CN109902949A - 一种需求响应资源分类方法 - Google Patents
一种需求响应资源分类方法 Download PDFInfo
- Publication number
- CN109902949A CN109902949A CN201910132090.2A CN201910132090A CN109902949A CN 109902949 A CN109902949 A CN 109902949A CN 201910132090 A CN201910132090 A CN 201910132090A CN 109902949 A CN109902949 A CN 109902949A
- Authority
- CN
- China
- Prior art keywords
- demand response
- resource
- initial
- degree
- classification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004146 energy storage Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 206010027336 Menstruation delayed Diseases 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种需求响应资源分类方法，所述方法包括：对需求响应资源进行初步分类；根据所述初步分类的结果，将n项需求响应资源分成c类；计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心；计算核函数，根据所述核函数循环更新所述需求响应资源的隶属度矩阵和聚类中心，直至满足隶属度集合的收敛条件。本申请提高了模糊聚类算法抗噪性能，忽略了数据集对应几何空间的位置不同拥有的特殊性的问题，最大可能的从聚类中剔除掉不达标用户。本发明从核函数的模糊聚类算法的角度提出了需求响应资源分类方法，确保了需求响应资源最大程度的依据响应目标的不同进行分类。
Description
技术领域
本申请涉及电力系统分析与计算技术领域，尤其涉及一种需求响应资源分类方法。
背景技术
电力市场化改革下，随着空调、热水器等温控负荷在居民负荷中的比重的增加，阶段性、地域性的电力供应紧张情况时有发生。与此同时，大规模可再生能源迅速增长，其带来的随机性和波动性使得电网的电能质量下降。在电力系统中，用户侧的需求响应能够实现在短时间内调节其用电曲线，且对用户本身基本不产生影响。因此，从系统调度来看，需求响应资源的聚类是实施需求响应、调用负荷侧资源的必然要求。
针对负荷快切、有序削峰填谷等不同场景，需采取相应的需求响应资源以适应不同的需求。而且，在电力市场改革的背景下，通过需求响应资源聚类技术充分挖掘需求响应资源的响应潜力，挑选合适的需求响应对象能够最大化实现需求响应资源的经济价值。目前，需求响应聚类方法主要包括C均值聚类和模糊C均值聚类两种。这两种方法都是把关注的样本特点设为分量，进而构建出向量空间，利用距离的计算，将样本聚类，也就是说，将向量空间的样本特点按照某种距离度量划分成多个子空间。
随着智能电网的发展，对需求响应资源的响应速度和可靠性提出了更高的要求，即还需要对需求响应的场景以及需求响应的时间段进行聚类分析。上述聚类方法不能针对需求业务本身，将需求响应资源与需求业务紧密结合，且没有考虑到需求响应面临的场景和目标。
发明内容
本申请提供了一种需求响应资源分类方法，以解决现有技术中需求响应资源的聚类方法由于无法结合需求响应的场景及时间段等进行聚类分析，因而导致可靠性低的技术问题。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
本申请实施例公开了一种需求响应资源分类方法，所述方法包括：
对需求响应资源进行初步分类，划分为：常规负荷类、可调节负荷类、储能类和新能源及发电装置类；
根据所述初步分类的结果，将n项需求响应资源分成c类，迭代停止条件ε∈(0,1)和最大迭代次数为kmax，初始迭代次数k＝0,1,...,kmax；
计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心；
计算核函数，根据所述核函数循环更新所述需求响应资源的隶属度矩阵和聚类中心，直至满足隶属度集合的收敛条件。
可选地，在上述需求响应资源分类方法中，所述根据所述初步分类的结果，将n项需求响应资源分成c类，包括：
判断在有序削峰填谷及负荷快切模式下，n项所述需求响应资源是否为达标资源；
对所述有序削峰填谷按照负荷峰值出现的时间进行分类，对所述负荷快切按照响应时间进行分类，所述分类以早/中/晚时段的需求响应资源作为调控依据。
可选地，在上述需求响应资源分类方法中，所述计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心，包括：
对于需求响应资源属于初始聚类中心的隶属度，及任意需求响应资源满足：j＝1,2,...,n，全部uij构成c×n维的初始隶属度矩阵
对所述初始隶属度矩阵进行初始化，将相关需求响应资源从属度最高的类别的隶属度设置为1，其余设置为0，利用μij对聚类中心重新进行计算，计算公式为：式中，是第i个分类的初始聚类中心，i∈c，xj为第j个需求响应资源，j∈n，μij是第j个需求响应资源xj(j∈n)属于分类的隶属度；
在得到初始聚类中心后，计算初始隶属度，计算公式为：式中，是第j个需求响应资源xj(j∈n)属于分类的初始隶属度，更新后的第i个分类的聚类中心，xj为第j个需求响应资源；
得到初始隶属度矩阵U(0)，表示为：
可选地，在上述需求响应资源分类方法中，其特征在于，所述计算核函数，根据所述核函数更新所述需求响应资源的隶属度矩阵和聚类中心，包括：
计算核函数，计算公式为：式中，xj为第j个需求响应资源，表示第k次迭代聚类i的聚类中心，σ为函数的宽度参数，控制函数的径向作用范围；
通过迭代更新聚类中心，得到计算公式为：
通过迭代更新隶属度矩阵，计算公式为：式中，的计算公式为：
可选地，在上述需求响应资源分类方法中，所述收敛条件表示为：式中，ε是算法精度。
与现有技术相比，本申请的有益效果为：
本申请提供了一种需求响应资源分类方法，所述方法包括：首先，对需求响应资源进行初步分类，划分为：常规负荷类、可调节负荷类、储能类和新能源及发电装置类。其次，根据所述初步分类的结果，将n项需求响应资源分成c类，迭代停止条件ε∈(0,1)和最大迭代次数为kmax，初始迭代次数k＝0,1,...,kmax。然后，计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心。最后，计算核函数，根据所述核函数循环更新所述需求响应资源的隶属度矩阵和聚类中心，直至满足隶属度集合的收敛条件，得到最终的隶属度矩阵和聚类中心。本申请提高了模糊聚类算法抗噪性能，忽略了数据集对应几何空间的位置不同拥有的特殊性的问题，最大可能的从聚类中剔除掉不达标用户。本发明从核函数的模糊聚类算法的角度提出了需求响应资源分类方法，确保了需求响应资源最大程度的依据响应目标的不同进行分类。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种需求响应资源分类方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
参见图1，为本发明实施例提供的一种需求响应资源分类方法的流程示意图。结合图1，本申请中需求响应资源分类方法包括以下步骤：
步骤S01：对需求响应资源进行初步分类，划分为：常规负荷类、可调节负荷类、储能类和新能源及发电装置类；
初步分类根据调节负荷的能力和出力特性，并且考虑资源的出力、升负荷以及降负荷能力分为四大类，包括：常规负荷类、可调节负荷类、储能类和新能源及发电装置类。需求响应资源类型及资源特性如表1所示。
表1：
步骤S02：根据所述初步分类的结果，将n项需求响应资源分成c类，迭代停止条件ε∈(0,1)和最大迭代次数为kmax，初始迭代次数k＝0,1,...,kmax；
需求响应资源如果具有降负荷能力，则为削峰和负荷快切的达标资源。需求响应资源如果具有升负荷能力，则为填谷的达标资源。需求响应资源如果具有发电能力则为削峰的达标资源，相当于负的负荷，即实现降负荷。以此为依据，判断在有序削峰填谷、负荷快切两种模式的情况下，n项所述需求响应资源是否为达标资源。
对有序削峰填谷按照负荷峰值出现的时间进行分类，对负荷快切则按照响应时间进行分类，将n项需求响应资源分成c类，迭代停止条件ε∈(0,1)和最大迭代次数为kmax，初始迭代次数k＝0,1,...,kmax。本发明实施提供的需求响应资源分类方法中，所述分类以早/中/晚，3个不同时段的需求响应作为调控依据分为6大类，需求响应资源的分类如表2所示。
表2：
| 资源类别 | 资源分类 |
| 1类资源 | 多时段易调控用户 |
| 2类资源 | 早高峰易调控用户 |
| 3类资源 | 午高峰易调控用户 |
| 4类资源 | 晚高峰易调控用户 |
| 5类资源 | 惰性用户 |
| 6类资源 | 储能装置 |
步骤S03：计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心；具体地，包括以下步骤：
步骤S031：对于需求响应资源属于初始聚类中心的隶属度，及任意需求响应资源满足：j＝1,2,...,n，全部uij构成c×n维的初始隶属度矩阵
本发明实施例提供的初始隶属度矩阵中，以6×10维的矩阵为例，即10项需求响应资源分成6类。10项需求响应的标幺化需求响应曲线，如表3所示，其中数据是参考华中地区湖北省实际负荷曲线选取具有特征的曲线得到的，为10项需求响应资源的需求响应曲线数据，对表3中的10项需求响应资源进行分类。
表3：
步骤S032：对所述初始隶属度矩阵进行初始化，将相关需求响应资源从属度最高的类别的隶属度设置为1，其余设置为0，利用μij对聚类中心重新进行计算，计算公式为：式中，是第i个分类的初始聚类中心，i∈c，xj为第j个需求响应资源，j∈n，μij是第j个需求响应资源xj(j∈n)属于分类的隶属度；
10项需求响应资源的初始隶属度矩阵如下所示：
步骤S033：在得到初始聚类中心后，计算初始隶属度，计算公式为：式中，是第j个需求响应资源xj(j∈n)属于分类的初始隶属度，更新后的第i个分类的聚类中心，xj为第j个需求响应资源；
步骤S034：得到初始隶属度矩阵U(0)，表示为：
步骤S04：计算核函数，根据所述核函数循环更新所述需求响应资源的隶属度矩阵和聚类中心，直至满足隶属度集合的收敛条件。通过核函数循环更新所述需求响应资源的隶属度矩阵和聚类中心，最大可能的从聚类中剔除掉不达标用户。满足隶属度集合的收敛条件后，得到最终的隶属度矩阵和聚类中心，根据最终的隶属度矩阵得到对需求响应资源的分类，根据最终聚类中心能够使得各类距离最大的点，即最大可能的对各类别进行区别。具体地，包括以下步骤：
步骤S041：计算核函数，计算公式为：式中，xj为第j个需求响应资源，表示第k次迭代聚类i的聚类中心，σ为函数的宽度参数，控制函数的径向作用范围；
步骤S042：通过迭代更新聚类中心，得到计算公式为：
步骤S043：通过迭代更新隶属度矩阵，计算公式为：式中，的计算公式为：
另外，所述收敛条件表示为：式中，ε是算法精度，ε越大则精确度越低。
本发明实施例提供的10项需求响应资源的分类结果如表4所示。
表4：
| 类别 | 响应场景 | 响应时段 | 响应资源的分类 |
| 需求响应1 | 有序削峰 | 早高峰 | 2、6类 |
| 需求响应2 | 有序削峰 | 午高峰 | 3、6类 |
| 需求响应3 | 负荷快切 | 早高峰 | 2、6类 |
| 需求响应4 | 有序削峰 | 早高峰 | 2、6类 |
| 需求响应5 | 有序削峰 | 全时段 | 1、2、6类 |
| 需求响应6 | 负荷快切 | 全时段 | 1、2、6类 |
| 需求响应7 | 有序削峰 | 早高峰 | 1、2、6类 |
| 需求响应8 | 有序削峰 | 午高峰 | 2、6类 |
| 需求响应9 | 有序削峰 | 早高峰 | 5类 |
| 需求响应10 | 负荷快切 | 早高峰 | 1、2、6类 |
本申请提供的需求响应资源分类方法提高了模糊聚类算法抗噪性能，忽略了数据集对应几何空间的位置不同拥有的特殊性的问题，最大可能的从聚类中剔除掉不达标用户。本发明从核函数的模糊聚类算法的角度提出了需求响应资源分类方法，确保了需求响应资源最大程度的依据响应目标的不同进行分类。
由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。
需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (5)
1.一种需求响应资源分类方法，其特征在于，所述方法包括：
对需求响应资源进行初步分类，划分为：常规负荷类、可调节负荷类、储能类和新能源及发电装置类；
根据所述初步分类的结果，将n项需求响应资源分成c类，迭代停止条件ε∈(0,1)和最大迭代次数为kmax，初始迭代次数k＝0,1,...,kmax；
计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心；
计算核函数，根据所述核函数循环更新所述需求响应资源的隶属度矩阵和聚类中心，直至满足隶属度集合的收敛条件。
2.根据权利要求1所述的需求响应资源分类方法，其特征在于，所述根据所述初步分类的结果，将n项需求响应资源分成c类，包括：
判断在有序削峰填谷及负荷快切模式下，n项所述需求响应资源是否为达标资源；
对所述有序削峰填谷按照负荷峰值出现的时间进行分类，对所述负荷快切按照响应时间进行分类，所述分类以早/中/晚时段的需求响应资源作为调控依据。
3.根据权利要求1所述的需求响应资源分类方法，其特征在于，所述计算n项所述需求响应资源属于各类别的隶属度值，得到c×n维的初始隶属度矩阵，通过所述初始隶属度矩阵计算初始聚类中心，包括：
对于需求响应资源属于初始聚类中心的隶属度，及任意需求响应资源满足：全部uij构成c×n维的初始隶属度矩阵
对所述初始隶属度矩阵进行初始化，将相关需求响应资源从属度最高的类别的隶属度设置为1，其余设置为0，利用μij对聚类中心重新进行计算，计算公式为：式中，是第i个分类的初始聚类中心，i∈c，xj为第j个需求响应资源，j∈n，μij是第j个需求响应资源xj(j∈n)属于分类的隶属度；
在得到初始聚类中心后，计算初始隶属度，计算公式为：式中，是第j个需求响应资源xj(j∈n)属于分类的初始隶属度，更新后的第i个分类的聚类中心，xj为第j个需求响应资源；
得到初始隶属度矩阵U(0)，表示为：
4.根据权利要求1所述的需求响应资源分类方法，其特征在于，所述计算核函数，根据所述核函数更新所述需求响应资源的隶属度矩阵和聚类中心，包括：
计算核函数，计算公式为：式中，xj为第j个需求响应资源，表示第k次迭代聚类i的聚类中心，σ为函数的宽度参数，控制函数的径向作用范围；
通过迭代更新聚类中心，得到计算公式为：
通过迭代更新隶属度矩阵，计算公式为：式中，的计算公式为：
5.根据权利要求1所述的需求响应资源分类方法，其特征在于，所述收敛条件表示为：式中，ε是算法精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910132090.2A CN109902949A (zh) | 2019-02-22 | 2019-02-22 | 一种需求响应资源分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910132090.2A CN109902949A (zh) | 2019-02-22 | 2019-02-22 | 一种需求响应资源分类方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109902949A true CN109902949A (zh) | 2019-06-18 |
Family
ID=66945286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910132090.2A Pending CN109902949A (zh) | 2019-02-22 | 2019-02-22 | 一种需求响应资源分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109902949A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013039553A1 (en) * | 2011-09-17 | 2013-03-21 | Narayam Amit | Load forecasting from individual customer to system level |
| CN105160416A (zh) * | 2015-07-31 | 2015-12-16 | 国家电网公司 | 一种结合主元分析与神经网络的台区合理线损预测方法 |
| CN105873119A (zh) * | 2016-05-26 | 2016-08-17 | 重庆大学 | 一种移动网络用户群体流量使用行为的分类方法 |
| CN107203785A (zh) * | 2017-06-02 | 2017-09-26 | 常州工学院 | 多路径高斯核模糊c均值聚类算法 |
| CN107656898A (zh) * | 2017-10-16 | 2018-02-02 | 国电南瑞科技股份有限公司 | 一种需求响应资源聚类方法 |
| CN107704948A (zh) * | 2017-09-06 | 2018-02-16 | 国网天津市电力公司 | 一种基于需求响应资源的数据处理方法 |
| CN107918779A (zh) * | 2017-08-02 | 2018-04-17 | 北京国电通网络技术有限公司 | 一种构建多元负荷聚类模型方法及系统 |
| CN108805463A (zh) * | 2018-06-25 | 2018-11-13 | 广东工业大学 | 一种支持削峰型电力需求响应的生产调度方法 |
-
2019
- 2019-02-22 CN CN201910132090.2A patent/CN109902949A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013039553A1 (en) * | 2011-09-17 | 2013-03-21 | Narayam Amit | Load forecasting from individual customer to system level |
| CN105160416A (zh) * | 2015-07-31 | 2015-12-16 | 国家电网公司 | 一种结合主元分析与神经网络的台区合理线损预测方法 |
| CN105873119A (zh) * | 2016-05-26 | 2016-08-17 | 重庆大学 | 一种移动网络用户群体流量使用行为的分类方法 |
| CN107203785A (zh) * | 2017-06-02 | 2017-09-26 | 常州工学院 | 多路径高斯核模糊c均值聚类算法 |
| CN107918779A (zh) * | 2017-08-02 | 2018-04-17 | 北京国电通网络技术有限公司 | 一种构建多元负荷聚类模型方法及系统 |
| CN107704948A (zh) * | 2017-09-06 | 2018-02-16 | 国网天津市电力公司 | 一种基于需求响应资源的数据处理方法 |
| CN107656898A (zh) * | 2017-10-16 | 2018-02-02 | 国电南瑞科技股份有限公司 | 一种需求响应资源聚类方法 |
| CN108805463A (zh) * | 2018-06-25 | 2018-11-13 | 广东工业大学 | 一种支持削峰型电力需求响应的生产调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王冬等: "一种面向需求响应资源的模糊聚类算法", 《中国电机工程学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103824089B (zh) | 一种基于级联回归的人脸3d姿态识别方法 | |
| CN108564192A (zh) | 一种基于气象因子权重相似日的短期光伏功率预测方法 | |
| CN106327357B (zh) | 一种基于改进概率神经网络的负载识别方法 | |
| CN105956184B (zh) | 一种微博社会网络中协作化及组织化的垃圾信息发布团体的识别方法 | |
| CN104537126B (zh) | 一种基于边图随机游走的重叠社区发现方法 | |
| CN106203478A (zh) | 一种用于智能电表大数据的负荷曲线聚类方法 | |
| Emami et al. | Integrating fuzzy K-means, particle swarm optimization, and imperialist competitive algorithm for data clustering | |
| CN103942606A (zh) | 基于果蝇智能优化算法的居民用电客户细分方法 | |
| CN109492636B (zh) | 基于自适应感受野深度学习的目标检测方法 | |
| CN103177265A (zh) | 基于核函数与稀疏编码的高清图像分类方法 | |
| CN110516944A (zh) | 一种配电网多阶段典型运行场景生成方法 | |
| CN109242174A (zh) | 一种基于决策树的季节性负荷自适应划分方法 | |
| CN112232488A (zh) | 基于深度学习与数据驱动的新能源出力场景生成方法 | |
| CN110334908B (zh) | 一种流域水资源的供水发电环境多重风险评估方法和系统 | |
| CN104574368B (zh) | 一种自适应的核聚类图像分割方法 | |
| CN109902949A (zh) | 一种需求响应资源分类方法 | |
| CN108038518A (zh) | 一种基于气象数据的光伏发电功率确定方法及系统 | |
| Li | A Data Classification Algorithm of Internet of Things Based on Neural Network. | |
| Luo et al. | Loss-of-load state identification using self-organizing map | |
| CN104679988A (zh) | 一种基于云topsis的多属性决策方法 | |
| CN108764272A (zh) | 一种基于Getis-Ord Gi*的用电量多元空间聚类方法 | |
| CN110677913B (zh) | 一种eh分布式基站系统的动态功率分配方法 | |
| Al-Gunaid et al. | Decision trees based fuzzy rules | |
| Yamagata et al. | Acquisition of multiple graph structured patterns by an evolutionary method using sets of TTSP graph patterns as individuals | |
| CN103310224A (zh) | 一种无监督的人工免疫分类方法 |
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: 20190618 |