CN113868304A - 一种配电网冗余数据的确定方法及系统 - Google Patents

一种配电网冗余数据的确定方法及系统 Download PDF

Info

Publication number
CN113868304A
CN113868304A CN202010616144.5A CN202010616144A CN113868304A CN 113868304 A CN113868304 A CN 113868304A CN 202010616144 A CN202010616144 A CN 202010616144A CN 113868304 A CN113868304 A CN 113868304A
Authority
CN
China
Prior art keywords
data
distribution network
power distribution
network data
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
Application number
CN202010616144.5A
Other languages
English (en)
Inventor
刘科研
贾东梨
孟晓丽
盛万兴
何开元
詹惠瑜
刁赢龙
李国栋
王峥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010616144.5A priority Critical patent/CN113868304A/zh
Publication of CN113868304A publication Critical patent/CN113868304A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种配电网冗余数据的确定方法及系统，包括：对配电网数据基于数据来源及数据内容进行分类；基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。通过本发明提供的技术方案可以准确的确定冗余数据，为基于配电网数据进行的计算提供了计算基础，提高了计算效率。

Description

一种配电网冗余数据的确定方法及系统
技术领域
本发明涉及配电网数据分析领域，具体涉及一种配电网冗余数据的确定方法及系统。
背景技术
在泛在电力物联网建设浪潮的引领下，使电网规模不断扩大，直接导致电网数据呈现爆发式的增长，同时也导致电网数据中存在大量冗余数据。由于冗余数据的大量存在，降低了从大规模电网数据中查找数据的效率，进一步影响基于电网数据进行分析时的准确率。因此校验及纠正不合理的电网数据并剔除掉电网多级冗余数据，能够提高电网现状分析的准确性及效率。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供了一种配电网冗余数据的确定方法，包括：
对配电网数据基于数据来源及数据内容进行分类；
基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；
基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。
优选的，所述相关性指标模型的构建，包括：
基于配电网数据间的相关性利用层次分析法进行构建。
优选的，所述配电网数据间的相关性，包括：
主题性、可获得性、质量、规范性、权威性、全面性、便利性、可用性和时效性。
优选的，所述相关性指标模型，如下式所示：
Figure BDA0002561623780000021
式中：ρ为评价结果；xj为第j项相关性标准的权重值；aj为根据第j项相关性标准进行打分获得的值。
优选的，所述对配电网数据基于数据来源及数据内容进行分类之后，还包括：
对各项配电网数据进行数值合理性检验。
优选的，所述对配电网数据进行数值合理性检验，包括：
基于每项配电网数据的来源判断所述配电网数据是直接数据或间接数据；
当配电网数据为直接数据时，则校验所述配电网数据是否在设置的范围之内；
当配电网数据为间接数据时，则校验所述配电网数据对应的公式计算结果的准确性。
优选的，所述基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据，包括：
将各数据分类中每个配电网数据的相关性评价结果与所在类别对应阈值进行比较；
当所述配电网数据的相关性评价结果远超过所述类别对应阈值时，则所在配电网数据为冗余数据；
其中，所述阈值为所在类型中所有相关性评价结果的平均值。
基于同一发明构思，本发明还提供了一种配电网冗余数据的确定系统，包括：
分类模块，用于对配电网数据基于数据来源及数据内容进行分类；
评价模块，用于基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；
判断模块，用于基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。
优选的，所述系统还包括构建模块，具体用于：
基于配电网数据间的相关性利用层次分析法进行构建。
优选的，所述相关性指标模型，如下式所示：
Figure BDA0002561623780000031
式中：ρ为评价结果；xj为第j项相关性标准的权重值；aj为根据第j项相关性标准进行打分获得的值。
与现有技术相比，本发明的有益效果为：
本发明提供的技术方案，对配电网数据基于数据来源及数据内容进行分类；基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。通过本发明提供的技术方案挖掘出配电网的多级冗余数据，为基于配电网数据进行的计算提供了计算基础，提高了计算效率。
附图说明
图1为本发明中一种配电网冗余数据的确定方法流程图；
图2为本发明实施例中对数据进行分层分类的结构示意图；
图3为本发明实施例中对配电网数据进行分层分类的结构示意图；
图4为本发明实施例中对10KV线路数据进行分层分类的结构示意图；
图5为本发明实施例中各项数据的评价结果分布示意图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：本发明通过对配电网数据进行分层分类，基于层次分析后建立了配电网数据相关性指标模型及冗余数据校核规则，由此对配电网数据值的合理性进行了校验并挖掘出配电网的多级冗余数据。
如图1所示，本发明提供的一种配电网冗余数据的确定方法，包括：
S1对配电网数据基于数据来源及数据内容进行分类；
S2基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；
S3基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。
本实施例中S1对配电网数据基于数据来源及数据内容进行分类，包括：
配电网各项数据根据配电网各项数据来源及数据内容进行分层分类。根据配电网数据的来源，将数据分为直接数据和间接数据两类，其中直接数据即指直接获得的不需再次计算加工的数据，间接数据即指根据直接数据进行再次计算的数据。
对配电网数据进行分层分类的思路如图2所示，并将配电网各项数据依次编码排序，选取配电网的部分数据为例，对数据进行分层分类如图3所示，由图3可以看出，将配电网数据可以划分为2层，第1层包括电网设备相关数据和电网运行数据；第2层对第1层中的电网设备相关数据划分为电网综合数据、地区110(66)KV变电站数据、地区110(66)KV线路数据、地区10KV开闭站数据和地区10KV线路数据；将第2层中的电网综合数据划分为多个类别，例如：110(66)KV变电站容载比、110(66)KV线路总长度、110(66)KV变电总容量、10KV变电站容载比、10KV线路总长度和10KV变电总容量；每个类别中包括多项数据。
本实施例中基于层次分析法的数据相关性指标模型，包括：
以图4中的10kV线路数据为例，建立数据的相关性指标模型。首先，对全部各项数据进行数值合理性检验，其中，直接数据主要校验数据值是否在合理范围之内，是否出现其值偏差较大的数据；间接数据主要根据直接数据及相关公式计算获得，主要校验其根据公式计算获得的数据的准确性。关于数据相关性的分析，主要考察数据的九个相关性标准，分别是数据的主题性、可获得性、质量、规范性、权威性、全面性、便利性、可用性和时效性，分别用a1、a2、…、a9表示。关于各项相关标准的表述如表2所示。
表2数据相关性标准
Figure BDA0002561623780000041
Figure BDA0002561623780000051
基于以上9项数据相关性的评价标准，对各项数据进行相关性评价，评价模型如下式所示：
Figure BDA0002561623780000052
式中：ρ为评价结果；xj为第j项相关性标准的权重值；aj为根据第j项相关性标准进行打分获得的值，各项相关性标准的打分采取百分制，各项相关性指标的权重值之和不一定为1，权重值依据具体的指标来定，其具体规则见表3所示。
表3各项相关性标准指标打分规则
Figure BDA0002561623780000053
本实施例中S3基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据，包括：
首先计算各配电网数据所在类型中所有评价结果的平均值，然后当每项配电网数据的评价结果远大于平均值时，则此项数据为冗余数据，即当配电网数据的评价结果与所在类型的平均值的差大于设定阈值时，该配电网数据为冗余数据。
本实施例基于数据挖掘技术，对配电网多级冗余数据的校验的方法进行了研究，通过对照各项冗余数据与其他基础数据之间的关联关系，建立了数据相关性指标模型及冗余数据校验规则，并基于此对配电网多级冗余数据进行校验。
本实施例中采用的层次分析法，包括：
1)建立层次结构模型
在深入分析实际问题的基础上，将影响评价对象的各相关因素分解成若干等级，同一级上的诸因素从属于上一级的因素或对上级因素有影响，同时又支配下一级的因素或受下级因素的作用。
2)构造判断矩阵
针对层次结构模型的每一级，对于从属于(或影响)上一级每个因素的同级诸因素，用两两比较法来构造判断矩阵，其轻重程度用下表的标度所示。
表1层次结构九级标度值及含义
Figure BDA0002561623780000061
通过对m项指标进行打分，即可获得判断矩阵Rm为：
Figure BDA0002561623780000062
根据层次分析法的计算原理，可得出，x11＝x22＝…＝xmm＝1，
Figure BDA0002561623780000063
其次，求得判断矩阵Rm每一列的和，并根据计算结果求得判断矩阵的系数矩阵R'm，
Figure BDA0002561623780000071
其中，
Figure BDA0002561623780000072
最后，按照行对系数矩阵R'm求和得到归一化的权重向量B如下所示，
B＝(b1,b2,...,bm)T (3)
其中，
Figure BDA0002561623780000073
对权重向量B进行归一化，得到这m个指标的最终权重向量w如下：
w＝(w1,w2,...,wm)T (4)
其中，
Figure BDA0002561623780000074
3)计算权向量并做一致性检验
对于每一个判断矩阵计算最大特征根及其对应的特征向量，并利用一致性、随机一致性指标和一致性比例做一致性检验。若检验通过，特征向量(归一化)即为权重向量；若不通过，则应考虑重新构造判断矩阵。特征向量的近似值通常采用求和法或求根法求得。
首先，根据原始判断矩阵Rm和最终确定的权重向量w计算过渡矩阵C，C＝Rm·w＝(c1,c2,...,cm)T。
然后计算检验系数矩阵K＝(ki)m×1，
Figure BDA0002561623780000075
计算矩阵K的列平均值即为判断矩阵的最大特征根，
Figure BDA0002561623780000076
其次，计算一致性检验指标：
Figure BDA0002561623780000077
其中，λmax为判断矩阵的最大特征根。
再此，查找相应的平均随机一致性指标RI，计算一致性比例CR。
Figure BDA0002561623780000081
当CR<0.1时，认为判断矩阵的一致性是可以接受的；当CR>0.1时，应对判断矩阵作适当修正。
本实施例以某市2018年城区内配电网实际数据为例，按照本发明所述的关联分析算法进行分析，并搭建数据相关性指标模型进行计算分析，从中对配电网的多级冗余数据进行挖掘分析。
在对配电网数据进行了整体校核的基础上，通过搭建数据相关性模型，选取其中9项配电网数据计算p值，获得的各项配电网数据的p值如图5所示。
以其中一项配电网数据为例，其各项相关性指标的权重及打分值如表4所示。
表4某一指标(10kV变电站容载比)的相关性指标值及分配权重
相关性指标 权重 指标打分
主题性 0.3 10
可获得性 0.1 20
质量性 0.4 40
规范性 0.1 20
权威性 0.3 10
全面性 0.15 10
便利性 0.1 40
可用性 0.3 10
时效性 0.4 10
当计算获得的每项配电网数据的p值大部分大于平均值
Figure BDA0002561623780000082
的时，即可分析出此项数据为冗余数据。即：
Figure BDA0002561623780000084
Figure BDA0002561623780000083
其中，pi为第i项配电网数据的评价值。
由图5可以看出，第6类中的第5项配电网数据的p值出现了超出正常范围水平的值，其他各项数据的p值均在正常水平范围内，由此可以推断出第6类中的第5项的值为该电网研究范围内的冗余数据。追溯所分析的数据，可以获得第6类数据为10kV线路的线路分段数，即通过相关性分析，第6类中的第5项值是冗余数据。
按照上述方法，可以分层分类地对配电网各层级的数据继续冗余校验及相关性分析，由此获得更为准确且去除掉冗余项的配电网数据。
实施例2：基于同一发明构思，本发明实施例还提供了一种配电网冗余数据的确定系统，包括：
分类模块，用于对配电网数据基于数据来源及数据内容进行分类；
评价模块，用于基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；
判断模块，用于基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。
实施例中，所述系统还包括构建模块，具体用于：
基于配电网数据间的相关性利用层次分析法进行构建。
实施例中，所述相关性指标模型，如下式所示：
Figure BDA0002561623780000091
式中：ρ为评价结果；xj为第j项相关性标准的权重值；aj为根据第j项相关性标准进行打分获得的值。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种配电网冗余数据的确定方法，其特征在于，包括：
对配电网数据基于数据来源及数据内容进行分类；
基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；
基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。
2.如权利要求1所述的方法，其特征在于，所述相关性指标模型的构建，包括：
基于配电网数据间的相关性利用层次分析法进行构建。
3.如权利要求2所述的方法，其特征在于，所述配电网数据间的相关性，包括：
主题性、可获得性、质量、规范性、权威性、全面性、便利性、可用性和时效性。
4.如权利要求3所述的方法，其特征在于，所述相关性指标模型，如下式所示：
Figure FDA0002561623770000011
式中：ρ为评价结果；xj为第j项相关性标准的权重值；aj为根据第j项相关性标准进行打分获得的值。
5.如权利要求1所述的方法，其特征在于，所述对配电网数据基于数据来源及数据内容进行分类之后，还包括：
对各项配电网数据进行数值合理性检验。
6.如权利要求5所述的方法，其特征在于，所述对配电网数据进行数值合理性检验，包括：
基于每项配电网数据的来源判断所述配电网数据是直接数据或间接数据；
当配电网数据为直接数据时，则校验所述配电网数据是否在设置的范围之内；
当配电网数据为间接数据时，则校验所述配电网数据对应的公式计算结果的准确性。
7.如权利要求1所述的方法，其特征在于，所述基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据，包括：
将各数据分类中每个配电网数据的相关性评价结果与所在类别对应阈值进行比较；
当所述配电网数据的相关性评价结果远超过所述类别对应阈值时，则所在配电网数据为冗余数据；
其中，所述阈值为所在类型中所有相关性评价结果的平均值。
8.一种配电网冗余数据的确定系统，其特征在于，包括：
分类模块，用于对配电网数据基于数据来源及数据内容进行分类；
评价模块，用于基于预先构建的相关性指标模型对各数据分类中配电网数据间的相关性进行评价；
判断模块，用于基于各数据分类中配电网数据间的相关性评价结果与所述类别对应阈值的关系，确定各配电网数据在所在类型中是否为冗余数据。
9.如权利要求8所述的系统，其特征在于，所述系统还包括构建模块，具体用于：
基于配电网数据间的相关性利用层次分析法进行构建。
10.如权利要求8所述的系统，其特征在于，所述相关性指标模型，如下式所示：
Figure FDA0002561623770000021
式中：ρ为评价结果；xj为第j项相关性标准的权重值；aj为根据第j项相关性标准进行打分获得的值。
CN202010616144.5A 2020-06-30 2020-06-30 一种配电网冗余数据的确定方法及系统 Pending CN113868304A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010616144.5A CN113868304A (zh) 2020-06-30 2020-06-30 一种配电网冗余数据的确定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010616144.5A CN113868304A (zh) 2020-06-30 2020-06-30 一种配电网冗余数据的确定方法及系统

Publications (1)

Publication Number Publication Date
CN113868304A true CN113868304A (zh) 2021-12-31

Family

ID=78981577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010616144.5A Pending CN113868304A (zh) 2020-06-30 2020-06-30 一种配电网冗余数据的确定方法及系统

Country Status (1)

Country Link
CN (1) CN113868304A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730592A (zh) * 2022-11-30 2023-03-03 贵州电网有限责任公司信息中心 电网冗余数据剔除方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730592A (zh) * 2022-11-30 2023-03-03 贵州电网有限责任公司信息中心 电网冗余数据剔除方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107169628B (zh) 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN110020815A (zh) 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法
CN111737642A (zh) 基于模糊网络分析法的海底管道失效风险综合评价方法
CN105243255A (zh) 一种软基处理方案的评价方法
CN107358542B (zh) 一种励磁系统性能评估模型的构建方法
Li et al. Research and application of random forest model in mining automobile insurance fraud
CN112989621B (zh) 一种模型性能评价方法、装置、设备及存储介质
CN111784114A (zh) 一种客户侧分布式储能系统运行性能评估方法及系统
Ersoy Selecting the best normalization technique for ROV method: Towards a real life application
CN109284420A (zh) 电子元器件替代选型系统及替代选型方法
CN112016857B (zh) 基于云理论的聚乙烯管道地震易损性评估方法
Mukhametzyanov ReS-algorithm for converting normalized values of cost criteria into benefit criteria in MCDM tasks
CN112069723A (zh) 一种用于评估电力系统暂态稳定的方法及系统
CN112926893A (zh) 基于模糊综合评判和层次分析的水平井调剖效果评价方法
CN114638498A (zh) Esg评价方法、系统、电子设备及存储设备
CN116702132A (zh) 网络入侵检测方法及系统
CN117172591A (zh) 多维度绩效评价方法、装置、计算机设备和存储介质
CN114298579B (zh) 一种基于数据挖掘的有源配电网故障风险预警方法及系统
CN111585277A (zh) 一种基于混合集成模型的电力系统动态安全评估方法
CN113868304A (zh) 一种配电网冗余数据的确定方法及系统
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
Balas et al. Generating lift-and-project cuts from the LP simplex tableau: open source implementation and testing of new variants
CN112990776A (zh) 一种配网设备健康度评价方法
Fakhrzad et al. Determining an economically optimal (n, c) design via using loss functions
CN116502894A (zh) 光伏台区停电风险评估方法、装置、电子设备及存储介质

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