CN110363432A - 基于改进熵权-灰色关联的配电网可靠性影响分析方法 - Google Patents
基于改进熵权-灰色关联的配电网可靠性影响分析方法 Download PDFInfo
- Publication number
- CN110363432A CN110363432A CN201910645051.2A CN201910645051A CN110363432A CN 110363432 A CN110363432 A CN 110363432A CN 201910645051 A CN201910645051 A CN 201910645051A CN 110363432 A CN110363432 A CN 110363432A
- Authority
- CN
- China
- Prior art keywords
- index
- entropy weight
- formula
- association
- grey correlation
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 230000006872 improvement Effects 0.000 title claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000010219 correlation analysis Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 13
- 230000008439 repair process Effects 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于改进熵权‑灰色关联的配电网可靠性影响分析方法,首先将改进的熵权算法引入到灰色关联分析算法,以克服不同影响因素权重相近的缺点,求得各影响因素合理的权重值,以提高其评价的客观性,然后使用改进熵权‑灰色关联分析算法,求得供电区域可靠性指标与各影响因素之间的关联度。最后对四个供电区域的数据,采用本发明所提方法得到了不同供电区域影响供电可靠性的主要因素,结果表明所提方法可以有效分析各影响因素的关联度。
Description
技术领域
本发明涉及技术领域,尤其涉及一种基于改进熵权-灰色关联的配电网可靠性影响分析方法。
背景技术
可靠性是供电企业重点关注的配电网运行性能指标之一。用户层面对可靠性的要求逐步提高,供电企业的可靠性管控工作也逐步系统化、精细化。可靠性指标的理论计算方法主要是解析法和模拟法两类。解析法中普遍采用网络等值法或其与其他算法的混杂,例如采用网络等值法利用配电线路负载点求得可靠性指标,基于最小回路思想对接入光储微网的配电网进行可靠性评估,或者利用前推故障扩散法,在计及电压和容量约束的前提下,计算配电网可靠性总体水平等。模拟算法主要是以抽样统计方法进行状态选择,然后对产生的状态进行评估。前者能够精确计算可靠性指标,但随着电网规模变大,其计算量也大大增加;后者计算复杂程度不受电网规模影响,但精度较低。近年来,一些学者采用智能算法,对可靠性进行快速评估,取得了较好的效果。对于供电企业而言,在完成可靠性评估之后还需要确定供电可靠性的薄弱环节,并进一步提出有效的提升措施。而不同的措施所关联的影响因素各不相同。要达此目的,需要较为准确的获知可靠性指标与影响因素之间的关联程度。进而才能确定提升效益好、耗费成本低的相关措施。中国发明专利(CN107133721A)采用灰色理论对配电网量测不良数据关联因素分析,未能克服不同影响因素权重相近的缺点;为了求得各影响因素合理的权重值,提高其评价的客观性,本发明将改进的熵权算法引入到灰色关联分析算法,提出了一种基于改进熵权-灰色关联的配电网可靠性影响分析方法。
发明内容
基于背景技术存在的技术问题,本发明提出了一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,确定不同供电区域中对供电可靠性产生显著影响的关键因素。
本发明采用的技术方案是:
一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,其特征在于,包括以下步骤:
I、首先将改进的熵权算法引入到灰色关联分析算法,求得各影响因素合理的权重值;
II、然后使用改进熵权-灰色关联分析算法,求得供电区域可靠性指标与各影响因素之间的关联度。
所述的一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,其特征在于,步骤I的具体实施步骤为:
步骤1.建立评价矩阵Xmn';
步骤2.规范化处理;
两类指标具体的处理方式如下所示:
当第i个指标为正向指标:
当第i个指标为负向指标:
式中:xik为第i行第k列标准化后的值i=1,2,…,m,k=1,2,…,n),x′max,x′min分别为该项指标的最大和最小值;
步骤3.计算信息熵,计算式如下:
其中:
β=1/lnn;
步骤4.计算熵权值,计算式如下:
所述的一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,其特征在于,步骤II的具体步骤为:
步骤1.收集原始数据,确定指标,确定原始评价矩阵及确定参考数列为:
X0'=(x01',x02',...,x0n') (7)
步骤2.利用(2)和(3)式对X标准化处理;
步骤3.计算绝对差值;
对已经标准化的数据,求得每个比较数列和参考数列相应元素之间差异绝对值,即:
|Xi-X0|=|xik-x0k| (9)
步骤4.计算关联系数:
利用式(10)计算得到第i个评估指标(比较数列)与参考数列(评价对象)之间的关联系数值,计算式:
式中,ρ为分辨系数,其值在(0,1)之间,通常取ρ=0.5;
步骤5.计算关联度:
首先利用式(11)求取待分析的评价指标与评价对象之间的平均关联系数,进而得到原始关联度;
P=(p01,p02,...p0i,...p0m)T (11)
其中:
然后再利用式(12),计入评价指标的熵权,得到最终的关联度;
最后通过关联度p0i对影响因素进行从大到小排序,关联度大的影响因素对可靠性指标的影响较大。
本发明将配电网网可靠性关联因素归纳为以下三类,即设备运行状态类因素,例如线路平均负载率、配电变压器平均负载率;网架结构类因素,比如电缆化率、绝缘化率、网络联络水平、平均分段情况;以及作业效率类因素,包括中压电网平均故障修复时间、带电作业指数和配电自动化率。
本发明的优点是:
本发明在计算熵权值时,将传统的标准化处理方式:改进为:从而使对不同评价指标获取的权重信息和对应的熵值水平保持一致,解决了传统熵权法在计算熵权值会出现不同评价指标的熵值差异较小,其熵权值却差异较大的异常现象。
采用本发明所提方法可得到不同供电区域影响供电可靠性的主要因素,结果表明本发明方法可以有效分析各影响因素的关联度。
附图说明
图1为供电区域Ⅰ可靠性指标与各因素的关联度值。
图2为供电区域Ⅱ可靠性指标与各因素的关联度值。
图3为供电区域Ⅲ可靠性指标与各因素的关联度值。
图4为供电区域Ⅳ可靠性指标与各因素的关联度值。
图5为改进熵权-灰色关联分析法实施流程图。
图1到图4中,a图均为灰色关联分析算法的计算结果,b图均为改进熵权-灰色关联法的计算结果。
具体实施方式
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清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例。
如图5所示,一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,包括以下步骤:
I、首先将改进的熵权算法引入到灰色关联分析算法,求得各影响因素合理的权重值;
II、然后使用改进熵权-灰色关联分析算法,求得供电区域可靠性指标与各影响因素之间的关联度。
步骤I的具体实施步骤为:
步骤1.建立评价矩阵Xmn';
步骤2.规范化处理;
两类指标具体的处理方式如下所示:
当第i个指标为正向指标:
当第i个指标为负向指标:
式中:xik为第i行第k列标准化后的值i=1,2,…,m,k=1,2,…,n),x′max,x′min分别为该项指标的最大和最小值;
步骤3.计算信息熵,计算式如下:
其中:
β=1/lnn;
步骤4.计算熵权值,计算式如下:
步骤II的具体步骤为:
步骤1.收集原始数据,确定指标,确定原始评价矩阵及确定参考数列为:
X0'=(x01',x02',...,x0n') (7)
步骤2.利用(2)和(3)式对X标准化处理;
步骤3.计算绝对差值;
对已经标准化的数据,求得每个比较数列和参考数列相应元素之间差异绝对值,即:
|Xi-X0|=|xik-x0k| (9)
步骤4.计算关联系数:
利用式(10)计算得到第i个评估指标(比较数列)与参考数列(评价对象)之间的关联系数值,计算式:
式中,ρ为分辨系数,其值在(0,1)之间,通常取ρ=0.5;
步骤5.计算关联度:
首先利用式(11)求取待分析的评价指标与评价对象之间的平均关联系数,进而得到原始关联度;
P=(p01,p02,...p0i,...p0m)T (11)
其中:
然后再利用式(12),计入评价指标的熵权,得到最终的关联度;
最后通过关联度p0i对影响因素进行从大到小排序,关联度大的影响因素对可靠性指标的影响较大。
本发明选取4个实际的供电区域(Ⅰ、Ⅱ、Ⅲ、Ⅳ)为例进行分析。
对每个区域的三大类共9个影响因素的关联度进行量化计算。包括网架类因素:电缆化率X1、绝缘化率X2、联络水平(百分率)X3和平均分段数X5;设备状态类因素:线路平均负载率X7、配电变压器平均负载率X8;以及作业效率类:配电自动化水平(百分率)X4、带电作业指数(百分率)X6和中压电网平均故障修复时间X9,可靠性指标为系统平均停电时间X0。表1中给出了四个供电区域从2013到2016年的相关历史数据。
表1四个供电区域的数据:
根据本发明所述的计算步骤,求得配电网可靠性各关联因素的权重值,如表2所示。由表2可以看出,在供电区域Ⅰ中线路平均负载率的权重为0.098,明显比其他影响因素的权重最低,配变平均负载率权重为0.1188,为最高。供电区域Ⅱ的平均分段数权重为0.1269,为最高,配电变压器平均负载率权重为0.0925,为最低。供电区域Ⅲ的配电自动化率、平均分段数权重分别为0.1188、0.1183,较高于其它因素;供电区域Ⅳ的配电自动化率、平均分段数权重分别为0.1287、0.1190,均比其他影响因素权重高。
表2不同因素权重值:
附图1到图4分别给出了供电区域Ⅰ、Ⅱ、Ⅲ、Ⅳ可靠性指标与各因素的关联度值,其中a图均为灰色关联分析算法的计算结果,b图均为改进熵权-灰色关联法的计算结果。
从图1(b)中可以看出,在区域Ⅰ中,电缆化率、绝缘化率的关联度值分别为0.8304、0.7890,对系统平均停电时间影响最大,中压电网平均故障修复时间的关联度为0.6594,其影响较大。因此区域Ⅰ供电企业应该重点考虑加大投资,提高电缆化率、绝缘化率,优先故障修复环节进行管控,提高维修人员的效率,缩短其到达现场的时间,降低中压电网平均故障修复时间,从图2(b)中可以看出,各个指标的贡献程度比较平均,其中平均分段数的关联度值为0.9022,比其他指标贡献度略高,区域Ⅱ供电企业可优先考虑增大线路平均分段数。
从图3(b)可知配电自动化率、平均分段数、带电作业指数对系统平均时间的关联度值分别为0.9233、0.8592、0.7021,明显大于其他因素,区域Ⅲ供电的企业应该重点考虑加大投资,提升配电自动化率,平均分段数,提高业务水平,加强日常带电工作指数。从图4(b)可知,配电自动化率、平均分段数、带电作业指数对系统平均停电时间的关联度值分别为0.8772、0.7595、0.7636,明显大于其他因素,区域IV的技术改造及设备升级与区域Ⅲ相似。而表2也反映了不同区域各影响因素的权重与停电可靠性指标的关联程度。
量化计算供电可靠性相关因素的关联水平,是确定配电网供电可靠性薄弱环节,乃至进一步形成可靠性提升方案的基础性研究工作。本发明将改进的熵权算法引入到灰色关联分析算法,提出了一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,并将本发明的方法对四个实际供电区域进行应用分析。
图5为改进熵权-灰色关联分析法实施流程图。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,其特征在于,包括以下步骤:
I、首先将改进的熵权算法引入到灰色关联分析算法,求得各影响因素合理的权重值;
II、然后使用改进熵权-灰色关联分析算法,求得供电区域可靠性指标与各影响因素之间的关联度。
2.根据权利要求1所述的一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,其特征在于,步骤I的具体实施步骤为:
步骤1.建立评价矩阵Xmn';
步骤2.规范化处理;
两类指标具体的处理方式如下所示:
当第i个指标为正向指标:
当第i个指标为负向指标:
式中:xik为第i行第k列标准化后的值i=1,2,…,m,k=1,2,…,n),x′max,x′min分别为该项指标的最大和最小值;
步骤3.计算信息熵,计算式如下:
其中:
β=1/lnn;
步骤4.计算熵权值,计算式如下:
。
3.根据权利要求2所述的一种基于改进熵权-灰色关联的配电网可靠性影响分析方法,其特征在于,步骤II的具体步骤为:
步骤1.收集原始数据,确定指标,确定原始评价矩阵及确定参考数列为:
X0'=(x01',x02',...,x0n') (7)
步骤2.利用(2)和(3)式对X标准化处理;
步骤3.计算绝对差值;
对已经标准化的数据,求得每个比较数列和参考数列相应元素之间差异绝对值,即:
|Xi-X0|=|xik-x0k| (9)
步骤4.计算关联系数:
利用式(10)计算得到第i个评估指标与参考数列之间的关联系数值,计算式:
式中,ρ为分辨系数,其值在(0,1)之间,通常取ρ=0.5;
步骤5.计算关联度:
首先利用式(11)求取待分析的评价指标与评价对象之间的平均关联系数,进而得到原始关联度;
P=(p01,p02,...p0i,...p0m)T (11)
其中:
然后再利用式(12),计入评价指标的熵权,得到最终的关联度;
最后通过关联度p0i对影响因素进行从大到小排序,关联度大的影响因素对可靠性指标的影响较大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645051.2A CN110363432A (zh) | 2019-07-17 | 2019-07-17 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645051.2A CN110363432A (zh) | 2019-07-17 | 2019-07-17 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110363432A true CN110363432A (zh) | 2019-10-22 |
Family
ID=68220262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910645051.2A Pending CN110363432A (zh) | 2019-07-17 | 2019-07-17 | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363432A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047185A (zh) * | 2019-12-11 | 2020-04-21 | 北京强度环境研究所 | 贮存环境因素对弹药贮存可靠性影响的确定方法及装置 |
CN111080204A (zh) * | 2019-12-18 | 2020-04-28 | 圆通速递有限公司 | 一种基于客户优先级评价的智能排序派件系统 |
CN111126907A (zh) * | 2019-12-18 | 2020-05-08 | 中国人民解放军总参谋部第六十研究所 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
CN111487488A (zh) * | 2020-03-24 | 2020-08-04 | 国网冀北电力有限公司电力科学研究院 | 一种基于灰色关联分析的智能台区户变识别方法 |
CN111610483A (zh) * | 2020-05-06 | 2020-09-01 | 北京智芯微电子科技有限公司 | 台区识别方法与台区识别系统 |
CN111681021A (zh) * | 2020-04-16 | 2020-09-18 | 北京信息科技大学 | 一种基于gca-rfr模型的数字内容资源价值评估方法 |
CN111881560A (zh) * | 2020-07-08 | 2020-11-03 | 南京航空航天大学 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
CN114462873A (zh) * | 2022-02-15 | 2022-05-10 | 东南大学 | 一种配电网可靠性评估及其影响因素分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427053A (zh) * | 2015-12-07 | 2016-03-23 | 广东电网有限责任公司江门供电局 | 一种应用于配网建设改造方案与供电质量评估指标的关联影响分析模型 |
CN107067180A (zh) * | 2017-04-24 | 2017-08-18 | 国家电网公司 | 一种基于灰色关联分析的配电网低电压贡献度评价方法 |
CN109377062A (zh) * | 2018-10-31 | 2019-02-22 | 中国石油大学(华东) | 一种基于改进熵权灰色关联分析法的油田业务组件评价方法 |
-
2019
- 2019-07-17 CN CN201910645051.2A patent/CN110363432A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427053A (zh) * | 2015-12-07 | 2016-03-23 | 广东电网有限责任公司江门供电局 | 一种应用于配网建设改造方案与供电质量评估指标的关联影响分析模型 |
CN107067180A (zh) * | 2017-04-24 | 2017-08-18 | 国家电网公司 | 一种基于灰色关联分析的配电网低电压贡献度评价方法 |
CN109377062A (zh) * | 2018-10-31 | 2019-02-22 | 中国石油大学(华东) | 一种基于改进熵权灰色关联分析法的油田业务组件评价方法 |
Non-Patent Citations (1)
Title |
---|
张红: "《基于改进熵和灰色关联分析的智能电网综合评价》", 《六盘水师范学院学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047185A (zh) * | 2019-12-11 | 2020-04-21 | 北京强度环境研究所 | 贮存环境因素对弹药贮存可靠性影响的确定方法及装置 |
CN111047185B (zh) * | 2019-12-11 | 2024-02-13 | 北京强度环境研究所 | 贮存环境因素对弹药贮存可靠性影响的确定方法及装置 |
CN111080204A (zh) * | 2019-12-18 | 2020-04-28 | 圆通速递有限公司 | 一种基于客户优先级评价的智能排序派件系统 |
CN111126907A (zh) * | 2019-12-18 | 2020-05-08 | 中国人民解放军总参谋部第六十研究所 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
CN111260255B (zh) * | 2020-02-20 | 2022-08-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
CN111487488A (zh) * | 2020-03-24 | 2020-08-04 | 国网冀北电力有限公司电力科学研究院 | 一种基于灰色关联分析的智能台区户变识别方法 |
CN111681021A (zh) * | 2020-04-16 | 2020-09-18 | 北京信息科技大学 | 一种基于gca-rfr模型的数字内容资源价值评估方法 |
CN111610483A (zh) * | 2020-05-06 | 2020-09-01 | 北京智芯微电子科技有限公司 | 台区识别方法与台区识别系统 |
CN111881560A (zh) * | 2020-07-08 | 2020-11-03 | 南京航空航天大学 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
CN111881560B (zh) * | 2020-07-08 | 2024-05-17 | 南京航空航天大学 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
CN114462873A (zh) * | 2022-02-15 | 2022-05-10 | 东南大学 | 一种配电网可靠性评估及其影响因素分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363432A (zh) | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 | |
CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN108388962B (zh) | 一种风电功率预测系统及方法 | |
CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
CN105389636A (zh) | 一种低压台区kfcm-svr合理线损预测方法 | |
CN106709816B (zh) | 基于非参数回归分析的电力负荷异常数据识别与修正方法 | |
Choksi et al. | Feature based clustering technique for investigation of domestic load profiles and probabilistic variation assessment: Smart meter dataset | |
CN106777984A (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN104123682A (zh) | 一种基于气象影响因素的配网故障风险评估方法 | |
CN105184655A (zh) | 一种城市配电网智能化改造评估方法 | |
CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
CN108767859A (zh) | 一种基于自下而上与自上而下相结合的负荷预测方法 | |
CN109767074A (zh) | 一种高可靠性供电区配网规划效果综合评估方法 | |
CN109298225A (zh) | 一种电压量测数据异常状态自动识别模型及方法 | |
CN108448721A (zh) | 电力系统主站监控信号与标准信号自动匹配的方法 | |
CN114742283A (zh) | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 | |
Qiao et al. | Maximizing profit of a wind genco considering geographical diversity of wind farms | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN111832955A (zh) | 一种基于可靠度与多元统计的接触网状态评价方法 | |
CN109767353A (zh) | 一种基于概率分布函数的光伏发电功率预测方法 | |
CN110533243A (zh) | 一种基于分形理论的建筑能耗预测方法 | |
CN104112204A (zh) | 供电品质高效运行的评价方法 | |
Ding et al. | Individual nonparametric load estimation model for power distribution network planning | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 |
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 |
Application publication date: 20191022 |
|
RJ01 | Rejection of invention patent application after publication |