CN115965120A - 一种区域能源在短期内的安全预警方法 - Google Patents
一种区域能源在短期内的安全预警方法 Download PDFInfo
- Publication number
- CN115965120A CN115965120A CN202211535347.7A CN202211535347A CN115965120A CN 115965120 A CN115965120 A CN 115965120A CN 202211535347 A CN202211535347 A CN 202211535347A CN 115965120 A CN115965120 A CN 115965120A
- Authority
- CN
- China
- Prior art keywords
- energy
- early warning
- index
- data
- safety
- 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 47
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000003350 kerosene Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种区域能源在短期内的安全预警方法，通过获取目标地区能源系统的定性指标数据，目标地区能源系统包括至少一个能源子系统，每个能源子系统对应有多个定性指标，以考虑多种能源的定性指标，从而实现对多种能源安全预警的通用性；利用云理论，根据定性指标数据，提取目标地区能源系统的定量数据，以对定性指标进行量化，并有效避免专家模糊评估带来的数据误差；再对定量数据进行降维，生成预警指标数值矩阵，以降低计算量；最后利用熵权法，根据预警指标数值矩阵，分析目标地区能源系统的能源安全度，以及基于能源安全度，对目标地区能源系统进行预警，从而利用云理论结合熵权法降低主观误差，提高能源安全预警的准确度。
Description
技术领域
本申请涉及能源安全技术领域，尤其涉及一种区域能源在短期内的安全预警方法。
背景技术
各类能源的供应量和需求量之间的不平衡状态，将导致能源面临着极大的安全隐患，对社会经济的发展平稳性与可持续性造成重要影响。为保证能源安全，相关技术采用能源预警技术对能源安全进行预警，其中，对能源安全度水平进行评估是能源预警技术的重要步骤之一。但是，目前针对能源安全度水平的评估方法存在局限性，其主要针对某一能源进行评估，评估指标较少且针对定性指标也较少，这些指标依赖于专家模糊评估给出指标数值，无法准确表征实际的能源情况，从而导致能源安全预警准确度不高。
发明内容
本申请提供了一种区域能源在短期内的安全预警方法，以解决当前能源安全预警的准确度不高的技术问题。
为了解决上述技术问题，第一方面，本申请提供了一种区域能源在短期内的安全预警方法，包括：
获取目标地区能源系统的定性指标数据，目标地区能源系统包括至少一个能源子系统，每个能源子系统对应有多个定性指标；
利用云理论，根据定性指标数据，提取目标地区能源系统的定量数据；
对定量数据进行降维，生成预警指标数值矩阵；
利用熵权法，根据预警指标数值矩阵，分析目标地区能源系统的能源安全度；
基于能源安全度，对目标地区能源系统进行预警。
在一些实现方式中，利用云理论，根据定性指标数据，提取目标地区能源系统的定量数据，包括：
利用云理论中的云重心评价法，根据每个定性指标对应的评语集，建立云模型；
基于云模型，计算定性指标数据的期望值，并将期望值为定量数据。
在一些实现方式中，云模型为：
其中，Ex为定性指标数据x的期望值，En为定性指标数据x的数据熵，Exk为定性指标x对应的评语集中第k组评语的期望值，Ekk为定性指标x对应的评语集中第k组评语的数据熵。
在一些实现方式中，对定量数据进行降维，生成预警指标数值矩阵，包括：
利用主成分分析法，计算定量数据的累计贡献率；
基于累计贡献率，筛选满足预设贡献率条件的目标定量数据，目标定量数据组成预警指标数值矩阵。
在一些实现方式中，利用主成分分析法，计算定量数据的累计贡献率，包括：
对定量数据进行标准化，得到标准化矩阵；
计算标准化矩阵中每个定量指标之间的相关系数，生成相关系数矩阵；
基于相关系数矩阵，计算定量数据的累计贡献率。
在一些实现方式中，利用熵权法，根据预警指标数值矩阵，分析目标地区能源系统的能源安全度，包括：
根据预警指标数值矩阵中各个定性指标的特征比重，确定每个定性指标的的熵权；
利用预设的安全度计算公式，根据熵权和预警指标数值矩阵，计算目标地区能源系统的能源安全度。
在一些实现方式中，安全度计算公式为：
α＝V·p；
其中，α为能源安全度，V为预警指标数值矩阵，p为熵权组成的列向量。
第二方面，本申请还提供一种区域能源在短期内的安全预警装置，包括：
获取模块，用于获取目标地区能源系统的定性指标数据，目标地区能源系统包括至少一个能源子系统，每个能源子系统对应有多个定性指标；
提取模块，用于利用云理论，根据定性指标数据，提取目标地区能源系统的定量数据；
生成模块，用于对定量数据进行降维，生成预警指标数值矩阵；
分析模块，用于利用熵权法，根据预警指标数值矩阵，分析目标地区能源系统的能源安全度；
预警模块，用于基于能源安全度，对目标地区能源系统进行预警。
第三方面，本申请还提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现如第一方面的区域能源在短期内的安全预警方法。
第四方面，本申请还提供一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现如第一方面的区域能源在短期内的安全预警方法。
与现有技术相比，本申请至少具备以下有益效果：
通过获取目标地区能源系统的定性指标数据，目标地区能源系统包括至少一个能源子系统，每个能源子系统对应有多个定性指标，以考虑多种能源的定性指标，从而实现对多种能源安全预警的通用性；利用云理论，根据定性指标数据，提取目标地区能源系统的定量数据，以对定性指标进行量化，并有效避免专家模糊评估带来的数据误差；再对定量数据进行降维，生成预警指标数值矩阵，以降低计算量；最后利用熵权法，根据预警指标数值矩阵，分析目标地区能源系统的能源安全度，以及基于能源安全度，对目标地区能源系统进行预警，从而利用云理论结合熵权法降低主观误差，提高能源安全预警的准确度。
附图说明
图1为本申请实施例示出的区域能源在短期内的安全预警方法的流程示意图；
图2为本申请实施例示出的区域能源在短期内的安全预警装置的结构示意图；
图3为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
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，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参照图1，图1为本申请实施例提供的一种区域能源在短期内的安全预警方法的流程示意图。本申请实施例的区域能源在短期内的安全预警方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的区域能源在短期内的安全预警方法包括步骤S101至步骤S105，详述如下：
步骤S101，获取目标地区能源系统的定性指标数据，所述目标地区能源系统包括至少一个能源子系统，每个所述能源子系统对应有多个定性指标。
在本步骤中，定性指标为影响能源安全的指标，其包括但不限于供需因素指标、运输因素指标、灾变因素指标、经济因素指标和环境因素指标。能源子系统包括但不限于煤炭能源子系统、石油能源子系统和天然气能源子系统。
可选地，以包括煤炭、石油、天然气的能源系统作为预警对象，在综合考虑科学性、可比性、动态性、敏感性、易得性等原则的基础上，获取各个能源子系统的供需因素指标数据、运输因素指标数据、灾变因素指标数据、经济因素指标数据和环境因素指标数据。
步骤S102，利用云理论，根据所述定性指标数据，提取所述目标地区能源系统的定量数据。
在本步骤中，云理论可以为云重心评价法，对定性指标数据进行定量处理，得到定量数据。
在一些实施例中，所述步骤S102，包括：
利用云理论中的云重心评价法，根据每个定性指标对应的评语集，建立云模型；
基于所述云模型，计算所述定性指标数据的期望值，并将所述期望值为所述定量数据。
在本实施例中，对于每一个定性指标的具体评语内容建立评语集S，规定S所对应的数域为[0，1]，根据评语集中的具体元素数量n进行数域变化区间分配如下表所示：
| 评语集S | <![CDATA[评语<sub>1</sub>]]> | <![CDATA[评语<sub>2</sub>]]> | …… | <![CDATA[评语<sub>n</sub>]]> |
| 数域变化区间 | <![CDATA[[1，c<sub>1</sub>]]]> | <![CDATA[[c<sub>1</sub>，c<sub>2</sub>]]]> | …… | <![CDATA[[c<sub>n-1</sub>，0]]]> |
评语集的云模型可以表示为：
Exi为第x个定性指标的第i组评语的期望值，Eni为第x个定性指标的第i组评语的数据熵。
对于定性指标的k组评语，按照计算各组评语云模型的期望值和数据熵，则该定性指标的云模型可表示为：
其中，Ex为定性指标数据x的期望值，En为定性指标数据x的数据熵，Exk为定性指标x对应的评语集中第k组评语的期望值，Ekk为定性指标x对应的评语集中第k组评语的数据熵。
步骤S103，对所述定量数据进行降维，生成预警指标数值矩阵。
在本步骤中，将各子系统的全部指标完成量化后，利用主成分分析(PCA)进行特征数据的降维，并生成预警指标数值矩阵。
在一些实施例中，所述步骤S103，包括：
利用主成分分析法，计算所述定量数据的累计贡献率；
基于所述累计贡献率，筛选满足预设贡献率条件的目标定量数据，所述目标定量数据组成所述预警指标数值矩阵。
在本实施例中，可选地，对所述定量数据进行标准化，得到标准化矩阵；计算所述标准化矩阵中每个定量指标之间的相关系数，生成相关系数矩阵；基于所述相关系数矩阵，计算所述定量数据的累计贡献率。
示例性地，设观测样本(即上述定量数据)的样本矩阵为：
其中，n代表样本个数，p代表每个样本都有p个变量。为了最小化样本集的方差，需要通过以下两步进行计算：一是样本的坐标进行旋转变化，使矩阵能够正交化；二是选取新的主成分。
对样本集中元素xij作标准化处理：
其中，Sj为样本矩阵中第j列元素的标准差，i＝1,2,…,n，j＝1,2,…,p；
得到标准化矩阵Z：
计算相关系数矩阵：
其中，rij表示元素i与元素j之间的相关系数，
通过特征方程|R-λi|＝0求解相关系数矩阵R的p个特征值，且λ1>λ2>…≥λp≥0，则特征值所对应的特征向量即为
并且满足：
则贡献率和累计贡献率分别为：
其中，i＝1,2,…p，αi表示第i个主成分的贡献率，α表示累计贡献率，且α尽量接近于1。
选择m(m≤p)个新的主成分。选取前m个因子Z1，Z2，…，Zm为第1，2，…，m个主成分，若选取的m个主成分的累计贡献率α≥0.90，即这m个主成分的累计贡献率为90％以上，基本上保留了原始变量x1，x2，…，xp的90％以上信息，且变量从p个减少为m个，从而达到降维的目的。
步骤S104，利用熵权法，根据所述预警指标数值矩阵，分析所述目标地区能源系统的能源安全度。
在本步骤中，根据选出的新的主成分，利用熵权法确定各子系统各指标的权重，计算出各子系统的安全度。
在一些实施例中，所述步骤S104，包括：
根据所述预警指标数值矩阵中各个所述定性指标的特征比重，确定每个所述定性指标的的熵权；
利用预设的安全度计算公式，根据所述熵权和所述预警指标数值矩阵，计算所述目标地区能源系统的能源安全度。
在本实施例中，可选地，所述安全度计算公式为：
α＝V·p；
其中，α为所述能源安全度，V为所述预警指标数值矩阵，p为所述熵权组成的列向量。
示例性地，熵权的计算过程如下：
子系统经过主成分分析后得到的新决策矩阵如下：
对矩阵中的数据进行归一化处理，得到标准化矩阵Z＝(zij)n×m。
计算各项指标中各个样本数据的特征比重：
pij表示在第j项指标下，第i个数据的特征比重，j＝1，2，…，m；
计算各项指标的熵值：
K＝1/lnn，确保各指标的熵值落在[0，1]之间，n＞0；
计算各项指标的差异性系数：
dj＝1-ej；
确定各项指标的熵权：
m项指标的熵权共同构成子系统各指标权重的列向量：
p＝(τ1，ω2，…，ωm)T。
步骤S105，基于所述能源安全度，对所述目标地区能源系统进行预警。
在本步骤中，确定各子系统的安全度，进而成功建立某地区的能源安全预警评价指数如下：
Vy＝{α1，α2，α3}；
其中，αi(i＝1,2,3)为三种能源的子系统安全度，Vy为某地区煤油气三种能源安全预警评价指数，用于判断目标地区能源系统的安全水平，以能够基于安全水平确定是否对能源系统进行预警。
为了执行上述方法实施例对应的区域能源在短期内的安全预警方法，以实现相应的功能和技术效果。参见图2，图2示出了本申请实施例提供的一种区域能源在短期内的安全预警装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的区域能源在短期内的安全预警装置，包括：
获取模块201，用于获取目标地区能源系统的定性指标数据，所述目标地区能源系统包括至少一个能源子系统，每个所述能源子系统对应有多个定性指标；
提取模块202，用于利用云理论，根据所述定性指标数据，提取所述目标地区能源系统的定量数据；
生成模块203，用于对所述定量数据进行降维，生成预警指标数值矩阵；
分析模块204，用于利用熵权法，根据所述预警指标数值矩阵，分析所述目标地区能源系统的能源安全度；
预警模块205，用于基于所述能源安全度，对所述目标地区能源系统进行预警。
在一些实施例中，所述提取模块202，具体用于：
利用云理论中的云重心评价法，根据每个定性指标对应的评语集，建立云模型；
基于所述云模型，计算所述定性指标数据的期望值，并将所述期望值为所述定量数据。
在一些实施例中，所述云模型为：
其中，Ex为定性指标数据x的期望值，En为定性指标数据x的数据熵，Exk为定性指标x对应的评语集中第k组评语的期望值，Ekk为定性指标x对应的评语集中第k组评语的数据熵。
在一些实施例中，所述生成模块203，包括：
计算单元，用于利用主成分分析法，计算所述定量数据的累计贡献率；
筛选单元，用于基于所述累计贡献率，筛选满足预设贡献率条件的目标定量数据，所述目标定量数据组成所述预警指标数值矩阵。
在一些实施例中，所述计算单元，具体用于：
对所述定量数据进行标准化，得到标准化矩阵；
计算所述标准化矩阵中每个定量指标之间的相关系数，生成相关系数矩阵；
基于所述相关系数矩阵，计算所述定量数据的累计贡献率。
在一些实施例中，所述分析模块204，具体用于：
根据所述预警指标数值矩阵中各个所述定性指标的特征比重，确定每个所述定性指标的的熵权；
利用预设的安全度计算公式，根据所述熵权和所述预警指标数值矩阵，计算所述目标地区能源系统的能源安全度。
在一些实施例中，所述安全度计算公式为：
α＝V·p；
其中，α为所述能源安全度，V为所述预警指标数值矩阵，p为所述熵权组成的列向量。
上述的区域能源在短期内的安全预警装置可实施上述方法实施例的区域能源在短期内的安全预警方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图3为本申请一实施例提供的计算机设备的结构示意图。如图3所示，该实施例的计算机设备3包括：至少一个处理器30(图3中仅示出一个)处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
所述计算机设备3可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解，图3仅仅是计算机设备3的举例，并不构成对计算机设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述计算机设备3的内部存储单元，例如计算机设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述计算机设备3的外部存储设备，例如所述计算机设备3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围。特别指出，对于本领域技术人员来说，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种区域能源在短期内的安全预警方法，其特征在于，包括：
获取目标地区能源系统的定性指标数据，所述目标地区能源系统包括至少一个能源子系统，每个所述能源子系统对应有多个定性指标；
利用云理论，根据所述定性指标数据，提取所述目标地区能源系统的定量数据；
对所述定量数据进行降维，生成预警指标数值矩阵；
利用熵权法，根据所述预警指标数值矩阵，分析所述目标地区能源系统的能源安全度；
基于所述能源安全度，对所述目标地区能源系统进行预警。
2.如权利要求1所述的区域能源在短期内的安全预警方法，其特征在于，所述利用云理论，根据所述定性指标数据，提取所述目标地区能源系统的定量数据，包括：
利用云理论中的云重心评价法，根据每个定性指标对应的评语集，建立云模型；
基于所述云模型，计算所述定性指标数据的期望值，并将所述期望值为所述定量数据。
3.如权利要求2所述的区域能源在短期内的安全预警方法，其特征在于，所述云模型为：
其中，Ex为定性指标数据x的期望值，En为定性指标数据x的数据熵，Exk为定性指标x对应的评语集中第k组评语的期望值，Ekk为定性指标x对应的评语集中第k组评语的数据熵。
4.如权利要求1所述的区域能源在短期内的安全预警方法，其特征在于，所述对所述定量数据进行降维，生成预警指标数值矩阵，包括：
利用主成分分析法，计算所述定量数据的累计贡献率；
基于所述累计贡献率，筛选满足预设贡献率条件的目标定量数据，所述目标定量数据组成所述预警指标数值矩阵。
5.如权利要求4所述的区域能源在短期内的安全预警方法，其特征在于，所述利用主成分分析法，计算所述定量数据的累计贡献率，包括：
对所述定量数据进行标准化，得到标准化矩阵；
计算所述标准化矩阵中每个定量指标之间的相关系数，生成相关系数矩阵；
基于所述相关系数矩阵，计算所述定量数据的累计贡献率。
6.如权利要求1所述的区域能源在短期内的安全预警方法，其特征在于，所述利用熵权法，根据所述预警指标数值矩阵，分析所述目标地区能源系统的能源安全度，包括：
根据所述预警指标数值矩阵中各个所述定性指标的特征比重，确定每个所述定性指标的的熵权；
利用预设的安全度计算公式，根据所述熵权和所述预警指标数值矩阵，计算所述目标地区能源系统的能源安全度。
7.如权利要求6所述的区域能源在短期内的安全预警方法，其特征在于，所述安全度计算公式为：
α＝V·p；
其中，α为所述能源安全度，V为所述预警指标数值矩阵，p为所述熵权组成的列向量。
8.一种区域能源在短期内的安全预警装置，其特征在于，包括：
获取模块，用于获取目标地区能源系统的定性指标数据，所述目标地区能源系统包括至少一个能源子系统，每个所述能源子系统对应有多个定性指标；
提取模块，用于利用云理论，根据所述定性指标数据，提取所述目标地区能源系统的定量数据；
生成模块，用于对所述定量数据进行降维，生成预警指标数值矩阵；
分析模块，用于利用熵权法，根据所述预警指标数值矩阵，分析所述目标地区能源系统的能源安全度；
预警模块，用于基于所述能源安全度，对所述目标地区能源系统进行预警。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的区域能源在短期内的安全预警方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的区域能源在短期内的安全预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211535347.7A CN115965120A (zh) | 2022-12-01 | 2022-12-01 | 一种区域能源在短期内的安全预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211535347.7A CN115965120A (zh) | 2022-12-01 | 2022-12-01 | 一种区域能源在短期内的安全预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115965120A true CN115965120A (zh) | 2023-04-14 |
Family
ID=87354132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211535347.7A Pending CN115965120A (zh) | 2022-12-01 | 2022-12-01 | 一种区域能源在短期内的安全预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965120A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106504110A (zh) * | 2016-09-12 | 2017-03-15 | 国网湖北省电力公司 | 基于云重心的电网工程后评价方法 |
| CN112329276A (zh) * | 2021-01-04 | 2021-02-05 | 国网江西省电力有限公司电力科学研究院 | 一种基于综合能源系统的安全状态分析方法及装置 |
| CN112446579A (zh) * | 2020-07-07 | 2021-03-05 | 国网能源研究院有限公司 | 一种区域综合能源系统协同性评价方法、系统及设备 |
| CN113222375A (zh) * | 2021-04-29 | 2021-08-06 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源系统的多目标评价方法 |
| CN113837647A (zh) * | 2021-10-09 | 2021-12-24 | 南方电网能源发展研究院有限责任公司 | 区域能源评估方法、装置、计算机设备和存储介质 |
| CN114186862A (zh) * | 2021-12-14 | 2022-03-15 | 国网福建省电力有限公司 | 基于熵权topsis模型的双层能源绩效评估系统 |
| CN114444910A (zh) * | 2022-01-14 | 2022-05-06 | 华北电力大学 | 一种面向电力物联网的边缘网络系统健康度评估方法 |
| CN114548756A (zh) * | 2022-02-21 | 2022-05-27 | 国网江苏省电力有限公司营销服务中心 | 基于主成分分析的综合能源项目综合效益评价方法及装置 |
| CN114626655A (zh) * | 2020-12-13 | 2022-06-14 | 国网吉林省电力有限公司四平供电公司 | 一种区域综合能源系统多标准综合评价方法 |
| CN115062992A (zh) * | 2022-06-27 | 2022-09-16 | 国网能源研究院有限公司 | 基于能源大数据的综合能源系统发展水平测算方法及系统 |
-
2022
- 2022-12-01 CN CN202211535347.7A patent/CN115965120A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106504110A (zh) * | 2016-09-12 | 2017-03-15 | 国网湖北省电力公司 | 基于云重心的电网工程后评价方法 |
| CN112446579A (zh) * | 2020-07-07 | 2021-03-05 | 国网能源研究院有限公司 | 一种区域综合能源系统协同性评价方法、系统及设备 |
| CN114626655A (zh) * | 2020-12-13 | 2022-06-14 | 国网吉林省电力有限公司四平供电公司 | 一种区域综合能源系统多标准综合评价方法 |
| CN112329276A (zh) * | 2021-01-04 | 2021-02-05 | 国网江西省电力有限公司电力科学研究院 | 一种基于综合能源系统的安全状态分析方法及装置 |
| CN113222375A (zh) * | 2021-04-29 | 2021-08-06 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源系统的多目标评价方法 |
| CN113837647A (zh) * | 2021-10-09 | 2021-12-24 | 南方电网能源发展研究院有限责任公司 | 区域能源评估方法、装置、计算机设备和存储介质 |
| CN114186862A (zh) * | 2021-12-14 | 2022-03-15 | 国网福建省电力有限公司 | 基于熵权topsis模型的双层能源绩效评估系统 |
| CN114444910A (zh) * | 2022-01-14 | 2022-05-06 | 华北电力大学 | 一种面向电力物联网的边缘网络系统健康度评估方法 |
| CN114548756A (zh) * | 2022-02-21 | 2022-05-27 | 国网江苏省电力有限公司营销服务中心 | 基于主成分分析的综合能源项目综合效益评价方法及装置 |
| CN115062992A (zh) * | 2022-06-27 | 2022-09-16 | 国网能源研究院有限公司 | 基于能源大数据的综合能源系统发展水平测算方法及系统 |
Non-Patent Citations (7)
| Title |
|---|
| MARSXDM: "熵权法", Retrieved from the Internet <URL:https://wenku.baidu.com/view/6f829e365f0e7cd1842536b0.html?_wkts_=1705754828417> * |
| 林旭旭等: "改进的云重心评估法在教师能力评价中的应用", 《工程管理与技术》, vol. 39, no. 36, pages 196 - 198 * |
| 柴瑞等: "基于云重心理论的危爆场所雷击风险评估", 《农业开发与装备》, no. 4, pages 51 - 52 * |
| 王忠诚;李宁;李春华;施浩;: "基于因子分析方法的江苏省能源安全系统评价", 中国农学通报, no. 17 * |
| 覃德泽等: "云重心理论对网络安全风险评估层次分析法改进的研究", 《制造业自动化》, vol. 32, no. 15, pages 59 - 61 * |
| 覃德泽等: "基于云重心理论的山地景区旅游安全风险评估研究", 《贺州学院学报》, vol. 35, no. 4, pages 150 - 154 * |
| 赵鹏翔等: "面向园区综合能源系统的评价方法", 《电源技术》, vol. 44, no. 9, pages 1379 - 1390 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516910B (zh) | 基于大数据的保单核保模型训练方法和核保风险评估方法 | |
| CN109598095B (zh) | 评分卡模型的建立方法、装置、计算机设备和存储介质 | |
| CN111401609B (zh) | 车流量时间序列的预测方法及预测装置 | |
| CN107679995B (zh) | 电子装置、保险案件理赔审核方法及计算机可读存储介质 | |
| CN113792825B (zh) | 一种用电信息采集设备故障分类模型训练方法及装置 | |
| US20150278703A1 (en) | Mutual information with absolute dependency for feature selection in machine learning models | |
| CN111080117A (zh) | 设备风险标签的构建方法、装置、电子设备及存储介质 | |
| CN112949721A (zh) | 一种电力设备静态数据质量评估方法及系统 | |
| CN110782349A (zh) | 一种模型训练方法和系统 | |
| CN115062006A (zh) | 一种基于关联企业的风险评估方法及系统 | |
| CN110458581B (zh) | 商户业务周转异常的识别方法及装置 | |
| CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
| CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
| CN110008972B (zh) | 用于数据增强的方法和装置 | |
| Peters et al. | Statistical features of persistence and long memory in mortality data | |
| CN115965120A (zh) | 一种区域能源在短期内的安全预警方法 | |
| US20190180180A1 (en) | Information processing system, information processing method, and recording medium | |
| CN114170000A (zh) | 信用卡用户风险类别识别方法、装置、计算机设备和介质 | |
| CN113159419A (zh) | 一种群体特征画像分析方法、装置、设备及可读存储介质 | |
| CN111754103A (zh) | 企业风险画像方法、装置、计算机设备和可读存储介质 | |
| CN112465380A (zh) | 基于危废数据的企业行为分析方法、装置、设备及介质 | |
| Medina et al. | Modeling credit risk: An application of the rough set methodology | |
| CN116521662A (zh) | 数据清洗的效果检测方法、装置、设备和介质 | |
| Kaminskyi et al. | Calculating the constant in the Hurst index for the time series | |
| Rozos et al. | Development of Rating Curves: Machine Learning vs. Statistical Methods. Hydrology 2022, 9, 166 |
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 |