CN117455232A - 一种电力市场履约行为监测方法及系统 - Google Patents
一种电力市场履约行为监测方法及系统 Download PDFInfo
- Publication number
- CN117455232A CN117455232A CN202311406692.5A CN202311406692A CN117455232A CN 117455232 A CN117455232 A CN 117455232A CN 202311406692 A CN202311406692 A CN 202311406692A CN 117455232 A CN117455232 A CN 117455232A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluated
- decision
- performance
- risk
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 87
- 238000012216 screening Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 46
- 230000004927 fusion Effects 0.000 claims description 22
- 238000013145 classification model Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000005065 mining Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007418 data mining Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 23
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000013524 data verification Methods 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012550 audit Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力市场履约行为监测方法及系统,包括:实时获取电力市场的运营数据;对运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标;使用基于直觉模糊集的语言项描述,对各待评价指标的表现情况和重要程度进行描述,并在专家组中筛选出与各待评价指标相关联的多个决策者;获取各决策者使用语言项描述对各待评价指标的重要程度和表现情况进行评价而得到的指标评价意见,然后融合所有决策者的指标评价意见,得到待评估风险类型的履约风险得分,作为电力市场的履约行为监测结果。本发明运用基于直觉模糊集的语言项描述,使得指标评价意见能够更加贴近于决策者的主观感知,从而优化整体的电力市场履约行为监测效果。
Description
技术领域
本发明涉及电力市场履约行为监测领域,尤其涉及一种电力市场履约行为监测方法及系统。
背景技术
现有电力市场风险监测系统普遍采用的是基于规则的分析方法,通过事先设定的规则,比如预先建立的中长期电力市场风险指标体系与评估标准,来识别或者评估可能的市场异常行为和风险。
然而,由于利益驱使,电力市场交易数据中可能存在不合理、虚假数据的履约行为,影响到电力市场履约风险防范效果。上述方法没有基于电力市场主体的实时监测数据和数据校验技术,无法建立对交易数据真实性和履约行为的有效监督,无法对市场交易中的虚假数据进行有效甄别,缺乏灵活性且适应性不强,难以应对日益复杂的市场交易情况,从而影响到市场风险分析的效果,难以达到对电力市场现有各种交易和异常履约行为的实时监测和有效管控。
发明内容
本发明实施例提供一种电力市场履约行为监测方法及系统,运用基于直觉模糊集的语言项描述,实现主观评价的表达,以使指标评价意见能够更加贴近于决策者的主观感知,从而提升电力市场履约行为监测的准确性。
为了解决上述技术问题,本发明实施例提供了一种电力市场履约行为监测方法,包括:
实时获取电力市场的运营数据;其中,所述电力市场包括若干个市场主体、市场交易平台和电力调度平台;
对所述运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标;
使用基于直觉模糊集的语言项描述,对各所述待评价指标的表现情况和重要程度进行描述,并在专家组中筛选出与各所述待评价指标相关联的多个决策者;
获取各所述决策者的指标评价意见,然后融合所有所述决策者的指标评价意见,得到所述待评估风险类型的履约风险得分,作为所述电力市场的履约行为监测结果;其中,所述指标评价意见是所述决策者使用语言项描述对各所述待评价指标的重要程度和表现情况进行评价而得到的。
实施本发明实施例,通过实时获取电力市场的运营数据,可以及时了解市场主体、市场交易平台和电力调度平台的相关信息,包括市场参与者、交易行为、市场价格和电力供需等,为电力市场的运营监测和履约行为的风险评估提供实时且有效的数据支撑,接着对运营数据进行特征提取,以获得待评估风险类型对应的多个待评价指标,然后运用基于直觉模糊集的语言项描述,对各个待评价指标的表现情况和重要程度进行描述,从而能够将主观评价用模糊语言进行表达,以使指标评价意见能够更加贴近于决策者的主观感知,便于后续开展决策分析和评估。另外地,收集并融合各个决策者对待评价指标的评价意见,综合考虑不同决策者的观点,以应对日益复杂的市场交易情况,得到待评估风险类型的履约风险得分,作为用于衡量电力市场履约风险的指标,能够帮助市场监管机构或企业管理层监测市场的整体风险状况,以便及时采取相应的管理措施和风险应对策略。
作为优选方案,所述获取各所述决策者的指标评价意见,然后融合所有所述决策者的指标评价意见,得到所述待评估风险类型的履约风险得分,作为所述电力市场的履约行为监测结果,具体为:
遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标等级评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标等级评价意见,并根据所有所述待评价指标的意见融合结果,构建第一直觉模糊决策向量;其中,所述指标等级评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标重要性评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标重要性评价意见,并根据所有所述待评价指标的意见融合结果,构建权重向量;其中,所述指标重要性评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
利用所述权重向量,对所述第一直觉模糊决策向量进行赋权,得到第二直觉模糊决策向量;
按照预设的综合得分算法,根据所述第二直觉模糊决策向量,计算得到所述待评估风险类型的所述履约风险得分,作为所述电力市场的履约行为监测结果。
实施本发明实施例的优选方案,通过遍历每个待评价指标,获取各决策者对指标的评价意见,并按照决策者的决策权重,将不同决策者对应的评价意见进行融合,这样可以综合考虑不同决策者的观点和权重,使评价结果更加全面和客观,然后根据所有待评价指标的意见融合结果,构建第一直觉模糊决策向量,利用第一直觉模糊决策向量,反映不同的待评价指标在决策者眼中的相对重要性和表现情况,并且通过直觉模糊集的语言项描述,更贴近决策者的主观感知,减少评价的模糊性。
作为优选方案,所述决策者的决策权重的获取,具体为:
使用基于直觉模糊集的语言项描述,对各所述决策者的评价意见重要性进行描述,得到各所述决策者对应的重要性等级和直觉模糊数;
按照预设的决策权重算法,根据各所述决策者对应的重要性等级和直觉模糊数,计算得到各所述决策者的决策权重;
其中,所述决策者对应的直觉模糊数包括所述决策者对应的隶属度和非隶属度。实施本发明实施例的优选方案,使用基于直觉模糊集的语言项描述,对各个决策者的评价意见重要性进行描述,得到各个决策者对应的重要性等级和直觉模糊数,其中,重要性等级反映了决策者对评价意见的相对重要程度,而直觉模糊数则包括隶属度和非隶属度,用于描述决策者对重要性等级的不确定性和模糊性,通过采用基于直觉模糊集的语言项描述和决策权重计算方法,使决策过程更加透明和可解释。
作为优选方案,所述对所述运营数据进行特征提取,得到所述待评估风险类型的多个待评价指标,具体为:
对所述运营数据进行分析处理,得到对应的多个第一指标;
通过预先构建的风险分类模型,选取与所述待评估风险类型相关联的所述第一指标,作为所述待评估风险类型对应的待评价指标。
实施本发明实施例的优选方案,对运营数据进行分析处理,可以提取出多个与电力市场履约风险相关的指标,并通过预先构建的风险分类模型,在多个第一指标中选取与待评估风险类型相关联的指标,作为待评价指标,以便后续利用待评价指标监测与待评估风险类型相关的履约行为风险。
作为优选方案,所述风险分类模型的构建,具体为:
获取所述电力市场的历史运营数据、以及所述历史运营数据对应的多个第二指标;
根据所述历史运营数据的数据类型,选取对应的挖掘模型,然后利用所述挖掘模型,对所述历史运营数据进行数据挖掘,得到所述历史运营数据对应的若干种风险类型、以及每个所述第二指标与各所述风险类型对应的风险特征库之间的关联系数,并将所述风险类型对应的风险特征库,作为与每个所述第二指标相关联的风险特征库;
利用与每个所述第二指标相关联的风险特征库、每个所述第二指标与各所述风险特征库之间的关联系数,构成训练数据集;
利用得到训练数据集,对预先构建的初始分类模型进行训练及参数优化,得到所述风险分类模型。
实施本发明实施例的优选方案,通过运用数据挖掘技术,可以从电力市场的历史运营数据挖掘出与风险相关的信息和模式,分析电力市场的风险特征和趋势,并根据挖掘结果,构建用于对预先构建的初始分类模型进行训练及参数优化的训练数据集,以提升风险分类模型的分类精度,从而进一步提高电力市场履约行为监测的准确性和全面性。
作为优选方案,所述实时获取电力市场的运营数据,具体为:
通过安装在任意一个所述市场主体的数据处理装置,实时对所述电力市场进行数据采集与校验,得到所述电力市场的相关数据;
对所述电力市场的相关数据进行预处理,得到所述电力市场的运营数据;
其中,预处理包括异常值删除和噪声消除处理。
实施本发明实施例的优选方案,通过在市场主体安装数据处理装置,可以实时对电力市场进行数据采集和校验,并对采集到的数据进行异常值删除和噪声消除处理的预处理,以防止异常值的存在对后续的分析和模型建立产生负面影响,从而降低电力市场数据中的随机误差,提高数据的准确性和可信度。
为了解决相同的技术问题,本发明实施例还提供了一种电力市场履约行为监测系统,包括:
数据获取模块,用于实时获取电力市场的运营数据;其中,所述电力市场包括若干个市场主体、市场交易平台和电力调度平台;
特征提取模块,用于对所述运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标;
描述筛选模块,用于使用基于直觉模糊集的语言项描述,对各所述待评价指标的表现情况和重要程度进行描述,并在专家组中筛选出与各所述待评价指标相关联的多个决策者;
行为监测模块,用于获取各所述决策者的指标评价意见,然后融合所有所述决策者的指标评价意见,得到所述待评估风险类型的履约风险得分,作为所述电力市场的履约行为监测结果;其中,所述指标评价意见是所述决策者使用语言项描述对各所述待评价指标的重要程度和表现情况进行评价而得到的。
作为优选方案,所述行为监测模块,具体包括:
第一融合单元,用于遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标等级评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标等级评价意见,并根据所有所述待评价指标的意见融合结果,构建第一直觉模糊决策向量;其中,所述指标等级评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
第二融合单元,用于遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标重要性评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标重要性评价意见,并根据所有所述待评价指标的意见融合结果,构建权重向量;其中,所述指标重要性评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
赋权单元,用于利用所述权重向量,对所述第一直觉模糊决策向量进行赋权,得到第二直觉模糊决策向量;
计算单元,用于按照预设的综合得分算法,根据所述第二直觉模糊决策向量,计算得到所述待评估风险类型的所述履约风险得分,作为所述电力市场的履约行为监测结果。
作为优选方案,所述的一种电力市场履约行为监测系统,还包括:
决策权重分析模块,用于使用基于直觉模糊集的语言项描述,对各所述决策者的评价意见重要性进行描述,得到各所述决策者对应的重要性等级和直觉模糊数;按照预设的决策权重算法,根据各所述决策者对应的重要性等级和直觉模糊数,计算得到各所述决策者的决策权重;其中,所述决策者对应的直觉模糊数包括所述决策者对应的隶属度和非隶属度。
作为优选方案,所述特征提取模块,具体包括:
分析单元,用于对所述运营数据进行分析处理,得到对应的多个第一指标;
选取单元,用于通过预先构建的风险分类模型,选取与所述待评估风险类型相关联的所述第一指标,作为所述待评估风险类型对应的待评价指标。
附图说明
图1:为本发明实施例一提供的一种电力市场履约行为监测方法的流程示意图;
图2:为本发明实施例一提供的一种电力市场履约行为监测系统的结构示意图。
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。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他实施例,都属于本发明保护的范围。
实施例一:
请参照图1,为本发明实施例提供的一种电力市场履约行为监测方法,该方法包括步骤S1至步骤S4,各步骤具体如下:
步骤S1,实时获取电力市场的运营数据。
其中,电力市场包括若干个市场主体、市场交易平台和电力调度平台。
在本实施例中,电力市场的运营数据是指,与电力市场履约有关的电力市场运营数据,包括但不限于市场价格、售电量和购电量、电力负荷、线路运行状态、发电厂发电能力和剩余能力、交易执行状态等。具体地,实时获取的电力市场的运营数据包括以下(1)至(5)的内容:
(1)市场交易平台:市场价格、批发市场交易数据、零售市场交易数据、电力电量平衡数据;
(2)电力调度平台:电力调度运行数据、电网安全校核数据;
(3)售电企业:合同执行情况、代理电力用户实际用电情况;
(4)发电企业:实际用电情况、发电能力、合同执行情况、财务审计报告等;
(5)电力大用户:实际用电情况合同执行情况。
作为优选方案,步骤S1包括步骤S11至步骤S12,各步骤具体如下:
步骤S11,通过安装在任意一个市场主体的数据处理装置,实时对电力市场进行数据采集与校验,得到电力市场的相关数据。
在本实施例中,数据处理装置,指的是一种具有数据采集和数据校验功能的设备或仪器,用于实现电力市场运营数据的实时采集和在线校验。该装置由硬件和软件组成,包括了数据采集系统、数据处理系统、数据校验系统和数据上传系统,从而为电力市场履约风险监测与管理提供基础数据。该装置通过本地局域网实时采集各市场主体相关及电力交易平台、电力调度平台的电力市场运营数据。其中,硬件可以为不同主体连接的电能表(用于测量用户、售电公司和发电企业的电能量使用情况)、以及数据传输的物理通道(用于传输各类未加工和已加工的数据),软件可以为从市场交易平台、电力调度平台、各企业年度数据平台获取数据的数据调用软件和数据处理软件(开发环境:①硬件环境(CPU:奔腾双核3220或以上、运行内存:2G或以上、显卡:集成显卡或以上);②软件环境(64位wi ndows操作系统、Java环境、MySQL数据库环境、Tomcat服务器环境、火狐浏览器/谷歌浏览器);③开发语言(Java,HTML,CSSJS))
步骤S12,对电力市场的相关数据进行预处理,得到电力市场的运营数据。
其中,预处理包括异常值删除和噪声消除处理。
在本实施例中,本发明实施例提供的一种电力市场履约行为监测方法,还包括数据上传流程,该流程主要包括:将实时获取的电力市场的运营数据上传至区块链网络的流程。
其中,区块链网络是一个分布式的系统,用于存储上述步骤的实时数据,并实现对存储数据的相互校验。电力市场的运营数据的实时监测与获取,主要是由区块链中的验证节点进行,验证节点监管平台中各节点的基础数据和交易行为,对已完成交易的节点进行交易信息的审核,判定交易中是否存在违约行为并上报中心节点。对于数据的验证,主要是基于电力系统分析的数据校验技术,分析不同变量之间的逻辑关系,验证市场运营数据的合理性,并基于区块链的数据校验技术主要是利用区块链的监督机制,验证市场运营数据的真实性。
需要说明的是,采取基于区块链技术的多节点设计,可以改善区块链网络的可靠性和安全性。这些节点可以是由电力市场主体、监管机构或第三方节点提供的,如果需要更高的节点性能或者安全性,也可以选择使用专门的硬件节点。该步骤需要电力市场的区块链网络、合适的节点、智能合约和相关的数据传输和处理设备与通道。其中,电力市场区块链可采用DAG数据结构,使区块之间的所有信息得以同步传输和维护,而DAG是一种无回头指针的树状结构,能够实现对数据的去重、存储和传输,极大地提高了区块链的存储效率;电力市场区块链还可以采用分布式对等网络,其是在P2P网络基础上开发出的,它在不同的节点上设立了分布式账本,以保护数据,使用户能够安全维护每一个块。在电力市场履约过程中,利用区块链技术,可以记录各个参与方的交易历史、资金流动和合同协议等信息,这些信息将被记录在公共账本上,并且所有参与方都可以验证和监控该公共账本上的交易。这种透明度可以增强参与方之间的信任,并为监管机构提供更加精确的监管手段。
步骤S2,对运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标。
作为优选方案,步骤S2包括步骤S21至步骤S22,各步骤具体如下:
步骤S21,对运营数据进行分析处理,得到对应的多个第一指标。
步骤S22,通过预先构建的风险分类模型,选取与待评估风险类型相关联的第一指标,作为待评估风险类型对应的待评价指标。
作为优选方案,步骤22中提及的“风险分类模型”的获取流程,包括步骤S201至步骤S204,各步骤具体如下:
步骤S201,获取电力市场的历史运营数据、以及历史运营数据对应的多个第二指标。
作为一种举例,若电力市场的历史运营数据为每个售电公司年度财务审计报告,则根据每个售电公司年度财务审计报告,计算企业财务相关指标,以计算得到的相关指标作为第二指标。
步骤S202,根据历史运营数据的数据类型,选取对应的挖掘模型,然后利用挖掘模型,对历史运营数据进行数据挖掘,得到历史运营数据对应的若干种风险类型、以及每个第二指标与各个风险类型对应的风险特征库之间的关联系数,并将风险类型对应的风险特征库,作为与每个第二指标相关联的风险特征库。
需要说明的是,数据挖掘的核心是挖掘模型,对于不同的场景、不同的数据适用不同的挖掘模型。有些数据(电力供需比、市场价格、批发零售市场交易数据等)适用于基于数理统计学的挖掘模型,如主成分分析、因子分析;有些数据(各主体履约状况、交易状况、信用状况、机组状况)适用于基于知识发现的挖掘模型,如分类、聚类分析、关联分析;更复杂的数据(售电公司和发电企业年度审计报告、市场化交易明细等)适用于各种模型的组合,如基于主成分分析与聚类分析的分类模型。
在本实施例中,风险类型包括但不限于供需风险、市场力风险、交易风险、监管风险和电网安全风险。
步骤S203,利用与每个第二指标相关联的风险特征库、每个第二指标与各个风险特征库之间的关联系数,构成训练数据集。
步骤S204,利用得到训练数据集,对预先构建的初始分类模型进行训练及参数优化,得到风险分类模型。
步骤S3,请参照表1,使用基于直觉模糊集的语言项描述,对各个待评价指标的重要程度进行描述,请参照表2,使用基于直觉模糊集的语言项描述,对各个待评价指标的表现情况进行描述,并在专家组中筛选出与各个待评价指标相关联的多个决策者。
在本实施例中,以供需风险指标库为例,邀请3个专家组成决策小组对其风险进行评估,决策小组中的成员即为决策者。假设供需风险指标库中的指标只有5个,分别为:A.经济景气指数;B.GDP增长率;C.电力供需比;D.煤炭价格指数;E.可再生能源消纳占比。决策者的重要性等级用语言项描述共分5级,分别是:非常重要、重要、中等重要、不重要、非常不重要。
表1决策者和指标的重要程度的语言项描述
语言项描述 | 对应直觉模糊数 |
非常重要 | (0.9,0.10) |
重要 | (0.70,0.25) |
一般重要 | (0.50,0.45) |
不重要 | (0.30,0.65) |
非常不重要 | (0.10,0.90) |
表2决策者的指标等级划分的语言项描述
语言项描述 | 对应直觉模糊数 |
非常好(I):风险很低 | (1.00,0.00) |
好(II):风险较低 | (0.75,0.15) |
中等(III):风险中等 | (0.50,0.40) |
不好(IV):风险较高 | (0.25,0.65) |
非常不好(V):风险很高 | (0.10,0.90) |
步骤S4,获取各个决策者的指标评价意见,然后融合所有决策者的指标评价意见,得到待评估风险类型的履约风险得分,作为电力市场的履约行为监测结果。
其中,指标评价意见是决策者使用语言项描述对各待评价指标的重要程度和表现情况进行评价而得到的。
作为优选方案,步骤S4包括步骤S41至步骤S44,各步骤具体如下:
步骤S41,遍历每个待评价指标,获取各个决策者关于当前遍历待评价指标的指标等级评价意见,并按照各个决策者的决策权重,融合各个决策者对应的指标等级评价意见,并根据所有待评价指标的意见融合结果,构建第一直觉模糊决策向量R。
其中,指标等级评价意见是决策者使用语言项描述对各个待评价指标的表现情况进行评价而得到的。
在本实施例中,以供需风险指标库为例,决策者分别为专家1、专家2和专家3。各个决策者关于每个待评价指标的指标等级评价意见,具体请参照表3。以待评价指标A为例,专家1的语言项描述(即指标等级评价意见)为“IV”,专家2的语言项描述为“IV”,专家3的语言项描述为“V”,按照各个专家的语言项描述,查询表2可知,专家1对应的直觉模糊数为(0.25,0.65),专家2对应的直觉模糊数为(0.25,0.65),专家3对应的直觉模糊数为(0.10,0.90)。接着,请参见式(1),根据各个专家对应的指标等级评价意见和直觉模糊数、以及各个专家的决策权重,对各个决策者关于待评价指标A的指标等级评价意见进行融合,得到待评价指标A的意见融合结果。然后,请参见式(2),根据待评价指标A、B、C、D、E的意见融合结果rj,构成第一直觉模糊决策向量R。
其中,IFMA表示IFMA算子,λl表示决策小组中的第l个成员的决策权重,有序对表示决策小组中的第k个成员关于第j个待评估指标的指标等级评价意见对应的直觉模糊数,rj=(μ(xj),v(xj),π(xj))(j=1,2,…,n)。
表3各个决策者关于每个待评价指标的指标等级评价意见
步骤S42,遍历每个待评价指标,获取各个决策者关于当前遍历待评价指标的指标重要性评价意见,并按照各个决策者的决策权重,融合各个决策者对应的指标重要性评价意见,并根据所有待评价指标的意见融合结果,构建权重向量W。
其中,指标重要性评价意见是决策者使用语言项描述对各个待评价指标的表现情况进行评价而得到的。
在本实施例中,以供需风险指标库为例,决策者分别为专家1、专家2和专家3。各个决策者关于每个待评价指标的指标重要性评价意见,具体请参照表4。以待评价指标A为例,专家1的语言项描述(即指标重要性评价意见)为“一般重要”,专家2的语言项描述为“重要”,专家3的语言项描述为“重要”,按照各个专家的语言项描述,查询表1可知,专家1对应的直觉模糊数为(0.50,0.45),专家2对应的直觉模糊数为(0.70,0.25),专家3对应的直觉模糊数为(0.70,0.25)。接着,请参见式(3),根据各个专家对应的指标重要性评价意见和直觉模糊数、以及各个专家的决策权重,对各个决策者关于待评价指标A的指标重要性评价意见进行融合,得到待评价指标A的意见融合结果。接着,请参见式(4),根据待评价指标A、B、C、D、E的意见融合结果,构成权重向量W。
其中,IFMA表示IFMA算子,λl表示决策小组中的第l个成员的决策权重,有序对表示决策小组中的第k个成员关于第j个待评估指标的指标重要性评价意见对应的直觉模糊数,wj=(μwj,vwj,πwj)(j=1,2,…,n)。
表4各个决策者关于每个待评价指标的指标重要性评价意见
作为优选方案,步骤S41和步骤S42中提及的“决策者的决策权重”的获取流程,包括步骤S401至步骤S402,各步骤具体如下:
步骤S401,使用基于直觉模糊集的语言项描述,对各个决策者的评价意见重要性进行描述,得到各个决策者对应的重要性等级和直觉模糊数。
其中,决策者对应的直觉模糊数包括决策者对应的隶属度和非隶属度。
步骤S402,按照预设的决策权重算法,根据各个决策者对应的重要性等级和直觉模糊数,计算得到各个决策者的决策权重λk。
在本实施例中,以供需风险指标库为例,决策者分别为专家1、专家2和专家3。专家1的语言项描述(即重要性等级)为“一般重要”,专家2的语言项描述为“非常重要”,专家3的语言项描述为“重要”,按照各个专家的语言项描述,查询表1可知,专家1对应的直觉模糊数为(0.50,0.45),专家2对应的直觉模糊数为(0.9,0.10),专家3对应的直觉模糊数为(0.70,0.25)。接着,请参见式(5),根据各个专家对应的重要性等级和直觉模糊数,计算得到各个专家的决策权重λk,专家1的决策权重λ1为0.243,专家2的决策权重λ2为0.416,专家3的决策权重λ3为0.341。
式中,l表示决策小组的成员数量,有序对(μk,vk)表示决策小组中的第k个成员的重要性的直觉模糊数,μk表示非空集合X中的元素x属于X的隶属度,vk表示非空集合X中的元素x属于X的非隶属度,πk表示非空集合X中的元素x属于X的犹豫度。其中,πk=1-μk-vk,
步骤S43,请参见式(6)(7)(8)(9),利用权重向量W,对第一直觉模糊决策向量R进行赋权,得到第二直觉模糊决策向量R’。
μw(xj)=μ(xj)·μwj (7)
vw(xj)=v(xj)+vwj-v(xj)·vwj (8)
πw(xj)=1-v(xj)-vwj-μ(xj)·μwj+v(xj)·vwj (9)
式中,r′j=(μ′j,v′j,π′j)=(μw(xj),vw(xj),πw(xj))。
步骤S44,按照预设的综合得分算法,根据第二直觉模糊决策向量R’,计算得到待评估风险类型的履约风险得分,作为电力市场的履约行为监测结果。
在本实施例中,步骤S44包括步骤S441至步骤S442,各步骤具体如下:
步骤S441,根据第二直觉模糊决策向量R’中的r′j=(μw(xj),vw(xj),πw(xj)),确定第二直觉模糊决策向量R’中的第j个待评价指标的直觉模糊数αj=(μw(xj),vw(xj)),然后请参见式(10),计算第二直觉模糊决策向量R’中的每个待评价指标的得分函数S(α)。
S(α)=μA(x)-vA(x) (10)
式中,对于直觉模糊数α=(μA(x),vA(x)),其精确度函数为S(α)。
步骤S442,将每个待评价指标的得分函数与权重向量中的隶属函数进行加权求和,得出综合得分,作为待评估风险类型的履约风险得分。
在本实施例中,以供需风险指标库为例,按照上述步骤计算得到综合得分为0.252,表明其风险等级介于中等和较高之间,需加强风险防范。
需要说明的是,除了分析待评估风险类型的履约风险得分,请参见式(11),计算各个待评价指标的精确度函数,以构成精确度函数向量P。其中,精确度函数可用于分析待评价指标的可接受程度。
式中,对于直觉模糊数α=(μA(x),vA(x)),其精确度函数为E(α),πA(x)=1-μA(x)-vA(x)。
在本实施例中,以供需风险指标库为例,按照上述步骤计算得到精确度函数向量P,由此可见各个待评价指标的精确度函数都很小,也即最终的计算结果精确度是可信的,结果是可以接受的。
请参照图2,为本发明实施例提供的一种电力市场履约行为监测系统的结构示意图,该系统包括数据获取模块M1、特征提取模块M2、描述筛选模块M3和行为监测模块M4,各模块具体如下:
数据获取模块M1,用于实时获取电力市场的运营数据;其中,电力市场包括若干个市场主体、市场交易平台和电力调度平台;
特征提取模块M2,用于对运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标;
描述筛选模块M3,用于使用基于直觉模糊集的语言项描述,对各个待评价指标的表现情况和重要程度进行描述,并在专家组中筛选出与各个待评价指标相关联的多个决策者;
行为监测模块M4,用于获取各个决策者的指标评价意见,然后融合所有决策者的指标评价意见,得到待评估风险类型的履约风险得分,作为电力市场的履约行为监测结果;其中,指标评价意见是决策者使用语言项描述对各个待评价指标的重要程度和表现情况进行评价而得到的。
作为优选方案,行为监测模块M4,具体包括数据获取单元11和预处理单元12,各单元具体如下:
第一融合单元41,用于遍历每个待评价指标,获取各个决策者关于当前遍历待评价指标的指标等级评价意见,并按照各个决策者的决策权重,融合各个决策者对应的指标等级评价意见,并根据所有待评价指标的意见融合结果,构建第一直觉模糊决策向量;其中,指标等级评价意见是决策者使用语言项描述对各个待评价指标的表现情况进行评价而得到的;
第二融合单元42,用于遍历每个待评价指标,获取各个决策者关于当前遍历待评价指标的指标重要性评价意见,并按照各个决策者的决策权重,融合各决策者对应的指标重要性评价意见,并根据所有待评价指标的意见融合结果,构建权重向量;其中,指标重要性评价意见是决策者使用语言项描述对各个待评价指标的表现情况进行评价而得到的;
赋权单元43,用于利用权重向量,对第一直觉模糊决策向量进行赋权,得到第二直觉模糊决策向量;
计算单元44,用于按照预设的综合得分算法,根据第二直觉模糊决策向量,计算得到待评估风险类型的履约风险得分,作为电力市场的履约行为监测结果。
作为优选方案,请参照图2,本发明实施例提供的一种电力市场履约行为监测系统,还包括决策权重分析模块M5,该模块具体如下:
决策权重分析模块M5,用于使用基于直觉模糊集的语言项描述,对各个决策者的评价意见重要性进行描述,得到各个决策者对应的重要性等级和直觉模糊数;按照预设的决策权重算法,根据各个决策者对应的重要性等级和直觉模糊数,计算得到各个决策者的决策权重;其中,决策者对应的直觉模糊数包括决策者对应的隶属度和非隶属度。
作为优选方案,特征提取模块M2,具体包括分析单元21和选取单元22,各单元具体如下:
分析单元21,用于对运营数据进行分析处理,得到对应的多个第一指标;
选取单元22,用于通过预先构建的风险分类模型,选取与待评估风险类型相关联的第一指标,作为待评估风险类型对应的待评价指标。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
相比于现有技术,本发明实施例具有如下有益效果:
本发明提供了一种电力市场履约行为监测方法及系统,通过实时获取电力市场的运营数据,可以及时了解市场主体、市场交易平台和电力调度平台的相关信息,包括市场参与者、交易行为、市场价格和电力供需等,为电力市场的运营监测和履约行为的风险评估提供实时且有效的数据支撑,接着对运营数据进行特征提取,以获得待评估风险类型对应的多个待评价指标,然后运用基于直觉模糊集的语言项描述,对各个待评价指标的表现情况和重要程度进行描述,从而能够将主观评价用模糊语言进行表达,以使指标评价意见能够更加贴近于决策者的主观感知,便于后续开展决策分析和评估。另外地,收集并融合各个决策者对待评价指标的评价意见,综合考虑不同决策者的观点,以应对日益复杂的市场交易情况,得到待评估风险类型的履约风险得分,作为用于衡量电力市场履约风险的指标,能够帮助市场监管机构或企业管理层监测市场的整体风险状况,以便及时采取相应的管理措施和风险应对策略。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电力市场履约行为监测方法,其特征在于,包括:
实时获取电力市场的运营数据;其中,所述电力市场包括若干个市场主体、市场交易平台和电力调度平台;
对所述运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标;
使用基于直觉模糊集的语言项描述,对各所述待评价指标的表现情况和重要程度进行描述,并在专家组中筛选出与各所述待评价指标相关联的多个决策者;
获取各所述决策者的指标评价意见,然后融合所有所述决策者的指标评价意见,得到所述待评估风险类型的履约风险得分,作为所述电力市场的履约行为监测结果;其中,所述指标评价意见是所述决策者使用语言项描述对各所述待评价指标的重要程度和表现情况进行评价而得到的。
2.根据权利要求1所述的一种电力市场履约行为监测方法,其特征在于,所述获取各所述决策者的指标评价意见,然后融合所有所述决策者的指标评价意见,得到所述待评估风险类型的履约风险得分,作为所述电力市场的履约行为监测结果,具体为:
遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标等级评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标等级评价意见,并根据所有所述待评价指标的意见融合结果,构建第一直觉模糊决策向量;其中,所述指标等级评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标重要性评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标重要性评价意见,并根据所有所述待评价指标的意见融合结果,构建权重向量;其中,所述指标重要性评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
利用所述权重向量,对所述第一直觉模糊决策向量进行赋权,得到第二直觉模糊决策向量;
按照预设的综合得分算法,根据所述第二直觉模糊决策向量,计算得到所述待评估风险类型的所述履约风险得分,作为所述电力市场的履约行为监测结果。
3.根据权利要求2所述的一种电力市场履约行为监测方法,其特征在于,所述决策者的决策权重的获取,具体为:
使用基于直觉模糊集的语言项描述,对各所述决策者的评价意见重要性进行描述,得到各所述决策者对应的重要性等级和直觉模糊数;
按照预设的决策权重算法,根据各所述决策者对应的重要性等级和直觉模糊数,计算得到各所述决策者的决策权重;
其中,所述决策者对应的直觉模糊数包括所述决策者对应的隶属度和非隶属度。
4.根据权利要求1所述的一种电力市场履约行为监测方法,其特征在于,所述对所述运营数据进行特征提取,得到所述待评估风险类型的多个待评价指标,具体为:
对所述运营数据进行分析处理,得到对应的多个第一指标;
通过预先构建的风险分类模型,选取与所述待评估风险类型相关联的所述第一指标,作为所述待评估风险类型对应的待评价指标。
5.根据权利要求4所述的一种电力市场履约行为监测方法,其特征在于,所述风险分类模型的构建,具体为:
获取所述电力市场的历史运营数据、以及所述历史运营数据对应的多个第二指标;
根据所述历史运营数据的数据类型,选取对应的挖掘模型,然后利用所述挖掘模型,对所述历史运营数据进行数据挖掘,得到所述历史运营数据对应的若干种风险类型、以及每个所述第二指标与各所述风险类型对应的风险特征库之间的关联系数,并将所述风险类型对应的风险特征库,作为与每个所述第二指标相关联的风险特征库;
利用与每个所述第二指标相关联的风险特征库、每个所述第二指标与各所述风险特征库之间的关联系数,构成训练数据集;
利用得到训练数据集,对预先构建的初始分类模型进行训练及参数优化,得到所述风险分类模型。
6.根据权利要求1所述的一种电力市场履约行为监测方法,其特征在于,所述实时获取电力市场的运营数据,具体为:
通过安装在任意一个所述市场主体的数据处理装置,实时对所述电力市场进行数据采集与校验,得到所述电力市场的相关数据;
对所述电力市场的相关数据进行预处理,得到所述电力市场的运营数据;
其中,预处理包括异常值删除和噪声消除处理。
7.一种电力市场履约行为监测系统,其特征在于,包括:
数据获取模块,用于实时获取电力市场的运营数据;其中,所述电力市场包括若干个市场主体、市场交易平台和电力调度平台;
特征提取模块,用于对所述运营数据进行特征提取,得到待评估风险类型对应的多个待评价指标;
描述筛选模块,用于使用基于直觉模糊集的语言项描述,对各所述待评价指标的表现情况和重要程度进行描述,并在专家组中筛选出与各所述待评价指标相关联的多个决策者;
行为监测模块,用于获取各所述决策者的指标评价意见,然后融合所有所述决策者的指标评价意见,得到所述待评估风险类型的履约风险得分,作为所述电力市场的履约行为监测结果;其中,所述指标评价意见是所述决策者使用语言项描述对各所述待评价指标的重要程度和表现情况进行评价而得到的。
8.根据权利要求7所述的一种电力市场履约行为监测系统,其特征在于,所述行为监测模块,具体包括:
第一融合单元,用于遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标等级评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标等级评价意见,并根据所有所述待评价指标的意见融合结果,构建第一直觉模糊决策向量;其中,所述指标等级评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
第二融合单元,用于遍历每个待评价指标,获取各所述决策者关于当前遍历待评价指标的指标重要性评价意见,并按照各所述决策者的决策权重,融合各所述决策者对应的所述指标重要性评价意见,并根据所有所述待评价指标的意见融合结果,构建权重向量;其中,所述指标重要性评价意见是所述决策者使用语言项描述对各所述待评价指标的表现情况进行评价而得到的;
赋权单元,用于利用所述权重向量,对所述第一直觉模糊决策向量进行赋权,得到第二直觉模糊决策向量;
计算单元,用于按照预设的综合得分算法,根据所述第二直觉模糊决策向量,计算得到所述待评估风险类型的所述履约风险得分,作为所述电力市场的履约行为监测结果。
9.如权利要求8所述的一种电力市场履约行为监测系统,其特征在于,还包括:
决策权重分析模块,用于使用基于直觉模糊集的语言项描述,对各所述决策者的评价意见重要性进行描述,得到各所述决策者对应的重要性等级和直觉模糊数;按照预设的决策权重算法,根据各所述决策者对应的重要性等级和直觉模糊数,计算得到各所述决策者的决策权重;其中,所述决策者对应的直觉模糊数包括所述决策者对应的隶属度和非隶属度。
10.如权利要求7所述的一种电力市场履约行为监测系统,其特征在于,所述特征提取模块,具体包括:
分析单元,用于对所述运营数据进行分析处理,得到对应的多个第一指标;
选取单元,用于通过预先构建的风险分类模型,选取与所述待评估风险类型相关联的所述第一指标,作为所述待评估风险类型对应的待评价指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311406692.5A CN117455232A (zh) | 2023-10-26 | 2023-10-26 | 一种电力市场履约行为监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311406692.5A CN117455232A (zh) | 2023-10-26 | 2023-10-26 | 一种电力市场履约行为监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117455232A true CN117455232A (zh) | 2024-01-26 |
Family
ID=89581237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311406692.5A Pending CN117455232A (zh) | 2023-10-26 | 2023-10-26 | 一种电力市场履约行为监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455232A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077177A (zh) * | 2012-08-28 | 2013-05-01 | 华南理工大学 | 一种融合专家意见和用户偏好的Web服务模糊QoS选择方法 |
CN111950918A (zh) * | 2020-08-19 | 2020-11-17 | 江苏电力交易中心有限公司 | 一种基于电力交易数据的市场风险评估方法 |
CN114723287A (zh) * | 2022-04-08 | 2022-07-08 | 浙江万里学院 | 一种基于企业特征和经营行为对风险形成的量化统计方法 |
CN114820078A (zh) * | 2022-05-20 | 2022-07-29 | 大连大学 | 一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法 |
CN115796606A (zh) * | 2023-01-29 | 2023-03-14 | 北京迈道科技有限公司 | 高速公路运营安全指数的量化评估方法、装置及服务器 |
CN116882759A (zh) * | 2023-08-02 | 2023-10-13 | 国网能源研究院有限公司 | 一种直觉模糊经营风险评价算法、装置和存储介质 |
-
2023
- 2023-10-26 CN CN202311406692.5A patent/CN117455232A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077177A (zh) * | 2012-08-28 | 2013-05-01 | 华南理工大学 | 一种融合专家意见和用户偏好的Web服务模糊QoS选择方法 |
CN111950918A (zh) * | 2020-08-19 | 2020-11-17 | 江苏电力交易中心有限公司 | 一种基于电力交易数据的市场风险评估方法 |
CN114723287A (zh) * | 2022-04-08 | 2022-07-08 | 浙江万里学院 | 一种基于企业特征和经营行为对风险形成的量化统计方法 |
CN114820078A (zh) * | 2022-05-20 | 2022-07-29 | 大连大学 | 一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法 |
CN115796606A (zh) * | 2023-01-29 | 2023-03-14 | 北京迈道科技有限公司 | 高速公路运营安全指数的量化评估方法、装置及服务器 |
CN116882759A (zh) * | 2023-08-02 | 2023-10-13 | 国网能源研究院有限公司 | 一种直觉模糊经营风险评价算法、装置和存储介质 |
Non-Patent Citations (1)
Title |
---|
潘鹏程;王红倩;: "基于直觉模糊集的公路PPP项目物有所值评价", 公路交通科技, no. 05, 15 May 2018 (2018-05-15), pages 1 - 9 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100776187B1 (ko) | 기술평가방법 | |
US20020194042A1 (en) | Method of business analysis | |
CN102117459A (zh) | 风险控制系统及方法 | |
Huang et al. | Contractor financial prequalification using simulation method based on cash flow model | |
CN106845846A (zh) | 大数据资产评估方法 | |
CN110633891A (zh) | 服务商履约绩效评价系统及方法 | |
CN111553563A (zh) | 企业欺诈风险的确定方法及装置 | |
CN113487447A (zh) | 一种基于大数据的配电网负荷预测及线损成因分析方法 | |
CN103310353A (zh) | 一种抗攻击的数据过滤优化系统和方法 | |
KR100713546B1 (ko) | 기술평가방법 | |
CN106407305A (zh) | 一种数据挖掘系统和方法 | |
CN113095931A (zh) | 贷后风险监控方法、装置及计算机设备 | |
CN112258341A (zh) | 一种电力市场力风险监测和防范方法 | |
CN105005575A (zh) | 一种企业智能预测快速开发接口方法 | |
CN110298759A (zh) | 一种基金诊断方法、装置及计算机可读存储介质 | |
Boyuan et al. | Scenario-based modeling and solving research on robust weapon project planning problems | |
CN112381440A (zh) | 电力营商环境的评价方法、装置、处理器和评价系统 | |
CN107480703A (zh) | 交易故障检测方法及装置 | |
CN116776209A (zh) | 一种关口计量装置运行状态辨识方法、系统、设备及介质 | |
CN117827593A (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
CN116911994A (zh) | 对外贸易风险预警系统 | |
Zeng | [Retracted] Research on Risk Measurement and Early Warning of Electronic Banking Business Based on GMDH Algorithm | |
CN117455232A (zh) | 一种电力市场履约行为监测方法及系统 | |
CN117455681A (zh) | 业务风险预测方法和装置 | |
Qiang et al. | [Retracted] Relationship Model between Human Resource Management Activities and Performance Based on LMBP Algorithm |
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 |