CN113807613A - 一种电网工程全周期预算优化配置工具 - Google Patents
一种电网工程全周期预算优化配置工具 Download PDFInfo
- Publication number
- CN113807613A CN113807613A CN202111193679.7A CN202111193679A CN113807613A CN 113807613 A CN113807613 A CN 113807613A CN 202111193679 A CN202111193679 A CN 202111193679A CN 113807613 A CN113807613 A CN 113807613A
- Authority
- CN
- China
- Prior art keywords
- budget
- power grid
- full
- project
- data
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000002790 cross-validation Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电网工程全周期预算优化配置工具,包括如下方法:基于大数据技术和聚类算法,统计电网工程的历史工程投资数据;将工程投资预算与资金预算管理软件固化在ERP系统中;采集样本数据并对样本数据进行预处理,并进行特征向量的选取;选择一个合适的SVR函数类型、合理的核函数与核参数,选取ε‑SVR回归函数模型与径向高斯核函数代入回归方程,用交叉验证与网格搜索法,获得最优参数。本发明创建了工程投资预算和资金预算动态预测模型,将里程碑计划进度转换为实际进度,实时滚动修正项目投资预算和资金预算,为月度、年度预算资金需求提供参考,合理保障预算资金需求,为公司投融资决策提供支撑。
Description
技术领域
本发明涉及工程预算技术领域,尤其涉及一种电网工程全周期预算优化配置工具。
背景技术
电力工业是国民经济的基础产业,投资策略的科学性、合理性是电网企业管理策略研究的核心内容之一,如何合理有效地利用和分配资金、资源,取得最佳的可靠性效益,是电力企业各级决策者十分关注的问题。科学准确的制定投资规划,对电力建设和企业发展意义重大。
目前,在电网规划投资方向国内外学者主要对制定投资规划、优化投资方式等进行了研究,提出了不同背景下的投资规划模型和投资建议,为电网企业的投资决策提供了参考,虽然这些研究理论和方法取得了一定的成果,但是并没有为电网的投资规划预算提出具有科学性、可靠性并且可以实际应用的方法。
发明内容
基于背景技术存在的技术问题,本发明提出了一种电网工程全周期预算优化配置工具。
本发明提出的一种电网工程全周期预算优化配置工具,包括如下方法:
S1基于大数据技术和聚类算法,统计电网工程的历史工程投资数据;
S2将工程投资预算与资金预算管理软件固化在ERP系统中;
S3采集样本数据并对样本数据进行预处理,并进行特征向量的选取;
S4选择一个合适的SVR函数类型、合理的核函数与核参数,选取ε-SVR回归函数模型与径向高斯核函数代入回归方程,用交叉验证与网格搜索法,获得最优参数;
S5搭建电网工程全周期预算模型,将最优参数代入电网工程全周期预算模型,对样本数据进行训练;
S6使用训练出的电网工程全周期预算模型,通过测试集验证预测结果的准确性。
优选的,所述步骤S2确定工程造价影响因子,获取造价数据,提取工程造价影响因子指标值,对数据进行预处理。
优选的,所述特征向量的选取:建设地区、建筑类型、建设需求、建筑面积、报价指数。
优选的,所述步骤S4使用多组数据作为训练样本建立电网工程全周期预算模型,取预算表现最好的值;当算表现最好的值取0.5时,模型拟合度高;通过90组数据作为训练样本,通过网格搜索算法与交叉验证取得最优参数;剩余10组数据进行模型测试,工程投资预算结果与实际值的对比及偏差对比结果。
优选的,所述步骤S5电网工程全周期预算模型的预算值与实际值的相对误差小于等于10%时,则说明该模型计算准确度可靠。
优选的,所述步骤S2采集建筑面积、年均最高负荷、年均用电量、园区年均最高负荷,计算各用电模块的空间最高负荷密度、空间用电密度,统计主配网投资金额,计算主配网投资金额的基准值。
优选的,所述空间最高负荷密度、空间用电密度,具体计算方法如下:
某用电空间最高负荷密度=该模块年均最高负荷/该模块建筑面积;
某用电空间用电密度=该模块年均用电量/该模块建筑面积。
本发明中,所述一种电网工程全周期预算优化配置工具,工程投资预算、资金预算全周期规律固化在ERP系统,创建了工程投资预算和资金预算动态预测模型,将里程碑计划进度转换为实际进度,实时滚动修正项目投资预算和资金预算,为月度、年度预算资金需求提供参考,合理保障预算资金需求,为公司投融资决策提供支撑。
附图说明
图1为本发明提出的一种电网工程全周期预算优化配置工具的流程示意图。
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。
参照图1,一种电网工程全周期预算优化配置工具,包括如下方法:
S1基于大数据技术和聚类算法,统计电网工程的历史工程投资数据;
S2将工程投资预算与资金预算管理软件固化在ERP系统中;
S3采集样本数据并对样本数据进行预处理,并进行特征向量的选取;
S4选择一个合适的SVR函数类型、合理的核函数与核参数,选取ε-SVR回归函数模型与径向高斯核函数代入回归方程,用交叉验证与网格搜索法,获得最优参数;
S5搭建电网工程全周期预算模型,将最优参数代入电网工程全周期预算模型,对样本数据进行训练;
S6使用训练出的电网工程全周期预算模型,通过测试集验证预测结果的准确性。
本发明中,所述步骤S2确定工程造价影响因子,获取造价数据,提取工程造价影响因子指标值,对数据进行预处理。
本发明中,所述特征向量的选取:建设地区、建筑类型、建设需求、建筑面积、报价指数。
本发明中,所述步骤S4使用多组数据作为训练样本建立电网工程全周期预算模型,取预算表现最好的值;当算表现最好的值取0.5时,模型拟合度高;通过90组数据作为训练样本,通过网格搜索算法与交叉验证取得最优参数;剩余10组数据进行模型测试,工程投资预算结果与实际值的对比及偏差对比结果。
本发明中,所述步骤S5电网工程全周期预算模型的预算值与实际值的相对误差小于等于10%时,则说明该模型计算准确度可靠。
本发明中,所述步骤S2采集建筑面积、年均最高负荷、年均用电量、园区年均最高负荷,计算各用电模块的空间最高负荷密度、空间用电密度,统计主配网投资金额,计算主配网投资金额的基准值。
本发明中,所述空间最高负荷密度、空间用电密度,具体计算方法如下:
某用电空间最高负荷密度=该模块年均最高负荷/该模块建筑面积;
某用电空间用电密度=该模块年均用电量/该模块建筑面积。
本发明:基于大数据技术和聚类算法,统计电网工程的历史工程投资数据;将工程投资预算与资金预算管理软件固化在ERP系统中;采集样本数据并对样本数据进行预处理,并进行特征向量的选取;选择一个合适的SVR函数类型、合理的核函数与核参数,选取ε-SVR回归函数模型与径向高斯核函数代入回归方程,用交叉验证与网格搜索法,获得最优参数;搭建电网工程全周期预算模型,将最优参数代入电网工程全周期预算模型,对样本数据进行训练;使用训练出的电网工程全周期预算模型,通过测试集验证预测结果的准确性。
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 (7)
1.一种电网工程全周期预算优化配置工具,其特征在于,包括如下方法:
S1基于大数据技术和聚类算法,统计电网工程的历史工程投资数据;
S2将工程投资预算与资金预算管理软件固化在ERP系统中;
S3采集样本数据并对样本数据进行预处理,并进行特征向量的选取;
S4选择一个合适的SVR函数类型、合理的核函数与核参数,选取ε-SVR回归函数模型与径向高斯核函数代入回归方程,用交叉验证与网格搜索法,获得最优参数;
S5搭建电网工程全周期预算模型,将最优参数代入电网工程全周期预算模型,对样本数据进行训练;
S6使用训练出的电网工程全周期预算模型,通过测试集验证预测结果的准确性。
2.根据权利要求1所述的一种电网工程全周期预算优化配置工具,其特征在于,所述步骤S2确定工程造价影响因子,获取造价数据,提取工程造价影响因子指标值,对数据进行预处理。
3.根据权利要求1所述的一种电网工程全周期预算优化配置工具,其特征在于,所述特征向量的选取:建设地区、建筑类型、建设需求、建筑面积、报价指数。
4.根据权利要求1所述的一种电网工程全周期预算优化配置工具,其特征在于,所述步骤S4使用多组数据作为训练样本建立电网工程全周期预算模型,取预算表现最好的值;当算表现最好的值取0.5时,模型拟合度高;通过90组数据作为训练样本,通过网格搜索算法与交叉验证取得最优参数;剩余10组数据进行模型测试,工程投资预算结果与实际值的对比及偏差对比结果。
5.根据权利要求1所述的一种电网工程全周期预算优化配置工具,其特征在于,所述步骤S5电网工程全周期预算模型的预算值与实际值的相对误差小于等于10%时,则说明该模型计算准确度可靠。
6.根据权利要求1所述的一种电网工程全周期预算优化配置工具,其特征在于,所述步骤S2采集建筑面积、年均最高负荷、年均用电量、园区年均最高负荷,计算各用电模块的空间最高负荷密度、空间用电密度,统计主配网投资金额,计算主配网投资金额的基准值。
7.根据权利要求6所述的一种电网工程全周期预算优化配置工具,其特征在于,所述空间最高负荷密度、空间用电密度,具体计算方法如下:
某用电空间最高负荷密度=该模块年均最高负荷/该模块建筑面积;
某用电空间用电密度=该模块年均用电量/该模块建筑面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111193679.7A CN113807613A (zh) | 2021-10-13 | 2021-10-13 | 一种电网工程全周期预算优化配置工具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111193679.7A CN113807613A (zh) | 2021-10-13 | 2021-10-13 | 一种电网工程全周期预算优化配置工具 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807613A true CN113807613A (zh) | 2021-12-17 |
Family
ID=78897583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111193679.7A Pending CN113807613A (zh) | 2021-10-13 | 2021-10-13 | 一种电网工程全周期预算优化配置工具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807613A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930352A (zh) * | 2012-10-30 | 2013-02-13 | 广东电网公司 | 基于多核支持向量回归机的电网基建工程造价预测方法 |
JP2015172790A (ja) * | 2014-03-11 | 2015-10-01 | 国立大学法人静岡大学 | 予測システム、予測方法、および予測プログラム |
CN106557841A (zh) * | 2016-11-15 | 2017-04-05 | 国家电网公司 | 一种基于大数据的电网规划投资预算方法 |
CN107067092A (zh) * | 2016-11-25 | 2017-08-18 | 国网浙江省电力公司经济技术研究院 | 一种特高压输变电工程造价组合预测方法及预测装置 |
US20170308934A1 (en) * | 2016-04-22 | 2017-10-26 | Economy Research Institute of State Grid Zhejiang Electric Power | Management method of power engineering cost |
CN108241900A (zh) * | 2016-12-26 | 2018-07-03 | 北京金风科创风电设备有限公司 | 工程项目建设周期预测方法、装置和系统 |
CN108681799A (zh) * | 2018-07-11 | 2018-10-19 | 上海宝冶集团有限公司 | 一种工程项目成本预测方法、装置、设备及可读存储介质 |
CN109242157A (zh) * | 2018-08-17 | 2019-01-18 | 华北电力大学 | 一种改进的输电工程造价智能预测方法 |
CN110309965A (zh) * | 2019-06-26 | 2019-10-08 | 国家电网有限公司 | 一种基于改进支持向量机的电网投资需求预测方法及系统 |
WO2020024319A1 (zh) * | 2018-08-01 | 2020-02-06 | 苏州大学张家港工业技术研究院 | 用于交通流量预测的卷积神经网络多点回归预测模型 |
CN112053223A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于ga-svm算法的互联网金融欺诈行为检测方法 |
CN112329969A (zh) * | 2019-12-06 | 2021-02-05 | 中煤科工重庆设计研究院(集团)有限公司 | 一种基于支持向量机的建筑智能化工程投资预测方法 |
CN112446534A (zh) * | 2020-11-09 | 2021-03-05 | 国网福建省电力有限公司 | 一种输变电工程的建设工期预测方法和装置 |
WO2021129955A1 (en) * | 2019-12-27 | 2021-07-01 | Eaton Intelligent Power Limited | System and method for load and source forecasting for increasing electrical grid component longevity |
KR20210108074A (ko) * | 2020-02-25 | 2021-09-02 | (주)위세아이텍 | 플랜트 엔지니어링 업무 단계별 의사결정 지원을 위한 머신러닝 자동화 플랫폼 장치 |
-
2021
- 2021-10-13 CN CN202111193679.7A patent/CN113807613A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930352A (zh) * | 2012-10-30 | 2013-02-13 | 广东电网公司 | 基于多核支持向量回归机的电网基建工程造价预测方法 |
JP2015172790A (ja) * | 2014-03-11 | 2015-10-01 | 国立大学法人静岡大学 | 予測システム、予測方法、および予測プログラム |
US20170308934A1 (en) * | 2016-04-22 | 2017-10-26 | Economy Research Institute of State Grid Zhejiang Electric Power | Management method of power engineering cost |
CN106557841A (zh) * | 2016-11-15 | 2017-04-05 | 国家电网公司 | 一种基于大数据的电网规划投资预算方法 |
CN107067092A (zh) * | 2016-11-25 | 2017-08-18 | 国网浙江省电力公司经济技术研究院 | 一种特高压输变电工程造价组合预测方法及预测装置 |
CN108241900A (zh) * | 2016-12-26 | 2018-07-03 | 北京金风科创风电设备有限公司 | 工程项目建设周期预测方法、装置和系统 |
CN108681799A (zh) * | 2018-07-11 | 2018-10-19 | 上海宝冶集团有限公司 | 一种工程项目成本预测方法、装置、设备及可读存储介质 |
WO2020024319A1 (zh) * | 2018-08-01 | 2020-02-06 | 苏州大学张家港工业技术研究院 | 用于交通流量预测的卷积神经网络多点回归预测模型 |
CN109242157A (zh) * | 2018-08-17 | 2019-01-18 | 华北电力大学 | 一种改进的输电工程造价智能预测方法 |
CN110309965A (zh) * | 2019-06-26 | 2019-10-08 | 国家电网有限公司 | 一种基于改进支持向量机的电网投资需求预测方法及系统 |
CN112329969A (zh) * | 2019-12-06 | 2021-02-05 | 中煤科工重庆设计研究院(集团)有限公司 | 一种基于支持向量机的建筑智能化工程投资预测方法 |
WO2021129955A1 (en) * | 2019-12-27 | 2021-07-01 | Eaton Intelligent Power Limited | System and method for load and source forecasting for increasing electrical grid component longevity |
KR20210108074A (ko) * | 2020-02-25 | 2021-09-02 | (주)위세아이텍 | 플랜트 엔지니어링 업무 단계별 의사결정 지원을 위한 머신러닝 자동화 플랫폼 장치 |
CN112053223A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于ga-svm算法的互联网金融欺诈行为检测方法 |
CN112446534A (zh) * | 2020-11-09 | 2021-03-05 | 国网福建省电力有限公司 | 一种输变电工程的建设工期预测方法和装置 |
Non-Patent Citations (2)
Title |
---|
王良缘等: ""基于损失函数优化支持向量回归机的专用电力工程费用量化研究"", 《电力科学与技术学报》, vol. 32, no. 1, pages 78 - 83 * |
陈小波;张媛媛;崔平;: "基于SVR的工程建设项目快速投资估算方法研究", 工程管理学报, vol. 34, no. 01, pages 143 - 148 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170308934A1 (en) | Management method of power engineering cost | |
Macedo et al. | Demand side management using artificial neural networks in a smart grid environment | |
Soares et al. | Application-Specific Modified Particle Swarm Optimization for energy resource scheduling considering vehicle-to-grid | |
Al-Gwaiz et al. | Understanding how generation flexibility and renewable energy affect power market competition | |
CN109428344B (zh) | 含风电场的多电源投资规划方法和装置 | |
Luo et al. | QFD-based product planning with consumer choice analysis | |
CN105204472A (zh) | 一种单件离散型生产作业排程优化方法 | |
CN109118120B (zh) | 考虑水库调度方案可持续性利用的多目标决策方法 | |
CN112241606A (zh) | 基于cps决策模块的船舶智能设备运维的协同决策方法 | |
CN111798057A (zh) | 一种基于模糊层次盈利分析的充电场站选址方法 | |
Dhiman et al. | Decision and Control in Hybrid Wind Farms | |
CN109615246B (zh) | 一种主动配电网经济运行状态确定方法 | |
CN114742415A (zh) | 适用于充电站的运营效果评价方法、装置及系统 | |
CN105550813A (zh) | 一种基于价值网络的机械装备云服务资源的商业评价方法 | |
CN113240235A (zh) | 一种电网公司发展状态的评价方法 | |
CN112686693A (zh) | 电力现货市场边际电价预测方法、系统、设备及存储介质 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
CN113807613A (zh) | 一种电网工程全周期预算优化配置工具 | |
CN110866694A (zh) | 一种电网建设项目财务评价系统及其方法 | |
CN111027017B (zh) | 一种配电网管理状态综合评价系统 | |
CN105701720A (zh) | 一种评估电力设备最佳折旧年限的方法和系统 | |
Liu et al. | Research and application of grid-based integrated evaluation and management of distribution grid | |
Lee et al. | OPTIMAL COST ESTIMATION FOR IMPROVEMENT OF PRODUCT DESIGN. | |
Rong | Analysis of the comprehensive evaluation model of enterprise technological innovation ability based on improved genetic algorithm | |
Wang et al. | Study on the method and procedure of logistics system modeling and simulation |
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 |