CN112766629A - 一种基于深度学习下的电网投资风险评估方法 - Google Patents
一种基于深度学习下的电网投资风险评估方法 Download PDFInfo
- Publication number
- CN112766629A CN112766629A CN202011411843.2A CN202011411843A CN112766629A CN 112766629 A CN112766629 A CN 112766629A CN 202011411843 A CN202011411843 A CN 202011411843A CN 112766629 A CN112766629 A CN 112766629A
- Authority
- CN
- China
- Prior art keywords
- investment
- distribution network
- power supply
- power distribution
- 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.)
- Granted
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
Abstract
本发明属于配电网投资建设技术领域,公开一种基于深度学习下的电网投资风险评估方法,包括以下步骤:仿真前的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据,与仿真后的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据之间分别进行对应对比,获取风险预测和评估;对混合所有型电网投资风险及可行性进行的事前有效评估,提升对混合所有行电网投资风险评估的评估准确性;基于仿真结果与投资评估及风险度量分析,为区域电网提供电网投资决策的管理策略。
Description
技术领域
本发明属于配电网投资建设技术领域,具体涉及一种基于深度学习下的电网投资风险评估方法。
背景技术
当前,我国电网建设重心已逐渐转移到配电网。《配电网建设改造行动计划(2015-2020年)》提出,近年配电网建设改造投资不低于2万亿元。随着社会需求发展,配电网规划发展面临一系列新的挑战:①分布式能源、电动汽车等可控设备接入,导致配电网运行场景多样化,致使规划中不确定性与复杂程度增加;②配电网投资目标多元化,不再局限于只满足负荷增长,提高用电可靠性、增强弹性运行能力、充分消纳清洁能源等也成为重要目标;③社会资本参与增量配电网投资、建设与运营。电网企业不再是配电网投资的单一主体,与社会资本将在投资效益与运营效率上形成竞争;④投资的科学性和合理性在电网有效资产的形成起关键作用。同时,实现电网企业未来发展目标必须要提升投资精准化管控水平,实现精准投资和科学决策。当前,配电网仍亟需大量改造、扩容、新建,以适应电力工业发展新态势,满足日益增长的高品质用能需求。
不同于对一条或几条馈线进行规划设计,配电网投资往往以中长期为周期,以体系化工程项目群体为对象,具有发展建设规模大、涉及因素众多、单体效益难以量化、项目描述结构性差异大等难点,实际中也缺乏指导配电网精准投资与项目优选的方法,难以辅助电网管控投资风险。因此,需深入研究适合配电网发展特点的精准投资分析理论,量化项目优选依据,引入考虑风险管控的投资组合体系,提升配电网发展投资决策效益。
发明内容
针对现有技术的不足,本发明的目的在于提供一种基于深度学习下的电网投资风险评估方法,解决了背景技术所提出的技术问题。
本发明的目的可以通过以下技术方案实现:
一种基于深度学习下的电网投资风险评估方法,包括以下步骤:
采集需安排投资计划的区域配电网本身数据,并建立需安排投资计划的区域配电网本身数据模型;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对需安排投资计划的区域配电网历史数据进行分析;
以社会责任、国民经济效益和企业效益三个维度构建对需安排投资计划的区域配电网历史数据进行分析,分别获取社会责任影响因子、国民经济效益因子和企业效益因子;
对需安排投资计划的区域配电网本身数据模型进行仿真,分别对社会责任影响因子、国民经济效益因子和企业效益因子进行调节,观测需安排投资计划的区域配电网历史数据模型变化;
变化的需安排投资计划的区域配电网本身数据重新以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标;
仿真前的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据,与仿真后的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据之间分别进行对应对比;
获取基于以社会责任、国民经济效益和企业效益三个维度变化下的,需安排投资计划的区域配电网的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性的分别变化,根据以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别变化,进行风险预测和评估。
进一步地,获取互联网大数据下的所述区域已有投资的配电网数据;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对已有投资的配电网数据进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
将已有投资的配电网数据的影响强度,输送至对需安排投资计划的区域配电网本身数据模型进行仿真的仿真数据中,通过深度学习法对分别对社会责任影响因子、国民经济效益因子和企业效益因子进行调节,观测需安排投资计划的区域配电网历史数据模型变化进行优化,使得需安排投资计划的区域配电网历史数据模型变化更准确。
进一步地,获取互联网大数据下的与所述区域相邻的区域下的已有投资的配电网数据;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对相邻的区域下的已有投资的配电网数据进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
对相邻的区域下的已有投资的配电网数据与所述区域已有投资的配电网数据的差异化进行对比,获取由于区域差异化,导致的基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度的影响;
将对相邻的区域下的已有投资的配电网数据与所述区域已有投资的配电网数据的差异化进行对比进行储存,对进行风险预测和评估形成参考。
进一步地,获取所述区域的典型电网投资案例,并进行以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对所述区域的典型电网投资案例进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,所述区域的典型电网投资案例以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
得到所述电网投资中的典型投资风险来源。
进一步地,所述区域配电网数据包括:配电网设备运行信息、本次投资预算金额、申报项目汇集、用电负荷增长信息、亟待解决问题五大类,并对配电网申报项目进行编号。
本发明的有益效果:
实现结合区域信息的电网投资决策模型设计,完善电网企业投资决策流程;
对混合所有型电网投资风险及可行性进行的事前有效评估,提升对混合所有行电网投资风险评估的评估准确性;
基于仿真结果与投资评估及风险度量分析,为区域电网提供电网投资决策的管理策略。
具体实施方式
下面将结合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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
一种基于深度学习下的电网投资风险评估方法,包括以下步骤:
采集需安排投资计划的区域配电网本身数据,并建立需安排投资计划的区域配电网本身数据模型;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对需安排投资计划的区域配电网历史数据进行分析;
以社会责任、国民经济效益和企业效益三个维度构建对需安排投资计划的区域配电网历史数据进行分析,分别获取社会责任影响因子、国民经济效益因子和企业效益因子;
对需安排投资计划的区域配电网本身数据模型进行仿真,分别对社会责任影响因子、国民经济效益因子和企业效益因子进行调节,观测需安排投资计划的区域配电网历史数据模型变化;
变化的需安排投资计划的区域配电网本身数据重新以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标;
仿真前的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据,与仿真后的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据之间分别进行对应对比;
获取基于以社会责任、国民经济效益和企业效益三个维度变化下的,需安排投资计划的区域配电网的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性的分别变化,根据以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别变化,进行风险预测和评估。
获取互联网大数据下的所述区域已有投资的配电网数据;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对已有投资的配电网数据进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
将已有投资的配电网数据的影响强度,输送至对需安排投资计划的区域配电网本身数据模型进行仿真的仿真数据中,通过深度学习法对分别对社会责任影响因子、国民经济效益因子和企业效益因子进行调节,观测需安排投资计划的区域配电网历史数据模型变化进行优化,使得需安排投资计划的区域配电网历史数据模型变化更准确。
获取互联网大数据下的与所述区域相邻的区域下的已有投资的配电网数据;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对相邻的区域下的已有投资的配电网数据进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
对相邻的区域下的已有投资的配电网数据与所述区域已有投资的配电网数据的差异化进行对比,获取由于区域差异化,导致的基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度的影响;
将对相邻的区域下的已有投资的配电网数据与所述区域已有投资的配电网数据的差异化进行对比进行储存,对进行风险预测和评估形成参考。
获取所述区域的典型电网投资案例,并进行以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对所述区域的典型电网投资案例进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,所述区域的典型电网投资案例以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
得到所述电网投资中的典型投资风险来源。
所述区域配电网数据包括:配电网设备运行信息、本次投资预算金额、申报项目汇集、用电负荷增长信息、亟待解决问题五大类,并对配电网申报项目进行编号。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (5)
1.一种基于深度学习下的电网投资风险评估方法,其特征在于,包括以下步骤:
采集需安排投资计划的区域配电网本身数据,并建立需安排投资计划的区域配电网本身数据模型;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对需安排投资计划的区域配电网历史数据进行分析;
以社会责任、国民经济效益和企业效益三个维度构建对需安排投资计划的区域配电网历史数据进行分析,分别获取社会责任影响因子、国民经济效益因子和企业效益因子;
对需安排投资计划的区域配电网本身数据模型进行仿真,分别对社会责任影响因子、国民经济效益因子和企业效益因子进行调节,观测需安排投资计划的区域配电网历史数据模型变化;
变化的需安排投资计划的区域配电网本身数据重新以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标;
仿真前的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据,与仿真后的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标的需安排投资计划的区域配电网本身数据之间分别进行对应对比;
获取基于以社会责任、国民经济效益和企业效益三个维度变化下的,需安排投资计划的区域配电网的以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性的分别变化,根据以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别变化,进行风险预测和评估。
2.根据权利要求1所述的基于深度学习下的电网投资风险评估方法,其特征在于,获取互联网大数据下的所述区域已有投资的配电网数据;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对已有投资的配电网数据进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
将已有投资的配电网数据的影响强度,输送至对需安排投资计划的区域配电网本身数据模型进行仿真的仿真数据中,通过深度学习法对分别对社会责任影响因子、国民经济效益因子和企业效益因子进行调节,观测需安排投资计划的区域配电网历史数据模型变化进行优化,使得需安排投资计划的区域配电网历史数据模型变化更准确。
3.根据权利要求2所述的基于深度学习下的电网投资风险评估方法,其特征在于,获取互联网大数据下的与所述区域相邻的区域下的已有投资的配电网数据;
以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对相邻的区域下的已有投资的配电网数据进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
对相邻的区域下的已有投资的配电网数据与所述区域已有投资的配电网数据的差异化进行对比,获取由于区域差异化,导致的基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,已有投资的配电网数据以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度的影响;
将对相邻的区域下的已有投资的配电网数据与所述区域已有投资的配电网数据的差异化进行对比进行储存,对进行风险预测和评估形成参考。
4.根据权利要求3所述的基于深度学习下的电网投资风险评估方法,其特征在于,获取所述区域的典型电网投资案例,并进行以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标对所述区域的典型电网投资案例进行分析;
分别获取基于社会责任影响因子、国民经济效益因子和企业效益因子进行变化下的,所述区域的典型电网投资案例以以网架坚强程度、供电安全与质量、运行经济与高效、供电协调性分别作为评判指标下的影响强度;
得到所述电网投资中的典型投资风险来源。
5.根据权利要求4所述的基于深度学习下的电网投资风险评估方法,其特征在于,所述区域配电网数据包括:配电网设备运行信息、本次投资预算金额、申报项目汇集、用电负荷增长信息、亟待解决问题五大类,并对配电网申报项目进行编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011411843.2A CN112766629B (zh) | 2020-12-03 | 2020-12-03 | 一种基于深度学习下的电网投资风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011411843.2A CN112766629B (zh) | 2020-12-03 | 2020-12-03 | 一种基于深度学习下的电网投资风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766629A true CN112766629A (zh) | 2021-05-07 |
CN112766629B CN112766629B (zh) | 2022-10-11 |
Family
ID=75693460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011411843.2A Active CN112766629B (zh) | 2020-12-03 | 2020-12-03 | 一种基于深度学习下的电网投资风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766629B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930482A (zh) * | 2012-11-30 | 2013-02-13 | 河北省电力公司电力科学研究院 | 一种县域配电网投资效果评估方法 |
CN109636157A (zh) * | 2018-11-30 | 2019-04-16 | 国网冀北电力有限公司经济技术研究院 | 一种新型配电网投资效益分析方法 |
-
2020
- 2020-12-03 CN CN202011411843.2A patent/CN112766629B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930482A (zh) * | 2012-11-30 | 2013-02-13 | 河北省电力公司电力科学研究院 | 一种县域配电网投资效果评估方法 |
CN109636157A (zh) * | 2018-11-30 | 2019-04-16 | 国网冀北电力有限公司经济技术研究院 | 一种新型配电网投资效益分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112766629B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103400209A (zh) | 配电网检修实施方案优化方法 | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN109647899A (zh) | 一种带钢热轧精轧过程中多规格轧件电耗预报方法 | |
CN113095556A (zh) | 一种考虑碳中和趋势的中长期负荷预测方法及系统 | |
CN115689177A (zh) | 一种基于机器学习的变电检修计划智能排程策略方法 | |
CN112712281A (zh) | 一种基于云模型的储能工况适应性综合评估方法及系统 | |
CN111460378A (zh) | 一种考虑风险测度的配电网精准投资项目优选方法 | |
CN114331041A (zh) | 一种基于信息物理系统架构的智慧电厂成熟度评估方法及系统 | |
CN112766629B (zh) | 一种基于深度学习下的电网投资风险评估方法 | |
Shi et al. | Assessment of regional water resource security: a case study from Hebei Province, China | |
CN106300673B (zh) | 一种基于bpm业务流程管理的智能变电站调试方法及系统 | |
Shen et al. | A Method for Evaluating the Green Economic Efficiency of Resource-Based Cities Based on Neural Network Improved DEA Model | |
CN115471029A (zh) | 一种电网项目投资风险量化与控制方法 | |
CN112766726A (zh) | 一种电网作业标准成本调整系数的制定方法 | |
Yu et al. | Analysis and prediction: A research on the operation and maintenance cost of power distribution network | |
Ren et al. | Decision-making approach in charging mode for electric vehicle based on cumulative prospect theory | |
Tang et al. | Research on the Impact of Chinese Total Factor Productivity on the Modern Economic System Based on the Spatial Dubin Model | |
Zhai et al. | A new construction algorithm of the digital economy innovation system | |
Liu et al. | Model on dynamic control of project costs based on GM (1, 1) for construction enterprises | |
Zheng | Research on comprehensive post-evaluation of electric transmission project based on fuzzy AHP analysis method | |
Jiao et al. | Risk evolution and simulation of power grid project cost management: a system dynamics and life cycle theory approach | |
Saxena | Energy Management and Monitoring Systems | |
Li et al. | Energy efficiency evaluation for iron and steel high energy consumption enterprise | |
Li et al. | OPEN ACCESS EDITED BY Xin Yao, Xiamen University, China | |
Shi et al. | Analysis of influence factors of distribution network engineering cost |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |