权法。为了避免主观因素和样本差异对评价结果的影响,克服单一评价方法的片面性,这里提出了基于单一评价权重与最满意组合权重的偏差最小化,综合多种类型的赋权方法,寻找最优组合权重。
该步骤包括如下子步骤:
S4-1.构造基本权重集
不同的评价方法可得到相应的权重向量,记每种评价方法计算得到的权重向量为基本权重,则使用L种方法分别计算指标权重,可得到不同属性的赋权结果:ωh=[ωh1,ωh2,...,ωhn],h=1,2,...,L,进而形成一组基本权重向量集合:[ω1,ω2,...,ωL]。
S4-2.确定可能权重集
单一评价方法往往存在自身缺陷,为了融合、均衡不同属性的评价方法的优缺点,充分利用各类评价方法传递的主客观信息,通过线性组合构造可能权重向量:
式中,λh为线性组合系数,ω为可能权重向量。对这组基本权重向量进行交叉、计算,可得全部可能的权重向量集可表示为:
S4-3.确定最满意组合权重
这里提出了寻找最满意组合权重的方法,即在可能权重向量集合中寻找最优的一组组合权重,使得该组合权重与各单一评价方法得到的权重间的偏差最小:
求解上述模型得到线性组合系数λh即可得到一组组合权重,即为所求得的均衡多种权重评价方法赋权得到的最满意组合权重。上述两式联立转化为下式,求解最满意线性组合系数:
S5.基于灰色关联度的电力用户信用评价
在电力客户信用等级评价决策过程中,灰色关联度的评价方法的实质是通过分析电力客户各信用指标与最理想信用指标间的关系,关联越密切则用户信用等级越高。
该步骤包括如下子步骤:
S5-1.确定关联系数
首先计算用户的每一个信用指标与相对应的理想信用指标间的关联系数,形成关联系数矩阵。假设由每一个评估指标的满意值(最优值)构成基准(理想)指标集合为X0=(x01,x02,...,x0n),用户i的信用指标为Xi=(xi1,xi2,...,xin),则用户i的指标xik与理想指标x0k之间的关联系数为:
式中,0≤ρ≤1为分辨系数,m为评价对象个数(电力用户数),n为评价指标个数。按照上式计算得到表征所有用户指标关联程度的关联系数矩阵:
式中,ξik为用户i第k个指标与第k个理想指标的关联系数。
S5-2.确定分辨系数
关联系数的大小由ρ值决定,ρ值选取决定了最终评价的离散程度,评价结果的离散程度随ρ值先变大后变小,ρ值过大或过小都会使得同一指标不同用户关联系数相对集中,容易造成评价结果集中,辨识度不强,因此,选择合适的ρ值才能保证评价结果的分辨率。
记Δv为所有样本差值绝对值的平均值,用于衡量样本指标数据的离散程度:
并记bΔ=Δv/maxΔ0i,为了得到合适的分辨率,ρ值的取值范围应该是:
S5-3.确定关联度
由关联系数矩阵可得到各用户各指标的关联系数,若需要进一步得到某个用户指标综合评价结果,最简单便捷的方法就是对该用户的各指标关联系数进行线性加权:
RT=ξω=[R1,R2,...,Rm]
式中,ω=(ω1,ω2,...,ωk,...,ωn)为指标的权重向量,ωk为第k个指标的权重,则用户i的综合信用评价结果为
关联度Ri即为电力客户信用评价得分,Ri越大,电力用户i的信用度越高,反之,Ri越小,电力用户i的信用度越差。
本发明所提供的一种基于灰色关联度的分布式电源电力客户信用评价方法,建立了考虑分布式电源的电力客户信用等级评价指标体系,采用基于灰色关联度的组合权重评价方法,有效规避了传统评估单一方法的片面性,实现了在事前对电力客户的信用水平进行有效评估。通过相应的差异化营销策略,可以规范用户电力市场活动,减少电费回收风险,降低电网交易成本,具有很高的实用性。
最后需要指出的是: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 (7)
1.一种基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于所述电力客户信用评价方法包括以下步骤:
步骤1.构建分布式电源电力客户信用等级的评价指标体系;
步骤2.收集评价指标数据;
步骤3.对不同的量纲进行归一化处理;
步骤4.确定最优组合权重;
步骤5.对基于灰色关联度的电力用户进行信用评价。
2.根据权利要求1所述的基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于:所述步骤1中基于管控电网经营风险,通过分析电力用户的电力市场活动对电网风险的影响,构建所述分布式电源电力客户信用等级的评价指标体系。
3.根据权利要求2所述的基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于:所述评价指标体系根据用户缴费信用、电力法规信用、电力合作信用、经营能力信用、社会交往信用和抵押信用保障6个方面确定。
4.根据权利要求1所述的基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于:所述步骤2通过截取所述电力客户某段时间内的用电信息,按照指标定义分析计算得到所述评价指标数据。
5.根据权利要求1所述的基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于:所述步骤3中所述电力客户的原始用电信息数据构成m×n维矩阵,其中m表示所述电力客户的个数,n表示所述评价指标数据的个数,对不同的量纲进行归一化处理,实现实际值到指标评价值的转化,评价指标包括:极大型、极小型、区间型和定指标型,所述步骤3包括如下子步骤:
(1)极大型指标归一化处理:
(2)极小型指标归一化处理:
(3)区间型指标归一化处理:
公式③中[xminj,xmaxj]为指标xj的最佳取值区间;
(4)定指标型指标归一化处理:
公式④中为指标xj的最佳值,
根据公式①至公式④处理所述电力客户的原始用电信息数据,得到归一化后的评价矩阵
6.根据权利要求1所述的基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于:所述步骤4是基于单一评价权重与最优组合权重的偏差最小化并综合多种类型的赋权方法,确定所述最优组合权重,所述步骤4包括如下子步骤:
(1)构造基本权重集
使用不同的评价方法可得到相应的权重向量,每种评价方法计算得到的权重向量为基本权重,使用L种方法分别计算指标权重,得到不同属性的赋权结果:ωh=[ωh1,ωh2,...,ωhn],h=1,2,...,L,进而形成一组基本权重向量集合:[ω1,ω2,...,ωL];
(2)确定可能权重集
利用各类评价方法传递的主客观信息,通过线性组合构造基本权重向量:
公式⑤中,λh为线性组合系数,ω为可能权重向量;
对基本权重向量进行交叉、计算,可得全部可能的权重向量集,表示为:
(3)确定最优组合权重
在权重向量集合中选取最优组合权重,使得所述组合权重与各单一评价方法得到的权重间的偏差最小:
求解公式⑦和公式⑧得到线性组合系数λh,即为所求得的融合、均衡不同类型权重评价方法赋权得到的所述最优组合权重;
所述公式⑦和公式⑧联立转化为公式⑨,求解最优线性组合系数:
7.根据权利要求1所述的基于灰色关联度的分布式电源电力客户信用评价方法,其特征在于:所述步骤5中灰色关联度的评价方法是通过分析评价指标体系中电力客户各信用指标与最优信用指标间的关系确定电力客户信用等级,所述步骤5包括如下子步骤:
(1)确定关联系数
计算电力用户的每一个信用指标与相对应的理想信用指标间的关联系数,形成关联系数矩阵,假设由每一个评估指标的满意值构成基准指标集合为X0=(x01,x02,...,x0n),电力用户i的信用指标为Xi=(xi1,xi2,...,xin),则电力用户i的指标xik与理想指标x0k之间的关联系数为:
公式⑩中,0≤ρ≤1为分辨系数,m为电力用户个数,n为评价指标个数;
计算公式⑩得到表征所有电力用户指标关联程度的关联系数矩阵:
公式中,ξik为电力用户i第k个指标与第k个理想指标的关联系数;
(2)确定分辨系数
关联系数的大小由ρ值决定,ρ值选取决定了最终评价的离散程度,记Δv为所有样本差值绝对值的平均值,用于衡量样本指标数据的离散程度:
bΔ=Δv/maxΔ0i,为了得到合适的分辨率,ρ值的取值范围是:
(3)确定关联度
由关联系数矩阵得到各电力用户各指标的关联系数,某个电力用户指标综合评价结果可通过对该用户的各指标关联系数进行线性加权得到:
公式中,ω=(ω1,ω2,...,ωk,...,ωn)为指标的权重向量,ωk为第k个指标的权重,则电力用户i的综合信用评价结果为
关联度Ri即为电力用于信用评价得分,Ri越大,电力用户i的信用度越高;反之,Ri越小,电力用户i的信用度越差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810273589.0A CN108647849A (zh) | 2018-03-29 | 2018-03-29 | 一种基于灰色关联度的分布式电源电力客户信用评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810273589.0A CN108647849A (zh) | 2018-03-29 | 2018-03-29 | 一种基于灰色关联度的分布式电源电力客户信用评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108647849A true CN108647849A (zh) | 2018-10-12 |
Family
ID=63744885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810273589.0A Pending CN108647849A (zh) | 2018-03-29 | 2018-03-29 | 一种基于灰色关联度的分布式电源电力客户信用评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647849A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119948A (zh) * | 2019-04-22 | 2019-08-13 | 山东大学 | 基于时变权重动态组合的电力用户信用评价方法及系统 |
CN111047210A (zh) * | 2019-12-21 | 2020-04-21 | 西南交通大学 | 一种牵引变压器绝缘油老化状态评估方法 |
CN111461493A (zh) * | 2020-03-06 | 2020-07-28 | 哈尔滨工业大学 | 一种基于城市关联分析的多因素海绵城市建设及评估方法 |
CN111667153A (zh) * | 2020-05-19 | 2020-09-15 | 武汉理工大学 | 一种基于灰色关联分析法的居民用电行为分析方法 |
CN112801542A (zh) * | 2021-03-09 | 2021-05-14 | 海南电网有限责任公司信息通信分公司 | 用电客户信用评估方法 |
CN113159540A (zh) * | 2021-04-07 | 2021-07-23 | 国家电网公司华中分部 | 一种考虑负荷价值的需求侧资源梯级调用方法及装置 |
-
2018
- 2018-03-29 CN CN201810273589.0A patent/CN108647849A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119948A (zh) * | 2019-04-22 | 2019-08-13 | 山东大学 | 基于时变权重动态组合的电力用户信用评价方法及系统 |
CN111047210A (zh) * | 2019-12-21 | 2020-04-21 | 西南交通大学 | 一种牵引变压器绝缘油老化状态评估方法 |
CN111047210B (zh) * | 2019-12-21 | 2021-07-20 | 西南交通大学 | 一种牵引变压器绝缘油老化状态评估方法 |
CN111461493A (zh) * | 2020-03-06 | 2020-07-28 | 哈尔滨工业大学 | 一种基于城市关联分析的多因素海绵城市建设及评估方法 |
CN111667153A (zh) * | 2020-05-19 | 2020-09-15 | 武汉理工大学 | 一种基于灰色关联分析法的居民用电行为分析方法 |
CN111667153B (zh) * | 2020-05-19 | 2023-05-02 | 武汉理工大学 | 一种基于灰色关联分析法的居民用电行为分析方法 |
CN112801542A (zh) * | 2021-03-09 | 2021-05-14 | 海南电网有限责任公司信息通信分公司 | 用电客户信用评估方法 |
CN113159540A (zh) * | 2021-04-07 | 2021-07-23 | 国家电网公司华中分部 | 一种考虑负荷价值的需求侧资源梯级调用方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647849A (zh) | 一种基于灰色关联度的分布式电源电力客户信用评价方法 | |
Hilorme et al. | Smart grid concept as a perspective for the development of Ukrainian energy platform | |
Jabbarzadeh et al. | Green and resilient design of electricity supply chain networks: a multiobjective robust optimization approach | |
CN104992239B (zh) | 一种基于相关系数的行业用电量规律预测方法 | |
CN110175788A (zh) | 一种智慧城市能源云平台 | |
Rossi et al. | Smart grids data analysis: a systematic mapping study | |
CN108596443A (zh) | 一种基于多维度数据的用电客户信用等级评价方法 | |
CN109903182A (zh) | 基于随机森林算法的电力客户欠费风险分析方法及装置 | |
CN106709818A (zh) | 一种用电企业信用风险评价方法 | |
CN109712023A (zh) | 一种区域售电市场价值评估方法 | |
CN104376502A (zh) | 基于灰色关联度的电力客户信用综合评价方法 | |
CN106886923A (zh) | 一种区域配电网能源费用托管服务定价方法 | |
Khan et al. | Research advancements towards in existing smart metering over smart grid | |
CN105844351A (zh) | 一种电力用电市场景气指数预测方法 | |
CN111127099A (zh) | 一种基于大数据的电商用户分析系统及其分析方法 | |
Hurst et al. | An ensemble detection model using multinomial classification of stochastic gas smart meter data to improve wellbeing monitoring in smart cities | |
Wigan | User issues for smart meter technology | |
CN112288467A (zh) | 一种基于区块链技术的用户用电分析与管理方法及装置 | |
Al-Radaideh et al. | A data mining based model for detection of fraudulent behaviour in water consumption | |
CN111709791A (zh) | 一种基于改进特征词权重算法的供电营销服务方法 | |
Savian et al. | Non-technical losses in Brazil: Overview, challenges, and directions for identification and mitigation | |
Toapanta-Lema et al. | Regression models comparison for efficiency in electricity consumption in ecuadorian schools: a case of study | |
CN104268804A (zh) | 基于层次化数据包络分析的电力优质客户数据挖掘方法 | |
Chen et al. | Multi-area economic generation and reserve dispatch | |
Azadeh et al. | An integrated multivariate approach for performance assessment and optimisation of electricity transmission systems |
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 |
Application publication date: 20181012 |
|
RJ01 | Rejection of invention patent application after publication |